Câu trả lờiĐã xuất bản26 nguồn
Ox Alpha thực chất là GLM-5.3-Flash: Zhipu AI muốn chứng minh điều gì về suy luận AI?
Ngày 26/8/2026, Zhipu AI xác nhận mô hình ẩn danh Ox Alpha, còn được cộng đồng lập trình viên Trung Quốc gọi là “Niu Lai”, chính là GLM 5.3 Flash. GLM 5.3 Flash là mô hình Mixture of Experts (MoE) có tổng cộng 320 tỷ tham số, kích hoạt khoảng 18 tỷ tham số mỗi token và hỗ trợ cửa sổ ngữ cảnh 1.048.576 token.
Đăng bởiBiên tập bằng GPT-5.6 LunaHình ảnh được tạo bằng GPT Image 1.5
Câu trả lời nghiên cứu
Bài học chính
- Ngày 26/8/2026, Zhipu AI xác nhận mô hình ẩn danh Ox Alpha, còn được cộng đồng lập trình viên Trung Quốc gọi là “Niu Lai”, chính là GLM 5.3 Flash.
- GLM 5.3 Flash là mô hình Mixture of Experts (MoE) có tổng cộng 320 tỷ tham số, kích hoạt khoảng 18 tỷ tham số mỗi token và hỗ trợ cửa sổ ngữ cảnh 1.048.576 token.
- Điểm đáng chú ý không phải là bằng chứng cho thấy chip nội địa Trung Quốc đã vượt Nvidia, mà là khả năng tối ưu phần mềm theo từng mô hình để vận hành một hệ thống suy luận không dùng Nvidia ở quy mô lớn.
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. [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
Ngày 26/8/2026, Zhipu AI—còn hoạt động quốc tế dưới thương hiệu Z.ai—đã giải mã bí ẩn quanh mô hình “Ox Alpha”. Công ty xác nhận đây là GLM-5.3-Flash, một mô hình đa phương thức gốc thuộc dòng GLM, được phát hành dưới dạng open-weight để cộng đồng có thể tiếp cận trọng số mô hình. Trong các cộng đồng phát triển phần mềm Trung Quốc, Ox Alpha còn được gọi là “Niu Lai”. 1
15
Đằng sau màn công bố là một tuyên bố hạ tầng gây chú ý không kém: Zhipu cho biết phiên bản thử nghiệm miễn phí trên OpenRouter và OpenCode đã xử lý hơn 50 nghìn tỷ token trong năm ngày. Toàn bộ lưu lượng, theo công ty, được phục vụ bởi một cụm gồm hơn 100.000 chip AI sản xuất tại Trung Quốc. 8
15
Bài thử “giấu tên” trở thành phép thử ngoài đời thực
Ox Alpha xuất hiện mà không gắn logo hay tên công ty. Cách triển khai này cho phép các nhà phát triển đánh giá mô hình dựa trên tốc độ, chất lượng đầu ra, độ ổn định và mức độ sẵn sàng—thay vì bị ảnh hưởng bởi thương hiệu đứng phía sau.
Mô hình nhanh chóng vươn lên nhóm đầu về mức độ sử dụng trên OpenRouter và OpenCode. Một số báo cáo sau đó cho biết tổng lưu lượng đã vượt 60 nghìn tỷ token trong sáu ngày; riêng trên OpenRouter, mức sử dụng được ghi nhận cao hơn hơn hai lần so với lưu lượng DeepSeek tương đương. Các con số khác nhau do thời gian đo và cách tính của từng nền tảng không giống nhau. Vì vậy, kết luận thận trọng nhất là thử nghiệm đã vượt 50 nghìn tỷ token và thu hút nhu cầu bất thường trong thời gian rất ngắn. 1
3
30
Điểm quan trọng nằm ở chỗ đây là lưu lượng thật từ các nhà phát triển trên toàn cầu, diễn ra trước khi danh tính mô hình được công bố. Người dùng lựa chọn Ox Alpha vì trải nghiệm thực tế, chứ không phải vì biết nó do Zhipu xây dựng hay chạy trên loại chip nào.
Hơn 100.000 chip Trung Quốc: tuyên bố thực sự nói lên điều gì?
Zhipu cho biết khối lượng suy luận trực tuyến của GLM-5.3-Flash được vận hành trên hơn 100.000 bộ tăng tốc AI sản xuất trong nước. Công ty cũng tuyên bố rằng sau khi tối ưu phần mềm, hiệu quả phần cứng và chi phí trên mỗi token đã đạt mức tương đương với các GPU Nvidia phổ biến. 15
24
Tuy nhiên, Zhipu chưa công khai danh sách nhà cung cấp chip trong các tài liệu được dẫn ở đây. Huawei, Moore Threads và Hygon từng được nhắc đến trong một số bài viết ngành như những khả năng có thể tham gia, nhưng thông tin này chưa được xác minh và không nên xem là xác nhận chính thức từ Zhipu. 30
40
Tuyên bố trên cần được hiểu đúng phạm vi. Nó không chứng minh rằng chip Trung Quốc đã sánh ngang Nvidia trong mọi loại tác vụ, đã thay thế Nvidia ở khâu huấn luyện mô hình, hay có hệ sinh thái công cụ dành cho nhà phát triển tương đương CUDA.
Điều mà sự kiện này cho thấy cụ thể hơn là: một dịch vụ suy luận quy mô lớn có thể được thiết kế quanh nền tảng phần cứng nội địa không phải Nvidia, nếu mô hình, công cụ phục vụ và hệ thống liên kết được tối ưu đồng bộ.
