उत्तरप्रकाशित18 स्रोत
Ox Alpha निकला Zhipu AI का GLM-5.3-Flash: पांच दिनों में 50 ट्रिलियन से ज्यादा टोकन
Zhipu AI ने पुष्टि की कि OpenRouter और OpenCode पर गुमनाम रूप से परीक्षण किया गया Ox Alpha मॉडल वास्तव में GLM 5.3 Flash है—एक ओपन वेट, नेटिव मल्टीमॉडल Mixture of Experts मॉडल। [1][4][6] मुफ्त परीक्षण ने पांच दिनों में 50 ट्रिलियन से ज्यादा टोकन खपा दिए; छह दिनों में यह आंकड़ा 60 ट्रिलियन से ऊपर बताया गया और मॉडल दो...
प्रकाशितकर्ताGPT Image 1.5 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- Zhipu AI ने पुष्टि की कि OpenRouter और OpenCode पर गुमनाम रूप से परीक्षण किया गया Ox Alpha मॉडल वास्तव में GLM 5.3 Flash है—एक ओपन वेट, नेटिव मल्टीमॉडल Mixture of Experts मॉडल। [1][4][6]
- मुफ्त परीक्षण ने पांच दिनों में 50 ट्रिलियन से ज्यादा टोकन खपा दिए; छह दिनों में यह आंकड़ा 60 ट्रिलियन से ऊपर बताया गया और मॉडल दोनों प्लेटफॉर्म पर उपयोग के मामले में शीर्ष पर पहुंच गया। [3]
- Zhipu के अनुसार, पूरी सेवा 1,00,000 से ज्यादा चीन निर्मित AI चिप्स वाले क्लस्टर पर चली। हालांकि, कंपनी ने चिप निर्माताओं के नाम सार्वजनिक नहीं किए। [3][6]
- GLM 5.3 Flash में कुल 320 अरब पैरामीटर हैं, लेकिन हर टोकन पर करीब 18 अरब पैरामीटर सक्रिय होते हैं; इसका संदर्भ विंडो 10,48,576 टोकन का है। [5][7]
AI संकेत
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Zhipu AI reveal on August 26, 2026, about the anonymous “Ox Alpha” model known as “Niu Lai,” including its identity as GLM 5.3 Flas. Article summary: On August 26, Zhipu AI (Z.ai) disclosed that the anonymous “Ox Alpha”/“Niu Lai” model was its GLM 5.3 Flash: an open weight, native multimodal mixture of experts model tested anonymously before release.. Topic tags: general web, ai, productivity, code, api. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, cl
26 अगस्त 2026 को Zhipu AI—जिसे अंतरराष्ट्रीय स्तर पर Z.ai के नाम से भी जाना जाता है—ने रहस्यमय AI मॉडल Ox Alpha की पहचान सार्वजनिक कर दी। मॉडल, जिसे चीनी ऑनलाइन समुदाय में “Niu Lai” यानी “बैल आया” के नाम से पुकारा जा रहा था, दरअसल Zhipu का GLM-5.3-Flash निकला। यह एक ओपन-वेट, नेटिव मल्टीमॉडल Mixture-of-Experts मॉडल है, जिसे आधिकारिक लॉन्च से पहले बिना कंपनी की पहचान बताए आजमाया गया था। 1
4
6
पांच दिनों में 50 ट्रिलियन से ज्यादा टोकन
OpenRouter और OpenCode पर Ox Alpha की मुफ्त और गुमनाम उपलब्धता ने डेवलपर समुदाय में तेजी से लोकप्रियता हासिल की। रिपोर्टों के मुताबिक, पांच दिनों के भीतर मॉडल का उपयोग 50 ट्रिलियन टोकन से अधिक हो गया। बाद की रिपोर्टों में छह दिनों में यह आंकड़ा 60 ट्रिलियन से ऊपर बताया गया। इस दौरान Ox Alpha दोनों प्लेटफॉर्म के उपयोग-चार्ट में सबसे ऊपर रहा और कुछ समय पर इसकी खपत समान श्रेणी के DeepSeek मॉडल से दोगुने से भी अधिक बताई गई। 3
