# Z.ai 發布 GLM-5.3-Flash：以 18B 啟用參數支援原生多模態與 1M-token 長上下文

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 原作者：Z.ai (@Zai_org) · 策展與摘要：EasyVibeCoding · 平台：X (Twitter) · 熱度：🔥🔥 · 日期：2026-08-26

> 原始來源：https://x.com/Zai_org/status/2092616204787626030

## 證據與延伸閱讀

- [Z.ai 發布 GLM-5.3-Flash：以 18B 啟用參數支援原生多模態與 1M-token 長上下文。](https://z.ai/blog/glm-5.3-flash) — 官方文件 · 支持主張：正式發布、模型架構、價格、評測與中國 AI 晶片服務化。
- [GLM-5.3-Flash API 與模型規格](https://docs.z.ai/guides/llm/glm-5.3-flash) — 官方文件 · 支持主張：API model code、推理設定、context window 與可用平台。
- [GLM-5.3-Flash 多模態輸入文件](https://docs.z.ai/guides/vlm/glm-5.3-flash) — 官方文件 · 支持主張：圖片、影片與檔案等原生多模態輸入能力。
- [Code Arena: WebDev 早期 AutoEval 結果](https://x.com/arena/status/2092622502757589440)
- [GLM-5.3-Flash Code Arena Top 15 排名](https://x.com/arena/status/2092622505630671157)
- [OpenRouter 上的 ox-alpha 使用量](https://x.com/OpenRouter/status/2092616758612172994)

## 中文摘要

Z.ai 發布 GLM-5.3-Flash：以 18B 啟用參數支援原生多模態與 1M-token 長上下文。

Z.ai 在 2026 年 8 月 26 日的貼文中強調，這款模型以較低成本提供 coding 與長跨度 Agent 任務能力，並完全在中國 AI 晶片上執行。

**正式發布與定位**

GLM-5.3-Flash 是 GLM-5 系列首個原生 multimodal model，採用 320B-A18B 架構，也就是總參數 320B、啟用參數 18B，並以 MIT License 發布。它支援 1M-token context window，最大輸出長度為 131K token，預設使用 `max` reasoning。Z.ai 表示，模型先前曾以 `Ox Alpha` 名稱預覽，且整個執行過程都由 Chinese AI chips 提供支援。

模型已可在多個官方平台使用：

- Weights：[Hugging Face 模型頁面](http://huggingface.co/zai-org/GLM-5.3-Flash)
- API：[GLM-5.3-Flash API 文件](http://docs.z.ai/guides/llm/glm-5.3-flash)
- Coding Plan：[訂閱頁面](http://z.ai/subscribe)
- ZCode：[ZCode](http://zcode.z.ai/en)
- Chat：[Z.ai Chat](http://chat.z.ai)
- AutoClaw：[AutoClaw](http://autoclaw.z.ai)
- 產品文章：[Z.ai 官方 blog](http://z.ai/blog/glm-5.3-flash)
- 技術報告：[Technical report](https://z.ai/blog/glm-5.3-flash)

引用資料另以 2026 年 2 月 17 日記載發布時間，與 Z.ai 貼文標示的 2026 年 8 月 26 日不一致；但兩者都指向同一款 GLM-5.3-Flash，以及它由 `ox-alpha` 測試版本轉為正式公開版本的脈絡。

**價格與使用管道**

Z.ai 貼出的 Standard API Pricing 以每 1M tokens 計算：

- Input：$0.15
- Output：$0.50
- Cached input：$0.03

OpenRouter 的公告則指出，發布優惠至 Sep 9 at 16:00 UTC 前為五折：

- Input：$0.075/M
- Output：$0.25/M
- Cached input：$0.015/M

優惠期結束後，OpenRouter 預告回到 $0.15/M、$0.50/M 與 $0.03/M。Zixuan Li 的貼文也表示，官方 [Z.ai API](https://docs.z.ai/guides/vlm/glm-5.3-flash) 在接下來兩週提供 50% 折扣，第三方 model aggregators 同樣可使用優惠；不過該貼文在「After the discount」標籤下列出的仍是 $0.075、$0.25 與 $0.015，與 Z.ai 及 OpenRouter 公告的標準價格描述不一致，使用者應以實際帳單與方案頁面為準。 

