ОтветыОпубликовано18 источники
Тайный Ox Alpha оказался GLM-5.3-Flash — модель работала на 100 000 китайских чипов
26 августа Zhipu AI подтвердила: анонимная модель Ox Alpha, или «Нюлай», — это GLM 5.3 Flash, открытая по весам мультимодальная MoE модель. Бесплатное тестирование на OpenRouter и OpenCode привлекло более 50 триллионов токенов за пять дней; позднее сообщалось более чем о 60 триллионах за шесть дней.
ОпубликовалИзображения созданы с помощью GPT Image 1.5
Ответ на исследование
Ключевые выводы
- 26 августа Zhipu AI подтвердила: анонимная модель Ox Alpha, или «Нюлай», — это GLM 5.3 Flash, открытая по весам мультимодальная MoE модель.
- Бесплатное тестирование на OpenRouter и OpenCode привлекло более 50 триллионов токенов за пять дней; позднее сообщалось более чем о 60 триллионах за шесть дней.
- По заявлению Zhipu, весь трафик обслуживал кластер из более чем 100 000 китайских чипов, а оптимизация ПО довела эффективность и стоимость токена до уровня, сопоставимого с массовыми GPU Nvidia.
- GLM 5.3 Flash объединяет 320 млрд параметров, около 18 млрд активных параметров на токен и контекстное окно в 1 048 576 токенов.
Промпт ИИ
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 августа 2026 года китайская Zhipu AI, также работающая под брендом Z.ai, раскрыла главный секрет модели Ox Alpha. Анонимный сервис, который китайские пользователи называли «Нюлай» («牛来»), оказался новой моделью компании — GLM-5.3-Flash. Это открытая по весам мультимодальная модель на архитектуре mixture of experts (MoE), которую сначала намеренно тестировали без указания разработчика. 1
4
6
Как анонимная модель стала заметной
Ox Alpha появилась на OpenRouter и OpenCode как бесплатный сервис без привычного логотипа и публичной презентации. За первые пять дней она, по сообщениям, обработала более 50 триллионов токенов. Позднее оценка выросла до более чем 60 триллионов токенов за шесть дней. Модель возглавила рейтинги использования на обеих площадках, а её пиковый показатель, как сообщалось, более чем вдвое превышал сопоставимый результат DeepSeek. 3
Именно этот всплеск и привлёк внимание к неизвестному разработчику. Сообщество пыталось определить происхождение модели по косвенным признакам, включая особенности токенизатора. 26 августа Zhipu AI подтвердила, что Ox Alpha была предрелизной версией GLM-5.3-Flash.
Ключевая деталь: инфраструктура без Nvidia
Самым громким заявлением стало не только раскрытие названия модели. Zhipu сообщила, что сервис работал на кластере из более чем 100 000 чипов китайского производства. Компания утверждала, что после оптимизации программного обеспечения эффективность оборудования и стоимость обработки одного токена стали сопоставимы с показателями распространённых GPU Nvidia. 3
6
Точные поставщики чипов Zhipu не назвала. В публикациях в качестве возможных участников упоминались Huawei, Moore Threads и Hygon, однако это остаётся неподтверждённой версией, а не официальным списком поставщиков. 40
Заявление не доказывает, что китайские ускорители в целом уже сравнялись с оборудованием Nvidia или что стоимость инференса на них всегда одинакова. Оно показывает другое: крупную реальную нагрузку глобального сервиса можно обслуживать на национальном аппаратном стеке, если серьёзно доработать программную часть и организацию вычислений. 3
6
Для Nvidia это важно прежде всего в контексте зависимости от CUDA. Опыт Zhipu указывает, что специализированные движки инференса и оптимизированные стеки могут снизить зависимость от CUDA в отдельных производственных сценариях. Но преимущество Nvidia в экосистеме, инструментах, базе разработчиков и обучении моделей никуда не исчезает — данных для более широкого вывода недостаточно.
