智譜 AI（國際品牌為 Z.ai）在 2026 年 8 月 26 日揭開了匿名模型「Ox Alpha」的身分。中國開發者社群稱它為「牛來」；智譜確認，這款模型其實就是 GLM 系列的新作 GLM-5.3-Flash，一款開放權重、原生多模態的模型。115

這次發布同時帶來另一項更受產業關注的訊息：智譜表示，GLM-5.3-Flash 在正式亮相前，曾以匿名、免費形式於 OpenRouter 與 OpenCode 接受開發者測試，5 天內處理超過 50 兆個 Token；整段測試流量則由一個由超過 10 萬張中國製 AI 晶片組成的叢集承載。815

沒有品牌加持的匿名測試，成了一場真實壓力測試

Ox Alpha 最初沒有標示所屬公司，開發者只能根據回應品質、速度、穩定性與價格決定是否繼續使用，而不是先因為智譜的品牌或硬體配置產生預期。模型很快登上 OpenRouter 和 OpenCode 的使用量排行榜前列。

後續報導則以不同統計口徑，將 6 天總流量估算為超過 60 兆個 Token；OpenRouter 的使用量也一度被報導為可比 DeepSeek 流量的兩倍以上。由於各平台採用的統計期間和計量方式不同，較穩妥的結論是：這場匿名測試至少超過 50 兆個 Token，並在短時間內吸引了異常強勁的需求。1330

這個細節之所以重要，是因為模型在身分曝光前，就已經面對大量真實開發者流量。換句話說，使用者當時主要是在為模型的表現和服務體驗投票，而不是為智譜的公司名稱或晶片供應商投票。

智譜究竟宣稱了什麼？

智譜表示，GLM-5.3-Flash 的線上推理工作負載完全運行於超過 10 萬張中國製 AI 加速器上；經過軟體優化後，硬體效率與單一 Token 成本已達到可與主流 NVIDIA GPU 相比的水準。1524

不過，智譜在目前被引用的材料中並未公開確認確切晶片供應商。產業報導曾提到華為、摩爾線程和海光可能參與其中，但這些說法尚未獲智譜正式證實，不應視為公司的供應商清單。3040

更重要的是，這項說法需要精確解讀。它並不能證明：

• 中國製 AI 晶片在所有工作負載上都已追平 NVIDIA；
• 國產硬體已取代 NVIDIA 的訓練市場；或
• 兩者擁有等同的開發工具、生態系統與軟體支援。

目前證據支持的是一個更具體的結論：只要模型架構、推理服務系統與硬體共同設計並持續優化，大型線上推理服務可以建立在非 NVIDIA 的國產硬體堆疊之上。

關鍵不只是晶片，還包括推理軟體

GLM-5.3-Flash 支援最長 1,048,576 個 Token 的上下文視窗。如此長的上下文會同時加重記憶體容量、頻寬、跨卡通訊和工作排程的負擔。據報導，智譜以 SGLang 為基礎打造專用推理引擎，並採用了多項技術來處理這些瓶頸，包括：

• W8A8 量化：降低運算與記憶體壓力；
• INT8、FP8 與 BF16 混合快取量化：在效能、精度和記憶體使用量之間取捨；
• 節點內張量平行：將模型計算分散到同一節點內的多個加速器；
• Encode–Prefill–Decode（EPD）分離架構：把多模態編碼、提示詞預填充，以及逐 Token 生成拆分成可獨立擴充和調度的工作池。1124

智譜表示，與同一批硬體上的初始基線相比，這套方案讓端到端服務效能提升約 3 倍。2426 SGLang 後續文件也記錄了相較 BF16 比較配置的額外吞吐量和 FP8 快取容量改善，但這些文件並不是對智譜原始「提升 3 倍」數據的獨立審核。17

