GLM-5.3-FlashX：它是什么、运行有多快、成本是多少
GLM-5.3-FlashX 是智谱为 GLM-5.3-Flash 推出的高速服务层级，于 2026 年 9 月 18 日发布，最高可达 200 tokens/s。以下是已确认的模型 ID、定价、上下文窗口、基准测试，以及如何调用它。
发布于 2026-09-18
GLM-5.3-FlashX 是智谱为 GLM-5.3-Flash 推出的高速服务层级，于 2026 年 9 月 18 日发布，公布的峰值推理速度为 200 tokens/s。 它并非新模型：它是同一个 GLM-5.3-Flash 系统——320B 总参数、18B 激活参数、1M token 上下文窗口、最高 128,000 输出 token，并原生支持图像、视频、文件和文本输入——通过更快的推理配置提供服务。
API 模型 ID 为 glm-5.3-flashx，与 glm-5.3-flash 并列。取舍很直接：FlashX 每 token 成本高于 Flash（智谱列出 每 1M token 输入 $0.37 / 输出 $1.25，而 Flash 为 $0.15 / $0.50），但响应更快。Flash 也是拥有开放权重、并被纳入 GLM Coding Plan 的层级，其中 Flash 获得 GLM-5.3 的 3 倍配额。
如果你需要吞吐量、交互式延迟，或运行大量短轮次的 agent 循环，FlashX 就是为此设计的层级。如果你在优化每个已完成任务的成本且可以等待，那么对于相同的工作，Flash 更便宜。
什么是 GLM-5.3-FlashX？
GLM-5.3-FlashX 是 GLM-5.3-Flash 家族中速度优化的端点。智谱于 2026 年 9 月 18 日发布它，称其对企业与开发者而言更快、更流畅，API 和官方体验中心均在发布时开放。
有两点值得区分：
- 模型——GLM-5.3-Flash，一个 320B-A18B 原生多模态模型，智谱于 2026 年 8 月 26 日开源。架构、权重、上下文长度和能力均相同。
- 服务层级——FlashX，一种为吞吐量调优的推理配置。智谱报告速度最高可达 200 tokens/s，并将这一提升归因于基础设施工作，而非不同的检查点。
这一区分在你评估它时很重要。为 GLM-5.3-Flash 描述的基准测试、上下文限制和多模态行为同样适用于 FlashX，因为它们是同一个模型。延迟和价格则不然：这些会随服务层级而变化。
模型规格一览
| 规格 | GLM-5.3-FlashX |
|---|---|
| API 模型 ID | glm-5.3-flashx |
| 同级模型 ID | glm-5.3-flash |
| 发布日期 | 2026 年 9 月 18 日 |
| 总参数 / 激活参数 | 320B / 18B |
| 层数 | 45 |
| 上下文窗口 | 1M tokens |
| 最大输出 token | 128K |
| 输入模态 | 视频、图像、文本、文件 |
| 输出模态 | 文本 |
| 公布的峰值速度 | 200 tokens/s |
| 思考模式 | 仅 thinking.type: enabled；无法禁用 |
| 核心 API 功能 | 流式传输、函数调用、上下文缓存、结构化输出、工具流式传输 |
智谱推荐 temperature: 1、top_p: 0.95 和 reasoning_effort: max。对于多轮工作，它建议保留思考历史而非清除（clear_thinking: false），对于流式请求，它建议同时启用 stream: true 和 tool_stream: true。
GLM-5.3-FlashX 与 GLM-5.3-Flash 对比
| 维度 | GLM-5.3-Flash | GLM-5.3-FlashX |
|---|---|---|
| 底层模型 | GLM-5.3-Flash | GLM-5.3-Flash |
| 公布的峰值速度 | 标准层级 | 最高 200 tokens/s |
| 标价输入价格 / 1M | $0.15 | $0.37 |
| 标价输出价格 / 1M | $0.50 | $1.25 |
| 上下文与输出限制 | 1M / 128K | 1M / 128K |
| 多模态输入 | 是 | 是 |
| 开放权重 | 是，自 2026 年 8 月 26 日起 | 相同基础模型 |
