智谱GLM-5.3高速版 实测近500 tokens/s

时间：2026年10月12日 地点：北京（智谱AI总部） 人物：智谱AI产品团队、TileRT联合研发团队、X平台AI编程博主Leo、深求社区开发者 事件详情：智谱近日在其AI编程工具ZCode中悄然开启高速旗舰模型GLM-5.3 HighSpeed的灰度测试。X平台AI编程博主Leo爆料称已灰度到该模型，实测输出速度超过490 tokens/s。深求社区开发者进一步实测跑出493 tokens/s的吞吐，首字延迟仅4.9秒，上下文缓存命中率高达99.9%。作为对比，DeepSeek V4.1 Flash官方API速度为121.34 tokens/s，智谱官方GLM-5.3 API速度仅70.84 tokens/s，前一代GLM-5.3 FlashX峰值约200 tokens/s。GLM-5.3 HighSpeed拥有100万token超长上下文窗口，单次最多输出131072个token，支持low/high/max三档思考强度自由切换。该模型仅在ZCode 3.15.1版本内随机灰度，订阅用户全凭抽取，无公开申请入口。 背景：智谱并非首次推出高速旗舰模型。今年5月，GLM-5.1就推出面向部分企业用户的高速版API"GLM-5.1-highspeed"，输出速度达400 tokens/s。高速版本主打Coding Agent场景——这类任务常涉及多轮调用，单轮响应慢几秒，整体耗时就可能拉长十几分钟。智谱与TileRT团队联合打造，通过推理引擎、调度系统与基础设施三层优化实现速度突破。TileRT的核心思路是放弃传统Runtime层动态算子调度，把整个推理计算图在编译期静态编排成常驻GPU的persistent Engine Kernel，从而把调度、访存和同步开销压到最低。 影响：GLM-5.3 HighSpeed将国产大模型推向每秒近500 token的全新速度台阶，相较此前最快的GLM-5.3 FlashX实现2倍以上提升，是DeepSeek V4.1 Flash的4倍速度。对于代码开发、多智能体协同等需要持续输出大量文本的场景，高吞吐可显著降低交互等待，让Agent工作流更加顺滑。智谱与TileRT的合作验证了软硬协同推理优化的可行性，为国内大模型厂商开辟了"质量不妥协、速度再翻倍"的新竞争维度。GLM-5.3 HighSpeed输入输出价格尚未公布，社区期待规模化正式上线后的稳定表现。 总结：智谱GLM-5.3 HighSpeed以493 tokens/s的实测吞吐刷新国产大模型推理速度纪录，是Coding Agent场景下的关键基础设施升级。这一速度突破证明，国产大模型竞争已从"参数与基准"转入"推理工程与实际生产力"的新战场。 参考来源： - 智东西：https://zhidx.com/p/599988.html - 新浪新闻：https://news.sina.cn/ai/2026-10-12/detail-iniuxwik0559615.d.html - 深求社区DeepSeek.club：https://deepseek.club/user/5706?tab=posts - AI Ping API速度对比：https://aiping.cn/ - OpenRouter GLM-5.3 Prime：https://openrouter.ai/models/z-ai/glm-5.3-prime - BenchGecko GLM-5.3 Prime：https://benchgecko.ai/model/glm-5-3-prime - CloudPrice GLM-5.3 Prime：https://cloudprice.net/models/z-ai/glm-5.3-prime