唐杰确认：Ox Alpha 即 GLM-5.3 Flash，OpenRouter 周份额近 20%

双平台同日确认：Ox Alpha 就是 GLM-5.3 Flash

Ox Alpha = GLM-5.3 Flash AA = 57 , 1/100 frontier price, Powered by pure Chinese chips. Delivered nearly 20% weekly token share (no. 1) on OpenRouter. Thanks to all for the support.2

唐杰给出的四组数字

微博补全的工程细节

1. 动机：算力仍然短缺，所以选择用数万张国产芯片全量上线，并把可用的 infra 优化技术全部用上。
2. 硬件约束：唐杰写明，国产芯片单颗算力和显存都不算富裕；要支撑最长 100 万 token 上下文时，显存更紧。
3. 软件栈：基于 SGLang 为这套架构专门做推理引擎；用计算换带宽、通信换带宽；节点内张量并行、ReplaySSM、W8A8 量化、混合 INT8/FP8/BF16 缓存量化等一并上线。
4. 集群调度：采用 Encode–Prefill–Decode 三阶段分离，多模态编码、预填充、逐 token 解码各自独立调度和扩缩。
5. 结果与闭环：相对同硬件初始基线，端到端服务性能提升 3 倍；硬件效率与单 token 成本「已接近主流 NVIDIA GPU」。唐杰还写到一个细节：由 GLM-5.3 驱动的 Infra Agent 深度参与了算子开发、性能瓶颈诊断和推理栈调优，形成「模型在优化服务模型自己的系统」。

Z.ai 官方发布里已经钉死的产品边界

• 规模：总参数 320B，激活 18B（写作 320B-A18B）
• 许可：MIT License，权重放在 Hugging Face
• 能力形态：GLM-5 系列首个原生多模态模型；1M-token 上下文
• 预览身份：此前以 ox-alpha 在 OpenCode 与 OpenRouter 匿名试跑
• 算力声明：流量「running entirely on Chinese AI chips」
• 架构要点（博客）：稀疏注意力与线性注意力的混合结构；Manifold-Constrained Hyper-Connections（mHC）；长上下文侧的 IndexPool 等

• 唐杰个人：价格约为前沿模型的 1/100。12
• Z.ai 博客：相对 GLM-5.2 约 1/10；在 AA 指数上，57 分对应的智能水平此前大约要 10 倍成本。5

读者可以接着看什么

1. OpenRouter 份额会不会稳住 唐杰与博客给出的是「这一周 / 上线后数日」的峰值。后续可直接看 OpenRouter rankings 里 ox-alpha / GLM-5.3-Flash 的周 token 是否回落。
2. 权重与本地推理是否可复现 官方已给 Hugging Face 权重，并写明当前支持 SGLang、vLLM、TokenSpeed 等推理框架。本地部署能否跑满声明中的 1M 上下文与多模态路径，需要按框架版本逐项核。
3. 国产芯片服务是否持续 唐杰强调数万张国产芯片全量上线，以及相对同硬件基线 3 倍吞吐、单 token 成本接近主流 NVIDIA GPU。这是部署侧主张；读者能观察的是官方 API 与 Coding Plan 的可用性和延迟，而不是单卡故障率这类帖子未披露的指标。
4. Flash 与 GLM-5.3 旗舰线怎么分工 博客写 Coding Plan 用户已可调用 GLM-5.3-Flash，且其可用额度约为 GLM-5.3 的 3 倍。5 后续值得看官方是否继续把高难度长程 coding / cyber 任务压在 5.3 旗舰上，把高吞吐、多模态默认流量交给 Flash。