Qwen3.8-Flash发布一天就降价：输出比GLM便宜0.1元，但对手还在打5折
相关推荐
商汤大装置为智谱 GLM-5.3-Flash 提供国产算力与 Token 服务
火星财经消息，据证券时报，8月 27 日，记者从商汤获悉，商汤大装置为智谱近日上线并开源的 GLM -5.3- Flash 提供国产算力支持与 Token 服务，这被认为是国产算力规模化商用的又一个标杆。据透露，商汤大装置7月日均 Token 服务量已达到2.42万亿，预计2026年年底突破日均10万亿。
B.AI 上线智谱 GLM-5.3-Flash 模型并免费开放 API
ChainCatcher 消息，8 月 27 日，一站式 AGI 基础设施平台 B.AI 宣布智谱 GLM-5.3-Flash（320B-A18B）正式登陆平台，并在 API 官方组全量免费开放。作为 GLM-5 系列首款原生全模态模型，GLM-5.3-Flash 拥有 320B 总参数与 18B 激活参数，由纯国产 AI 芯片提供算力支持，首次引入稀疏与线性注意力混合架构，配合 1M 超长上下文，兼具强悍性能与极致性价比。即日起，开发者可通过 B.AI API 官方组零成本调用，轻松驾驭复杂推理、长文本处理与多模态任务。
「牛来」模型GLM-5.3-Flash正式开源：320B 参数仅激活 18B，价格只有 GLM-5.2 十分之一
动察 Beating AI 快讯，白天认领 Ox Alpha 后，智谱晚上正式开源 GLM-5.3-Flash，模型权重已经上线 Hugging Face，采用 MIT 许可。它总参数 320B，但每次只激活 18B，原生支持文字、图片和视频，也是 GLM-5 系列首个原生多模态模型。 官方称，GLM-5.3-Flash 整体性能超过 GLM-5.2，编程和 Agent 评测已经接近 Claude Opus 4.8，但价格只有 GLM-5.2 的十分之一。它还换了一套新的基础模型，首次在 GLM 主系列引入稀疏注意力和线性注意力混合架构，并用 30T Token 多模态数据预训练。 此前社区对 Ox Alpha 的 DeepSWE 小样本测试一度跑出 80%，但那只有 10 道题。扩大样本后成绩回落到约 63%，测试者也主动纠正了最初的说法。这个成绩依然属于第一梯队，但没有最初 80% 那么夸张。 权重开源后，开发者可以直接用 vLLM、SGLang、KTransformers 等框架自己部署，不需要再走匿名模型的 API。
DeepSeek V4.1 Flash第三方实测：没夺回国模第一，但成本只有Kimi、GLM七分之一
动察 Beating AI 快讯，Artificial Analysis 完成 DeepSeek V4.1 Flash 独立测试，综合智能指数拿到 40 分。它已经超过自家 V4 Pro 0813 的 36 分，但仍低于 Kimi K3 的 44 分和 GLM-5.3 的 45 分。按这套第三方榜单，DeepSeek 还没夺回国产模型第一。 但价格差距非常夸张。V4.1 Flash 跑完一个 Intelligence Index 任务平均只花 0.27 美元，Kimi K3 和 GLM-5.3 都在 2 美元左右，相差约 7 倍。输出速度达到 197 Token/s，也远高于 Kimi K3 的约 36 Token/s 和 GLM-5.3 的约 58 Token/s。 Agent 依然是它最强的部分。AutomationBench-AA 上，V4.1 Flash 拿到 69%，追平 GPT-6 Astra，并超过 GLM-5.3 的 62%；长上下文测试 AA-LCR 也拿到 84%。缺点是它特别能说，AA 测试中单任务平均输出约 8.9 万 Token，比 V4 Pro 多 62%，吃掉了一部分价格优势。
智谱再发匿名模型：GLM-5.3-Flash刚转正，Omen Alpha又来了
动察 Beating AI 快讯，OpenCode 又上线一个匿名模型 Omen Alpha，而这次身份似乎已经提前露馅。OpenCode 自己的数据页直接把它归在 Zhipu 名下。智谱目前还没有正式认领，也没有公布它究竟是哪款 GLM。 这离上一个匿名模型揭晓只有 9 天。智谱此前把 GLM-5.3-Flash 化名为 Ox Alpha，在 OpenRouter 和 OpenCode 免费测试。8 月 26 日才正式公布真身，并开放模型权重。 但这次没有免费午餐了，Omen Alpha 只给每月 10 美元的 OpenCode Go 用户使用，套餐提供价值 100 美元的 Omen 用量。每百万 token 输入收费 0.20 美元，输出 0.66 美元，比 GLM-5.3-Flash 正式价格高约三成；但 GLM-5.3-Flash 目前正在打五折，按现价算，Omen Alpha 大约贵 1.6 倍。 Omen Alpha 的正式规格目前还是空白。OpenCode 没公布上下文、输入模态和最大输出。社区已经有人猜它可能是新的 GLM-5.x 或 Omni 分支。
FreeToken开源：一张5090跑DeepSeek-V4-Flash，最高25 Token/s
动察 Beating AI 快讯，伯克利、MIT 等研究者开源 FreeToken。这是一个专门为本地设备设计的 MoE（混合专家模型）推理引擎，主要解决超大模型显存装不下的问题。它会把部分权重放在系统内存，并让 CPU 和 GPU 一起参与推理。 FreeToken 会把模型的大量专家权重放在系统内存，只把一部分缓存在显存。遇到显存里没有的专家时，它会根据 PCIe 和 CPU 内存带宽，动态决定是把权重搬到 GPU，还是直接交给 CPU 计算。这样 CPU、GPU、系统内存和 PCIe 可以一起参与推理。 论文实测，一台配备 RTX 5090 的游戏台式机运行 284B 参数的 DeepSeek-V4-Flash，可以达到 22–25 Token/s。这款模型每生成一个 Token 实际只激活约 13B 参数，因此特别适合这种 CPU、GPU 混合推理。 FreeToken 还在 8GB 显存的 RTX 4060 笔记本上把 35B 模型跑到 39.3 Token/s；单张 96GB RTX PRO 6000 则可以运行 753B 参数的 GLM-5.2，速度达到 llama.cpp 的约两倍。项目目前支持超过 20 款 MoE 模型，并已采用 Apache 2.0 许可证开源。