2026 年 8 月 26 日，智譜 AI（Z.ai）正式揭開匿名模型「Ox Alpha」的身分：它就是 GLM-5.3-Flash。這款模型先以不具品牌標誌的形式，在 OpenRouter 與 OpenCode 上提供免費匿名測試，之後才公開名稱與模型資訊，成為近期開發者社群最受關注的 AI 模型之一。146

「牛來」究竟有多熱門？

匿名測試帶來了異常龐大的流量。相關報導稱，模型在五天內處理的使用量已超過 50 兆個 Token；以六天計算，數字進一步超過 60 兆個 Token，並登上 OpenRouter 與 OpenCode 的用量榜首。高峰期的使用量據報一度超過同類 DeepSeek 模型的兩倍。3

這些數字反映的，不只是模型本身的話題性，也包括免費供應、低延遲服務，以及開發者平台容易接入等因素。不過，平台統計口徑與計算時間不同，因此不同報導出現 50 兆、60 兆甚至其他數字，不能直接視為互相矛盾的單一官方總數。

智譜透露：服務由逾 10 萬張中國製晶片承接

智譜表示，這段匿名測試期間的推理服務，完全運行在一個由超過 10 萬張中國製 AI 晶片組成的集群上。公司並稱，透過軟體最佳化後，這套系統的硬體效率與每個 Token 的成本，已可與主流 Nvidia GPU 相比。36

但這項說法需要精確理解。它並不等於中國製晶片在所有 AI 工作負載上都已追平 Nvidia，也不代表國產晶片的推理成本普遍與 Nvidia GPU 相同。較穩妥的解讀是：在特定模型、特定推理引擎與大規模系統工程配合下，非 Nvidia 的國產硬體堆疊能夠承接真實且龐大的全球使用量。36

智譜沒有公布晶片供應商名單。外界曾報導華為、摩爾線程與海光可能參與，但目前仍屬未經智譜正式確認的推測，不能當作已證實的供應鏈資訊。40

為何這可能牽動 CUDA 的優勢？

Nvidia 的競爭壁壘不只在晶片，也包括 CUDA 軟體平台、開發工具、成熟的生態系統與廣大的開發者基礎。GLM-5.3-Flash 的案例顯示，針對特定模型打造的軟體堆疊與推理引擎，可能在部分生產環境降低對 CUDA 的依賴；但這並未消除 CUDA 在更廣泛的訓練與部署場景中的優勢。

據報，智譜以 SGLang 為基礎打造專用推理引擎，採用了 W8A8 量化、INT8／FP8／BF16 混合快取量化、節點內張量並行，以及將 Encode、Prefill、Decode 分拆成可獨立擴展資源池的 EPD 架構。47

這些技術主要用來處理超長上下文帶來的記憶體、頻寬、通訊與排程壓力。GLM-5.3-Flash 支援約 100 萬個 Token 的上下文窗口，對硬體容量與跨晶片通訊提出更高要求。智譜據報表示，相關調整讓端到端服務效能較初始基線提升約三倍。2

SGLang 後續文件也記錄了更高的吞吐量，以及在相同快取容量下，FP8 快取相較 BF16 配置可容納更多 Token；不過，這些文件並不是對智譜「整體提升三倍」說法的獨立審計。2

GLM-5.3-Flash 的模型規模與能力

GLM-5.3-Flash 是一款混合專家（MoE）模型，總參數量為 3,200 億個，但每個 Token 約啟用 180 億個參數；這種稀疏啟用設計，目標是在保留大型模型能力的同時，降低單次推理所需的計算量。57

模型支援 1,048,576 個 Token 的上下文窗口，並被定位為 GLM-5 系列首款原生多模態模型，可處理文字、圖片、影片與檔案輸入。45

在 Artificial Analysis Intelligence Index 中，GLM-5.3-Flash 據報獲得 57 分，與 Claude Opus 4.8 的報告分數相同。1這應理解為兩者在該綜合指標上達到相同分數，而不是證明它們在每一項基準測試或實際代理任務中都有相同表現。

低價策略：每百萬 Token 最低 0.15 美元

智譜公布的 API 價格為：

• 輸入：每百萬 Token 0.15 美元
• 輸出：每百萬 Token 0.50 美元。1

這款模型的市場定位，是以較低成本挑戰 DeepSeek V4 Flash、DeepSeek V4 Pro 等高效率、前沿級模型，同時吸引原本使用 Anthropic 等高階付費模型的開發者。現有資料不足以逐項核實 GLM-5.3-Flash 與兩款 DeepSeek 模型在所有基準測試上的比較結果。

當時的報導形容，GLM-5.3-Flash 的價格約為 GLM-5.3 的十分之一、Claude Opus 4.8 的約四十分之一。1不過，這類倍數會受到輸入或輸出 Token、上下文長度級距與實際計費方案影響，因此更適合視為市場定位的概括比較，而非適用於所有情境的固定比例。

這次揭露真正重要的地方

「牛來」事件的關鍵，不只是智譜推出一款新模型，而是它先用匿名方式驗證真實需求，再公開模型身分、技術規格與基礎設施規模。若智譜公布的數據經得起進一步驗證，這將說明大型模型的推理競爭，除了比模型能力，也比拼量化、通訊、記憶體管理與服務架構等系統工程。

但目前證據支持的結論仍應保持在這個範圍：智譜展示了在特定條件下，以國產晶片與專用軟體堆疊承接大規模模型推理的能力；這還不足以推導出中國 AI 硬體已全面追上 Nvidia，或 CUDA 的整體生態優勢已經消失。

