Ox Alpha 真相揭晓：Z.ai 的 GLM-5.3-Flash 到底是什么？

六天里，开发者一直在使用一个能力不俗、却没有署名的模型：Ox Alpha。它于 2026 年 8 月 20 日出现在 OpenRouter 和 OpenCode，免费开放，支持约 100 万 token 的上下文窗口，以及文本、图片和视频输入。259

到了 8 月 26 日，谜底揭开。Z.ai——智谱 AI 面向国际市场使用的品牌——确认 Ox Alpha 就是 GLM-5.3-Flash，也是 GLM-5 系列首款原生多模态模型。259

这场“匿名公测”随即变成了一次产品发布：GLM-5.3-Flash 不仅开放了 MIT 许可证下的模型权重，还以较低的 API 价格面向开发者提供服务，并将重点放在长上下文编程、长期运行的智能体任务和多模态工作流上。679

Ox Alpha 这六天发生了什么？

Ox Alpha 最初以 stealth/ox-alpha 的形式出现在 OpenRouter，同时也被 OpenCode 用户用于编程代理、终端操作和长上下文任务。页面没有公开开发者名称，价格为零，最大上下文长度为 1,048,576 token，并接受文本、图像和视频等输入。458

开发者很快开始寻找线索。社区报告称，模型表现出类似 GLM 系列的分词器行为，API 返回的错误信息也透露出一些端倪，因此有人猜测背后可能是智谱 AI。8 月 26 日，Z.ai 最终自行确认了这一关联，并表示匿名部署的目的，是在正式发布前收集真实世界反馈。59

预览期间的使用量十分惊人。不过，不同报道采用了不同的统计口径和时间点：一份同期报道提到，模型在六天内处理了 42 万亿 token；另一份报道则提到约 44 万亿 token，以及 50.3 万名 OpenCode 用户。这些数字不应简单合并为一个经过独立验证的总量。81116

GLM-5.3-Flash 是什么模型？

GLM-5.3-Flash 是一款面向编程、长期智能体任务和多模态工作流的开放权重模型。Z.ai 将其称为 GLM-5 系列首款原生多模态模型。根据公开文档，它支持视觉输入，并提供 1,048,576 token 的上下文窗口，因此一次任务可以容纳大型代码仓库、长篇文档、截图及其他输入。720

它最受关注的技术指标，是总参数量 3200 亿、每个 token 激活 180 亿参数的混合专家架构。简单来说，模型拥有一个规模庞大的“专家池”，但处理每个 token 时只调用其中一部分，而不是让全部参数同时参与计算。

Z.ai 还表示，GLM-5.3-Flash 将稀疏注意力与线性注意力结合起来，以降低推理过程中的计算量和键值缓存（KV cache）需求。620 这也是“Flash”定位的由来：它并不是一个小模型，但希望通过更高效的推理设计，达到低于同等总参数量稠密模型的部署成本。

当然，架构优势不等于所有场景下都必然更快或更便宜。实际速度和成本仍会受到硬件、推理框架、批处理方式以及具体工作负载的影响。

编程能力究竟有多强？

Z.ai 报告称，GLM-5.3-Flash 在 DeepSWE v1.1 上取得 63.4 分，高于 GLM-5.2 的 46.2 分。公司还公布了一项内部对比：GLM-5.3-Flash 与 Claude Opus 4.8 的得分分别为 29.0 和 29.5。78

这些数字可以作为参考信号，但不能直接当作所有能力维度上的通用排名。DeepSWE 成绩属于厂商报告的基准测试结果，而与 Claude Opus 4.8 的对比则被描述为内部评估。提示词、工具配置、智能体脚手架、测试集污染情况和评分规则，都可能显著影响最终结果。

