智谱上线 GLM-5.3-FlashX：推理速度 200 tokens/s，价格是 GLM-5.3-Flash 的 2.5 倍 (2026)

北京时间 2026 年 9 月 18 日，智谱为 GLM-5.3-Flash 加了一档更快的推理配置，模型代码是 glm-5.3-flashx。Z.AI 的官方价目页与模型文档都已收录这一条，模型文档的标题写成「GLM-5.3-Flash/FlashX」。1 2

官方文档里关于速度只有一句话：「GLM-5.3-FlashX is now live」，推理速度 200 tokens/s。2「比 GLM-5.3-Flash 快 5 倍、价格是它的 2.5 倍」这组说法出自智谱对媒体的表述，官方文档没有给出对照基线。3 4

这次没有配套的发布公告。智谱的官方研究页最新一条仍停在 8 月 26 日的 GLM-5.3-Flash，开放平台的「模型与产品发布记录」也还没有这一条。5 6FlashX 目前挂在文档、价目页和 API 上，智谱暂未为它单独出过公告。

先说结论：变的是速度和价格

三项单价全线上调，输出端正好 2.5 倍。 GLM-5.3-FlashX 每百万 tokens 的价格是输入 0.37 美元、缓存命中输入 0.075 美元、输出 1.25 美元；GLM-5.3-Flash 对应的是 0.15、0.03、0.50 美元。1逐项换算，输入是 2.47 倍，缓存输入与输出都是 2.50 倍。缓存存储两档都标着限时免费。1

规格这一层沿用同一份文档。 输入模态（视频、图像、文本、文件）、1M 上下文、128K 最大输出，以及 temperature: 1、top_p: 0.95、reasoning_effort: max、thinking.type 仅支持 enabled 这组推荐参数，在官方文档里是两档共用的同一套。2

快出来的部分来自推理侧。 官方把提速归到国产芯片集群与推理优化：同一硬件上，端到端服务性能相比初始基线提升 3 倍，团队在 SGLang 之上另建了一套适配该架构的推理引擎。2对媒体，智谱说由 10 万张国产芯片组成的推理集群上线即被打满，这次扩大算力规模并推出价格更高、速度更快的档位。3

快速核对

项目	GLM-5.3-Flash	GLM-5.3-FlashX	官方信源与边界说明
模型代码	`glm-5.3-flash`	`glm-5.3-flashx`	官方模型文档的 Model Code 一栏同时列出两个。2
上线时间	2026-08-26	2026-09-18	FlashX 的日期出自智谱对媒体的表述；官方文档与价目页不带日期。9 月 11 日的历史快照里，同一张表还只有 Flash、GLM-5.3、GLM-5.2 三行。3 7
输入模态	视频、图像、文本、文件	同左	两档共用同一张规格卡。2
上下文 / 最大输出	1M / 128K	1M / 128K	同上。2
思考模式	仅 `enabled`，不可关闭	同左	文档建议同时设置 `thinking.clear_thinking: false`。2
输入价	0.15 美元 / 1M tokens	0.37 美元 / 1M tokens	官方价目页 Latest Models 表分列两行。1
缓存命中输入价	0.03 美元	0.075 美元	同上。1
输出价	0.50 美元	1.25 美元	输出 tokens 包含思考过程。1 2
缓存存储	限时免费	限时免费	价目页两行同标。1
API 端点	Chat Completions 视觉端点内	同左，且是该端点的示例与默认值	文本端点的型号枚举里没有这两个。8
GLM Coding Plan	在计划内，额度为 GLM-5.3 的 3 倍	官方文档写明暂未开放	走 FlashX 需要按计量 API 计费。2 9
开放权重	MIT 许可，Hugging Face 有仓库	暂无	zai-org 在 Hugging Face 的仓库列表里没有 FlashX。10
第三方托管	OpenRouter 上有	暂无	OpenRouter 的 Z.ai 页面列出 21 个模型，最新仍是 8 月 26 日的 GLM 5.3 Flash。11
官方评测分数	AA 综合智能指数 57 分	官方未披露	57 分与每任务 0.045 美元挂在 Flash 名下，8 月 26 日发布时给出。2
时间窗口	已恢复标准价	无促销、无截止日期	价目页没有给出限时折扣或生效期限。1

