AnswersPublished26 sources
Ox Alpha was GLM-5.3-Flash: wat de onthulling betekent voor AI-inferentie
Zhipu AI bevestigde op 26 augustus 2026 dat het anonieme model Ox Alpha — in Chinese ontwikkelaarskringen ook ‘Niu Lai’ genoemd — GLM 5.3 Flash was. GLM 5.3 Flash is een mixture of experts model met 320 miljard parameters, waarvan er per token ongeveer 18 miljard actief zijn, en een contextvenster van 1.048.576 tokens.
Gepubliceerd doorBewerkt met GPT-5.6 LunaAfbeeldingen gegenereerd met GPT Image 1.5
Research answer
Key takeaways
- Zhipu AI bevestigde op 26 augustus 2026 dat het anonieme model Ox Alpha — in Chinese ontwikkelaarskringen ook ‘Niu Lai’ genoemd — GLM 5.3 Flash was.
- GLM 5.3 Flash is een mixture of experts model met 320 miljard parameters, waarvan er per token ongeveer 18 miljard actief zijn, en een contextvenster van 1.048.576 tokens.
- De onthulling bewijst niet dat Chinese chips Nvidia algemeen hebben ingehaald. Wel laat ze zien dat modelspecifieke software optimalisatie een niet Nvidia inferentiestack op grote schaal haalbaar kan maken.
AI Prompt
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. [1][4][6] ## What. Topic tags: general, general web, documentation, news, user generated. 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, water
Op 26 augustus 2026 maakte Zhipu AI — internationaal ook bekend als Z.ai — een einde aan het mysterie rond het anonieme model ‘Ox Alpha’. Het bedrijf bevestigde dat Ox Alpha, in Chinese ontwikkelaarskringen ook ‘Niu Lai’ genoemd, in werkelijkheid GLM-5.3-Flash was: een open-weight-model uit de GLM-serie met native multimodale mogelijkheden. 1
15
De onthulling ging verder dan alleen een nieuwe modelnaam. Zhipu stelde dat het systeem tijdens een gratis, anonieme test op OpenRouter en OpenCode in vijf dagen meer dan 50 biljoen tokens verwerkte. Die belasting zou volledig zijn afgehandeld door een cluster van meer dan 100.000 in China geproduceerde chips. 8
15
Een blinde praktijktest met echte ontwikkelaars
Ox Alpha verscheen aanvankelijk zonder bedrijfsnaam of herkenbaar logo. Daardoor konden ontwikkelaars het model beoordelen op basis van de antwoorden, snelheid, beschikbaarheid en prijs — niet op basis van de reputatie van Zhipu of de gebruikte hardware.
Het model schoot snel naar de top van de gebruiksranglijsten van OpenRouter en OpenCode. Latere berichten spraken over meer dan 60 biljoen tokens in zes dagen. Op OpenRouter zou het gebruik bovendien ruim twee keer zo hoog zijn geweest als dat van vergelijkbare DeepSeek-modellen. De precieze totalen verschillen per meetperiode en platform, waardoor de voorzichtigste conclusie luidt: de test overschreed 50 biljoen tokens en trok uitzonderlijk veel vraag. 1
3
30
Dat maakt de proef relevant. Het ging niet om een korte demonstratie in een laboratorium, maar om een grote hoeveelheid echt ontwikkelaarsverkeer voordat iemand wist welk bedrijf achter het model zat. In die zin fungeerde Ox Alpha als een grootschalige stresstest van zowel het model als de infrastructuur.
Wat Zhipu zegt over de Chinese chips
Volgens Zhipu draaide de online inferentie — het proces waarbij een getraind model antwoorden genereert — op meer dan 100.000 Chinese accelerators. Door de software en het model gezamenlijk te optimaliseren, zouden de hardware-efficiëntie en kosten per token vergelijkbaar zijn geworden met die van gangbare Nvidia-gpu’s. 15
24
Zhipu heeft de exacte leveranciers in het hier gebruikte bronmateriaal niet publiek aangewezen. Huawei, Moore Threads en Hygon zijn in berichtgeving genoemd als mogelijke leveranciers, maar die toeschrijving is niet geverifieerd en mag niet als bevestiging door Zhipu worden beschouwd. 30
40
De claim moet daarom nauw worden geïnterpreteerd. Ze bewijst niet dat Chinese chips Nvidia op elk type taak evenaren, dat binnenlandse hardware Nvidia al bij training heeft vervangen, of dat beide ecosystemen over dezelfde ontwikkelaarstools beschikken. De claim ondersteunt een beperktere conclusie: een grote inferentiedienst kan rond een niet-Nvidia-stack worden gebouwd wanneer model, serversoftware en hardware nauw op elkaar zijn afgestemd.
