RespostasPublicado18 fontes
Ox Alpha era o GLM-5.3-Flash: o que a Zhipu AI revelou sobre o modelo que tomou conta do OpenRouter
Em 26 de agosto de 2026, a Zhipu AI confirmou que o modelo anônimo Ox Alpha, chamado de “Niu Lai” na China, era o GLM 5.3 Flash — um modelo multimodal nativo, de pesos abertos e arquitetura Mixture of Experts. O teste gratuito no OpenRouter e no OpenCode ultrapassou 50 trilhões de tokens em cinco dias e, segundo rel...
Publicado porImagens geradas com GPT Image 1.5
Resposta de pesquisa
Principais conclusões
- Em 26 de agosto de 2026, a Zhipu AI confirmou que o modelo anônimo Ox Alpha, chamado de “Niu Lai” na China, era o GLM 5.3 Flash — um modelo multimodal nativo, de pesos abertos e arquitetura Mixture of Experts.
- O teste gratuito no OpenRouter e no OpenCode ultrapassou 50 trilhões de tokens em cinco dias e, segundo relatos posteriores, 60 trilhões em seis dias, colocando o modelo no topo das duas plataformas.
- A empresa afirmou que toda a operação foi sustentada por um cluster com mais de 100 mil chips fabricados na China, embora os fornecedores exatos não tenham sido confirmados.
- O GLM 5.3 Flash tem 320 bilhões de parâmetros totais, ativa cerca de 18 bilhões por token, suporta contexto de até 1.048.576 tokens e foi anunciado com preços de US$ 0,15 por milhão de tokens de entrada e US$ 0,50 por...
Prompt de IA
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
A identidade por trás do “Niu Lai”
Em 26 de agosto, a Zhipu AI — também conhecida internacionalmente como Z.ai — confirmou que o misterioso modelo Ox Alpha, apelidado de “Niu Lai” (“boi que chega”, em uma tradução literal do chinês), era o GLM-5.3-Flash. O sistema vinha sendo testado de forma anônima antes do lançamento oficial, sem a identificação da empresa responsável. 1
4
6
O modelo foi apresentado como uma solução de pesos abertos, multimodal desde a origem e baseada em uma arquitetura de Mixture of Experts (MoE). Na prática, embora tenha um número total muito elevado de parâmetros, apenas uma fração deles é ativada para processar cada token.
Um teste anônimo que atraiu tráfego extraordinário
A versão gratuita disponibilizada no OpenRouter, agregador de modelos de IA, e no OpenCode, plataforma voltada a desenvolvedores e agentes de programação, teve uma procura incomum. Relatos indicam que o Ox Alpha processou mais de 50 trilhões de tokens em cinco dias e, posteriormente, ultrapassou 60 trilhões em seis dias. 3
O modelo liderou os rankings de uso das duas plataformas e, em determinado momento, registrou mais que o dobro do uso de produtos comparáveis da DeepSeek, segundo reportagens. 3
Esse volume transformou o teste em uma demonstração pública de capacidade de serviço em escala — mesmo antes de a identidade do modelo ser revelada.
A operação foi feita com chips chineses
A Zhipu afirmou que o serviço funcionou inteiramente em um cluster com mais de 100 mil chips fabricados na China. Segundo a empresa, otimizações de software permitiram alcançar eficiência de hardware e custo por token comparáveis aos de GPUs Nvidia usadas no mercado. 3
6
Os fornecedores exatos, porém, não foram divulgados. Huawei, Moore Threads e Hygon foram citadas como possíveis fornecedoras em relatos do setor, mas essa composição continua sendo uma especulação não confirmada oficialmente pela Zhipu. 40
A declaração não prova que os chips chineses superaram as soluções da Nvidia de forma geral, nem que os custos de inferência são universalmente equivalentes. O que ela demonstra é algo mais específico: uma carga de trabalho real, global e de grande escala pôde ser executada em uma infraestrutura doméstica sem depender de GPUs Nvidia, graças a um trabalho significativo de engenharia de sistemas. 3
6
O que isso representa para a vantagem da Nvidia
O caso chama atenção por tocar em um dos principais diferenciais da Nvidia: o ecossistema CUDA, que inclui bibliotecas, ferramentas, suporte a desenvolvedores e uma ampla base de aplicações.
A experiência da Zhipu sugere que pilhas de software e mecanismos de inferência adaptados a um modelo específico podem reduzir a dependência do CUDA em determinados cenários de produção. Isso não elimina a vantagem mais ampla da Nvidia, especialmente em treinamento, ferramentas e ecossistema de desenvolvimento. As evidências disponíveis não sustentam uma conclusão mais abrangente.
