GLM-5.3-Flash 发布：320B/18B 开权重、1M 上下文、API 五折至 9/9 (2026)

先看结论

Z.ai 在北京时间 2026 年 8 月 26 日 正式发布 GLM-5.3-Flash。官方博客标注当天发布，@Zai_org 主帖时间为 22:12；Hugging Face 官方仓库 zai-org/GLM-5.3-Flash 的 lastModified 为次日凌晨 00:31:15。1 2 3

这次和此前的 GLM-5.3 不是同一次发布。Flash 是 GLM-5 系列首个原生多模态模型：总参数约 320B，每 token 激活约 18B，原生 1M 上下文，权重按 MIT License 开放。API 模型代码为 glm-5.3-flash，价目表标价为每百万 tokens 输入 $0.15、缓存命中输入 $0.03、输出 $0.50；到 2026 年 9 月 9 日 24:00（UTC+8） 前按 5 折计，即 $0.075 / $0.015 / $0.25。1 2 4 5

对选型团队，现在可以同时做三件事：用 API 跑编码与多模态 Agent 任务、下载权重做本地兼容、对照 MIT 许可评估商业路径。发布前它以 Ox Alpha 名义在 OpenRouter / OpenCode 上灰测，官方称当周流量最高，且推理跑在国产芯片集群上。1 2

关键资料一览

项目	目前可确认的信息
发布时间	官方博客标注 2026-08-26；`@Zai_org` 主帖为当天 22:12（北京时间）；HF `lastModified` 为 2026-08-27 00:31:15（北京时间）。1 2 3
模型定位	GLM-5 系列首个原生多模态模型；官方称编码与 Agent 评测接近 Claude Opus 4.8，价格约为同类能力模型的约 1/10。1
参数口径	官方写总参数 320B、激活 18B；HF safetensors 汇总约 321B params。配置显示 45 层、288 个 routed 专家 + 1 个 shared、每 token 激活 8 个专家。1 3
上下文	官方文档与推文写 1M-token 上下文；`config.json` 中 `max_position_embeddings` 为 1,048,576。2 3 5
模态与能力	原生图像 / 视频 / 文件输入；支持工具调用、结构化输出、上下文缓存；`thinking.type` 仅支持 `enabled`，推理不可关闭。5
开放入口	Hugging Face `zai-org/GLM-5.3-Flash`；API、Coding Plan、ZCode、Chat、AutoClaw 已同步开放。本地框架列出 SGLang、vLLM、TokenSpeed、KTransformers。2 3
许可	仓库 LICENSE 为 MIT License（Copyright 2026 Z.AI Co., Ltd）；HF 元数据标注 `license:mit`。3 6
API 与价格	模型代码 `glm-5.3-flash`。标价输入 $0.15、缓存命中输入 $0.03、输出 $0.50（每百万 tokens）；2026-09-09 24:00（UTC+8）前 5 折。Coding Plan 可用额度约为 GLM-5.3 的 3 倍。4 5

和频道此前两篇 GLM-5.3 简讯对照：GLM-5.3 是 743B 基座上的后训练旗舰，权重当时尚未开放；GLM-5.3-Flash 是另一条线——更低激活、原生多模态、MIT 权重和已上线的低价 API。

架构为什么更便宜

官方把 Flash 的效率压到三件事上：更少激活参数、更浅网络，以及稀疏注意力与线性注意力的混合。相对 GLM-4.5 系列，总参数接近（320B vs 355B），激活从 32B 降到 18B，层数从 92 降到 45。1

GLM-5.3-Flash 官方架构图 — *Z.ai 官方发布的 GLM-5.3-Flash 架构示意：混合稀疏 / 线性注意力、mHC、MoE，以及相对序列长度的 KV cache 与 attention 计算对比。1*

按官方说明，对服务成本最直接的几条是：

线性注意力管局部，稀疏注意力管全局。 线性注意力用状态建模抓近程依赖，稀疏注意力用轻量 indexer 检索相关全局上下文；为了撑住 1M 上下文，官方还引入 IndexPool，把 4 个 indexer key 加权池化成 1 个。1
相对 GLM-5.3，attention 计算约降 3.0×，KV cache 约降 4.4×。 官方在与 DeepSeek-V4-Flash、Kimi-K3 的对照里称，Flash 的 attention 计算量最低；KV cache 仍略高于后两者。1 5
预训练语料约 30T tokens 的多模态数据，并启用 mHC（Manifold-Constrained Hyper-Connections）。 官方把这些改动和混合注意力一起，解释为“更少算力换更高智力”的基础。1