| GLM Coding Plan | 包含，享有 GLM-5.3 配额的 3 倍 | 发布时未包含 |
请求格式完全相同。从一个层级切换到另一个层级只需更改 model 字段，而无需重写你的集成——这使得 FlashX 成为时间每轮次为瓶颈的工作负载的合理 A/B 候选。
“200 tokens/s”能告诉你什么、不能告诉你什么
智谱将 200 tokens/s 作为最大值公布。请将其理解为生成速度的上限，而非对你工作负载的承诺：
- 这是峰值数字。 实际吞吐量取决于提示长度、缓存命中、并发和所选提供商。
- 它不是首 token 时间。 如果模型在输出任何内容前思考数秒，即使解码速率很快，仍会感觉缓慢。对于交互式产品，两者都要测量。
- 它不是总任务延迟。 一个调用三个工具的 agent 轮次受工具执行限制，而非 token 速率。
- 长上下文会改变情况。 在 1M token 时，预填充和 KV 缓存行为占主导。这正是 Flash 架构所针对的。
实用规则：在你自己的提示上对 Flash 和 FlashX 进行基准测试，并比较 首 token 时间、每秒输出 token 数和每个已完成任务的成本，而非单一速度数字。
速度从何而来
智谱将 FlashX 的加速归因于基础设施投入，而非新架构，建立在已为 GLM-5.3-Flash 流量提供服务的 100,000 个国产 AI 加速器之上。
- 基于 SGLang 的专用推理引擎，为该架构编写，而非从通用技术栈改编。
- 针对 1M token 上下文的内存优化，包括 ReplaySSM、W8A8 量化、混合 INT8/FP8/BF16 缓存量化以及 Layer Split。
- 编码–预填充–解码（EPD）分离式服务架构，将多模态编码、提示预填充和逐 token 解码分离到独立调度的 worker 池中，使每个阶段可独立扩展。
- 在相同硬件上端到端服务性能提升 3 倍，相比初始基线，智谱称这将每 token 成本降至与主流 NVIDIA GPU 相当的水平。
这项工作中的一个细节值得单独注意：智谱称，一个由 GLM-5.3 驱动的基础设施 agent 帮助工程师优化内核、诊断瓶颈并改进服务栈——模型参与了为它提供服务的系统。
基准测试：智谱为基础模型报告的结果
以下所有数字均由智谱为 GLM-5.3-Flash 公布，并适用于 FlashX，因为模型相同。它们是厂商报告的结果，而非独立复现。
| 基准测试 | GLM-5.3-Flash | GLM-5.2 |
|---|---|---|
| DeepSWE v1.1 | 63.4 | 46.2 |
| AutomationBench | 48.8 | 26.2 |
| Z.ai Code Bench v1.0，最大努力 | 29.0 | Claude Opus 4.8：29.5 |
智谱还报告称，GLM-5.3-Flash 在其折扣定价下于 Artificial Analysis Intelligence Index v4.1.1 上得分 57，每任务成本 $0.045——它称这一水平此前只能以约 10 倍成本获得——并且其编码性能在公司内部的 Z.ai Code Bench 上与 Claude Opus 4.8 相当。
请将这些视为方向，而非保证。厂商基准测试通常在有利于厂商的测试框架版本上运行；上述 Z.ai Code Bench 一行是在 Claude Code 2.1.207 上测量的。在将生产流量迁移之前，请重新运行你自己的评估。
架构：为什么 Flash 层级运行成本低
FlashX 继承了使 Flash 服务成本很低的设计，这正是更快的层级能够存在而价格不跃升至旗舰水平的原因。
- 混合稀疏与线性注意力。 智谱称其为首个将两者结合的开源前沿模型。线性注意力通过状态建模捕捉局部依赖；稀疏注意力通过轻量级索引器检索相关的全局上下文。
- IndexPool。 四个索引器键向量通过加权池化压缩为一个，在 1M token 上下文下削减索引器的延迟和内存开销。
- 流形约束超连接（mHC），以实现更好的扩展效率。
- 每 token 成本低于 GLM-5.3。 智谱报告注意力计算减少 3.01 倍，KV 缓存比 GLM-5.3 小 4.44 倍。与 GLM-5.3 相比，激活参数数量从 32B 降至 18B，层数从 92 降至 45。
- 一个 30 万亿 token 的多模态预训练语料库。
智谱坦承 KV 缓存仍略大于 Kimi-K3 和 DeepSeek-V4-Flash 的，并将其称为未来工作的方向——这提醒我们，架构比较是按维度进行的，而非单一排名。