As técnicas usadas para lidar com o contexto de 1 milhão de tokens
A Zhipu teria desenvolvido um mecanismo de inferência baseado no SGLang. Entre as técnicas citadas estão:
- quantização W8A8;
- quantização mista do cache em INT8, FP8 e BF16;
- paralelismo tensorial dentro do nó;
- separação entre codificação, pré-preenchimento e decodificação — o chamado Encode–Prefill–Decode (EPD);
- pools independentes, que podem ser escalados de acordo com cada etapa do processamento.
Essas mudanças foram projetadas para controlar limitações de memória, largura de banda, comunicação entre chips e agendamento, especialmente diante de uma janela de contexto de até 1 milhão de tokens. 4
7
Segundo a Zhipu, as otimizações elevaram em aproximadamente três vezes o desempenho do serviço de ponta a ponta em comparação com a configuração inicial. 2 A documentação posterior do SGLang também registra ganhos de vazão e uma capacidade de cache FP8 significativamente maior que a de uma configuração comparável em BF16. Esse material, contudo, não constitui uma auditoria independente da alegação original de triplo ganho.
2
Especificações, desempenho e preço
O GLM-5.3-Flash soma 320 bilhões de parâmetros, mas ativa aproximadamente 18 bilhões por token. O modelo oferece uma janela de contexto de 1.048.576 tokens e suporte multimodal nativo. 5
7
Em uma avaliação do Artificial Analysis Intelligence Index, o modelo teria obtido 57 pontos, o mesmo resultado reportado para o Claude Opus 4.8. Isso indica paridade nesse índice composto, não desempenho idêntico em todos os benchmarks ou tarefas de agentes no mundo real. 1
A proposta do GLM-5.3-Flash é competir com modelos eficientes de classe avançada, como o DeepSeek V4 Flash e o DeepSeek V4 Pro, cobrando menos pela inferência. As informações disponíveis, porém, não são suficientes para confirmar comparações exatas, benchmark por benchmark, com as duas versões da DeepSeek.
A tabela de preços publicada pela Zhipu foi reportada como:
- US$ 0,15 por milhão de tokens de entrada;
- US$ 0,50 por milhão de tokens de saída.
1
Reportagens contemporâneas descreveram esses valores como cerca de um décimo do preço do GLM-5.3 e aproximadamente um quarenta avos do Claude Opus 4.8. Essas proporções dependem da direção dos tokens, da faixa de contexto e do plano de preços usado na comparação. 1
A principal conclusão
A revelação de 26 de agosto não foi apenas a apresentação de um novo modelo. Ela também foi uma demonstração de que a Zhipu conseguiu testar uma IA de grande porte, multimodal e de contexto muito longo em uma infraestrutura composta por chips chineses, enquanto atraía um volume excepcional de uso internacional.
O episódio fortalece a tese de que a eficiência de inferência depende não apenas do chip, mas também da arquitetura do modelo, da quantização, do sistema de comunicação e do software que conecta todos esses componentes. Ainda assim, o resultado deve ser interpretado como um caso específico de otimização bem-sucedida — e não como prova de que a vantagem tecnológica da Nvidia foi totalmente superada.
Studio Global AI
Continue sua pesquisa
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
As pessoas também perguntam
Qual é a resposta curta para "Ox Alpha era o GLM-5.3-Flash: o que a Zhipu AI revelou sobre o modelo que tomou conta do OpenRouter"?
Em 26 de agosto de 2026, a Zhipu AI confirmou que o modelo anônimo Ox Alpha, chamado de “Niu Lai” na China, era o GLM 5.3 Flash — um modelo multimodal nativo, de pesos abertos e arquitetura Mixture of Experts.
Quais são os pontos-chave para validar primeiro?
Em 26 de agosto de 2026, a Zhipu AI confirmou que o modelo anônimo Ox Alpha, chamado de “Niu Lai” na China, era o GLM 5.3 Flash — um modelo multimodal nativo, de pesos abertos e arquitetura Mixture of Experts. O teste gratuito no OpenRouter e no OpenCode ultrapassou 50 trilhões de tokens em cinco dias e, segundo relatos posteriores, 60 trilhões em seis dias, colocando o modelo no topo das duas plataformas.
O que devo fazer a seguir na prática?
A empresa afirmou que toda a operação foi sustentada por um cluster com mais de 100 mil chips fabricados na China, embora os fornecedores exatos não tenham sido confirmados.