Phần mềm suy luận mới là mảnh ghép then chốt
Cửa sổ ngữ cảnh dài tới một triệu token tạo áp lực lớn lên bộ nhớ, băng thông, khả năng truyền dữ liệu và cơ chế lập lịch. Để xử lý các nút thắt này, Zhipu được cho là đã xây dựng một công cụ suy luận chuyên dụng dựa trên SGLang, kết hợp nhiều kỹ thuật: 11
24
- Lượng tử hóa W8A8, giúp giảm áp lực lên bộ nhớ và năng lực tính toán;
- Lượng tử hóa bộ nhớ đệm hỗn hợp INT8, FP8 và BF16;
- Song song hóa tensor trong từng nút máy chủ; và
- Kiến trúc Encode–Prefill–Decode (EPD), tách khâu mã hóa dữ liệu đa phương thức, xử lý prompt ban đầu và sinh từng token thành các cụm tài nguyên có thể mở rộng độc lập.
Zhipu cho biết hệ thống này giúp hiệu năng phục vụ đầu-cuối tăng khoảng ba lần so với đường cơ sở ban đầu trên cùng loại phần cứng. 24
26 Tài liệu SGLang công bố sau đó cũng ghi nhận cải thiện về thông lượng và dung lượng bộ nhớ đệm FP8 so với cấu hình đối chiếu BF16. Tuy vậy, tài liệu này không phải một cuộc kiểm toán độc lập cho tuyên bố tăng ba lần ban đầu của Zhipu.
17
Với Nvidia, tác động trước mắt nằm ở vai trò của CUDA trong suy luận, chứ chưa phải dấu hiệu cho thấy lợi thế tổng thể của hãng sắp biến mất. Kernel chuyên biệt, lượng tử hóa, song song hóa và lập lịch có thể làm giảm mức phụ thuộc vào CUDA trong một số quy trình suy luận sản xuất. Hệ sinh thái phần mềm, công cụ, cơ sở người dùng và vị thế của Nvidia trong huấn luyện AI vẫn là những vấn đề riêng mà màn ra mắt này chưa thể giải quyết.
GLM-5.3-Flash có gì đáng chú ý?
GLM-5.3-Flash được báo cáo là mô hình Mixture-of-Experts (MoE) thưa, với tổng cộng 320 tỷ tham số nhưng chỉ kích hoạt khoảng 18 tỷ tham số cho mỗi token. Mô hình hỗ trợ cửa sổ ngữ cảnh 1.048.576 token và đầu vào đa phương thức gốc, phù hợp với tài liệu dài, lập trình và các quy trình tác vụ tự động kéo dài. 2
5
7
Mô hình đạt 57 điểm trên Artificial Analysis Intelligence Index, bằng mức điểm được báo cáo của Claude Opus 4.8. Đây là sự ngang bằng trên một chỉ số tổng hợp, không phải bằng chứng cho thấy hai mô hình có hiệu năng giống nhau ở mọi bài đánh giá, ứng dụng hay tác vụ agent. 9
Giá thấp tạo thêm áp lực cạnh tranh
Zhipu công bố giá API ở mức 0,15 USD cho mỗi triệu token đầu vào và 0,50 USD cho mỗi triệu token đầu ra. 4
29 Một số bài viết đương thời mô tả mức giá này vào khoảng một phần mười GLM-5.3 và một phần bốn mươi Claude Opus 4.8. Tuy nhiên, các tỷ lệ so sánh còn phụ thuộc vào loại token, bậc giá, gói dịch vụ và cách tính được sử dụng.
1
4
Lợi thế cạnh tranh của GLM-5.3-Flash vì thế không chỉ nằm ở một con số benchmark. Đó là sự kết hợp giữa:
- kiến trúc MoE thưa giúp giảm lượng tham số thực sự phải kích hoạt;
- phần mềm phục vụ được tối ưu sâu cho mô hình và phần cứng; và
- mức giá đủ thấp để khuyến khích các nhà phát triển dùng thử ở quy mô lớn.
Thử nghiệm Ox Alpha cho thấy công thức này có thể tạo ra nhu cầu đáng kể ngay cả khi danh tính mô hình còn bị che giấu. Nó chưa chứng minh Zhipu đã giải quyết mọi giới hạn của chip hay phần mềm AI, nhưng là một màn trình diễn đáng chú ý về sức mạnh của việc đồng thiết kế mô hình, công cụ suy luận và hạ tầng phần cứng.
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 thực chất là GLM-5.3-Flash: Zhipu AI muốn chứng minh điều gì về suy luận AI?" là gì?
Ngày 26/8/2026, Zhipu AI xác nhận mô hình ẩn danh Ox Alpha, còn được cộng đồng lập trình viên Trung Quốc gọi là “Niu Lai”, chính là GLM 5.3 Flash.
Những điểm chính cần xác nhận đầu tiên là gì?
Ngày 26/8/2026, Zhipu AI xác nhận mô hình ẩn danh Ox Alpha, còn được cộng đồng lập trình viên Trung Quốc gọi là “Niu Lai”, chính là GLM 5.3 Flash. GLM 5.3 Flash là mô hình Mixture of Experts (MoE) có tổng cộng 320 tỷ tham số, kích hoạt khoảng 18 tỷ tham số mỗi token và hỗ trợ cửa sổ ngữ cảnh 1.048.576 token.
Tôi nên làm gì tiếp theo trong thực tế?
Điểm đáng chú ý không phải là bằng chứng cho thấy chip nội địa Trung Quốc đã vượt Nvidia, mà là khả năng tối ưu phần mềm theo từng mô hình để vận hành một hệ thống suy luận không dùng Nvidia ở quy mô lớn.
Nguồn
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