4
0Episode: GLM-5.3 Flash：同等智能，1/40 的价格
Duration: approximately 8 minutes
Level: 入门
---
[Mike]: 欢迎来到从零开始学AI！我是 Mike。Sarah，先给你出道脑筋急转弯——什么东西能便宜 40 倍，脑子却一样好？
[Sarah]: 打折季的包包？还是共享充电宝？
[Mike]: 比那更狠。今天的主角是智谱刚发布并开源的 GLM-5.3 Flash，它的规格写作 320B-A18B，320B 总参数，每次只激活 18B，却挤进了全球前沿那一档。
[Sarah]: 等一下，320B-A18B 这个写法我一直没懂。B 是 Billion，十亿，那 A 是什么？
[Mike]: 好，先把这个概念讲透。你可以把大模型想象成一座巨型图书馆，藏书 320B 本。但每次回答问题，管理员只会推开其中 18B 本相关的书架来查资料，剩下的暂时不亮灯。
[Sarah]: 所以总藏书很大，但每次干活只开一小片区域，省电又省时间？
[Mike]: 完全正确。学术上这叫 MoE，混合专家。GLM-5.3 Flash 就是靠这个思路，把能力做上去、把成本压下来。
[Sarah]: 能力怎么证明？不会是自己说的吧？
[Mike]: 看第三方。全球很权威的 Artificial Analysis Intelligence Index，也就是 AA 综合智能指数，它拿到 57 分。
[Sarah]: 57 分算什么水平？
[Mike]: 和 Anthropic 最受欢迎的 Claude Opus 4.8 同分。在智谱自家的 Z.ai Code Bench 体感测试里，编程表现也和 Opus 4.8 相当。也就是说，脑子在同一个段位。
[Sarah]: 脑子同段位，那价格呢？你刚才说的 40 倍怎么来的？
[Mike]: 官方定价：是完整版 GLM-5.3 的 1/10，限时折扣内是 1/20，和 Opus 4.8 比是 1/40。口号就一句：同样智力，1/40 价格，前沿智能第一次不用省着用。
[Sarah]: 同样 57 分，价格 1/40……这已经不是性价比，是把定价表撕了重写。
[Mike]: 而且他们为了证明不是自卖自夸，发布前玩了一招盲测。把模型匿名成 Ox-Alpha，中文社区叫它牛来，放到 OpenCode 和 OpenRouter 上让大家随便用。
[Sarah]: 匿名？就是不告诉大家这是谁家的模型？
[Mike]: 对，无名字无介绍。结果牛来迅速成了当周最受欢迎的模型，双平台调用量都破了纪录。流量有多大？全部由国产芯片扛住的，后面我们再细说。
[Sarah]: 等等先别跳。同样聪明的脑子，怎么做得这么便宜？肯定动了架构吧？
[Mike]: 动了大手术。总参数和上一代 GLM-4.5 差不多，320B 对 355B，几乎没变。但激活参数从 32B 砍到 18B，层数从 92 层减到 45 层，几乎减半。配上全新的 30T Token 多模态预训练数据，以更少的计算实现了更强的效果。
[Sarah]: 层数减半我能理解，像把 92 层大楼压缩成 45 层，但每层更高更能干。可 1M 长上下文不是一直很费钱吗？怎么省的？
[Mike]: 问到核心了。他们做了业界首个稀疏注意力加线性注意力的混合架构。打个比方，线性注意力像用便签记最近几页的重点，递归往下翻很便宜；稀疏注意力像带一个很聪明的索引器，帮你从整本书里把远处相关的那几行拽回来。
[Sarah]: 一个管近处，一个管远处，分工省钱。
[Mike]: 还有个小机关叫 IndexPool。原本索引器要存 4 个缓存向量，它用加权池化压成 1 个，1M 上下文下的延迟和内存直接砍一刀。
[Sarah]: 效果能量化吗？
[Mike]: 能。和完整版 GLM-5.3 比，注意力计算量降了 3.01 倍，KV 缓存大小降了 4.44 倍。每层平均下来，在他们对比的几家里，包括 DeepSeek-V4-Flash 和 Kimi-K3，GLM-5.3 Flash 的单 Token 计算量是最低的。
[Sarah]: 那短板呢？总不能全是优点。
[Mike]: 团队自己也说了，KV 缓存大小仍然略高于 Kimi-K3 和 DeepSeek-V4-Flash，这是下一轮要继续优化的方向。
