神秘「牛来」模型果然是智谱：GLM-5.3 Flash 首个原生多模态，全跑国产卡

2026-09-02 · AI 科技洞察 · 聚焦 量子位

导语：此前在海外爆火的匿名模型「牛来」（Ox Alpha）真身曝光，为智谱开源发布的 GLM-5.3 Flash。总参数 320B、激活 18B，在 AA 综合智能指数取得 57 分与 Claude Opus 4.8 持平；架构采用线性+稀疏混合注意力，定价仅为 Opus 4.8 的 1/40。匿名测试期 62T Token 调用全部由国产芯片承接。

图片来源：量子位

前几天在网上炒得沸沸扬扬的神秘模型「牛来」（Ox Alpha），真身终于曝光——果然是来自中国玩家智谱，刚刚发布即开源的 GLM-5.3 Flash，还是 GLM 5 系列里首个原生多模态的版本。

「牛来」在火的这几天里，其实已经有不少人用 Ox Alpha 在实测了。比如博主 Tim Jayas 用同样的 Prompt 让「牛来」做了两次 SpaceX Raptor 猛禽发动机 3D 交互网页后，感慨「感觉『牛来』是一个能自己持续学习的模型」。在我们拿到 GLM-5.3 Flash 内测资格做同款任务时，输入完 Prompt 之后全程无需任何操作，等候片刻 3D 猛禽引擎项目就出炉了。

为什么「牛来」会这么火？单单是从各大官方帖子中就能窥知一二：在 OpenRouter 上，「牛来」首日便冲上榜首，刷新单日 tokens 用量历史纪录；OpenCode 则表示 Ox Alpha 一出世即终结了 DeepSeek 在 OpenCode 连续 56 天霸榜的纪录。

智谱正式认领后，我们发现 GLM-5.3 Flash 还有更多亮点。在模型尺寸方面，GLM-5.3 Flash 仅为 320B，但在能力上全面超越了体量 753B 的 GLM-5.2。根据最新 AA 榜单，GLM-5.3 Flash 已拿下 57 分，放眼全球范围内已然是步入前沿之列，并且与 Claude Opus 4.8 得分持平。价格方面，GLM-5.3 Flash 的定价是 GLM-5.3 版本的 1/10、Opus 4.8 的 1/40——这意味着开发者调用成本急剧下降。

还有一件值得骄傲的事——上面提到的 62T Tokens 都跑在国产卡上。原来老外追了一个月的「神秘模型」，是头纯血国产牛。

架构层面，GLM-5.3 Flash 是 GLM 系列首个原生多模态模型。智谱专门为 Visual Coding 做了数据合成流水线，让模型在执行任务过程中能够自己去看最终页面、交互和 3D 场景，再根据视觉反馈继续修改——这就是为什么在设计稿还原、3D 建模这类任务里，它能一边写、一边看、一边继续改。

架构上的关键创新在于注意力机制的改造。GLM-5.3 Flash 采用了线性注意力+稀疏注意力的混合架构：线性注意力负责抓住局部信息，稀疏注意力通过一个轻量级索引器把真正相关的全局上下文捞回来。面对 1M 这样超长的上下文，它不用让所有 Token 都彼此狠狠干一遍计算。智谱还加了一个 IndexPool，把索引器原本 4 个缓存向量压成 1 个——相比 GLM-5.3，注意力计算量降低了 3.01 倍，KV Cache 缩小了 4.44 倍。

为了让 GLM-5.3 Flash 跑得动国产加速芯片，智谱把多模态编码、Prompt 预填充和逐 Token 解码拆成可独立调度、扩缩容的 Encode-Prefill-Decode 分离式架构，同时叠上 Layer Split、混合缓存量化等一系列底层优化。最终相比同一硬件上的初始基线，端到端服务性能提升 3 倍，单 Token 成本也做到了与主流英伟达 GPU 相当的水平。

回头看「牛来」这几天在海外突然爆火，味道其实就不太一样了。在正式认领之前，OpenRouter 和 OpenCode 上的海外开发者压根不知道 Ox Alpha 是谁家的——大家就是觉得好用，然后一轮又一轮 Prompt 往里塞，硬生生把它用到了榜一。结果等智谱把牌翻开，才发现还有后半截：模型是国产的，连背后接住这波全球真实流量的算力，也是国产的。

过去前沿模型有个越来越现实的问题：能力越来越强，调用起来也越来越贵。尤其 Agent 开始真正干活之后，一次任务跑几十分钟、几个小时，Token 像开了水龙头一样往外流。GLM-5.3 Flash 把架构、推理和算力效率继续往下抠，再把前沿能力的价格一起打下来：AA 拿到 57 分与 Opus 4.8 持平，价格却只有后者的 1/40。前沿模型终于开始有了点「日常消耗品」的意思。

最后还有开源。GLM-5.3 Flash 已正式面向全球开源，同时接入 Z Code、开放 API。模型能跑在国产芯片上，权重又直接打开，开发者拿得到，企业也有机会自己部署。模型、国产算力和开源生态，这一次算是真正接到了一起。

关键要点

• 总参数 320B、激活 18B，AA 智能指数 57 分与 Opus 4.8 持平
• 线性+稀疏注意力混合架构，注意力计算量降 3.01 倍，KV Cache 缩 4.44 倍
• 定价为 GLM-5.3 的 1/10、Opus 4.8 的 1/40
• GLM 5 系列首个原生多模态，支持 Visual Coding
• 匿名测试期 62T Token 全部由国产芯片提供算力

📎 本文由 AI 自动采集整理，编译自 量子位（2026-08-27）。
原文版权归原作者所有，本文仅用于信息聚合参考。