ОтветыОпубликовано26 источники
Ox Alpha оказался GLM-5.3-Flash: что раскрытие Zhipu AI говорит о будущем инференса
26 августа 2026 года Zhipu AI подтвердила, что анонимная модель Ox Alpha, известная в китайском сообществе разработчиков как «牛来» («Нюлай»), — это GLM 5.3 Flash. GLM 5.3 Flash — разреженная MoE модель с 320 млрд общих параметров, примерно 18 млрд активных параметров на токен и контекстом до 1 048 576 токенов.
ОпубликовалОтредактировано с помощью GPT-5.6 LunaИзображения созданы с помощью GPT Image 1.5
Ответ на исследование
Ключевые выводы
- 26 августа 2026 года Zhipu AI подтвердила, что анонимная модель Ox Alpha, известная в китайском сообществе разработчиков как «牛来» («Нюлай»), — это GLM 5.3 Flash.
- GLM 5.3 Flash — разреженная MoE модель с 320 млрд общих параметров, примерно 18 млрд активных параметров на токен и контекстом до 1 048 576 токенов.
- Главный вывод не в том, что китайские чипы якобы превзошли Nvidia, а в том, что специализированная оптимизация может сделать не Nvidia стек жизнеспособным для крупного сервиса инференса.
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. [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
26 августа 2026 года китайская компания Zhipu AI, также работающая под международным брендом Z.ai, раскрыла тайну анонимной модели Ox Alpha. В китайских сообществах разработчиков она была известна как «Нюлай» («牛来»). Оказалось, что за ней стояла новая открытая по весам мультимодальная модель GLM-5.3-Flash из семейства GLM. 1
15
Одновременно Zhipu заявила о масштабном инфраструктурном эксперименте: во время бесплатного анонимного тестирования на OpenRouter и OpenCode модель за пять дней обработала более 50 трлн токенов. По словам компании, весь этот трафик обслуживал кластер из более чем 100 000 произведённых в Китае ускорителей. 8
15
Анонимный запуск превратился в проверку боем
Ox Alpha появилась без логотипа компании и привычной рекламной кампании. Разработчики оценивали её по тому, что действительно важно в повседневной работе: качеству ответов, скорости, доступности и цене. Модель быстро поднялась на первые места рейтингов использования OpenRouter и OpenCode. 1
3
Позднейшие публикации оценивали общий объём трафика уже более чем в 60 трлн токенов за шесть дней. На OpenRouter использование Ox Alpha, как сообщалось, временами превышало показатели сопоставимых моделей DeepSeek более чем в два раза. Разные цифры связаны с различающимися периодами подсчёта и методиками платформ, поэтому наиболее надёжный вывод таков: тест превысил отметку в 50 трлн токенов и вызвал необычно высокий спрос. 1
3
30
Для разработчиков это важный нюанс. Большой поток реальных запросов пришёлся на период, когда пользователи ещё не знали ни имени модели, ни компании за ней, ни того, на каком оборудовании она работает. Иными словами, это был не лабораторный бенчмарк, а масштабная проверка в реальной эксплуатации.
Что Zhipu рассказала о китайских чипах
Zhipu заявила, что онлайн-инференс GLM-5.3-Flash выполнялся на более чем 100 000 китайских ускорителей. После программной оптимизации, по утверждению компании, эффективность оборудования и стоимость обработки одного токена стали сопоставимы с показателями распространённых GPU Nvidia. 15
24
Точных поставщиков Zhipu публично не назвала. Huawei, Moore Threads и Hygon упоминались в отраслевых публикациях как возможные участники поставок, однако это не подтверждено самой компанией и не должно восприниматься как установленный факт. 30
40
Заявление следует трактовать достаточно узко. Оно не доказывает, что китайские чипы в целом сравнялись с Nvidia на всех типах задач, вытеснили её в обучении моделей или предлагают эквивалентные инструменты для разработчиков. Речь идёт о более конкретном результате: крупный сервис инференса можно построить на отечественном, не-Nvidia стеке, если одновременно оптимизировать модель, серверное программное обеспечение и аппаратную платформу.
