Câu trả lờiĐã xuất bản18 nguồn
“Ox Alpha” hóa ra là GLM-5.3-Flash: màn thử nghiệm bí mật gây chấn động giới AI
Ngày 26/8, Zhipu AI (Z.ai) xác nhận mô hình ẩn danh “Ox Alpha”, thường được cộng đồng Trung Quốc gọi là “Niu Lai”, chính là GLM 5.3 Flash — mô hình mixture of experts đa phương thức gốc, phát hành dưới dạng open weigh... Trong thời gian chạy miễn phí ẩn danh trên OpenRouter và OpenCode, mô hình thu hút hơn 50 nghìn...
Đăng bởiHình ảnh được tạo bằng GPT Image 1.5
Câu trả lời nghiên cứu
Bài học chính
- Ngày 26/8, Zhipu AI (Z.ai) xác nhận mô hình ẩn danh “Ox Alpha”, thường được cộng đồng Trung Quốc gọi là “Niu Lai”, chính là GLM 5.3 Flash — mô hình mixture of experts đa phương thức gốc, phát hành dưới dạng open weigh...
- Trong thời gian chạy miễn phí ẩn danh trên OpenRouter và OpenCode, mô hình thu hút hơn 50 nghìn tỷ token chỉ sau năm ngày; các báo cáo sau đó ghi nhận hơn 60 nghìn tỷ token trong sáu ngày.
- Zhipu cho biết toàn bộ lưu lượng được xử lý trên cụm hơn 100.000 chip AI sản xuất tại Trung Quốc, với hiệu suất phần cứng và chi phí mỗi token được tối ưu để tương đương ở mức so sánh với GPU Nvidia phổ biến.
- GLM 5.3 Flash có 320 tỷ tham số tổng cộng, kích hoạt khoảng 18 tỷ tham số cho mỗi token, hỗ trợ cửa sổ ngữ cảnh 1.048.576 token và có giá API 0,15 USD cho mỗi triệu token đầu vào, 0,50 USD cho mỗi triệu token đầu ra.
Prompt AI
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
Ngày 26/8/2026, Zhipu AI — công ty Trung Quốc còn hoạt động dưới thương hiệu quốc tế Z.ai — xác nhận mô hình AI ẩn danh mang tên “Ox Alpha”, hay “Niu Lai” trong cộng đồng Trung Quốc, thực chất là GLM-5.3-Flash. Đây là mô hình mixture-of-experts (MoE) đa phương thức gốc, được phát hành dưới dạng open-weight và đã trải qua một đợt thử nghiệm ẩn danh trước khi ra mắt chính thức. 1
4
6
Màn thử nghiệm ẩn danh thu hút hàng chục nghìn tỷ token
Trước khi danh tính được công bố, Ox Alpha được cung cấp miễn phí trên OpenRouter — nền tảng tập hợp nhiều mô hình AI — và OpenCode, một nền tảng hướng tới các tác vụ phát triển phần mềm và tác vụ agent. Mô hình nhanh chóng vươn lên đứng đầu bảng sử dụng trên cả hai dịch vụ.
Các báo cáo cho biết Ox Alpha đã vượt mốc 50 nghìn tỷ token trong năm ngày. Sau đó, tổng lượng sử dụng được ghi nhận ở mức hơn 60 nghìn tỷ token trong sáu ngày. Có thời điểm, lưu lượng của mô hình cao hơn hai lần so với các sản phẩm DeepSeek tương đương. 3
Quy mô này đáng chú ý không chỉ vì mô hình được cung cấp miễn phí, mà còn vì đây là một phép thử thực tế với lưu lượng toàn cầu: hàng trăm nghìn hoặc hàng triệu lượt tương tác của nhà phát triển diễn ra trên một hệ thống chưa được công khai danh tính.
Toàn bộ hệ thống chạy trên chip Trung Quốc?
Zhipu cho biết dịch vụ trong giai đoạn thử nghiệm được vận hành hoàn toàn trên một cụm gồm hơn 100.000 chip AI sản xuất tại Trung Quốc. Công ty tuyên bố sau khi tối ưu phần mềm, hiệu suất phần cứng và chi phí phục vụ trên mỗi token đã có thể so sánh với GPU Nvidia phổ biến. 3
6
Tuy nhiên, Zhipu không công bố chính xác những nhà cung cấp chip nào được sử dụng. Một số bài đưa tin nêu Huawei, Moore Threads và Hygon là các khả năng có thể tham gia, nhưng đây vẫn là thông tin suy đoán chưa được Zhipu xác nhận. 40
Vì vậy, dữ liệu hiện có chưa đủ để kết luận Trung Quốc đã bắt kịp Nvidia trên toàn bộ lĩnh vực phần cứng AI, cũng không chứng minh chi phí suy luận trên chip nội địa luôn ngang bằng GPU Nvidia trong mọi trường hợp. Điều mà sự kiện này cho thấy rõ hơn là một hệ thống suy luận quy mô lớn, phục vụ lưu lượng thật, có thể vận hành trên nền tảng không dùng Nvidia nếu được đầu tư đáng kể vào phần mềm, kết nối và tối ưu hệ thống. 3
6
Vì sao sự kiện này gây chú ý với CUDA?
Lợi thế của Nvidia không chỉ nằm ở số lượng GPU. Hệ sinh thái CUDA còn bao gồm bộ công cụ phát triển, thư viện, tài liệu, cộng đồng lập trình viên và lợi thế trong cả huấn luyện lẫn triển khai mô hình.
