Z.ai 的赌注：GLM-5.3-Flash 登场，中国芯片的雄心与未解的疑问并存

2026 年 8 月 26 日，开发方 Z.ai 揭晓了自 8 月 20 日起在 OpenRouter 和 OpenCode 上匿名免费流通的模型「ox-alpha」的身份：它是 GLM-5.3-Flash，GLM-5 系列中首个原生多模态模型，权重已以 MIT 许可证发布在 Hugging Face 上。据 Z.ai 创始人张杰（Jie Tang）2026 年 8 月 27 日在 X 上所述，在匿名阶段该模型拿下了 OpenRouter 近 20% 的周度 token 份额，登上排行榜首位。这位创始人写道："Ox Alpha = GLM-5.3 Flash AA = 57, 1/100 frontier price, Powered by pure Chinese chips. Delivered nearly 20% weekly token share (no. 1) on OpenRouter."（Ox Alpha 就是 GLM-5.3 Flash，Artificial Analysis 得分 57，价格为前沿模型的百分之一，完全由中国芯片驱动。在 OpenRouter 上取得近 20% 的周度 token 份额，排名第一。）

官方公布的架构是总参数 3200 亿的混合专家模型（每个 token 激活 180 亿），配备一套混合注意力机制，用以降低计算量和 KV 缓存的内存需求。在 2026 年 8 月 26 日的官方发布说明中，Z.ai 称："Native visual capabilities enable the model to observe interfaces, rendering results, and interaction feedback—creating a closed loop across code, browsers, and GUIs."（原生视觉能力让模型可以观察界面、渲染结果和交互反馈，从而在代码、浏览器与图形界面之间形成闭环。）不过，发布文档之间仍有不一致。Hugging Face 的模型卡列出的输入是文本与图像，而 API 文档还包含视频和文件，输出则限于文本。上下文窗口同样存在出入：Z.ai 官方文档称约一百万 token（1,048,576），而 Hugging Face 上部分评测配置写的是 30 万。若要自行部署以原生 FP8 分发的权重（约 306 GiB），公司建议使用配备八块 NVIDIA Hopper 或更新架构 GPU 的节点。

分量最重的说法关乎算力基础设施。Z.ai 坚称匿名阶段的全部负载完全由中国制造的芯片承担，使用的是基于 SGLang 的自研推理引擎。《南华早报》在 2026 年 8 月 27 日的报道中援引智谱 AI 的说法，称该模型运行在一个由 10 万块中国芯片组成的集群上。同一报纸提到，正式发布前处理的 token 达 62 万亿，头三天在 OpenRouter 上超过 11 万亿。该报还称，智谱 AI 的股价在 2026 年 8 月 27 日星期四收涨 12%，报 1160 港元。目前芯片的制造商和具体型号均未公开，而股价数据除这一家媒体外，也未在独立的官方行情中得到印证。

性能指标同样需要谨慎看待。Z.ai 公布的分数——Terminal-Bench 2.1 得 84.3、DeepSWE v1.1 得 63.4、AutomationBench 得 48.8——尚未被独立复现。创始人引用的 Artificial Analysis Intelligence Index 57 分同样如此；至于成本仅为西方前沿模型百分之一的商业说法，那是公司自己选定的比较口径，并非标准化的度量。Z.ai 的价目表为每百万输入 token 0.15 美元、输出 0.50 美元（缓存输入 0.03 美元），并声明五折优惠持续到 2026 年 9 月 9 日。此外，token 总量也尚未定论：在《南华早报》的数字之外，X 上流传着一份第三方分析，称每天 100 万亿 token，这一数字在官方来源中查无实据。

— Olya：撇开 OpenRouter 上的流量成绩，GLM-5.3-Flash 这一局要在硬件的透明度上决出胜负。若中国芯片上宣称的效率能得到独立验证，大规模推理对西方芯片的依赖，或许没有人们以为的那样绝对。在那之前，留下的是以 MIT 许可证开放、任何有硬件的人都能验证的权重，以及一句关于硬件的断言——Z.ai 之外还没有人能够核实。