Ox-Alpha：在公开环境中测试的匿名模型
在 Flash 发布之前，智谱在 OpenCode 和 OpenRouter 上以 Ox-Alpha 的名义匿名运行 GLM-5.3-Flash。据智谱称，它成为当周最受欢迎的模型，并在两个平台上创下使用记录，所有这些流量均在中国 AI 芯片上提供服务。
对开发者而言，有趣的部分不是排行榜位置，而是验证方法：真实流量、真实编码 agent、未知模型名称、无品牌拉动。这比基准测试表更强的信号，尽管仍是厂商控制的发布，且未公布方法论。
原生多模态与视觉编码
GLM-5.3-Flash 是首个从一开始就构建为多模态的 GLM-5 系列模型，FlashX 保留了这一点。图像作为 messages[].content[] 内 type: image_url 的内容块传递，使用 URL 或 Base64 数据 URL，且可在一条消息中组合多个块。视频和文件输入与图像和文本一同记录在文档中。
在实践中最重要的能力是视觉编码：模型检查渲染后的界面，将其与目标比较，并迭代。智谱记录了从截图或录屏重建应用、构建 Blender 场景、制作 Godot 游戏原型、运行浏览器和计算机使用 agent，以及复现 CAD 零件的工作流——每一项都由模型检查自己的渲染输出，而不仅仅是生成代码。
同样的循环延伸到文档工作。智谱演示了 PPTX、PDF、DOCX 和 XLSX 交付物、可追溯来源的金融研究、带跟踪批注的合同审查，以及法律起草，模型渲染并目视检查自己的输出是否存在溢出、错位和样式不一致。
智谱给出的一个例子异常具体：在没有任何外部资源的情况下，GLM-5.3-Flash 自主运行 16 小时，构建了一个约 400 平方米的厨师住宅和测试厨房的 Blender 场景。
定价：FlashX 的成本
来自智谱定价页面的官方标价，每 1M token（2026 年 9 月 18 日查询）：
| Token 类型 | GLM-5.3-FlashX | GLM-5.3-Flash | GLM-5.3 |
|---|---|---|---|
| 输入（USD） | $0.37 | $0.15 | $1.40 |
| 缓存输入（USD） | $0.075 | $0.03 | $0.26 |
| 输出（USD） | $1.25 | $0.50 | $4.40 |
缓存输入存储在三个层级中均列为限时免费。
成本示例。 对于 10M 未缓存输入 token 和 1M 输出 token，标价给出：
| 工作负载 | GLM-5.3-FlashX | GLM-5.3-Flash | GLM-5.3 |
|---|---|---|---|
| 10M 输入 + 1M 输出 | $4.95 | $2.00 | $18.40 |
| 相同量，全部输入来自缓存 | $2.00 | $0.80 | $6.60 |
FlashX 在输入和输出上约为 Flash 的 2.5 倍，且仍远低于 GLM-5.3。这是否值得完全取决于一个缓慢轮次对你意味着什么成本——对于批处理管道，通常不值得；对于交互式 agent，通常值得。
如何调用 GLM-5.3-FlashX
FlashX 使用与 Flash 相同的 chat-completions 接口，因此迁移只需更改一行。
from openai import OpenAI
client = OpenAI(
api_key="YOUR_APIMASTER_KEY",
base_url="https://apimaster.ai/v1",
)
response = client.chat.completions.create(
model="glm-5.3-flashx",
messages=[
{
"role": "user",
"content": "Refactor this module for testability and show the diff.",
}
],
temperature=1,
top_p=0.95,
extra_body={
"reasoning_effort": "max",
"thinking": {"type": "enabled", "clear_thinking": False},
},
)
print(response.choices[0].message.content)
对于流式传输，按智谱的建议添加 stream: true 和 tool_stream: true。请注意，此模型无法关闭思考，因此请在成本估算和客户端超时中为推理 token 预留预算。
