智谱GLM-5.3高速版灰度 速度近500token/s

时间：2026年10月12日 地点：北京 人物：智谱AI、TileRT团队、X 平台 AI 编程博主 Leo 事件详情：智谱 AI 近期在其 AI 编程工具 ZCode 中悄然开启了高速旗舰模型 GLM-5.3 HighSpeed 的灰度测试。X 平台 AI 编程博主 Leo 爆料，他已灰度到该模型，输出速度超过 490 tokens/s，几乎达到每秒近 500 个 token。GLM-5.3 HighSpeed 拥有 100 万 token 的上下文窗口，最多可一次性输出 131072 个 token，与 GLM-5.3 规格一致，目前只对 ZCode 订阅用户随机开放，没有明确的内测申请入口，输入输出价格也未披露。该模型一个月前就已出现在开源编程智能体 Pi harness 官网上。 背景：根据 AI Ping 评测平台数据，DeepSeek V4.1 Flash 官方 API 输出速度为 121.34 tokens/s，智谱官方 GLM-5.3 API 速度为 70.84 tokens/s，GLM-5.3 HighSpeed 的速度达到数倍于当前国内主流模型水平。这并非智谱首次推出高速旗舰模型，今年 5 月 GLM-5.1 曾推出面向部分企业用户的高速版 API "GLM-5.1-highspeed"，输出速度达到 400 tokens/s。 影响：高速模型对 Coding Agent 等需要数十轮模型调用的场景价值显著，单轮响应快几秒就能让整体耗时缩短十几分钟，让用户"刚输入需求，函数、接口与调用链已经同步展开"。智谱 GLM 5.1 Highspeed API 由 GLM 团队与 TileRT 团队联合打造，在推理引擎、调度系统与底层基础设施三个层面进行系统级优化，包括重写核心推理路径、动态批处理、请求合并、KV 缓存调度优化等。TileRT 的核心思路是把整个推理计算图在编译期静态编排成一个常驻 GPU 的 persistent Engine Kernel，把调度、访存和同步开销压到最低。 总结：把旗舰模型的速度再拔高一个量级正成为大模型厂商新的竞争方向。智谱 GLM-5.3 HighSpeed 以接近 500 tokens/s 的速度凸显国产大模型在推理基础设施层面的突破，对编码 Agent 与实时生成类场景尤为受益，也预示着"快速模型"将从独立产品线走向旗舰标配。 参考来源： 1. https://zhidx.com/p/599988.html （智东西原创报道） 2. https://www.ithome.com/1/012/066.htm （IT之家相关报道） 3. https://x.com/leo114119 （X 平台爆料博主 Leo） 4. https://pi-harness.com （Pi harness 官网模型列表） 5. https://aiping.ai/ （AI Ping 大模型 API 评测平台） 6. https://www.tmtpost.com/information （钛媒体 AI 行业资讯）