GLM-5.3-Flash 完整指南：ox-alpha 真身

GLM-5.3-Flash 是什么？

GLM-5.3-Flash 是一个 320B 总参数、约 18B 激活参数 的 MoE 模型，也是 GLM-5 系列中第一个原生多模态模型——支持文本、图片、视频 输入，输出文本。

注意：虽然叫 Flash，但它不是 GLM-5.3 的蒸馏小版本，而是全新预训练 + 全新架构，目标是在保持前沿能力的同时把推理成本压下来。智谱官方数据：相比 GLM-5.3，注意力计算量降低 3.01 倍，KV 缓存降低 4.44 倍。

• 稀疏注意力 + 线性注意力混合架构——线性注意力建模局部依赖，轻量索引器负责全局检索。智谱称这是首个采用该混合架构的开源前沿模型。
• mHC（流形约束超连接） 提升扩展效率，配合 IndexPool（把 4 个索引器 key 向量加权池化成 1 个）压低 100 万 token 上下文的开销。
• 30T token 多模态预训练语料；45 层，而参数量相近的 GLM-4.5 是 92 层、激活 32B。
• MIT 协议，发布当天即开源权重——与 GLM-5.3 先上 API、约两周后才放权重的节奏明显不同。

ox-alpha 是怎么回事？

智谱官方确认：发布前，模型以 ox-alpha 的代号在 OpenCode 和 OpenRouter 上匿名测试，收集真实用户反馈，并迅速成为当周最受欢迎的模型。官方同时说明，这段时间的全部流量都跑在国产 AI 芯片集群上，推理栈基于 SGLang 自研。

说明：匿名测试的经过与流量归属均为智谱官方口径，本文如实转述，不做额外背书。

跑分：和 Opus 4.8 到底谁强？

Artificial Analysis 给 GLM-5.3-Flash 的智能指数是 57.5，编程 71.5，智能体 58.2。和 Claude Opus 4.8 放在同一把尺子上，结论是具体的，而不是笼统的「全面超越」：

诚实地读这张表：GLM-5.3-Flash 在综合智能指数上与 Opus 4.8 持平，在智能体任务上明显更强，在编程上略逊。价格差距要分清是哪个价：按现在的限时价，输入约为 Opus 4.8 的 1/70、输出约 1/100；恢复标价后仍有 1/33 和 1/50。对比 GLM-5.3 也一样——它没有任何一项超过 GLM-5.3，只是非常接近，而 token 成本按限时价约为其 5%，按标价约为 11%。

智谱自己公布的成绩（属厂商数据，请按厂商数据看待）：DeepSWE v1.1 得 63.4，GLM-5.2 为 46.2；AutomationBench 得 48.8，GLM-5.2 为 26.2；在其内部 Z.ai Code Bench v1.0 上，max 档得 29.0，Opus 4.8 为 29.5。

价格：注意「限时」两个字

到处流传的那个便宜到离谱的价格是限时折扣价，不是标价。智谱官方公布的每百万 token 价格：

如果要规划一个长期跑的业务，请按标价算账。即使按标价，$0.15 / $0.50 也只有 GLM-5.3 的约十分之一。缓存输入的存储费用目前也是限时免费。

如果订阅的是 GLM Coding Plan 而不是按量付费：官方说明 GLM-5.3-Flash 的额度是 GLM-5.3 的 3 倍，采用积分制，非高峰时段以及整个周末只消耗 50% 积分。

用 OpenClaw Launch 部署 GLM-5.3-Flash

GLM-5.3-Flash 在 OpenRouter 上的模型 ID 是 z-ai/glm-5.3-flash，智谱官方 API 的模型编码是 glm-5.3-flash。两条路都支持 BYOK（自带 API Key）：

1. 打开 OpenClaw Launch，用 Google、GitHub 或邮箱注册，部署一个实例（约 30 秒上线）。注意：BYOK 自选模型需要付费计划，免费试用只能用固定的几个免费模型，所以试用适合先看产品，不适合试这个模型。
2. 在控制台的 BYOK 设置里填入 OpenRouter Key 或智谱官方 API Key。
3. 打开模型选择器，搜索 glm 5.3 flash。搜索会直接展开服务商的实时模型目录，不只是我们精选的那几个，所以新模型一上架就能选到。
4. 选中即生效——不用重新部署，聊天记录和已连接的平台全部保留。

自建服务器怎么配？

如果自己部署 OpenClaw，在 openclaw.json 里把默认智能体指向该模型：

{
  "models": {
    "providers": {
      "openrouter": {
        "apiKey": "sk-or-..."
      }
    }
  },
  "agents": {
    "defaults": {
      "model": {
        "primary": "openrouter/z-ai/glm-5.3-flash"
      }
    }
  }
}

部署前请到 openrouter.ai/models 核对当前的模型 ID，不要直接照抄任何教程（包括本文）——服务商的 ID 会随版本变动，用了过期的 ID 会直接报 model-not-found。

三个容易踩的坑

一、思考模式关不掉。这个模型的推理是强制的——智谱 API 的 thinking.type 只接受 enabled，OpenRouter 也标注推理为必选、默认强度为 max。如果习惯在便宜模型上关掉思考来省输出 token 和延迟，这里没有这个开关，请把推理 token 算进输出成本。

二、官方推荐参数不太常规。temperature 1、top_p 0.95、reasoning_effort: max、thinking.clear_thinking: false；流式请求建议同时开 stream 和 tool_stream。

三、上下文上限取决于具体服务商。OpenRouter 目录里标的是最高 1,310,720 token，但主力服务商实际提供 1,048,576 token、最大输出 131,072 token。做长上下文规划时，请按实际计费的那个端点算，而不是目录里的最大值。

想自己跑权重？

权重以 MIT 协议开源在 Hugging Face 的 zai-org/GLM-5.3-Flash，官方给出了 SGLang、vLLM、TokenSpeed、KTransformers 四套部署方案。但要有心理准备：即便激活只有 18B，320B 总参数依然是很重的托管成本，个人本地跑基本要走社区量化版而不是完整 BF16 权重。想今天就把智能体跑起来，用 API Key 是更短的路。

什么场景该选它？

真正有意思的是那个以前算不过账的场景：一个全天候盯着群聊、不停调工具、还要看截图的智能体，现在可以一直开着，而不用担心 token 账单成为关掉它的理由。

常见问题

ox-alpha 到底是什么模型？

就是智谱 GLM-5.3-Flash。发布前以匿名代号 ox-alpha 在 OpenRouter 和 OpenCode 上测试，官方称其成为当周最受欢迎的模型，2026 年 8 月 26 日正式揭晓身份。

GLM-5.3-Flash 真的能打过 Opus 4.8 吗？

综合智能指数上是持平（57.5 对 57.3），智能体任务上更强（58.2 对 49.4），编程上略逊（71.5 对 74.3）。可以说「同一档」，但不能说「全面超越」。

用 GLM-5.3-Flash 要花多少钱？

模型侧：标价每百万 token 输入 $0.15、输出 $0.50，目前限时半价（$0.075 / $0.25），按量计费。托管侧：Lite 计划首月 $3、之后 $6/月，Pro 计划 $20/月，支持支付宝和微信支付（BYOK 自选模型需要付费计划）。

可以从 GLM-5.2 直接切过来吗？

可以。在控制台的模型选择器里搜索并切换即可，无需重新部署，聊天历史和平台连接均保留不变。

开始使用

更多国产模型对比见 模型对比页面 和 最便宜的模型盘点；也可以看看 GLM-5.2 部署教程、DeepSeek V4 Pro、Kimi K3 指南。