GLM-5.3-Flash 评测：3200 亿参数卖 8 毛钱，MIT 开源还自带多模态

一句话总结：GLM-5.3-Flash 是智谱 8 月底开源的多模态模型，3200 亿参数、1M 上下文、纯 MIT 协议，输入 8 毛、输出 2 块 8。Artificial Analysis 智能指数 57，单项任务成本 4.5 美分——这个价位放在半年前是科幻片。

第一眼看到价格我是不信的。

每百万 Token 输入 0.8 元、输出 2.8 元。对比一下：同门的 GLM-5.3 卖 8 块和 28 块，Claude Opus 4.8 是它的 40 倍。通常这种价格对应的模型，能力也就"能聊天"的水平。

但 GLM-5.3-Flash 的官方定位是"部分能力对齐 Claude Opus 4.8"。

这话得拆开验证。

图 1：价格是旗舰的 1/10，第三方智能指数却只差 6 分

先看规格

三个点值得单独说。

它是 GLM-5 系列第一个原生多模态。图片、视频、文件直接进，不是在文本模型外挂个视觉适配器。预训练语料 30 万亿 token，从第一天就是混合模态训练。

MIT 协议，没有任何附加条款。同门的 GLM-5.3 用的是自定义 License（超大 MaaS 运营商要过安全审查），Flash 是纯 MIT。想商用、想改、想再分发，不用问任何人。

它的出身有点特别。上线之前，它以 Ox-Alpha 的代号在 OpenCode 和 OpenRouter 上匿名跑了很久的大规模测试。这种"先匿名挨打再发布"的做法，比发布后出问题再修要体面。

为什么能这么便宜

架构上有三处省钱的设计：

混合稀疏 + 线性注意力。智谱称这是首个把两者结合的开源前沿模型。线性注意力管局部依赖，稀疏注意力管全局检索。

IndexPool。四个索引器的键向量加权池化成一个，1M 上下文下的索引开销直接降下来。

模型瘦身。对比旗舰 GLM-5.3：注意力运算少 3.01 倍，KV 缓存小 4.44 倍，激活参数从 32B 砍到 18B，层数从 92 降到 45。

结果就是：能跑，还跑得快，还便宜。

能力到底什么水平

官方给的核心数据是 Artificial Analysis 智能指数 57，每任务成本 $0.045。智谱自己的说法是："这样的水平过去只有在约 10 倍成本下才能达到。"

第三方渠道确认了 57 这个指数（用同系列模型作代理测得），这个数字在开源阵营里排得进前列。作为对比：GLM-5.2 是 51，DeepSeek V4 Flash 是 50。

编程基准上，官方公布的数字：DeepSWE v1.1 拿 63.4（GLM-5.2 是 46.2，这里注意 5.3-Flash 的后训练继承了 5.3 的成果），AutomationBench 48.8。内部 Z.ai Code Bench 在 max 档位拿 29.0，紧贴 Claude Opus 4.8 的 29.5。

"对标 Opus 4.8"这个说法，准确讲是编程体感对标，不是全面对标。世界知识、复杂推理这些维度，320B 和闭源旗舰还是有差距。但 8 毛钱的价格，要求不能太高。

什么场景该用它

大批量任务。价格是它的核心竞争力。批量改代码、批量生成测试、批量摘要，token 消耗大的活，用 Flash 的成本是旗舰的十分之一。省下的钱够你再跑十遍。

多模态但不追求极致。看图写描述、视频内容提取、文件问答，这些活 Flash 都能干。要做像素级设计稿复刻那种，还是得 GLM-5V-Turbo。

私有化部署。MIT 协议 + 320B 参数，比 744B 的旗舰好部署得多。30B 级的 GLM-4.7-Flash 更小，但能力差一截，中间这个档位正好。

夜间批处理。智谱的建议场景里就有这条：质量优先、成本敏感、不赶时间的任务放夜里跑。

短板

速度不算快。AI 测的输出速度大约 47 tokens/s（官方提速前），在同尺寸模型里偏慢。要快可以看后来出的 FlashX，200 tokens/s，价格约 2.5 倍。

长上下文的细节保持一般。1M 窗口能塞，但超长文档后半段的细节把握会下降。这是稀疏注意力方案的通病，不是它一家的问题。

基准全是自报。AA 指数 57 有第三方背书，但 DeepSWE、AutomationBench 这些是智谱自己跑的。

跟旗舰的差距真实存在。GLM-5.3 的复杂工程理解、疑难问题定位，Flash 替代不了。雪球上有个说法我觉得挺准：Flash 更擅长执行明确的任务，旗舰更擅长判断任务该怎么做。

怎么用

API 在智谱开放平台（bigmodel.cn），也上了 OpenRouter 等国际渠道。

自托管：权重在 Hugging Face（zai-org/GLM-5.3-Flash），transformers 和 vLLM 都支持。

第三方平台：Cursor 已上线，千问 AI 平台也能调。

常被问的

它跟 GLM-5.3 什么关系？ 同一代，Flash 是缩小版。基座能力继承了 5.3 的后训练成果，参数砍到 320B，加了原生多模态。可以理解为"5.3 的性价比特供版"。

FlashX 又是什么？ 9 月 18 日发布的提速版，200 tokens/s，能力同 Flash，价格约 2.5 倍。对延迟敏感选它，对成本敏感选原版。

真商用没问题吗？ MIT 协议没有任何限制。唯一建议是自己跑一遍基准，别全信厂商数字。

1M 上下文实际能用多少？ 技术上支持，但建议 256K 以内。超长文档的后半段细节保持是这个价位模型的普遍弱项。

最后

GLM-5.3-Flash 让"旗舰能力的零头价格"这件事变成了现实。

它不是最强的模型，但它可能是性价比最高的开源多模态模型。AA 指数 57 配 $0.045 的任务成本，这个组合在开源市场里目前找不到第二个。

如果你的任务量大的话，算一笔账：同样的活用旗舰跑和用 Flash 跑，一年的差价可能够雇半个人。