智谱GLM-5.3高速版输出490tokens/s

时间：2026年10月12日 地点：北京（智谱 AI）/ 杭州 Z.ai 人物：智谱 AI / Z.ai 团队；X 平台 AI 编程博主 Leo（@leo114119） 事件：智谱 AI 近日在旗下 AI 编程工具 ZCode 3.15.1 中悄然开启高速旗舰模型 GLM-5.3 HighSpeed 的灰度测试，博主实测输出速度突破每秒 490 tokens，比官方 GLM-5.3 API（70.84 tokens/s）快近 7 倍、比 DeepSeek V4.1 Flash（121.34 tokens/s）快 4 倍，将国产大模型 Coding 体验推向「近 500 tokens/s」级别。 事件详情：GLM-5.3 HighSpeed 目前仅对 ZCode 订阅用户随机开放，并未开放内测申请入口，模型上下仍保持 100 万 token，输入输出口径与 GLM-5.3 普通版（最大生成 131,072 token）一致，并提供 low、high、max 三档思考强度配置；这款新模型其实早在一个月前就已出现在开源编程智能体 Pi harness 的模型目录中，但官方一直未对外公布，输入输出价格也尚未披露；实测速度优势背后，主要源于推理引擎层（重写 GLM 核心推理路径、单卡吞吐显著提升）、调度系统层（动态批处理 + 请求合并 + KV 缓存调度，降低高并发尾延迟）与基础设施层（推理集群部署、网络链路、负载均衡协同优化）的三层软硬协同。 背景：大模型 API 价格战之后，Inference TPS（每秒输出 token 数）正在成为 Coding Agent 厂商新的核心竞争点——一个 50 步代码任务，单轮响应只要快几秒，整体耗时就能压缩十几分钟，模型厂商过去拼参数、拼价格，现在正转向拼「智能体能否跑得起来、跑得快不快」。 影响：GLM-5.3 HighSpeed 把国产旗舰模型的输出速度从「百 token 级」拉到「近五百 token 级」，让 Coding Agent 在 IDE 中近乎实时生成大型函数、接口与调用链成为可能，将直接抬升 ZCode、GLM Coding Plan、AutoGLM 等智谱系产品在 AI 编程赛道的体验天花板，并迫使 DeepSeek、月之暗面、阿里通义等竞争对手加速推出对标的高速版旗舰。 总结：智谱用 GLM-5.3 HighSpeed 把国产大模型的 Coding 输出速度一举推到近 500 tokens/s，重新定义了 AI 编程助手的「快」字标准，也把「高速模型」从 5 月 GLM-5.1 的 400 tokens/s 升级到新的工程基线。 参考来源： - 智东西：https://zhidx.com/p/599988.html - 36 氪：https://36kr.com/p/4022354401104000 - 量子位（今日头条转）：https://www.toutiao.com/article/7695603700236894771 - 金融界：https://finance.jrj.com.cn/2026/10/12172958684492.shtml - Z.ai 官方 GLM-5.3 介绍：https://z.ai/blog/glm-5.3 - Z.ai 产品页：https://www.zhipuai.cn/