因此，在独立、可复现的测试出现之前，不能仅凭这组数字断言它已全面等同于某个闭源前沿模型。

对开发者来说，更实际的卖点是工作流适配：模型可以同时查看大型代码仓库、理解视觉信息，并在较长时间跨度内执行智能体任务，而不必频繁压缩或重建上下文。它能否用于生产环境，还要看工具调用稳定性、延迟、可靠性和错误恢复能力，而不仅仅是榜单分数。

价格、许可证与使用方式

Z.ai 公布的 API 标价为：每百万输入 token 0.15 美元，每百万输出 token 0.50 美元。其文档随后列出了限时五折优惠，促销期间价格分别降至 0.075 美元和 0.25 美元。2

模型权重已在 Hugging Face 以 MIT 许可证发布。与只能通过托管 API 使用的模型相比，这种许可证通常更有利于商业复用、修改和本地部署。不过，团队在实际落地前仍应仔细检查具体许可证文本、模型条款、依赖组件、硬件要求以及部署义务。29

Z.ai 的开发者文档还显示，GLM-5.3-Flash 已进入其开发者和编程套餐生态，并支持多模态聊天补全输入及工具调用能力。172021

“完全使用中国芯片”意味着什么？

这次发布还有另一条受到关注的消息。Z.ai 表示，Ox Alpha 匿名预览期间的全部流量都运行在中国制造的 AI 加速器上，公司使用了定制的、基于 SGLang 的推理服务栈。Z.ai 的工程材料将这次部署描述为一次提升国产硬件推理效率的尝试。

部分二手报道还转述了“端到端性能提升三倍”的说法。但目前可见的资料并未对加速器集群规模、具体性能对比方法，以及部署在多大程度上摆脱了外国组件进行独立审计。10

这一区分非常重要。如果相关说法得到验证，它将对美国芯片出口限制背景下中国建设 AI 服务基础设施具有战略意义。但在现阶段，更稳妥的表述是：这是 Z.ai 发布的一项重要公司披露，而不是已经足以证明国产硬件全面填补基础设施差距的结论。

为什么要匿名测试？

匿名发布让 Z.ai 获得了一种传统发布会难以提供的反馈：开发者并不知道模型背后的品牌，因此更可能因为它免费、好用而把它投入编程代理、终端操作和长上下文任务，而不是根据宣传材料做出选择。Z.ai 表示，匿名测试的目标就是在正式发布前收集真实用户反馈。59

这种做法也符合开放权重模型的分发策略。通过将宽松许可证、低 API 价格和广泛开发者访问结合起来，Z.ai 可以鼓励试用、快速获得反馈，并在传统闭源订阅模式之外建立模型使用量。

此前有关 Pony Alpha 匿名模型实验的报道，也说明 Ox Alpha 可能并非一次孤立尝试。不过，现有资料对 Pony Alpha 的具体细节有限，不能据此推断两次实验完全相同。

它对 AI 竞争意味着什么？

GLM-5.3-Flash 本身并不能证明 Z.ai 已经确立新的总体前沿优势。目前最有力的证据，是公开的模型规格、规模异常可观的公开预览，以及公司公布的基准和基础设施说法。它在编程、多模态推理、工具使用、延迟和可靠性方面的真实表现，仍需要独立评测和持续生产部署来检验。

但它释放出的竞争信号已经相当清晰：一个拥有约 100 万 token 上下文、原生多模态输入、开放权重，并且 API 价格按“每百万 token 几美分”计算的模型，会直接给高价闭源系统的经济模型带来压力。

这次发布也展示了匿名预览的新用途：它既可以是大规模真实压力测试，也可以同时成为产品分发渠道。模型先在用户手中接受检验，之后再揭晓品牌和正式定位。

Ox Alpha 的身份谜题已经解决：它就是 Z.ai 的 GLM-5.3-Flash。接下来的问题不再是“它是谁”，而是一个更实际的问题——当开发者从免费的病毒式预览转向可重复、可持续的生产级工作负载时，这款模型的低成本和超长上下文承诺，究竟能兑现多少。