因此，這次事件對 NVIDIA 的真正含意，主要在於 CUDA 對部分推理工作負載的依賴可能被降低，而不是 NVIDIA 的整體優勢立即瓦解。針對特定模型打造的核心算子、量化方案、平行化方式與排程策略，確實可能讓服務商在某些生產環境中減少對 CUDA 的依賴；但 NVIDIA 在軟體生態、開發工具、既有部署基礎和模型訓練方面的優勢，仍是另一個問題，這次發布並未解決。

GLM-5.3-Flash 的規格與表現

GLM-5.3-Flash 被報導為一款稀疏混合專家（MoE）模型，總參數量約 3,200 億，每個 Token 約啟用 180 億參數。它支援 1,048,576 Token 上下文視窗和原生多模態輸入，定位包括長文件處理、程式設計，以及長時間運作的 AI Agent 工作流程。257

該模型在 Artificial Analysis Intelligence Index 的報導分數為 57，與 Claude Opus 4.8 的報導分數相同。9這代表它在一項綜合指標上並列，不能直接推論兩者在每個獨立基準測試、實際應用或 Agent 任務中的表現完全相同。

定價：低成本推理才是競爭焦點

智譜公布的 API 價格為：每百萬個輸入 Token 0.15 美元、每百萬個輸出 Token 0.50 美元。429

同期報導將這款模型描述為約只有 GLM-5.3 價格的十分之一，以及 Claude Opus 4.8 的約四十分之一。不過，具體倍數仍取決於比較的是輸入還是輸出 Token、哪個價格層級，以及所採用的方案。14

對開發者而言，GLM-5.3-Flash 的競爭力來自三個因素的組合：相對節省推理資源的稀疏模型架構、積極的服務端優化，以及低廉定價。Ox Alpha 的匿名測試則證明，這種組合即使在模型身分尚未公開時，也足以吸引大規模實際使用。

它並沒有證明智譜已經解決所有國產硬體或軟體限制，但確實展示了一種值得關注的路線：把模型、推理引擎和硬體平台視為一個整體共同設計，可能為前沿 AI 服務帶來比單純堆疊硬體更大的效率空間。

智譜 AI（國際品牌為 Z.ai）在 2026 年 8 月 26 日揭開了匿名模型「Ox Alpha」的身分。中國開發者社群稱它為「牛來」；智譜確認，這款模型其實就是 GLM 系列的新作 GLM-5.3-Flash，一款開放權重、原生多模態的模型。115

這次發布同時帶來另一項更受產業關注的訊息：智譜表示，GLM-5.3-Flash 在正式亮相前，曾以匿名、免費形式於 OpenRouter 與 OpenCode 接受開發者測試，5 天內處理超過 50 兆個 Token；整段測試流量則由一個由超過 10 萬張中國製 AI 晶片組成的叢集承載。815

沒有品牌加持的匿名測試，成了一場真實壓力測試

Ox Alpha 最初沒有標示所屬公司，開發者只能根據回應品質、速度、穩定性與價格決定是否繼續使用，而不是先因為智譜的品牌或硬體配置產生預期。模型很快登上 OpenRouter 和 OpenCode 的使用量排行榜前列。

後續報導則以不同統計口徑，將 6 天總流量估算為超過 60 兆個 Token；OpenRouter 的使用量也一度被報導為可比 DeepSeek 流量的兩倍以上。由於各平台採用的統計期間和計量方式不同，較穩妥的結論是：這場匿名測試至少超過 50 兆個 Token，並在短時間內吸引了異常強勁的需求。1330

這個細節之所以重要，是因為模型在身分曝光前，就已經面對大量真實開發者流量。換句話說，使用者當時主要是在為模型的表現和服務體驗投票，而不是為智譜的公司名稱或晶片供應商投票。

智譜究竟宣稱了什麼？

智譜表示，GLM-5.3-Flash 的線上推理工作負載完全運行於超過 10 萬張中國製 AI 加速器上；經過軟體優化後，硬體效率與單一 Token 成本已達到可與主流 NVIDIA GPU 相比的水準。1524