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/22f058baea31b042.jpg)
> 來源：[@ZixuanLi_](https://x.com/ZixuanLi_/status/2092619063885218248)（回覆）｜GLM-5.3-Flash 在 Input（$0.15）、Output（$0.50）與 Cached Input（$0.03）價格上皆低於 GLM-5.2、Claude Sonnet 5、GPT-5.6 Terra 與 Gemini 3.7 Flash。

模型也已加入 OpenCode Go，OpenCode 表示限時提供 double usage。這項額外用量屬於 OpenCode Go 的限時方案，不等同於所有平台都提供相同配額。

**模型架構與效率**

GLM-5.3-Flash 從重新訓練的 base model 開始，重新設計 architecture 與 training recipe。核心變化是首次在 GLM 系列採用 sparse attention 與 linear attention 組成的 hybrid architecture：linear attention 以 state modeling 捕捉 local dependencies，sparse attention 則透過 lightweight indexer 擷取 global context，藉此降低長上下文服務的計算成本，同時維持 long-context 能力。模型也導入 Manifold-Constrained Hyper-Connections（mHC），並使用最新的 30T-token multimodal pre-training corpus。

相較 GLM-5.3，Z.ai 文件列出的效率改善包括：

- Attention computation 降低 3.01×，其他文件約寫為 3.0×。
- KV cache size 降低 4.44×，其他文件約寫為 4.4×。
- 在 1M-token context 下，IndexPool 會以 weighted pooling 將 4 個 indexer key vectors 壓縮成 1 個。 

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/cf0de5018b2888b9.jpg)
> GLM-5.3-Flash 架構在長序列下顯著降低每層 KV-Cache 大小與 Attention 計算負擔，表現優於 GLM-5.3。

與 GLM-4.5 series 相比，總參數量為 320B 對 355B，啟用參數則由 32B 降至 18B，layers 也由 92 層降至 45 層。來源指出，GLM-5.3-Flash 的 attention compute 是比較模型中最低，但 KV cache 仍略大於 Kimi-K3 與 DeepSeek-V4-Flash，因此並非所有效率指標都已達到最佳。

可支援本地部署的 frameworks 包括 SGLang、vLLM、TokenSpeed 與 KTransformers。Z.ai 也表示，這是首個採用 sparse attention 與 linear attention hybrid architecture 的 open-source frontier model。

**API 與多模態能力**

API model code 為 `glm-5.3-flash`。除了文字，它原生支援圖片、影片與檔案；圖片可透過 `messages[].content[]` 的 `type: image_url` content block 傳入，`image_url.url` 可接受 image URL 或 Base64 Data URL，也能放入多個 image blocks。官方建議設定如下：

```json
{
  "temperature": 1,
  "top_p": 0.95,
  "reasoning_effort": "max",
  "thinking.type": "enabled",
  "thinking.clear_thinking": false,
  "stream": true,
  "tool_stream": true
}
```

其中 `thinking.type` 只支援 `enabled`，thinking 不能停用；若使用 streaming requests，官方建議同時啟用 `stream: true` 與 `tool_stream: true`。相關介面與能力文件包括：

- [Chat Completion API](https://docs.z.ai/api-reference/introduction)
- [Thinking Mode](https://docs.z.ai/guides/capabilities/thinking-mode)
- [Streaming Output](https://docs.z.ai/guides/capabilities/stream-tool)
- [Function Calling](https://docs.z.ai/guides/capabilities/function-calling)
- [Context Caching](https://docs.z.ai/guides/capabilities/cache)
- [Structured Output](https://docs.z.ai/guides/capabilities/struct-output)
- 完整文件索引：[llms.txt](https://docs.z.ai/llms.txt)

在 GLM Coding Plan 中，模型已 fully available，quota 為 GLM-5.3 的 3 倍；off-peak hours，包括週末全天，points-based quota 只消耗標準 points 的 50%。可參考 [Personal Plan](https://z.ai/subscribe?plantype=individual) 與 [Team Plan](https://z.ai/subscribe?plantype=team)。

**Coding 與 benchmark 表現**

Z.ai 宣稱 GLM-5.3-Flash 在 coding 與 agentic benchmarks 多數勝過 GLM-5.2，且接近 Claude Opus 4.8。Artificial Analysis Intelligence Index v4.1.1 的得分為 57，每項 task 的 discounted 價格為 $0.045；來源據此估計，同等 intelligence 過去約需 10 倍成本。

