2026 年 8 月 26 日，智譜 AI（Z.ai）終於揭開神秘模型「Ox Alpha」的身份。這個在中文社群被稱為「牛來」的匿名模型，原來就是智譜即將推出的 GLM-5.3-Flash——一款開放權重、原生多模態的混合專家（Mixture of Experts，MoE）模型。智譜此前先以匿名方式讓模型接受真實用戶測試，再正式公布產品資料。146

「牛來」測試有幾誇張？

模型在 OpenRouter——一個聚合不同 AI 模型 API 的平台——以及面向程式開發者的 OpenCode 上免費匿名開放後，短時間內吸引大量全球流量。

• 有報道指，模型在 5 日內處理超過 50 萬億 tokens，之後 6 日累計超過 60 萬億 tokens；期間登上兩個平台的用量榜首。3
• 其高峰用量據報一度超過同類 DeepSeek 模型兩倍以上。3
• 智譜表示，這批服務流量全部由一個超過 10 萬枚中國製 AI 晶片組成的集群承接。36

這個測試的重點，不只是模型突然爆紅，而是它在沒有 Nvidia GPU 的情況下，能否承受真實而且高度波動的全球開發者流量。

超過 10 萬枚國產晶片，代表甚麼？

智譜聲稱，經過軟件及系統層面的優化後，這套國產晶片方案的硬件效率及每 token 成本，已經可以與主流 Nvidia GPU 相若。36

不過，這個說法不能直接解讀為「中國國產晶片整體已經追平 Nvidia」，亦不代表所有國產晶片在任何 AI 推理工作上的成本都一樣。較準確的理解是：在一個特定模型、特定推理引擎及特定服務架構下，透過大量系統工程，國產硬件可以承受大規模實際推理工作。36

至於具體使用了哪些晶片，智譜並未正式點名。外界曾報道華為、摩爾線程及海光可能是供應商，但目前仍屬未經智譜確認的推測，不能當成已證實資料。40

點解會牽涉 Nvidia 的 CUDA 優勢？

這次事件顯示，對部分生產環境的 AI 推理工作而言，模型專用的軟件堆疊及推理引擎，或許可以降低對 CUDA 的依賴。CUDA 是 Nvidia 長期建立的 GPU 軟件平台，涵蓋開發工具、函式庫、開發者社群及大量既有應用。

但這並不代表 CUDA 的生態優勢已經消失，更不足以推論國產方案在模型訓練、所有推理任務或整個 AI 軟件生態上都已經取代 Nvidia。現有證據主要集中在 GLM-5.3-Flash 這個模型及其服務部署，結論需要保持克制。

智譜如何處理 100 萬 token 長上下文？

據報，智譜以 SGLang 為基礎打造專用推理引擎，並採用多項針對記憶體、頻寬、通訊及調度的優化技術，包括：

• W8A8 量化；
• INT8、FP8 及 BF16 混合 cache 量化；
• 節點內 tensor parallelism（張量平行處理）；
• Encode–Prefill–Decode（EPD）拆分，將編碼、預填充及解碼工作分成可以獨立擴展的資源池。47

這些設計主要是為了應付模型最高 1,048,576 tokens 的上下文長度。上下文越長，模型對顯存、記憶體頻寬及多卡之間通訊的要求就越高。

智譜據報表示，相關改動令端到端服務效能較最初基線提升約 3 倍。其後 SGLang 文件亦展示了較高吞吐量，以及 FP8 cache 相比 BF16 配置有明顯更高的容量；不過，這份文件並不是對智譜「提升 3 倍」說法的獨立審計。2

GLM-5.3-Flash 本身有甚麼規格？

GLM-5.3-Flash 是一款大型稀疏混合專家模型：

• 總參數量：3200 億；
• 每個 token 實際啟用參數：約 180 億；
• 上下文窗口：1,048,576 tokens；
• 支援原生多模態輸入，包括文字、圖片、影片及檔案。57

它的設計理念，是用較大的總模型容量保留能力，同時只在處理每個 token 時啟用部分參數，從而降低推理時的計算量。

表現與收費：主打「前沿級」性價比

GLM-5.3-Flash 據報在 Artificial Analysis Intelligence Index 取得 57 分，與 Claude Opus 4.8 的報告分數相同。1

但這只代表兩者在該綜合指標上的分數相若，並不等於在每一項基準測試、實際代理任務或日常使用情境都有相同表現。至於它與 DeepSeek V4 Flash 及 Pro 的逐項比較，現有資料亦不足以完整核實。

智譜公布的 API 價格為：

• 每 100 萬個輸入 tokens：0.15 美元；
• 每 100 萬個輸出 tokens：0.50 美元。1

當時報道形容，這個價格約為 GLM-5.3 原價的十分之一，以及 Claude Opus 4.8 的四十分之一。不過，實際倍數會受輸入或輸出方向、上下文長度級別及所比較的收費計劃影響，因此不宜視為所有情況下的固定比例。1

一次重要但仍有限度的示範

「牛來」事件最值得留意的地方，是智譜把一個新模型先放入真實市場環境，在匿名狀態下接受大規模測試，然後才公開身份。結果不但證明 GLM-5.3-Flash 能吸引大量開發者使用，也展示了特定模型配合專用軟件及國產硬件後，處理大規模推理流量的可能性。

但這仍然是一個針對單一模型及單一部署方案的成功案例。它足以令業界重新評估 AI 推理對硬件及 CUDA 的依賴，卻未足以證明國產晶片已在整個 AI 產業鏈全面追上 Nvidia。