不過，智譜在目前被引用的材料中並未公開確認確切晶片供應商。產業報導曾提到華為、摩爾線程和海光可能參與其中，但這些說法尚未獲智譜正式證實，不應視為公司的供應商清單。3040

更重要的是，這項說法需要精確解讀。它並不能證明：

• 中國製 AI 晶片在所有工作負載上都已追平 NVIDIA；
• 國產硬體已取代 NVIDIA 的訓練市場；或
• 兩者擁有等同的開發工具、生態系統與軟體支援。

目前證據支持的是一個更具體的結論：只要模型架構、推理服務系統與硬體共同設計並持續優化，大型線上推理服務可以建立在非 NVIDIA 的國產硬體堆疊之上。

關鍵不只是晶片，還包括推理軟體

GLM-5.3-Flash 支援最長 1,048,576 個 Token 的上下文視窗。如此長的上下文會同時加重記憶體容量、頻寬、跨卡通訊和工作排程的負擔。據報導，智譜以 SGLang 為基礎打造專用推理引擎，並採用了多項技術來處理這些瓶頸，包括：

• W8A8 量化：降低運算與記憶體壓力；
• INT8、FP8 與 BF16 混合快取量化：在效能、精度和記憶體使用量之間取捨；
• 節點內張量平行：將模型計算分散到同一節點內的多個加速器；
• Encode–Prefill–Decode（EPD）分離架構：把多模態編碼、提示詞預填充，以及逐 Token 生成拆分成可獨立擴充和調度的工作池。1124

智譜表示，與同一批硬體上的初始基線相比，這套方案讓端到端服務效能提升約 3 倍。2426 SGLang 後續文件也記錄了相較 BF16 比較配置的額外吞吐量和 FP8 快取容量改善，但這些文件並不是對智譜原始「提升 3 倍」數據的獨立審核。17

因此，這次事件對 NVIDIA 的真正含意，主要在於 CUDA 對部分推理工作負載的依賴可能被降低，而不是 NVIDIA 的整體優勢立即瓦解。針對特定模型打造的核心算子、量化方案、平行化方式與排程策略，確實可能讓服務商在某些生產環境中減少對 CUDA 的依賴；但 NVIDIA 在軟體生態、開發工具、既有部署基礎和模型訓練方面的優勢，仍是另一個問題，這次發布並未解決。

GLM-5.3-Flash 的規格與表現

GLM-5.3-Flash 被報導為一款稀疏混合專家（MoE）模型，總參數量約 3,200 億，每個 Token 約啟用 180 億參數。它支援 1,048,576 Token 上下文視窗和原生多模態輸入，定位包括長文件處理、程式設計，以及長時間運作的 AI Agent 工作流程。257

該模型在 Artificial Analysis Intelligence Index 的報導分數為 57，與 Claude Opus 4.8 的報導分數相同。9這代表它在一項綜合指標上並列，不能直接推論兩者在每個獨立基準測試、實際應用或 Agent 任務中的表現完全相同。

定價：低成本推理才是競爭焦點

智譜公布的 API 價格為：每百萬個輸入 Token 0.15 美元、每百萬個輸出 Token 0.50 美元。429

同期報導將這款模型描述為約只有 GLM-5.3 價格的十分之一，以及 Claude Opus 4.8 的約四十分之一。不過，具體倍數仍取決於比較的是輸入還是輸出 Token、哪個價格層級，以及所採用的方案。14

對開發者而言，GLM-5.3-Flash 的競爭力來自三個因素的組合：相對節省推理資源的稀疏模型架構、積極的服務端優化，以及低廉定價。Ox Alpha 的匿名測試則證明，這種組合即使在模型身分尚未公開時，也足以吸引大規模實際使用。

它並沒有證明智譜已經解決所有國產硬體或軟體限制，但確實展示了一種值得關注的路線：把模型、推理引擎和硬體平台視為一個整體共同設計，可能為前沿 AI 服務帶來比單純堆疊硬體更大的效率空間。