实用的迁移路径：保持模型 ID 可配置，将生产流量的代表性切片同时发送到 glm-5.3-flash 和 glm-5.3-flashx，并在切换工作负载之前比较完成率、首 token 时间和每个已完成任务的成本。
在 FlashX、Flash 和 GLM-5.3 之间选择
- 选择 FlashX 用于交互式产品、IDE 侧补全，以及包含大量短轮次的 agent 循环，其中每轮次的墙钟时间是约束，且工作负载仍符合 Flash 级能力。
- 选择 Flash 用于批处理、离线生成和高吞吐量管道，其中每任务成本比延迟更重要——也用于开放权重或自托管部署，因为 Flash 是拥有已发布权重的层级。
- 选择 GLM-5.3 当你需要旗舰的上限而非 Flash 层级的成本特征时。
- 不要假设速度提升会均匀适用。 预填充密集、长上下文的请求和受工具约束的 agent 轮次，其收益可能远低于短生成任务。测量你实际运行的工作负载。
在 APIMaster.ai 上开始使用 GLM 家族
APIMaster 为你提供一个 OpenAI 兼容密钥，可访问 GLM 家族以及 Claude、GPT、DeepSeek、Qwen、Gemini、Kimi 和其他模型——按量付费定价低至 $1 起，部分路由最高可享官方费率 70% 折扣。
由于 FlashX 保持与 Flash 相同的请求格式，已通过 APIMaster 调用 GLM 的团队可以在除模型 ID 外无需改动集成的情况下评估更快的层级。
- 创建 APIMaster 账户。
- 添加按量付费额度，低至 $1 起。
- 在 APIMaster 控制台 中创建 API 密钥。
- 将你的 OpenAI 兼容客户端指向
https://apimaster.ai/v1，并设置你想评估的模型 ID。
注册 APIMaster · 探索模型市场 · 测试模型身份
FAQ
GLM-5.3-FlashX 是新模型吗？ 不是。它是 GLM-5.3-Flash 的高速服务层级。相同模型、相同上下文窗口、相同多模态输入——更快的推理配置和不同的价格。
GLM-5.3-FlashX 的模型 ID 是什么？
glm-5.3-flashx。标准层级为 glm-5.3-flash。
GLM-5.3-FlashX 有多快？ 智谱公布的最大值为 200 tokens/s。这是峰值数字；请在你自己的提示上测量首 token 时间和持续吞吐量。
GLM-5.3-FlashX 的成本是多少？ 智谱列出每 1M 输入 token $0.37、每 1M 输出 token $1.25，以及每 1M 缓存输入 token $0.075——在输入和输出上约为 GLM-5.3-Flash 价格的 2.5 倍。
上下文窗口是多少？ 1M tokens，最高 128,000 输出 token，与 GLM-5.3-Flash 相同。
GLM-5.3-FlashX 能接受图像和视频吗？
能。它接受视频、图像、文本和文件输入并返回文本。图像作为 image_url 内容块发送，通过 URL 或 Base64 数据 URL。
GLM-5.3-FlashX 在 GLM Coding Plan 中吗？ 发布时不在。GLM-5.3-Flash 在该计划中完全可用，享有 GLM-5.3 配额的 3 倍，且包括整个周末在内的非高峰调用消耗标准积分的 50%。
我能关闭思考以节省 token 吗？
不能。thinking.type 仅支持 enabled。智谱建议在多轮工作中保留思考历史（clear_thinking: false）。
基准测试数字是独立的吗？ 不是。它们由智谱公布。请将其视为方向性的，并在投入生产流量之前重新运行你自己的评估。
来源与延伸阅读
- Z.ai — GLM-5.3-Flash/FlashX 模型文档 — 模型 ID、参数、能力、推荐设置、基准测试和服务细节
- Z.ai — 定价 — 官方每 1M token 标价
- Z.ai — GLM-5.3-Flash 技术博客 — 架构、效率比较和评估表
- Hugging Face — zai-org/GLM-5.3-Flash — 基础模型的开放权重
- PANews — 智谱推出 GLM-5.3-FlashX — 发布报道和 Ox-Alpha 背景
所有来源均于 2026 年 9 月 18 日查询。价格和可用性会变化；在投入大量工作负载之前，请核实当前条款。