यह आंकड़ा केवल लोकप्रियता नहीं दिखाता। इतने बड़े पैमाने पर मुफ्त inference—यानी मॉडल से जवाब तैयार कराने की कंप्यूटिंग प्रक्रिया—को लगातार संभालना किसी भी AI कंपनी के लिए बुनियादी ढांचे की बड़ी परीक्षा होता है।
पूरी सेवा चीन-निर्मित चिप्स पर चली
Zhipu AI ने बताया कि इस गुप्त परीक्षण का ट्रैफिक 1,00,000 से ज्यादा चीन-निर्मित AI चिप्स वाले क्लस्टर पर संभाला गया। कंपनी का दावा है कि सॉफ्टवेयर ऑप्टिमाइजेशन के बाद हार्डवेयर दक्षता और प्रति टोकन लागत मुख्यधारा के Nvidia GPU के स्तर के करीब पहुंच गई। 3
6
हालांकि, Zhipu ने चिप आपूर्तिकर्ताओं के नाम नहीं बताए। Huawei, Moore Threads और Hygon के संभावित रूप से शामिल होने की खबरें सामने आई हैं, लेकिन यह अभी अपुष्ट अटकल है—Zhipu की आधिकारिक पुष्टि नहीं। 40
Nvidia और CUDA के लिए इसका वास्तविक मतलब
इस खुलासे को चीन द्वारा AI हार्डवेयर के क्षेत्र में Nvidia को पूरी तरह पछाड़ने के प्रमाण के रूप में पढ़ना सही नहीं होगा। उपलब्ध जानकारी केवल इतना दिखाती है कि बड़े, वास्तविक वैश्विक inference workload को गैर-Nvidia घरेलू हार्डवेयर पर चलाया जा सकता है—यदि उसके लिए विशेष सॉफ्टवेयर और सिस्टम-इंजीनियरिंग की जाए। 3
6
यह Nvidia के CUDA इकोसिस्टम पर निर्भरता को लेकर महत्वपूर्ण संकेत जरूर देता है। मॉडल-विशेष सॉफ्टवेयर स्टैक और inference इंजन कुछ production workloads में CUDA की जरूरत कम कर सकते हैं। लेकिन CUDA की व्यापक लाइब्रेरी, डेवलपर समुदाय, टूलिंग और training से जुड़ी बढ़त इससे खत्म नहीं होती। उपलब्ध साक्ष्य इससे बड़ा निष्कर्ष निकालने के लिए पर्याप्त नहीं हैं।
1 मिलियन टोकन की context window के लिए खास इंजीनियरिंग
Zhipu का inference इंजन SGLang पर आधारित बताया गया है। इसमें कई तकनीकों का इस्तेमाल किया गया, जिनका उद्देश्य मेमोरी, bandwidth, chip-to-chip communication और scheduling की सीमाओं को संभालना था। इनमें शामिल हैं:
- W8A8 quantization
- INT8, FP8 और BF16 cache quantization का मिश्रण
- एक ही node के भीतर tensor parallelism
- Encode–Prefill–Decode (EPD) ढांचा, जिसमें encoding, prompt processing और response generation को अलग-अलग, स्वतंत्र रूप से scale किए जा सकने वाले pools में बांटा जाता है
इन बदलावों को खास तौर पर 1,048,576 टोकन की लंबी context window के लिए तैयार किया गया था। Zhipu के मुताबिक, इनसे शुरुआती baseline की तुलना में end-to-end सेवा प्रदर्शन में करीब तीन गुना सुधार हुआ। 4
7
बाद की SGLang documentation में भी BF16 configuration की तुलना में अधिक throughput और FP8 cache capacity में उल्लेखनीय बढ़त दर्ज की गई है। हालांकि, यह Zhipu के मूल “तीन गुना” दावे का स्वतंत्र audit नहीं है। 2
GLM-5.3-Flash में क्या खास है?