HF 配置还显示这是多模态条件生成架构 Glm5NextForConditionalGeneration，带独立 vision_config；文本侧 45 层里线性注意力与稀疏注意力按 3:1 交错，前 3 层 MLP 为 dense，其余为 sparse MoE。3

官方自报 benchmark

下面分数均来自 Z.ai 官方博客与模型卡，属于厂商自述。表格对照 GLM-5.2、DeepSeek-V4-Vision-Exp、Claude Opus 4.8、GPT-5.6 Terra、Gemini 3.7 Flash；脚注说明了不同 harness 与上下文设置。1

评测	GLM-5.3-Flash	GLM-5.2	DeepSeek-V4-Vision-Exp	Opus 4.8	GPT-5.6 Terra	Gemini 3.7 Flash
Terminal Bench 2.1	84.3 1	81.0	83.9	85.0	87.4	85.8
DeepSWE v1.1	63.4 1	46.2	59.3	58.0	69.6	65.3
NL2Repo	56.3 1	48.9	57.7	69.7	—	—
Toolathlon Verified	78.4 1	59.9	75.9	76.2	74.9	—
AutomationBench v1.0.6	48.8 1	26.2	38.8	41.0	37.2	52.3
Agents' Last Exam	26.3 1	20.4	27.3	27.0	28.0	—
HLE w/ Tools	55.3 1	54.7	55.1	57.9	—	—
GDPval-AA v2	1773 1	1504	1675	1582	1571	1527

官方编码与 Agent 六项评测图 — *Z.ai 官方给出的编码 / Agent 六项对照图，横轴为各模型在 Terminal Bench 2.1、DeepSWE、Agents' Last Exam、AutomationBench、HLE w/ Tools、GDPval-AA v2 上的分数。1*

视觉侧官方给出的代表性分数包括：OfficeQA Pro 62.4、CharXiv Reasoning w/ Tools 89.4、Chartography w/ Tools 78.0、BabyVision 53.4、MVbench 77.8、MMVU 80.5。官方还称 Artificial Analysis Intelligence Index v4.1.1 上得分为 57，折后约 $0.045 / task。这些数字适合作为第一轮评测对照，真实业务仍要看完成率、重试和人工接管。1

价格、API 与本地入口

API 侧，开发文档给出的模型代码是 glm-5.3-flash，文本参数与 GLM-5.3 一致，上下文按 1M 配置；图片通过 messages[].content[] 里的 image_url 传入。推荐采样为 temperature: 1、top_p: 0.95、reasoning_effort: max；thinking.type 只能是 enabled。5

价格以官方价目页为准，单位均为每百万 tokens：4

项目	标价	5 折后（至 2026-09-09 24:00 UTC+8）
输入	$0.15	$0.075
缓存命中输入	$0.03	$0.015
输出	$0.50	$0.25
Cached Input Storage	限时免费	限时免费

和同页的 GLM-5.3 / GLM-5.2（输入 $1.4 / 缓存 $0.26 / 输出 $4.4）比，Flash 标价大约是它们的 1/9–1/10。4

订阅侧，GLM Coding Plan 已全量开放 Flash，官方称可用额度约为 GLM-5.3 的 3 倍；积分制下，低峰时段与周末全天按 50% 积分消耗。ZCode 侧可接 Browser Use 与 Computer Use，做页面与桌面操作的视觉闭环。1 5

权重侧，MIT 许可文本允许使用、复制、修改、合并、发布、分发、再许可和销售，条件是保留版权与许可声明。本地部署官方列出 SGLang cookbook、vLLM recipes、TokenSpeed、KTransformers 教程。3 6

现在适合怎样试

API 先跑编码 Agent 和看图闭环。 用 glm-5.3-flash 覆盖仓库修复、工具调用、截图对照前端、Office 交付物；记录完成率、输出 token 和人工接管。促销价到 9 月 9 日，适合先做成本基线。4 5
本地先做框架兼容。 用 SGLang / vLLM / TokenSpeed / KTransformers 拉起权重，测量显存、吞吐和 1M 上下文下的延迟；配置里已写明 45 层混合注意力与视觉塔，部署要以实测为准。3
把 Flash 和 GLM-5.3 放进同一轮对照。 Flash 便宜、多模态、开权重；GLM-5.3 是更高价的旗舰 API 线。任务集至少同时覆盖纯文本编码、多模态 Agent 和长上下文，再决定默认路由。1 4
商业路径按 MIT 文本走内部评审。 MIT 对再分发和商用限制较少，但仍要保留版权声明；若走托管 API，再核验地区、限流和 Coding Plan 积分规则。5 6