GLM-53-Flash：智谱把前沿大模型的价格打了下来？

8月20日，一款神秘的前沿多模态推理模型OX Alpha在OpenRouter 上匿名上线，其强大的能力被网友称为牛来模型，26日，智谱确认是其 GLM 系列新版本（GLM‑5.3‑Flash 的匿名测试形态）。这款模型最值得关注的地方，并不是简单地“又发布了一个 GLM”，而是它试图同时解决三个问题：

前沿能力、原生多模态，以及极低的调用成本。

GLM-5.3-Flash 总参数约 320B，实际激活参数约 18B，支持百万级上下文，并且是 GLM-5 系列首个原生多模态模型，可处理文本、图片和视频。模型权重采用 MIT License 开放。

一、它到底强在哪里？

智谱公布的测试数据相当激进。

在 Terminal-Bench 2.1 中，GLM-5.3-Flash 达到 84.3，接近 Claude Opus 4.8 的 85.0；在 DeepSWE v1.1 中达到 63.4，明显高于 GLM-5.2 的 46.2；AutomationBench 则从上一代的 26.2 提升至 48.8。

其中尤其值得注意的是 DeepSWE——这是面向长期软件工程任务的测试。换句话说，GLM-5.3-Flash 并不是单纯擅长“写几段代码”，而是开始针对 Coding Agent、工具调用和长任务执行进行优化。

不过，这里需要给这些数字加一个注释：

这些成绩中有相当一部分来自智谱自己的测试，不能简单等同于独立实验室结论。

真正有参考价值的，是第三方统一测试。

Artificial Analysis 目前给 GLM-5.3-Flash 的 Intelligence Index 为 57，明显高于同规模开放权重模型约 27 的中位水平。其测试中的输出速度约 50.2 tokens/s，首 Token 延迟约 1.47 秒。

因此，一个比较稳妥的评价是：

GLM-5.3-Flash 已经进入前沿级开源模型的竞争区间，但“全面超过所有旗舰模型”仍然不是一个严谨的结论。

二、真正有意思的对手：DeepSeek

如果只看模型能力，GLM-5.3-Flash 的意义可能还没有那么大。

真正让它变得有意思的是：

它开始直接挑战 DeepSeek 在“高性价比大模型”领域的位置。

目前比较合适的对象是 DeepSeek-V4-Flash 和 V4-Pro。

以上能力、速度和价格数据来自 Artificial Analysis 的统一比较；DeepSeek 官方也确认 V4 Flash/Pro 均支持 1M 上下文以及工具调用。

从能力指数来看，GLM-5.3-Flash 暂时领先 DeepSeek V4 系列。

但如果换一个指标，结果马上发生变化。

DeepSeek V4 Flash 的输出速度约为 GLM-5.3-Flash 的 2.4 倍。

所以“Flash”并不意味着 GLM 一定是更快的那个。

它更准确的含义是：

用更低的成本提供尽可能高的模型能力。

三、价格：GLM-5.3-Flash 真正的杀手锏

GLM-5.3-Flash 的官方 API 标准价格为：

• 输入：$0.15 / 100万 tokens
• 缓存输入：$0.03 / 100万 tokens
• 输出：$0.50 / 100万 tokens

目前还有临时 5 折优惠，优惠价为 $0.075 / $0.25，但该优惠预计在 2026年9月9日结束，因此长期成本应该按照标准价格计算。

DeepSeek V4 Flash 的官方价格则为：

• 缓存命中输入：$0.007～0.014
• 普通输入：$0.22～0.44
• 输出：$0.66～1.32

具体价格根据高峰/非高峰时段变化。

这里容易产生一个误解：

不能只看“输入价格”。

因为实际 AI Agent 往往会产生大量输出 Token。

Artificial Analysis 按统一的缓存/输入/输出比例计算后，GLM-5.3-Flash 的混合成本约 $0.10 / 百万 tokens，DeepSeek V4 Flash 约 $0.23。

这也是 GLM-5.3-Flash 最有杀伤力的地方：

它并没有单纯追求“最便宜”，而是试图把“能力/价格”做到极高。

四、那到底应该选 GLM 还是 DeepSeek？

如果只是普通聊天，其实两者都已经足够强。

但如果按照使用场景区分，答案会更加清晰。

选择 GLM-5.3-Flash

比较适合：

• Coding Agent
• 长上下文任务
• 图片理解
• UI / 网页截图分析
• 文档分析
• 多模态 Agent
• 大量 API 调用
• 希望使用开放权重模型

尤其是代码 + 图片 + Agent混合任务，是 GLM-5.3-Flash 比较有特色的地方。

选择 DeepSeek V4 Flash

更加适合：

• 大量高速文本生成
• 高并发 API
• 对响应速度敏感的应用
• 纯文本 Agent
• 已经基于 DeepSeek API 开发的应用

DeepSeek V4 Flash 的输出速度优势非常明显。

选择 DeepSeek V4 Pro

如果更看重复杂 Agent 工作流，也可以考虑 V4 Pro。

DeepSeek 官方公布的 V4 Pro 数据中，Terminal-Bench 2.1 为 87.9，DeepSWE 为 62.7，Toolathlon-Verified 为 74.1，同时支持 low / high / max 三档思考强度。

五、GLM-5.3-Flash 最大的意义

GLM-5.3-Flash 最值得关注的地方，其实不是“它有没有超过 DeepSeek”。

而是：

前沿模型正在快速进入白菜价时代。

过去一个复杂 Agent 任务可能需要调用昂贵的旗舰模型。

现在，一个开发者可以用非常低的成本，让模型：

读取项目 ↓ 理解代码 ↓ 修改代码 ↓ 运行测试 ↓ 查看截图 ↓ 继续修改

而且这一整个过程都可以重复几十甚至几百次。

这对于个人开发者、小型网站和独立开发者尤其重要。

六、结论：DeepSeek 仍然很强，但已经不再“独占性价比”

如果用一句话评价 GLM-5.3-Flash：

它不是一个简单的“DeepSeek 替代品”，而是把国产开源大模型的竞争进一步推向了“能力 × 速度 × 多模态 × 价格”的综合战争。

DeepSeek V4 Flash 依然拥有非常明显的速度优势；V4 Pro 在复杂 Agent 任务上也具有竞争力。

但 GLM-5.3-Flash 的出现意味着：

现在选择大模型，已经不能只问“谁最强”，而应该问“谁最适合我的任务”。

对于个人开发者来说，如果需要便宜、强大的 Coding Agent，同时又希望模型能够直接理解图片和界面，GLM-5.3-Flash 已经成为非常值得尝试的选择。

而对于闲报这样的独立网站来说，它更值得关注的地方可能是另一件事：

当一个接近前沿水平的模型已经便宜到个人开发者可以随意调用时，AI 应用真正的门槛正在从“模型有多贵”转向“你到底能用它做什么”。

这可能才是 GLM-5.3-Flash 比某一个具体跑分更值得关注的地方。

数据说明：本文中的模型能力指数、速度等统一测试数据主要参考 Artificial Analysis；模型厂商公布的 Terminal-Bench、DeepSWE 等成绩均标注为厂商测试，不应与第三方测试直接混为一谈。价格以公开资料截至 2026 年 9 月 7 日为准，促销价格可能变化。