2026 年 8 月 26 日，智譜 AI（Z.ai）正式揭開匿名模型「Ox Alpha」的身分：它就是 GLM-5.3-Flash。這款模型先以不具品牌標誌的形式，在 OpenRouter 與 OpenCode 上提供免費匿名測試，之後才公開名稱與模型資訊，成為近期開發者社群最受關注的 AI 模型之一。146

「牛來」究竟有多熱門？

匿名測試帶來了異常龐大的流量。相關報導稱，模型在五天內處理的使用量已超過 50 兆個 Token；以六天計算，數字進一步超過 60 兆個 Token，並登上 OpenRouter 與 OpenCode 的用量榜首。高峰期的使用量據報一度超過同類 DeepSeek 模型的兩倍。3

這些數字反映的，不只是模型本身的話題性，也包括免費供應、低延遲服務，以及開發者平台容易接入等因素。不過，平台統計口徑與計算時間不同，因此不同報導出現 50 兆、60 兆甚至其他數字，不能直接視為互相矛盾的單一官方總數。

智譜透露：服務由逾 10 萬張中國製晶片承接

智譜表示，這段匿名測試期間的推理服務，完全運行在一個由超過 10 萬張中國製 AI 晶片組成的集群上。公司並稱，透過軟體最佳化後，這套系統的硬體效率與每個 Token 的成本，已可與主流 Nvidia GPU 相比。36

但這項說法需要精確理解。它並不等於中國製晶片在所有 AI 工作負載上都已追平 Nvidia，也不代表國產晶片的推理成本普遍與 Nvidia GPU 相同。較穩妥的解讀是：在特定模型、特定推理引擎與大規模系統工程配合下，非 Nvidia 的國產硬體堆疊能夠承接真實且龐大的全球使用量。36

智譜沒有公布晶片供應商名單。外界曾報導華為、摩爾線程與海光可能參與，但目前仍屬未經智譜正式確認的推測，不能當作已證實的供應鏈資訊。40

為何這可能牽動 CUDA 的優勢？

Nvidia 的競爭壁壘不只在晶片，也包括 CUDA 軟體平台、開發工具、成熟的生態系統與廣大的開發者基礎。GLM-5.3-Flash 的案例顯示，針對特定模型打造的軟體堆疊與推理引擎，可能在部分生產環境降低對 CUDA 的依賴；但這並未消除 CUDA 在更廣泛的訓練與部署場景中的優勢。

據報，智譜以 SGLang 為基礎打造專用推理引擎，採用了 W8A8 量化、INT8／FP8／BF16 混合快取量化、節點內張量並行，以及將 Encode、Prefill、Decode 分拆成可獨立擴展資源池的 EPD 架構。47

這些技術主要用來處理超長上下文帶來的記憶體、頻寬、通訊與排程壓力。GLM-5.3-Flash 支援約 100 萬個 Token 的上下文窗口，對硬體容量與跨晶片通訊提出更高要求。智譜據報表示，相關調整讓端到端服務效能較初始基線提升約三倍。2

SGLang 後續文件也記錄了更高的吞吐量，以及在相同快取容量下，FP8 快取相較 BF16 配置可容納更多 Token；不過，這些文件並不是對智譜「整體提升三倍」說法的獨立審計。2

GLM-5.3-Flash 的模型規模與能力

GLM-5.3-Flash 是一款混合專家（MoE）模型，總參數量為 3,200 億個，但每個 Token 約啟用 180 億個參數；這種稀疏啟用設計，目標是在保留大型模型能力的同時，降低單次推理所需的計算量。57

模型支援 1,048,576 個 Token 的上下文窗口，並被定位為 GLM-5 系列首款原生多模態模型，可處理文字、圖片、影片與檔案輸入。45

在 Artificial Analysis Intelligence Index 中，GLM-5.3-Flash 據報獲得 57 分，與 Claude Opus 4.8 的報告分數相同。1這應理解為兩者在該綜合指標上達到相同分數，而不是證明它們在每一項基準測試或實際代理任務中都有相同表現。

低價策略：每百萬 Token 最低 0.15 美元

智譜公布的 API 價格為：

• 輸入：每百萬 Token 0.15 美元
• 輸出：每百萬 Token 0.50 美元。1

這款模型的市場定位，是以較低成本挑戰 DeepSeek V4 Flash、DeepSeek V4 Pro 等高效率、前沿級模型，同時吸引原本使用 Anthropic 等高階付費模型的開發者。現有資料不足以逐項核實 GLM-5.3-Flash 與兩款 DeepSeek 模型在所有基準測試上的比較結果。

當時的報導形容，GLM-5.3-Flash 的價格約為 GLM-5.3 的十分之一、Claude Opus 4.8 的約四十分之一。1不過，這類倍數會受到輸入或輸出 Token、上下文長度級距與實際計費方案影響，因此更適合視為市場定位的概括比較，而非適用於所有情境的固定比例。

這次揭露真正重要的地方

「牛來」事件的關鍵，不只是智譜推出一款新模型，而是它先用匿名方式驗證真實需求，再公開模型身分、技術規格與基礎設施規模。若智譜公布的數據經得起進一步驗證，這將說明大型模型的推理競爭，除了比模型能力，也比拼量化、通訊、記憶體管理與服務架構等系統工程。

但目前證據支持的結論仍應保持在這個範圍：智譜展示了在特定條件下，以國產晶片與專用軟體堆疊承接大規模模型推理的能力；這還不足以推導出中國 AI 硬體已全面追上 Nvidia，或 CUDA 的整體生態優勢已經消失。