Dù vậy, trường hợp GLM-5.3-Flash cho thấy các nhóm phát triển có thể dùng engine suy luận chuyên biệt theo từng mô hình để giảm mức phụ thuộc vào CUDA trong một số workload suy luận sản xuất. Đây là một tín hiệu đáng chú ý, nhưng chưa phải bằng chứng cho thấy lợi thế tổng thể của CUDA đã biến mất.
Theo các tài liệu được dẫn lại, engine dựa trên SGLang của Zhipu sử dụng nhiều kỹ thuật như lượng tử hóa W8A8, lượng tử hóa bộ nhớ đệm kết hợp INT8/FP8/BF16, song song tensor trong cùng node và tách quy trình Encode–Prefill–Decode (EPD) thành các cụm có thể mở rộng độc lập. Mục tiêu là xử lý các giới hạn về bộ nhớ, băng thông, giao tiếp giữa chip và điều phối khi mô hình hỗ trợ ngữ cảnh dài tới một triệu token. 4
7
Zhipu được cho là đã báo cáo mức cải thiện khoảng ba lần về hiệu năng phục vụ đầu-cuối so với đường cơ sở ban đầu. Tài liệu SGLang công bố sau đó cũng ghi nhận thông lượng cao hơn và dung lượng cache FP8 lớn hơn đáng kể so với cấu hình so sánh BF16. Tuy nhiên, các số liệu này không phải một cuộc kiểm toán độc lập đối với tuyên bố cải thiện gấp ba lần của Zhipu. 2
GLM-5.3-Flash có gì đáng chú ý?
GLM-5.3-Flash có tổng cộng 320 tỷ tham số, nhưng chỉ kích hoạt khoảng 18 tỷ tham số cho mỗi token nhờ kiến trúc MoE. Mô hình hỗ trợ cửa sổ ngữ cảnh 1.048.576 token, tức khoảng một triệu token, và được giới thiệu là mô hình đầu tiên trong dòng GLM-5 tích hợp năng lực đa phương thức ngay từ thiết kế gốc. 5
7
Mô hình được báo cáo đạt 57 điểm trên Artificial Analysis Intelligence Index, ngang với mức điểm được công bố cho Claude Opus 4.8. Tuy nhiên, đây chỉ là mức tương đương trên một chỉ số tổng hợp, không có nghĩa hai mô hình cho kết quả giống nhau trong mọi benchmark hay tác vụ agent ngoài thực tế. 1
GLM-5.3-Flash được định vị để cạnh tranh với các mô hình hiệu quả thuộc nhóm frontier như DeepSeek V4 Flash và Pro, đồng thời nhấn mạnh mức giá suy luận thấp hơn đáng kể. Dữ liệu hiện có chưa đủ để xác minh đầy đủ các so sánh benchmark theo từng bài kiểm tra giữa GLM-5.3-Flash và cả hai biến thể DeepSeek nói trên.
Giá thấp là một phần của chiến lược
Mức giá API được công bố là:
- 0,15 USD cho mỗi triệu token đầu vào;
- 0,50 USD cho mỗi triệu token đầu ra.
1
Các bài đưa tin đương thời mô tả mức này tương đương khoảng một phần mười giá GLM-5.3 và khoảng một phần bốn mươi giá Claude Opus 4.8. Tuy nhiên, những tỷ lệ này còn phụ thuộc vào chiều token, tầng ngữ cảnh và gói giá được dùng để so sánh. 1
Điểm đáng kể nhất trong tiết lộ ngày 26/8 không đơn thuần là một mô hình mới. Zhipu đã biến một đợt thử nghiệm bí mật thành màn trình diễn quy mô lớn về khả năng phục vụ AI: mô hình đạt lưu lượng toàn cầu rất cao, duy trì ngữ cảnh cực dài và được tuyên bố vận hành trên hạ tầng chip nội địa. Điều đó chưa đủ để viết lại cán cân công nghệ AI, nhưng cho thấy tối ưu hệ thống có thể thay đổi đáng kể bài toán chi phí và phụ thuộc phần cứng trong suy luận.
Studio Global AI
Tiếp tục nghiên cứu của bạn
Trang này bao gồm câu trả lời dựa trên nguồn mà bạn có thể tiếp tục bên trong Studio Global.
Người ta cũng hỏi
Câu trả lời ngắn gọn cho "“Ox Alpha” hóa ra là GLM-5.3-Flash: màn thử nghiệm bí mật gây chấn động giới AI" là gì?
Ngày 26/8, Zhipu AI (Z.ai) xác nhận mô hình ẩn danh “Ox Alpha”, thường được cộng đồng Trung Quốc gọi là “Niu Lai”, chính là GLM 5.3 Flash — mô hình mixture of experts đa phương thức gốc, phát hành dưới dạng open weigh...
Những điểm chính cần xác nhận đầu tiên là gì?
Ngày 26/8, Zhipu AI (Z.ai) xác nhận mô hình ẩn danh “Ox Alpha”, thường được cộng đồng Trung Quốc gọi là “Niu Lai”, chính là GLM 5.3 Flash — mô hình mixture of experts đa phương thức gốc, phát hành dưới dạng open weigh... Trong thời gian chạy miễn phí ẩn danh trên OpenRouter và OpenCode, mô hình thu hút hơn 50 nghìn tỷ token chỉ sau năm ngày; các báo cáo sau đó ghi nhận hơn 60 nghìn tỷ token trong sáu ngày.
Tôi nên làm gì tiếp theo trong thực tế?
Zhipu cho biết toàn bộ lưu lượng được xử lý trên cụm hơn 100.000 chip AI sản xuất tại Trung Quốc, với hiệu suất phần cứng và chi phí mỗi token được tối ưu để tương đương ở mức so sánh với GPU Nvidia phổ biến.