2.5 倍落到账单上是什么样

拿一个常见的长上下文请求做样本：输入 20,000 tokens、输出 2,000 tokens。1

在 GLM-5.3-Flash 上，单次约 0.0040 美元（输入 0.0030 加输出 0.0010）。
同样的请求换到 GLM-5.3-FlashX，单次约 0.0099 美元（输入 0.0074 加输出 0.0025）。
如果这 20,000 tokens 全部命中缓存，Flash 降到约 0.0016 美元，FlashX 降到约 0.0040 美元。

缓存把两档的成本同时压到四成上下，档位之间的倍数关系留住。1

把每任务成本换算一下：GLM-5.3-Flash 发布时引用的 Artificial Analysis 每任务 0.045 美元是折扣价口径，如果 token 消耗量不变、价格按 2.5 倍走，FlashX 的每任务成本大致会按同一倍数上抬。这是按 token 数不变做的推算，官方没有给出 FlashX 的每任务成本。2

哪些数字还没有

FlashX 自己的评测分数一条都没有。 官方文档里能找到的 Artificial Analysis 综合智能指数 v4.1.1 的 57 分、每任务 0.045 美元，都挂在 GLM-5.3-Flash 名下，出自 8 月 26 日那次发布。2

FlashX 的参数量官方未披露。 文档里那组数字——总参数 320B、激活 18B、45 层、注意力计算量与 KV 缓存相比 GLM-5.3 分别降低 3.01 倍和 4.44 倍——写在 GLM-5.3-Flash 名下，文档没有为 FlashX 单列参数或层数。2

独立评测也还没有。 OpenRouter 的 Z.ai 页面上，FlashX 尚无条目，第三方排行榜与独立测评暂时跟不到这一档。11

接入与切换成本

已经调用 glm-5.3-flash 的项目，把模型代码换成 glm-5.3-flashx 就能切过去，其余参数沿用。2

调用位置要留意：在 Chat Completions 的型号枚举里，glm-5.3-flashx 与 glm-5.3-flash 一起挂在视觉理解端点上，FlashX 还是这个端点的示例与默认值；文本端点的枚举里两个都没有。8

三条限制值得先看清。

不进 GLM Coding Plan。 官方文档写明 FlashX 暂未开放该套餐，计划内的仍是 GLM-5.3-Flash，额度为 GLM-5.3 的 3 倍。订阅用户调用 FlashX 会绕开套餐额度，改走计量计费。2 9
没有开放权重。 zai-org 在 Hugging Face 上，GLM-5.3 那一组仍是 GLM-5.3-Flash、GLM-5.3-Flash-BF16、GLM-5.3 与 GLM-5.3-BF16，没有 FlashX。需要自托管或私有化部署的团队，手上只有 Flash。10
还没有第三方托管。 OpenRouter 的 Z.ai 页面列了 21 个模型，最新仍是 8 月 26 日的 GLM 5.3 Flash 及其批量版本；FlashX 目前只在 Z.AI 自有 API 上。11

想先试再定的，可以按官方文档给的体验中心入口上手。9

该不该换：三个可以自己核对的判断

输出 tokens 占你请求耗时的大头吗？ 对话、代码补全、实时 Agent 这类场景，等待时间主要花在逐个 token 生成上，FlashX 压缩的正是这一段。离线批处理、夜间跑的数据管线，时间不紧，价格更低的 Flash 更合适。3
你在用 GLM Coding Plan 吗？ 套餐里只有 Flash；把调用切到 FlashX，这部分开销就从套餐额度转成按量账单。2
你需要自托管或换一家托管吗？ 这两条路目前都通不到 FlashX，需要的话先留在 Flash。10 11

这档配置没有限时折扣，价目页也没有给出截止日期，按自己的节奏做评测就行。1