GLM-5.3-Flash 是 GLM-5 系列首个原生多模态模型，8 月 26 日正式上线并开源。
总参数 320B，激活参数 18B。模型看着很大，推理时真正参与计算的只有一部分参数，这也是它能把成本压下来的关键之一。
它的方向很明确：编程、Agent、生产环境。
支持文本、图片、视频输入，输出文本。上下文长度 104 万 Token，大型代码仓库、项目文档和历史对话可以一次塞进去不少。
API 模型 ID 是 glm-5.3-flash。权重也已经开源，Hugging Face 可以下载，只是文件超过 300GB，本地部署并不轻松。
| 套餐 | 价格 | 说明 |
|---|---|---|
| API 按量计费 | 输入 0.15 美元 / 百万 Token，输出 0.50 美元 / 百万 Token | 标价约为 GLM-5.3 的 1/10，限时折扣后约 1/20 |
| GLM Coding Plan | 个人版 18 美元/月起 | Flash 额度是 GLM-5.3 的 3 倍；非高峰时段和周末全天积分半价 |
| 本地部署 | 模型免费 | 权重超过 300GB，FP8 约 306GiB，需要自行准备算力 |
智谱给出的对比里，GLM-5.3-Flash 在 AA 综合智能指数拿到 57 分，和 Claude Opus 4.8 持平；折扣后单任务成本只有后者的约 1/40。
价格确实压得很低。
想自己部署，可以直接下权重，不收模型费。
问题也很现实：300GB 级别的文件，不是普通电脑能轻松接住的。
开发者和团队更适合 Coding Plan，额度更高，非高峰时段还能省一半积分。
只是偶尔调用的话，按量付费反而省事，用多少算多少。
这个长度对普通聊天没多大意义，对代码项目却很有用。
代码仓库、文档、历史对话、任务记录，可以一次放进去很多。Agent 连续跑几十步时，也不用频繁把背景重新解释一遍。
做大型项目时，这种差距会很明显。
GLM-5.3-Flash 是 GLM-5 系列第一个原生多模态模型。
UI 截图、设计稿、渲染画面、视频，都能直接给它看。
前端、游戏、3D 场景这类任务里，模型可以自己检查视觉结果，再继续改代码，不只是“识图以后回答一句”。
官方还展示过一个挺有意思的案例：没有外部素材，模型自主运行 16 个小时，搭出了一套约 400 平方米的专业厨房设计。
它也能直接操作软件界面。
没有 API 时，就看 UI、点按钮、填内容、测试，再继续改。
这个方向比单纯刷几个视觉 benchmark 更有意思。
Function Calling、JSON 输出这些都支持。
外部 API、软件工具、结构化数据，都能接进来。
官方展示的工作流已经不只是“帮你写一段代码”，而是从研究、分析，一直做到 PPTX、PDF、DOCX、XLSX 成品交付。
它更像一个执行模块，不只是聊天框里的模型。
这是 GLM-5.3-Flash 最抓眼球的地方。
DeepSWE v1.1 上，它拿到 63.4，GLM-5.2 是 46.2。
在 Z.ai Code Bench 的全力模式里，GLM-5.3-Flash 是 29.0，Claude Opus 4.8 是 29.5。
差得很小。
AutomationBench 更夸张：48.8 对 26.2。
真正有意思的还不是分数，而是它比 GLM-5.2 小了一圈。
GLM-5.2 总参数 640B，GLM-5.3-Flash 只有 320B；激活参数也从 32B 降到 18B，层数从 92 层砍到 45 层，再配上稀疏注意力和线性注意力的混合架构。
模型更轻，表现反而更强，价格还更低。
这才是 Flash 这一代最值得看的地方。
最大的门槛还是本地部署。
300GB+ 权重摆在那里，普通消费级设备基本不用想。
还有思考模式。
thinking.type 只能设成 enabled，不能关闭。对追求极低延迟的场景，这不算友好。
至于匿名测试这件事，反倒挺有意思。
身份没公开时，大家已经先用了一轮，评价和流量都是真实发生的。后来官方认领，社区对它的第一印象已经形成了。
这种“先用，再知道是谁做的”的发布方式，确实少见。
如果你主要做编程、Agent、大型代码仓库或者自动化工作流，GLM-5.3-Flash 很值得试。
尤其适合对成本敏感，又想用上第一梯队编程模型能力的开发者。
本地部署就别太考虑，300GB 权重是硬门槛。
如果你更在意极低延迟、必须关闭思考模式，或者平时主要拿 AI 写邮件、做轻办公，它就没那么合适。
评论（0）