Почему решающим оказался программный стек
Контекстное окно длиной в миллион токенов создаёт высокие требования к памяти, пропускной способности, межчиповому обмену и планированию запросов. Для их снижения Zhipu построила специализированный движок инференса на базе SGLang и использовала несколько методов: 11
24
- квантизацию W8A8 для уменьшения вычислительной и мемори-нагрузки;
- смешанную квантизацию кэша в форматах INT8, FP8 и BF16;
- тензорный параллелизм внутри узлов;
- архитектуру Encode–Prefill–Decode (EPD), разделяющую мультимодальное кодирование, предварительную обработку промпта и последовательную генерацию токенов на независимые пулы, которые можно отдельно масштабировать.
11
24
По данным Zhipu, такая система примерно втрое повысила сквозную производительность по сравнению с исходным базовым вариантом на том же оборудовании. 24
26 В более поздней документации SGLang также приводятся дополнительные показатели пропускной способности и ёмкости кэша FP8 по сравнению с конфигурацией BF16. Однако эта документация не является независимым аудитом первоначального заявления о трёхкратном приросте.
17
Для Nvidia это прежде всего сигнал об инференсе, а не свидетельство немедленного краха преимущества CUDA. Специализированные ядра, квантизация, параллелизм и планирование действительно могут уменьшить зависимость от CUDA в отдельных производственных сценариях. Но экосистема Nvidia, инструменты, установленная база и позиции в обучении моделей — отдельные преимущества, которые запуск GLM-5.3-Flash не отменяет.
Характеристики GLM-5.3-Flash
GLM-5.3-Flash описывается как разреженная модель типа mixture of experts (MoE): всего в ней 320 млрд параметров, но для обработки каждого токена активируется примерно 18 млрд. Она поддерживает контекстное окно до 1 048 576 токенов и нативный мультимодальный ввод, что делает её особенно подходящей для работы с длинными документами, программным кодом и длительными агентскими сценариями. 2
5
7
В индексе Artificial Analysis Intelligence Index модель получила 57 баллов — столько же, сколько, согласно опубликованным данным, Claude Opus 4.8. Это означает паритет в рамках одного составного индекса, но не доказывает одинаковую эффективность на каждом отдельном бенчмарке, приложении или агентской задаче. 9
Цена как часть стратегии
Заявленная стоимость API составляет $0,15 за миллион входных токенов и $0,50 за миллион выходных токенов. 4
29 В актуальных публикациях GLM-5.3-Flash называли примерно в десять раз более дешёвой, чем GLM-5.3, и примерно в 40 раз более дешёвой, чем Claude Opus 4.8. Но такие соотношения зависят от того, сравниваются ли входные или выходные токены, какие тарифы и уровни обслуживания используются.
1
4
Практическое значение запуска — в сочетании трёх факторов: разреженной архитектуры, снижающей вычислительную нагрузку, агрессивной оптимизации инференса и низкой цены. Анонимный тест показал, что такая комбинация способна привлечь огромный поток запросов ещё до того, как пользователи узнают имя разработчика.
Это не доказывает, что Zhipu решила все проблемы китайского оборудования или программной совместимости. Но эксперимент стал заметной демонстрацией того, какой эффект даёт совместное проектирование модели, движка инференса и аппаратного стека — и почему конкуренция на рынке ИИ всё больше смещается от одних лишь характеристик чипов к качеству всей системы.
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 «Ox Alpha оказался GLM-5.3-Flash: что раскрытие Zhipu AI говорит о будущем инференса»?
26 августа 2026 года Zhipu AI подтвердила, что анонимная модель Ox Alpha, известная в китайском сообществе разработчиков как «牛来» («Нюлай»), — это GLM 5.3 Flash.
Какие ключевые моменты необходимо проверить в первую очередь?
26 августа 2026 года Zhipu AI подтвердила, что анонимная модель Ox Alpha, известная в китайском сообществе разработчиков как «牛来» («Нюлай»), — это GLM 5.3 Flash. GLM 5.3 Flash — разреженная MoE модель с 320 млрд общих параметров, примерно 18 млрд активных параметров на токен и контекстом до 1 048 576 токенов.
Что мне делать дальше на практике?
Главный вывод не в том, что китайские чипы якобы превзошли Nvidia, а в том, что специализированная оптимизация может сделать не Nvidia стек жизнеспособным для крупного сервиса инференса.
Источники
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