GLM-5.3-Flash 开源了，但先别把 Flash 理解成“小模型”或“秒回模型”。

它有 320B 总参数、18B 激活参数，是 GLM-5 系列首个原生多模态模型，支持 1M 上下文，权重已上架 Hugging Face 和 ModelScope。

它真正的轻量化在推理架构：稀疏注意力 + 线性注意力、IndexPool、45 层。Z.ai 称，相较 GLM-5.3，注意力计算量下降 3.01 倍，KV 缓存下降 4.44 倍。

官方评测里，DeepSWE v1.1 为 63.4，GLM-5.2 为 46.2；AutomationBench 为 48.8 对 26.2。视觉能力也被放进“查看界面—执行—渲染—再修正”的闭环，而不是只做看图问答。

成本是更大的看点，但要分国内外：国内 BigModel 当前标注“5 折限时两周”，每 100 万 tokens 输入 0.4 元、输出 1.4 元、缓存命中 0.115 元；Z.ai 国际 API 则是输入 $0.075、缓存输入 $0.015、输出 $0.25，优惠到 2026-09-09 24:00（UTC+8）。

但 Artificial Analysis 截至 8 月 27 日的 Z.ai API 快照显示，输出约 48.7 tokens/s，首个答案 token 时间约 42.57 秒，回答也偏长。换句话说，它更像“成本效率型 Flash”，暂时不一定是“低延迟型 Flash”。

适合先测：视觉 Coding、Office Agent、长上下文批处理、开放权重部署。生产替换前仍要跑自己的成功率、延迟和成本回归。

官方：< 网页链接第三方：< 网页链接

GLM智谱AI多模态