具體結果包括：

- DeepSWE v1.1：63.4，相較 GLM-5.2 的 46.2。
- AutomationBench：48.8，相較 GLM-5.2 的 26.2。
- Z.ai Code Bench v1.0 在 Claude Code 2.1.207 上執行時，各 effort level 均勝過 GLM-5.2；max effort 為 29.0，Claude Opus 4.8 為 29.5。
- Z.ai Code Bench 被 Z.ai 描述為衡量 real-world coding performance 的評測，官方稱 GLM-5.3-Flash 在每個 effort level 都優於 GLM-5.2，並與 Claude Opus 4.8 表現相當。 

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/8708c42b65962532.jpg)
> GLM-5.3-Flash 在 GDPVal-AA v2 以 1773 分取得最高分，且在所有 6 項 benchmark 中的得分皆高於 GLM-5.2。

 

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/700655ec2b0969e1.jpg)
> GLM-5.3-Flash 在 Z.ai Code Bench v1.0 上於各 effort level 皆顯著領先 GLM-5.2，並與 Claude Opus 4.8 表現相當。

Arena.ai 的 Code Arena: WebDev 早期 AutoEval 分數為 1634，整體約第 5 名，open models 中約第 2 名；GLM-5.3-Max 目前排名第 8。這個分數是由使用 Arena 人類偏好資料訓練的 Reward Model 代替即時人類投票，因此仍是 early score，Arena.ai 表示會在更多 live votes 進入後持續觀察排名如何收斂，不能直接視為最終排名。 

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/0b90e2b722a7e477.jpg)
> 來源：[@arena](https://x.com/arena/status/2092622502757589440)（回覆）｜GLM-5.3-Flash 在 Code Arena: WebDev 的帕雷托前沿上取得 Arena Score 1634（混合價格為每百萬 token $0.41）。

 

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/ea98f7120d6d8348.jpg)
> 來源：[@arena](https://x.com/arena/status/2092622505630671157)（回覆）｜GLM-5.3-Flash 在 Code Arena: WebDev Top 15 榜單中取得 1,634 分的 Arena Score，排名約第 5 位。

相關圖表包括 [效能](https://cloud-document-converter.oss-cn-beijing.aliyuncs.com/feishu2md/20260826/1787756367779-b9g6ji.png)、[程式設計評測](https://cloud-document-converter.oss-cn-beijing.aliyuncs.com/feishu2md/20260826/1787756174815-hakryv.png) 與 [architecture](https://cloud-document-converter.oss-cn-beijing.aliyuncs.com/feishu2md/20260826/1787756367780-5fet8o.png)。Arena.ai 同時提醒，GLM-5.3-Flash 的 320B 總參數與 18B 啟用參數，需與 GLM-5.3-Max 的 753B 總參數與 40B 啟用參數分開理解，不能只用模型總參數量比較效能。

**Visual intelligence 與 Agent 工作**

GLM-5.3-Flash 將 visual intelligence 整合進 coding loop，讓模型能觀察介面、渲染結果與互動回饋，再以自身視覺判斷、環境回饋與 Agent GUI 驗證反覆測試。驗證範圍不只功能正確性，也包括渲染、互動、遊玩測試、呈現品質與美感。

在實際工作中，來源列出以下應用：

- **Frontend 重製**：使用螢幕截圖、多頁圖片、網站 URL 或螢幕錄影重建 Next.js／TypeScript 前端，再逐頁比對截圖，修正版面、字體排印、間距、色彩、圖片裁切與互動。
- **Office Deliverables**：從零建立或重製 PPTX、PDF、DOCX、XLSX，同時處理資訊結構、視覺樣式、圖表、圖片裁切與版面。15-page management presentation 應檢查溢出、裁切、重疊與對齊，產出可編輯圖表、講者備註、引用來源，以及已驗證項目與未覆蓋風險；不得捏造 business data。
- **Financial Professional Workflows**：可串接金融研究、分析、估值建模與報告生成，但必須區分公司揭露資訊、分析假設與衍生結果，保留可驗證來源與未驗證資訊，並交付附 citations 的 PDF research report 與 editable formula-driven Excel model。
- **Video Understanding and Editing**：同時理解視覺內容、語音、字幕、人物關係與時間軸，支援說話者歸屬、故事結構與視覺比對。來源建議製作 90 秒產品發布回顧影片，輸出 MP4、SRT 與剪輯備註，並檢查錯字、說話者歸屬、音畫同步、黑畫面與重複鏡頭。
- **3D Scene Creation**：可將空間需求、visual style 與 functional constraints 轉成 editable Blender project。建議至少進行 4 輪「build → fixed-camera render → inspect → refine → re-render」，檢查比例、動線、材質、燈光、mesh intersections 與構圖，最後交付 `.blend`、final images 與 reproduction instructions。
- **Game Development**：可使用 Godot 4 製作 cooperative cooking prototype，逐步驗證移動、撿取物品、食物準備、上菜、計分、倒數計時器與結果流程，並交付 Web build、測試紀錄、執行說明與未完成項目。
- **CAD Visual Reproduction**：可從零件照片、草圖或 CAD blueprint 理解孔位、圓角、倒角、曲面與組裝關係，再用 `build123d` 生成 parametric 3D model。流程包括多視角 render、逐項比對與迭代修正，交付 Python source code、STEP、STL、dimensional specifications 與 interactive viewing page；無法確定的尺寸必須列出 assumptions。
- **Computer Use**：在 structured APIs unavailable 時，模型仍可視覺理解介面、點擊、輸入文字並持續操作。使用 `/goal` mode 重製目前開啟的 application 時，來源要求完成除 login 外的所有 major workflows，並比較原版與重製版的 layout、功能、state changes 與 interaction paths，留下驗證結果、剩餘差異與執行說明。

