GLM-5.3-FlashX — 智谱 AI 高性能推理模型

产品简介

GLM-5.3-FlashX 是智谱 AI 于 2026 年 9 月 18 日正式发布的高性能推理模型，作为 GLM-5.3-Flash 的速度升级版本，FlashX 将推理速度提升至最高 200 tokens/s，较原版本提升 5 倍。GLM-5.3-Flash 是 GLM-5 系列首个原生多模态模型，采用总参数量 320B、激活参数量 18B 的 MoE（混合专家）稀疏架构，于 2026 年 8 月 26 日由智谱正式开源并上线，曾以匿名身份「Ox Alpha」在海外开发者社区引发广泛好评。FlashX 在延续 GLM-5.3-Flash 智能水平与多模态能力的基础上，将响应速度作为核心差异化维度，标志着国产大模型 API 正式进入按速度分层的精细化竞争阶段。

核心功能

GLM-5.3-FlashX 的核心能力体现在以下维度：

1. 极速推理：推理速度最高达 200 tokens/s，较 GLM-5.3-Flash 提升 5 倍，大幅缩短实时交互类应用的响应延迟。
2. 原生多模态：支持视频、图像、文本、文件等多种输入模态，视觉能力原生融入编程与办公工作流。
3. 视觉 Coding 自动化：模型主动观察界面、渲染结果与交互反馈，在代码、浏览器与图形界面之间协同完成任务。
4. 专业文档处理：支持 Office、金融研究等场景，可自主拆解目标、调用工具并输出 PPTX、PDF、DOCX、XLSX 等高质量成品。
5. 超大规模上下文：沿袭 GLM-5.3-Flash 的超长上下文窗口处理能力，适合长文档分析。
6. 缓存优化：提供缓存命中机制，缓存命中时 token 成本大幅降低，适合重复上下文调用场景。
7. 国产算力支撑：由 10 万张国产 AI 芯片组成的推理集群提供算力保障，支撑高并发商业 API 场景。
8. API 全面开放：输入单价 27 元/百万 tokens，缓存命中 0.57 元/百万 tokens，整体定价为原版本 2.5 倍。

特色优势

速度分层战略：智谱将同一基座模型拆出「低价高吞吐」（Flash）与「高价低延迟」（FlashX）两条产品线，开发者可根据场景按需选择，GLM-5.3-FlashX 瞄准对响应速度敏感的实时交互类场景。

极致高效架构：稀疏注意力与线性注意力混合架构使注意力计算量和 KV 缓存大小分别降低 3.01 倍和 4.44 倍，在保持高智能的同时显著降低推理成本。

国产算力自研：10 万张国产芯片推理集群的上线，验证了国产 AI 芯片在高并发商业 API 场景下的承载能力走向成熟，为后续大规模商业化应用奠定基础。

应用场景

GLM-5.3-FlashX 适合以下典型应用场景：

1. AI Agent 与智能体：多轮对话、代码生成、任务规划等实时交互类 Agent 应用，对响应延迟有较高要求。
2. 在线编程助手：需要快速返回代码补全与修改建议的 IDE 集成场景。
3. 实时文档处理：快速处理用户上传的多模态文档（图片、PDF、表格）并返回分析结果。
4. 金融研究分析：快速解读财务报表、研究报告，支持长上下文窗口下的跨文档关联分析。

适用人群

• AI 应用开发者：需要将大模型 API 集成到产品中，对响应速度敏感的工程师。
• 企业级 AI 平台：面向内部或外部用户提供高并发 AI 推理服务的企业技术团队。
• 金融与研究机构：需要快速处理大量文本与数据的研究分析人员。
• 需要多模态能力的开发者：视觉理解与文档处理兼顾的复杂应用场景开发者。

出品方

GLM-5.3-FlashX 由北京智谱华章科技有限公司（简称「智谱 AI」）出品。智谱 AI 是国内头部大模型公司之一，拥有 GLM 系列自研大模型，产品覆盖对话、代码、多模态等多个维度，已服务数百万开发者和企业用户。

近期更新动态

• 2026 年 9 月 18 日：GLM-5.3-FlashX 正式上线，推理速度达 200 tokens/s，API 全面开放。
• 2026 年 8 月 26 日：GLM-5.3-Flash 开源并上线，以「Ox Alpha」身份在海外开发者社区引发关注。

官网链接

智谱 BigModel 平台：https://bigmodel.cn

开发者可在官网体验中心申请试用，API 文档详见：https://docs.bigmodel.cn