[Sarah]: 坦诚加分。对了，你刚才说这是 GLM-5 系列首个原生多模态，什么叫原生多模态？会看图不就叫多模态吗？
[Mike]: 重点在原生和用途。他们提出的概念叫视觉编码，不只是看图答题，而是把看的能力嵌进编程里。做前端、游戏、3D 仿真时，最终要交付的是人能看见的界面和世界，所以模型要会自己看、自己改。
[Sarah]: 以前是写完代码跑一下，看报错就改。现在是跑起来看画面，觉得不好看也改？
[Mike]: 对，他们专门搭了一条数据合成流水线，训练模型自己判断何时该看，并用视觉反馈指导下一步。还结合了基于真实用户操作的强化学习，连交互体验好不好都学会了评判。
[Sarah]: 有没有具体成果？别光讲原理。
[Mike]: 有个很震撼的例子：没有任何外部素材，GLM-5.3 Flash 在 Blender 里自主跑了 16 个小时，搭出一套约 400 平方米的专业主厨自宅和测试厨房，几何、材质、光照、空间全部一致，从任何角度看都不穿帮。
[Sarah]: 400 平方米，16 小时手搓一套房？这已经不是写代码，是包工头了。
[Mike]: 在 ZCode 里，它还能把代码、浏览器和图形界面打通，Browser Use Agent 和 Computer Use Agent 协同，很多问题只有渲染出来点一点才暴露。
[Sarah]: 听起来很极客，但对普通打工人有什么用？我只想要一份不丑的 PPT。
[Mike]: 正好，这也是它发力的地方。靠视觉理解，它能把自己生成的 PPTX、PDF、DOCX、XLSX 和预期效果对比，自我检查和美化。还专门为金融和法律做了优化。
[Sarah]: 金融怎么优化？我每周都要看研报。
[Mike]: 金融上能跑全流程：从带来源的研究、到报告生成、再到建模分析，每一步都可追溯。法律上能审合同里的费用、账户和责任条款，按律师习惯批注留痕，还能直接起草函件和诉讼文书，格式就是可交付的。
[Sarah]: 可直接交付这四个字，对加班的人就是救命稻草。
[Mike]: 最让我意外的其实是最后一部分——跑在哪。你猜牛来破纪录那一周，流量跑在什么机器上？
[Sarah]: 不会是国产芯片吧？你刚才埋了个伏笔。
[Mike]: 就是国产芯片集群，用自研高速网络连起来。单张芯片算力和内存相对有限，扛 1M 上下文很吃力，所以他们基于 SGLang 造了专用推理引擎。
[Sarah]: 专用引擎谁造的？不会又是 AI 自己吧？
[Mike]: 被你猜中了。很大一部分是 GLM-5.3 驱动的 infra agent 帮工程师一起造的，帮忙写算子、找瓶颈、改服务栈。模型优化系统，系统承载模型，转起来了。
[Sarah]: 自己给自己造跑道，有点科幻。
[Mike]: 技术栈也很激进：线性注意力和 LM head 的节点内张量并行、ReplaySSM、W8A8 量化、INT8/FP8/BF16 混合缓存、Layer Split。集群层面用 Encode-Prefill-Decode 分离架构，把编码、预填充和解码拆成独立可扩缩的工作池。
[Sarah]: 说人话，管用吗？
[Mike]: 和同一硬件上的初始基线比，端到端性能提升了 3 倍。单 Token 成本已经和主流英伟达 GPU 相当。也就是说，国产芯片在大规模场景下，真的把前沿模型经济地跑起来了。
[Sarah]: 所以故事变了，不再是谁有最贵的卡，而是谁能把手里的卡用得最聪明。
[Mike]: 而且已经开放了。API 在 BigModel 和 Z.ai 上都能调，chat.z.ai 和智谱清言 App 能直接体验，ZCode、AutoClaw 也都接上了。GLM Coding Plan 还每天限量发 10,000 张体验卡。
[Sarah]: 我印象最深的其实不是 1/40，也不是 57 分。是那间 400 平方米的房子。一个会盯着自己作品说这光不对、这材质假，然后默默改好的模型，第一次让我觉得 AI 有点像手艺人。
[Mike]: 还有那头牛。几周前成千上万人爱上了一个匿名名字，牛来。他们不知道，自己已经在用更便宜的未来了。
[Sarah]: 同样的脑子，更小的账单，再加一头骗过所有人的牛。下期从零开始学AI，我们再一起拆下一个 AI 故事，再见！
[Mike]: 再见！记得去试试 GLM-5.3 Flash，它的 Blog 就在 z.ai/blog/glm-5.3-flash，见见那间它自己盖的房子。
