GLM-5.3-Flash

GLM-5.3-Flash 新增一条企业级分发渠道：企业团队现可在 OpenAI Codex 中原生调用该模型，消费计入其 OpenAI commit。开发者可在不离开 Codex 的情况下选用该开源模型用于编码任务。

智谱推出“Flash × ZCode”夜间畅用活动（9月3日至20日每晚23:00-次日9:00），付费套餐用户通过智谱官方工具 ZCode 使用 GLM-5.3-Flash 时额度消耗为0完全免费，通过其他 Agent 使用时额度翻倍（×2），仅针对 GLM-5.3-Flash，错峰时段选用 GLM-5.3 仍按标准规则消耗。

Databricks 推理团队宣布对 GLM-5.3-Flash 的推理速度达成 270 tok/s，并在其 OfficeQA Pro v2 基准中称该模型以仅 GLM-5.2 的 1/10 成本实现质量高 10% 的表现，突出其推理速度与成本优势。

摩尔线程官方宣布基于 AI 训推一体智算卡 MTT S5000 及 MUSA 软件栈对 GLM-5.3-Flash 实现 Day-0 极速适配与高效运行，并与 SGLang-MUSA 缓存管理体系深度协同，释放 KDA 长上下文推理效率优势，模型现可在国产硬件上本地部署。

Z.ai 公布 GLM-5.3-Flash 的 API 具体定价为每百万输入 token 0.15 美元、每百万输出 token 0.50 美元（约为 GLM-5.3 的 1/10），并确认该模型全程运行于国产 AI 芯片而非 Nvidia GPU：基于 SGLang 的自研服务软件把处理拆分成分阶段独立扩展、吞吐较首版提升三倍，日服务约 100 万亿 token，硬件效率与单 token 成本可与常见 Nvidia GPU 对标。

智谱上线并开源 GLM-5.3-Flash，GLM-5 系列首个原生多模态模型（320B/18B 激活），采用稀疏+线性注意力混合架构，视觉能力原生融入编码循环并扩展至文档工作流，定价为 GLM-5.3 的 1/10，已接入编码平台并开放 API

GLM-5.3-Flash上线并由商汤大装置提供国产算力规模化商用支持：依托国产异构混推技术提供Token服务，端到端推理性能较初始基线提升3倍，国产芯片端到端服务硬件效率与单Token成本达到主流英伟达GPU水平。