De software achter de prestaties
Een contextvenster van één miljoen tokens stelt hoge eisen aan geheugen, bandbreedte, communicatie en planning. Om die knelpunten aan te pakken, bouwde Zhipu naar verluidt een eigen inferentie-engine op basis van SGLang. Daarbij gebruikte het bedrijf onder meer:
- W8A8-kwantisatie om de reken- en geheugendruk te verlagen;
- een combinatie van INT8-, FP8- en BF16-kwantisatie voor de cache;
- tensorparallelisme binnen afzonderlijke nodes; en
- een Encode–Prefill–Decode-architectuur, waarbij multimodale codering, het verwerken van de prompt en het token-voor-token genereren in afzonderlijke, onafhankelijk schaalbare pools plaatsvinden.
11
24
Zhipu stelde dat deze aanpak de end-to-end-prestaties ten opzichte van een initiële basislijn op dezelfde hardware ongeveer verdrievoudigde. 24
26 Latere SGLang-documentatie meldt daarnaast verbeteringen in doorvoer en in de cachecapaciteit van FP8 ten opzichte van een BF16-configuratie. Die documentatie vormt echter geen onafhankelijke controle van Zhipu’s oorspronkelijke claim van een drievoudige verbetering.
17
Voor Nvidia gaat de betekenis daarom vooral over de rol van CUDA bij inferentie, niet over een onmiddellijke instorting van Nvidia’s bredere positie. Gespecialiseerde kernels, kwantisatie, parallelisme en slimme planning kunnen de afhankelijkheid van CUDA voor bepaalde productiebelastingen verkleinen. Nvidia’s software-ecosysteem, tooling, bestaande gebruikersbasis en sterke positie bij modeltraining zijn afzonderlijke kwesties die deze lancering niet beslecht.
De belangrijkste specificaties van GLM-5.3-Flash
GLM-5.3-Flash wordt beschreven als een sparse mixture-of-experts-model met in totaal 320 miljard parameters. Per token zijn ongeveer 18 miljard parameters actief. Het model ondersteunt een contextvenster van 1.048.576 tokens en native multimodale input, waaronder tekst, afbeeldingen en video. Daarmee richt het zich onder meer op lange documenten, programmeren en langdurige agent-workflows. 2
5
7
Op de Artificial Analysis Intelligence Index kreeg het model naar verluidt een score van 57, gelijk aan de gerapporteerde score van Claude Opus 4.8. Dat betekent gelijkstand op één samengestelde index — niet dat beide modellen op iedere afzonderlijke benchmark, toepassing of agenttaak hetzelfde presteren. 9
Lage prijs als onderdeel van de strategie
Zhipu rapporteerde een API-prijs van 0,15 dollar per miljoen invoertokens en 0,50 dollar per miljoen uitvoertokens. 4
29 In de berichtgeving werd het model omschreven als ongeveer tien keer goedkoper dan GLM-5.3 en circa veertig keer goedkoper dan Claude Opus 4.8. Zulke verhoudingen hangen wel af van de gekozen richting — input of output —, prijstrap en bundel.
1
4
De concurrentiedruk van GLM-5.3-Flash komt dus niet uit één spectaculaire specificatie. Het is de combinatie van een relatief efficiënte sparse architectuur, agressieve optimalisatie van de inferentieserver en lage prijzen die het model aantrekkelijk maakt.
De Ox Alpha-test liet zien dat die combinatie al veel gebruikers kan aantrekken voordat de identiteit van het model bekend is. De proef bewijst niet dat Zhipu alle beperkingen van Chinese hardware of AI-software heeft opgelost. Wel leverde ze een opvallende demonstratie op van hoeveel winst mogelijk is wanneer een model, de inferentie-engine en de hardware als één geheel worden ontworpen.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Ox Alpha was GLM-5.3-Flash: wat de onthulling betekent voor AI-inferentie"?
Zhipu AI bevestigde op 26 augustus 2026 dat het anonieme model Ox Alpha — in Chinese ontwikkelaarskringen ook ‘Niu Lai’ genoemd — GLM 5.3 Flash was.
What are the key points to validate first?
Zhipu AI bevestigde op 26 augustus 2026 dat het anonieme model Ox Alpha — in Chinese ontwikkelaarskringen ook ‘Niu Lai’ genoemd — GLM 5.3 Flash was. GLM 5.3 Flash is een mixture of experts model met 320 miljard parameters, waarvan er per token ongeveer 18 miljard actief zijn, en een contextvenster van 1.048.576 tokens.
What should I do next in practice?
De onthulling bewijst niet dat Chinese chips Nvidia algemeen hebben ingehaald. Wel laat ze zien dat modelspecifieke software optimalisatie een niet Nvidia inferentiestack op grote schaal haalbaar kan maken.
Sources
indexbox.ioGLM-5.3-Flash: Zhipu AI's New Open-Weight Model ...
pandaily.comZhipu Confirms Anonymous 'Niu Lai' Model Is GLM-5.3-Flash, Served on 100,000 Domestic Chips
kucoin.comZhipu launches the GLM-5.3-Flash model on ...
pasqualepillitteri.itOx Alpha revealed, it is Zhipu GLM-5.3-Flash with MIT weights