ARTICLE · 人工智能
神秘「牛来」模型果然是智谱！GLM 首个原生多模态，还用的国产卡
一语总结本文揭示近期海外爆火的神秘模型「牛来」实为智谱开源的 GLM-5.3 Flash，并围绕多模态、Coding 能力、架构创新与国产算力展开深度实测与解读。
文章首先揭晓了近期在 OpenRouter 和 OpenCode 上爆火的神秘模型「牛来」（Ox Alpha）的真实身份——智谱刚刚发布并开源的 GLM-5.3 Flash，这也是 GLM 5 系列中首个原生多模态模型。随后，作者基于内测资格进行了多轮深度实测：包括多人说话视频的精准字幕生成、整部电影《神话》的解说视频制作、以及基于产品设计稿生成可交互的移动端购物 App，均展示了模型在多模态理解与 Coding 能力上的出色表现。文章进一步剖析了 GLM-5.3 Flash 背后的技术架构创新，包括 320B 总参数、18B 激活参数的 MoE 设计，以及「线性注意力+稀疏注意力」的混合架构，配合 IndexPool 机制将注意力计算量降低 3.01 倍、KV Cache 缩小 4.44 倍。同时，文章强调了该模型在国产芯片上运行的重大意义，通过 Encode-Prefill-Decode 分离式架构等底层优化，实现了与英伟达 GPU 相当的单 Token 成本。最后，文章指出 GLM-5.3 Flash 在 AA 榜单上拿下 57 分与 Claude Opus 4.8 持平，但价格仅为后者的 1/40，并已全面开源，标志着前沿模型开始向「日常消耗品」转变。
- 神秘模型「牛来」实为智谱开源的 GLM-5.3 Flash，是 5 系列首个原生多模态模型。
文章揭晓了近期在 OpenRouter 和 OpenCode 上爆火的神秘模型真实身份，并确认其已全面开源，同时接入 ZCode、开放 API。
- GLM-5.3 Flash 采用线性注意力+稀疏注意力的混合架构，显著降低计算量。
通过 IndexPool 机制将注意力计算量降低 3.01 倍、KV Cache 缩小 4.44 倍，使 320B 总参数、18B 激活参数的模型在 1M 超长上下文下依然高效。
- 模型在国产芯片上运行，端到端服务性能提升 3 倍，单 Token 成本与英伟达 GPU 相当。
智谱采用 Encode-Prefill-Decode 分离式架构及 Layer Split、混合缓存量化等优化，让国产算力承接全球真实流量，实现成本可控。
- GLM-5.3 Flash 在 AA 榜单拿下 57 分与 Claude Opus 4.8 持平，但价格仅为后者的 1/40。
文章强调前沿模型能力与价格开始解耦，GLM-5.3 Flash 的定价策略使其成为可日常消耗的前沿模型，推动 AI 应用成本大幅下降。
神秘「牛来」模型果然是智谱！GLM 首个原生多模态，还用的国产卡
文章首先揭晓了近期在 OpenRouter 和 OpenCode 上爆火的神秘模型「牛来」（Ox Alpha）的真实身份——智谱刚刚发布并开源的 GLM-5.3 Flash，这也是 GLM 5 系列中首个原生多模态模型。随后，作者基于内测资格进行了多轮深度实测：包括多人说话视频的精准字幕生成、整部电影《神话》的解说视频制作、以及基于产品设计稿生成可交互的移动端购物 App，均展示了模型在多模态理解与 Coding 能力上的出色表现。文章进一步剖析了 GLM-5.3 Flash 背后的技术架构创新，包括 320B 总参数、18B 激活参数的 MoE 设计，以及「线性注意力+稀疏注意力」的混合架构，配合 IndexPool 机制将注意力计算量降低 3.01 倍、KV Cache 缩小 4.44 倍。同时，文章强调了该模型在国产芯片上运行的重大意义，通过 Encode-Prefill-Decode 分离式架构等底层优化，实现了与英伟达 GPU 相当的单 Token 成本。最后，文章指出 GLM-5.3 Flash 在 AA 榜单上拿下 57 分与 Claude Opus 4.8 持平，但价格仅为后者的 1/40，并已全面开源，标志着前沿模型开始向「日常消耗品」转变。
文章金句
"能干活，吃得少。而且这回，牛是自己的，草也是自己的。
"前沿模型终于开始有了点「日常消耗品」的意思。
"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。