作者：默思編輯部 發布：2026-09-02
中國AI公司Z.ai於2026年8月26日發布GLM-5.3-Flash，這是該公司GLM-5系列中首款原生支援多模態的模型，同時也是一款開源權重模型，採用MIT授權釋出。
GLM-5.3-Flash採用混合線性加稀疏注意力機制的混合專家（MoE）架構，總參數量達3200億，但每次推論僅啟動180億參數，這種「大容量、低啟動」的設計是近年開源大模型降低推理成本的主流做法。模型原生支援多模態輸入，並提供高達100萬token的context window，同時針對程式碼生成、代理式（agentic）任務與長文本處理進行優化。
GLM-5.3-Flash的定價為每百萬輸入token 0.15美元、每百萬輸出token 0.5美元，相較於同級距的其他前沿模型具有明顯價格優勢。效能方面，在DeepSWE v1.1測試中取得63.4分，優於前一代GLM-5.2的46.2分；在AutomationBench測試中取得48.8分，同樣大幅超越前一代的26.2分，顯示這款模型在代理式任務與自動化工作流程上有實質進步。
值得注意的是，這款模型此前曾以代號Ox Alpha的形式進行預覽測試，測試過程完全在中國自製AI晶片上運行，這反映出中國AI公司在美國晶片出口管制的背景下，持續推進「訓練與推理全面採用國產晶片」的技術路線，GLM-5.3-Flash的正式發布可視為這條路線的階段性成果展示。
以MIT授權釋出、同時兼顧多模態能力與低推理成本，讓GLM-5.3-Flash在開源模型市場中具有一定吸引力，尤其對於需要控制API成本、又想要導入多模態能力的中小型應用開發者而言，這類模型提供了介於自建基礎設施與使用昂貴前沿模型API之間的中間選項。
近一年中國AI公司在開源模型市場上，普遍採用「效能貼近前沿模型、但價格大幅壓低」的策略搶占市場，GLM-5.3-Flash每百萬輸出token 0.5美元的定價，相較於同等能力等級的閉源前沿模型往往只要幾分之一的成本。這種價格策略雖然對中國廠商自身的獲利空間形成壓力，但確實加速了開源模型在需要控制成本的中小型應用場景中的採用速度，也讓愈來愈多開發團隊在選擇模型時，把「開源、可自行部署」列為與模型效能同等重要的考量因素。
開源多模態模型的部署與微調需要跨足視覺、語言與推理優化的技術背景，具備MoE架構理解與模型量化部署經驗的工程師，在需要控制成本的AI應用團隊中會愈來愈搶手。