GLM-5.3 Flash：高速、多模态且经济实惠

GLM-5.3 Flash 于 2026 年 8 月 26 日上线 OpenRouter。与 GLM-5.3 不同，它源自一个全新训练的基座模型，其架构和训练方案均经过重新设计，兼顾强大能力与极致效率。模型总参数量为 3200 亿（320B），每个 token 仅激活 180 亿（18B）参数。

Z.ai 首次在 GLM 系列中采用稀疏与线性注意力混合设计，在保持精准长上下文表现的同时，大幅降低了长文本推理服务成本。Z.ai 表示，与 GLM-5.3 相比，这一设计使注意力计算量减少了 3.01×，KV cache 减少了 4.44×。该模型还采用了流形约束超连接（mHC），并在包含 30 万亿 token 的多模态语料库上进行了预训练。

在 OpenRouter 上，GLM-5.3 Flash 支持文本、图像和视频输入，上下文窗口达 1,048,576 tokens，最大输出为 943,718 tokens。其价格仅为每百万输入 token $0.0052、每百万输出 token $0.1985——在 GLM-5 家族中价格优势极其显著。在 Z.ai 官方平台上，该模型标识为 glm-5.3-flash，具备 1M 上下文，最高支持 128K 输出 tokens，并通过 image_url 支持图像输入。

Z.ai 声称，GLM-5.3 Flash 在各项基准测试和实际应用场景中的表现均超越了 GLM-5.2，而成本仅为其十分之一，在编程和 Agent 基准测试中更是逼近 Claude Opus 4.8。模型权重已发布在 Hugging Face（zai-org/GLM-5.3-Flash），采用 MIT 许可证开源。

GLM-5.3 FlashX 于 2026 年 9 月 18 日上线，是 GLM-5.3 Flash 的高速版本。它基于相同的混合注意力架构构建，官方介绍其推理速度可达每秒 200 tokens。它支持文本、图像和视频，拥有 1M 上下文，但单次请求最多返回约 131K tokens。

FlashX 在 OpenRouter 上的定价为每百万输入 token $0.37、每百万输出 token $1.25，目前未开源权重。当低延迟比成本更关键时，建议选择此版本；对于大多数其他任务，标准版 GLM-5.3 Flash 则经济实惠得多。