Z.ai证实打造神秘模型Ox Alpha，真身是GLM-5.3-Flash

8月下旬，一个名为Ox Alpha的神秘模型毫无预兆地出现在OpenRouter和OpenCode平台上，在各类排行榜和基准测试中直逼顶尖模型，却没有任何实验室出面认领。接下来的几天里，这种沉默演变成了人工智能行业最大的猜谜游戏之一：本站此前关于这次隐秘发布的报道曾梳理出五种相互竞争的猜测——分别指向Z.ai旗下的GLM系列、微软、谷歌、Cursor和字节跳动——这些猜测大多基于分词器（tokenizer）留下的痕迹，因为被点名的实验室都不愿证实或否认。分词器测试最一致地指向Z.ai：在十一项独立测试中，其GLM系列模型全部吻合，而其他任何一家实验室的模型都未能超过四项吻合；但Ox Alpha所消耗的免费用量规模之大，让人对这个原本最有力的猜测也产生了怀疑。

这个谜团如今已经解开。据TechCrunch援引彭博社的报道，Z.ai已经证实，Ox Alpha正是其GLM系列的最新迭代。该公司表示计划在周三公开Ox Alpha的权重，届时外部开发者将可以直接在其基础上进行开发。Z.ai将该模型描述为面向编程、长时间智能体（agentic）工作和生产环境负载而设计，适用于长周期的软件工程任务，以及文本与图像相结合的工作流。

揭开面具：GLM-5.3-Flash

以正式名称示人，Ox Alpha其实就是GLM-5.3-Flash——据德国科技媒体the-decoder.de报道，这是GLM-5系列中首款原生多模态模型。该模型总参数量达3200亿，但每次任务实际激活的参数只有180亿，这种混合专家（MoE）架构旨在降低推理成本。模型以MIT许可证发布，权重已上传至Hugging Face，并支持一百万token的上下文窗口。

在Artificial Analysis的智能指数（Intelligence Index）测试中，GLM-5.3-Flash在最大推理强度下获得57分，仅比体量更大的GLM-5.3（60分）低3分，与GPT-5.6 Terra和Muse Spark 1.2大致处于同一水平。真正关键的差距在于价格：Artificial Analysis测算，该指数中每项任务的成本为0.09美元，而GLM-5.3为0.68美元，便宜了约7.5倍——该机构表示，这使该模型处于智能与成本之间的帕累托前沿。通过Z.ai自家API调用，GLM-5.3-Flash的价格为每百万输入token 0.15美元、每百万输出token 0.50美元，大约只有GLM-5.3价格的十分之一。在智能体基准测试GDPval-AA v2上，它获得约1770的Elo分数，与GLM-5.3和Grok 4.6相当，仅次于Claude Opus 5。代价则体现在效率上：据Artificial Analysis测算，该模型约90%的输出token都用于推理过程，而非最终答案本身，这可能会拖慢响应速度，即便每个token的价格更低。

• 总参数3200亿，每次任务实际激活180亿（混合专家架构）
• 智能指数：57分，对比GLM-5.3的60分，但每项任务成本便宜约7.5倍（0.09美元对0.68美元）
• API价格：每百万输入token 0.15美元，输出token 0.50美元——约为GLM-5.3价格的十分之一
• GDPval-AA v2智能体得分：Elo约1770，仅次于Claude Opus 5
• 据Z.ai称，每天交付100万亿token，全部运行在中国芯片上

对英伟达「CUDA护城河」的一次实测

更引人注目的说法并非关于模型本身，而是关于基础设施。在以正式名称发布之前，Z.ai曾以「ox-alpha」这一匿名身份，在OpenCode和OpenRouter上对该模型进行测试，并使其成为当周使用量最高的模型。据Z.ai介绍，当时的全部流量都运行在中国人工智能芯片上，而非英伟达硬件。SemiAnalysis报道称，这套系统每天交付了100万亿token，这一规模此前被认为只有顶尖实验室才能实现，该机构还指出，Z.ai宣称其硬件效率和单token成本可与主流英伟达GPU相媲美。SemiAnalysis将这一结果视为对英伟达所谓「CUDA护城河」的又一次实测——CUDA是英伟达近二十年间打造的专有软件层，介于人工智能框架与英伟达芯片之间，几乎所有人工智能软件都是围绕它量身定制的。更换到不同的芯片，通常意味着要从零开始重新编写计算操作、调整内存访问方式，这项工作在过去让英伟达的竞争对手屡屡受挫：芯片在纸面参数上很快，实际使用中利用率却很低。Z.ai表示，其绕开这一难题的方法，是基于开源框架SGLang自行构建了一套推理服务软件，将处理流程拆分为可独立扩展的多个阶段；团队称，与最初的尝试相比，这套方案在同样的硬件上将吞吐量提高了三倍，其间还有一个基于GLM-5.3构建的智能体协助完成了优化工作。

像这样的匿名「隐身」发布，如今已经成为一种颇为常见的打法，尤其是在中国实验室之间：不带名字发布一个模型，意味着它只会凭借排行榜成绩和开发者的真实使用体验受到评判，不会带上一个知名品牌所附带的先入之见——无论这种先入之见是有利还是不利——直到实验室准备好正式宣布之前都是如此。这种做法同时也是在生产规模上测试一整套全新基础设施——在这个案例里，就是一整条完全不依赖英伟达的服务链路——然后才把公司的名字与结果挂钩。

这种摆脱英伟达依赖的说法，是在美国多年出口管制的背景下提出的：这些管制限制了中国实验室获取英伟达最先进人工智能芯片的渠道，促使它们转向国产替代方案，并开发定制软件让这些芯片具备竞争力。如果Z.ai公布的效率数字经得起独立检验，那么它们就会削弱一种普遍假设，即仅凭CUDA软件生态系统，英伟达就能对那些绕开出口管制、而非依赖出口管制建立起自身能力的实验室保持长期优势——这将实实在在地影响英伟达在这个它长期主导的市场中还能保有多大的定价权。

对于正在权衡是否将生产环境的工作负载转向更便宜的国产模型、而非价格高昂的西方顶尖模型的企业来说，GLM-5.3-Flash提供了一个具体的参照：其性能已经接近旗舰级大模型，API价格却只有约十分之一，而且许可证还允许自行部署。相应的取舍同样是真实存在的——更高的推理token消耗可能拖慢响应速度，一家总部位于中国的实验室也带来了自身在数据处理和出口合规方面的问题，而且和Ox Alpha此前的匿名测试一样，这些技术参数在Z.ai主动公开之前都未经过任何独立机构的验证。随着越来越多这种价格低廉、性能强劲的模型从中国实验室涌现，把成本节省与这些数据治理问题放在一起权衡，而不是只看基准测试分数，很可能会成为企业评估供应商时的标准环节。