**中國 AI 晶片上的服務化**

GLM-5.3-Flash 發布前曾以 `ox-alpha` 匿名在 OpenCode 與 OpenRouter 測試，迅速成為當週最受歡迎的 model，累計在 OpenRouter 於 6 天內處理超過 20 trillion tokens。過去一週，團隊又把模型部署到由 high-bandwidth interconnect 連接的大型 Chinese AI chip cluster，並在 SGLang 之上打造 dedicated inference engine。 

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/8fafb902f77baccd.jpg)
> 來源：[@OpenRouter](https://x.com/OpenRouter/status/2092616758612172994)（回覆）｜ox-alpha 在 OpenRouter 上線 6 天內處理了 23.2T 個 token，以 2.3 倍的優勢領先第二名 deepseek-v4-flash (Jul 31) 的 9.9T，位居 token 處理量第一名。

這些晶片的主要限制是 memory capacity 與 bandwidth，尤其在最高達到 1M tokens 的 context length 下更為明顯。Z.ai 因此採用以運算換頻寬、以通訊換頻寬，以及多項針對硬體的最佳化：

- Linear Attention 與 LM head 的 intra-node tensor parallelism。
- ReplaySSM。
- W8A8 quantization。
- 混合 INT8／FP8／BF16 cache quantization。
- Layer Split。
- 將多模態編碼、提示詞預填與逐 token 解碼分離的 Encode–Prefill–Decode（EPD）解耦架構。

EPD 會把三種工作拆成可獨立排程、可擴展的 worker pools，讓系統能在數萬個 domestically developed accelerators 上進行 production-grade serving。相較同一硬體上的 initial baseline，Z.ai 表示 end-to-end serving performance 成長為 3 倍，hardware efficiency 與 per-token cost 則達到可與 mainstream NVIDIA GPUs 比較的程度。

此外，GLM-5.3-powered infrastructure agent 協助工程師開發與最佳化 kernels、診斷 performance bottlenecks 並改善 serving stack，形成「model 協助最佳化服務該 model 的 system」的 feedback loop。不過，來源也承認 1M-token context 仍受晶片記憶體容量與頻寬限制，且 KV cache 相較部分模型仍有改善空間。

**市場意義與限制**

Z.ai 的核心主張是，frontier intelligence 不必然等於 frontier cost。GLM-5.3-Flash 的成本效益並非來自單一 trick，而是 architecture、30T-token multimodal pre-training corpus，以及與 inference hardware co-designed 的 infrastructure 共同作用。團隊表示，這套 recipe 正擴展到更大型 models，GLM-5.3-Flash 先推動 cost-performance frontier，建造它所累積的經驗也將影響下一個 frontier model。

但目前結果仍應分開看待：模型與 Coding Plan 已可用，API、Weights、ZCode、Chat 與 AutoClaw 也已公開；Arena 的 1634 分則仍是需要 live human votes 驗證的早期 AutoEval 結果，價格優惠也有明確期限，部分平台的折扣敘述彼此不一致。整體而言，這次發布的重點不只是新增一個模型，而是 Z.ai 試圖證明原生多模態、1M-token context、coding 能力與中國 AI 晶片服務化，可以在較低 per-token cost 下同時成立。

## 標籤

新產品, LLM, 開源專案, Z.ai, GLM-5.3-Flash