2026 年 8 月 26 日，智譜 AI（Z.ai）終於揭開神秘模型「Ox Alpha」的身份。這個在中文社群被稱為「牛來」的匿名模型，原來就是智譜即將推出的 GLM-5.3-Flash——一款開放權重、原生多模態的混合專家（Mixture of Experts，MoE）模型。智譜此前先以匿名方式讓模型接受真實用戶測試，再正式公布產品資料。146

「牛來」測試有幾誇張？

模型在 OpenRouter——一個聚合不同 AI 模型 API 的平台——以及面向程式開發者的 OpenCode 上免費匿名開放後，短時間內吸引大量全球流量。

• 有報道指，模型在 5 日內處理超過 50 萬億 tokens，之後 6 日累計超過 60 萬億 tokens；期間登上兩個平台的用量榜首。3
• 其高峰用量據報一度超過同類 DeepSeek 模型兩倍以上。3
• 智譜表示，這批服務流量全部由一個超過 10 萬枚中國製 AI 晶片組成的集群承接。36

這個測試的重點，不只是模型突然爆紅，而是它在沒有 Nvidia GPU 的情況下，能否承受真實而且高度波動的全球開發者流量。

超過 10 萬枚國產晶片，代表甚麼？

智譜聲稱，經過軟件及系統層面的優化後，這套國產晶片方案的硬件效率及每 token 成本，已經可以與主流 Nvidia GPU 相若。36

不過，這個說法不能直接解讀為「中國國產晶片整體已經追平 Nvidia」，亦不代表所有國產晶片在任何 AI 推理工作上的成本都一樣。較準確的理解是：在一個特定模型、特定推理引擎及特定服務架構下，透過大量系統工程，國產硬件可以承受大規模實際推理工作。36

至於具體使用了哪些晶片，智譜並未正式點名。外界曾報道華為、摩爾線程及海光可能是供應商，但目前仍屬未經智譜確認的推測，不能當成已證實資料。40

點解會牽涉 Nvidia 的 CUDA 優勢？

這次事件顯示，對部分生產環境的 AI 推理工作而言，模型專用的軟件堆疊及推理引擎，或許可以降低對 CUDA 的依賴。CUDA 是 Nvidia 長期建立的 GPU 軟件平台，涵蓋開發工具、函式庫、開發者社群及大量既有應用。

但這並不代表 CUDA 的生態優勢已經消失，更不足以推論國產方案在模型訓練、所有推理任務或整個 AI 軟件生態上都已經取代 Nvidia。現有證據主要集中在 GLM-5.3-Flash 這個模型及其服務部署，結論需要保持克制。

智譜如何處理 100 萬 token 長上下文？

據報，智譜以 SGLang 為基礎打造專用推理引擎，並採用多項針對記憶體、頻寬、通訊及調度的優化技術，包括：

• W8A8 量化；
• INT8、FP8 及 BF16 混合 cache 量化；
• 節點內 tensor parallelism（張量平行處理）；
• Encode–Prefill–Decode（EPD）拆分，將編碼、預填充及解碼工作分成可以獨立擴展的資源池。47

這些設計主要是為了應付模型最高 1,048,576 tokens 的上下文長度。上下文越長，模型對顯存、記憶體頻寬及多卡之間通訊的要求就越高。

智譜據報表示，相關改動令端到端服務效能較最初基線提升約 3 倍。其後 SGLang 文件亦展示了較高吞吐量，以及 FP8 cache 相比 BF16 配置有明顯更高的容量；不過，這份文件並不是對智譜「提升 3 倍」說法的獨立審計。2

GLM-5.3-Flash 本身有甚麼規格？

GLM-5.3-Flash 是一款大型稀疏混合專家模型：

• 總參數量：3200 億；
• 每個 token 實際啟用參數：約 180 億；
• 上下文窗口：1,048,576 tokens；
• 支援原生多模態輸入，包括文字、圖片、影片及檔案。57

它的設計理念，是用較大的總模型容量保留能力，同時只在處理每個 token 時啟用部分參數，從而降低推理時的計算量。

表現與收費：主打「前沿級」性價比

GLM-5.3-Flash 據報在 Artificial Analysis Intelligence Index 取得 57 分，與 Claude Opus 4.8 的報告分數相同。1

但這只代表兩者在該綜合指標上的分數相若，並不等於在每一項基準測試、實際代理任務或日常使用情境都有相同表現。至於它與 DeepSeek V4 Flash 及 Pro 的逐項比較，現有資料亦不足以完整核實。

智譜公布的 API 價格為：

• 每 100 萬個輸入 tokens：0.15 美元；
• 每 100 萬個輸出 tokens：0.50 美元。1

當時報道形容，這個價格約為 GLM-5.3 原價的十分之一，以及 Claude Opus 4.8 的四十分之一。不過，實際倍數會受輸入或輸出方向、上下文長度級別及所比較的收費計劃影響，因此不宜視為所有情況下的固定比例。1

一次重要但仍有限度的示範

「牛來」事件最值得留意的地方，是智譜把一個新模型先放入真實市場環境，在匿名狀態下接受大規模測試，然後才公開身份。結果不但證明 GLM-5.3-Flash 能吸引大量開發者使用，也展示了特定模型配合專用軟件及國產硬件後，處理大規模推理流量的可能性。

但這仍然是一個針對單一模型及單一部署方案的成功案例。它足以令業界重新評估 AI 推理對硬件及 CUDA 的依賴，卻未足以證明國產晶片已在整個 AI 產業鏈全面追上 Nvidia。