GLM-5.3-Flash में कुल 320 अरब पैरामीटर हैं, लेकिन Mixture-of-Experts डिजाइन के कारण हर टोकन पर करीब 18 अरब पैरामीटर ही सक्रिय होते हैं। इसका context window 10,48,576 टोकन का है। मॉडल को नेटिव मल्टीमॉडल बताया गया है, यानी यह टेक्स्ट के साथ-साथ चित्र, वीडियो और फाइलों जैसे इनपुट को भी संभाल सकता है। 5
7
Artificial Analysis Intelligence Index पर मॉडल को 57 का स्कोर मिलने की रिपोर्ट है—यह वही रिपोर्टेड स्कोर है जो Claude Opus 4.8 के लिए दिया गया है। इसे किसी एक composite index पर समान स्कोर के रूप में समझना चाहिए, न कि हर benchmark या वास्तविक agent task में समान प्रदर्शन के प्रमाण के रूप में। 1
मॉडल की positioning DeepSeek V4 Flash और Pro जैसे efficient frontier-class मॉडल के मुकाबले की गई है। फिर भी, उपलब्ध सामग्री दोनों DeepSeek variants के साथ benchmark-दर-benchmark सटीक तुलना सत्यापित करने के लिए पर्याप्त नहीं है।
कीमत: प्रीमियम मॉडल से काफी कम
Zhipu की प्रकाशित API pricing के मुताबिक GLM-5.3-Flash की कीमत:
- इनपुट: 10 लाख टोकन के लिए 0.15 डॉलर
- आउटपुट: 10 लाख टोकन के लिए 0.50 डॉलर
1
समकालीन रिपोर्टों ने इसे GLM-5.3 की कीमत का लगभग दसवां हिस्सा और Claude Opus 4.8 की कीमत का करीब एक-चालीसवां हिस्सा बताया। हालांकि, ऐसे अनुपात input या output दिशा, context tier और तुलना किए जा रहे pricing plan के आधार पर बदल सकते हैं। 1
बड़ा निष्कर्ष
Ox Alpha का खुलासा दो स्तरों पर महत्वपूर्ण है। पहला, कम कीमत और मजबूत प्रदर्शन वाला मॉडल बिना बड़े प्रचार अभियान के डेवलपर प्लेटफॉर्मों पर तेजी से लोकप्रिय हो सकता है। दूसरा, Zhipu ने यह दिखाने की कोशिश की है कि बड़े पैमाने का AI inference केवल Nvidia hardware पर निर्भर नहीं होना चाहिए।
फिर भी, इस घटना का सबसे सावधान निष्कर्ष यही है: यह मॉडल-विशेष optimization और घरेलू चिप्स पर बड़े पैमाने की inference क्षमता का प्रदर्शन है—Nvidia के पूरे hardware और software ecosystem को पीछे छोड़ने का निर्णायक प्रमाण नहीं।
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"Ox Alpha निकला Zhipu AI का GLM-5.3-Flash: पांच दिनों में 50 ट्रिलियन से ज्यादा टोकन" का संक्षिप्त उत्तर क्या है?
Zhipu AI ने पुष्टि की कि OpenRouter और OpenCode पर गुमनाम रूप से परीक्षण किया गया Ox Alpha मॉडल वास्तव में GLM 5.3 Flash है—एक ओपन वेट, नेटिव मल्टीमॉडल Mixture of Experts मॉडल। [1][4][6]
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
Zhipu AI ने पुष्टि की कि OpenRouter और OpenCode पर गुमनाम रूप से परीक्षण किया गया Ox Alpha मॉडल वास्तव में GLM 5.3 Flash है—एक ओपन वेट, नेटिव मल्टीमॉडल Mixture of Experts मॉडल। [1][4][6] मुफ्त परीक्षण ने पांच दिनों में 50 ट्रिलियन से ज्यादा टोकन खपा दिए; छह दिनों में यह आंकड़ा 60 ट्रिलियन से ऊपर बताया गया और मॉडल दोनों प्लेटफॉर्म पर उपयोग के मामले में शीर्ष पर पहुंच गया। [3]
मुझे अभ्यास में आगे क्या करना चाहिए?
Zhipu के अनुसार, पूरी सेवा 1,00,000 से ज्यादा चीन निर्मित AI चिप्स वाले क्लस्टर पर चली। हालांकि, कंपनी ने चिप निर्माताओं के नाम सार्वजनिक नहीं किए। [3][6]