Какие оптимизации использовала Zhipu
Для обслуживания модели компания, как сообщалось, построила специализированный движок на базе SGLang. В нём применялись:
- квантование W8A8;
- смешанное квантование кэша INT8, FP8 и BF16;
- тензорный параллелизм внутри узла;
- разделение Encode–Prefill–Decode, при котором разные этапы обработки распределяются по независимо масштабируемым пулам.
Эти методы должны были уменьшить ограничения по памяти, пропускной способности, межчиповым коммуникациям и планированию задач — особенно при контекстном окне в миллион токенов. 4
7
По данным Zhipu, совокупная оптимизация примерно втрое повысила производительность сервиса по сравнению с исходной конфигурацией. Документация SGLang также указывает на более высокую пропускную способность и существенно большую ёмкость FP8-кэша по сравнению с конфигурацией BF16. Однако эти результаты нельзя считать независимым аудитом первоначального заявления о трёхкратном приросте. 2
Что представляет собой GLM-5.3-Flash
Модель относится к разреженному классу mixture of experts: всего в ней около 320 млрд параметров, но при обработке каждого токена активируется примерно 18 млрд. Контекстное окно достигает 1 048 576 токенов. GLM-5.3-Flash также позиционируется как нативно мультимодальная модель, способная работать с текстом, изображениями и видео. 5
7
В рейтинге Artificial Analysis Intelligence Index модель получила оценку 57 — такую же, как указанная в источниках оценка Claude Opus 4.8. Это означает совпадение на одном сводном индексе, но не доказывает одинаковую производительность во всех тестах, агентских сценариях и реальных задачах. 1
Zhipu позиционирует GLM-5.3-Flash как конкурента эффективным моделям передового уровня, включая DeepSeek V4 Flash и Pro, одновременно предлагая более низкую цену инференса. При этом представленных данных недостаточно, чтобы подтвердить точные сравнения по каждому отдельному бенчмарку с обеими версиями DeepSeek.
Цена: ставка на массовое использование
Опубликованная цена API GLM-5.3-Flash составляет:
- 0,15 доллара за миллион входных токенов;
- 0,50 доллара за миллион выходных токенов.
1
Современные публикации описывали эту стоимость как примерно в десять раз меньшую, чем у GLM-5.3, и примерно в 40 раз меньшую, чем у Claude Opus 4.8. Однако такие соотношения зависят от того, сравниваются ли входные или выходные токены, а также от тарифного плана и уровня контекстного окна. 1
Таким образом, история Ox Alpha — это одновременно эффектный маркетинговый запуск и демонстрация инженерного подхода. Zhipu сначала проверила модель под анонимным именем на огромной пользовательской нагрузке, а затем показала, что масштабный инференс можно организовать на китайском аппаратном стеке. Это ещё не отменяет доминирование Nvidia во всей отрасли, но заметно усиливает конкуренцию именно в сегменте дешёвого и массового использования ИИ.
Studio Global AI
Продолжайте свое исследование
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Люди также спрашивают
Каков краткий ответ на вопрос «Тайный Ox Alpha оказался GLM-5.3-Flash — модель работала на 100 000 китайских чипов»?
26 августа Zhipu AI подтвердила: анонимная модель Ox Alpha, или «Нюлай», — это GLM 5.3 Flash, открытая по весам мультимодальная MoE модель.
Какие ключевые моменты необходимо проверить в первую очередь?
26 августа Zhipu AI подтвердила: анонимная модель Ox Alpha, или «Нюлай», — это GLM 5.3 Flash, открытая по весам мультимодальная MoE модель. Бесплатное тестирование на OpenRouter и OpenCode привлекло более 50 триллионов токенов за пять дней; позднее сообщалось более чем о 60 триллионах за шесть дней.
Что мне делать дальше на практике?
По заявлению Zhipu, весь трафик обслуживал кластер из более чем 100 000 китайских чипов, а оптимизация ПО довела эффективность и стоимость токена до уровня, сопоставимого с массовыми GPU Nvidia.