谜底如期揭晓。牛来8月26日晚，国产智谱宣布上线并开源GLM-5.3-Flash（320B-A18B），算力并官方确认其正是卡扛过去一周刷屏海外开发者社区的匿名模型Ox-Alpha——中文社区称之为“牛来”。

该模型为GLM-5系列首个原生多模态模型，起智总参数320B、谱开激活参数仅18B，牛来采用MIT协议开放权重，国产上线即登陆Hugging Face。算力

8月20日，卡扛Ox-Alpha以“隐身模型”身份悄然上线全球最大模型聚合平台OpenRouter，起智首日调用量即登顶并创下单日历史纪录，谱开同时终结DeepSeek在OpenCode长达56天的牛来霸榜，单日处理tokens达62T，国产迅速成为两大平台当周最受欢迎模型，算力刷新双平台历史纪录。

测试期间，独立研究员曾发布技术指纹报告，称其分词器在25组提示词测试中与GLM-5.3的Token计数完全一致、11项探针交叉测试与GLM家族全匹配，“99%把握”指向智谱——如今被官方证实。

据介绍，模型能力端直接对标国际旗舰。 GLM-5.3-Flash在Artificial Analysis Intelligence Index中拿下57分，与Anthropic旗下最受欢迎的Claude Opus 4.8持平，高于GLM-5.2的53分和DeepSeek V4 Pro正式版的53分。

价格端撕开新口子。 GLM-5.3-Flash定价为GLM-5.3的1/10，限时折扣期内低至1/20，仅为Opus 4.8的1/40 。具体到调用价格，该模型每百万token输入0.8元、输出2.8元、缓存命中0.23元。

国产算力首次大规模集体出海。 智谱披露，“牛来”测试期间的全部线上流量，以及GLM-5.3-Flash发布后的线上服务，均由10万张国产芯片承载。

这是国产算力芯片首次大规模直接服务全球真实负载 。此前市场关于“每天100万亿Token算力供给从何而来”的争论，至此有了答案。

此外，《科创板日报》记者另从相关人士获悉上述国产算力芯片或来自华为、海光、摩尔线程。

据智谱方面向《科创板日报》记者介绍，技术架构是成本压降的根源。 GLM-5.3-Flash基于30T Token多模态语料完成预训练，是GLM系列首次引入稀疏注意力与线性注意力混合架构，并创新采用流形约束超连接（mHC）。

据智谱披露，该架构使注意力计算量较GLM-5.3下降约3倍，KV缓存缩小4.4倍，支撑1M上下文窗口的经济化部署。

开源权重即刻可用。GLM-5.3-Flash正式面向全球开源，已接入ZCode等编码平台，并纳入GLM Coding Plan（每天限量发放10,000张体验卡），同步开放API调用。

北京计算机学会AI专委会秘书长、北京大学特聘研究员张有鱼告诉《科创板日报》记者，“匿名上线、全网实测、择日揭晓”的打法让GLM-5.3-Flash在揭晓前已完成真实流量压测并收割盲测口碑；

在DeepSeek V4 Flash提价、市场对“用得起的前沿模型”呼声日高的背景下，其以“前沿能力+1/40价格+国产算力底座”的组合切入，前沿模型的价格底线被再度击穿。