智谱发布 GLM-5.3-FlashX：速度提到 200 tokens/s

前段时间写过不少关于大模型的文章，先是 Cline 官宣 DeepSeek V4-Flash 免费用了，接着 匿名模型 Ox Alpha 被智谱认领为 GLM-5.3-Flash。9 月 18 日午间，智谱在官方公众号发了条简短公告，GLM-5.3-FlashX 上线，API 同步全面开放。核心信息就两行，最高生成速度 200 tokens/s，较 Flash 提升 5 倍，定价是原版的 2.5 倍。

FlashX 不是新模型，是 Flash 的提速档

先把定位说清楚，免得误会成又一波大版本更新。FlashX 与 Flash 用的是同一个基座，规格一个字没变。

• 320B 总参数 MoE，每 token 激活 18B

• 1M token 上下文，最大输出约 13.1 万

• 原生多模态，图片、视频、文件、文本进，文本出

• thinking 默认开启

第三方数据也能对上。Artificial Analysis 给 FlashX 的智能指数是 41.9，与 Flash 完全一致，Arena Elo 同为 1475。智谱官方的说法更直接，FlashX 是 Flash 家族的生产级高速度档位，速度差异来自 Infra 侧投入和推理优化，不动基座。

所以这次发布的本质是同一款模型拆成了两个 SKU，一个拼性价比，一个拼响应速度。

官方定价

国内站标准价，单位人民币 / 百万 tokens。

从 Flash 到 FlashX，输入 0.8 涨到 2，输出 2.8 涨到 7，缓存命中 0.23 涨到 0.57，整整齐齐 2.5 倍。国际版口径一致，OpenRouter、Z.AI、Vercel AI Gateway 等五个渠道都是 $0.37 输入 / $1.25 输出，缓存读取 $0.075。

放到大盘里看，FlashX 输入仍只有旗舰 GLM-5.3 的四分之一，输出不到旗舰的三成，比 DeepSeek V4.1 Flash（未命中 ¥1.0 / 输出 ¥4.0，高峰全项翻倍）贵一截。真要对价格敏感，Flash 的 0.8 / 2.8 还是全场最便宜的那一档，Qwen3.8-Flash 的 0.8 / 2.7 基本同价。

200 tokens/s 是怎么跑出来的

比涨价更有信息量的是提速的实现方式。

GLM-5.3-Flash 8 月 26 日开源后，由超过 10 万张国产芯片组成的推理集群上线即被打满。9 月 17 日，智谱创始人唐杰发文披露，团队用两周完成了国产加速卡的全量部署，端到端吞吐提升 3.2 倍，而其中大部分优化工作是由 GLM-5.3 驱动的 Infra Agent 完成的。

工作方式大概是这样，工程师负责设定目标和审核关键变更，Infra Agent 提出诊断、内核补丁和推理栈修改，所有改动在正确性测试、链路追踪和端到端指标的密集反馈下验证。团队还给 Agent 建了分层验证接口，这套基于真实基础设施任务的可验证反馈环境，后续可以直接用于下一代模型的训练。唐杰的原话是「模型优化系统、系统服务模型」的循环已经开始运转。

落到结果上，智谱口径是单 token 推理成本已接近主流英伟达 GPU 的水平。这套东西叠加在一起，才有了 FlashX 的 200 tokens/s。

涨价的底气在哪

FlashX 是智谱第一次明确用「更快」收钱，背后是需求压不住了。

• 10 万张国产芯片的集群上线即满载，智谱管理层在 9 月 16 日的分析师电话会上承认，需求持续超预期，算力一度成为收入增长的主要约束，目前短期已不是

• 资金面，智谱在 7 月和 9 月分别完成 40 亿、50 亿美元再融资，年末 ARR 指引从 24 亿美元上调到 30 亿美元，当前全业务口径 ARR 已达 18 亿

• 与海内外头部云服务商签署的收入分成协议将从 10 月起确认收入

• 公告当天，港股智谱涨逾 5%

市场端的观察是，国产大模型的竞争逻辑正在切换，从单纯追求能力上限，转向同等智能水平下比推理效率和体验。8 月 26 日阿里的 Qwen3.8-Flash 走的是低价路线，智谱这次用 FlashX 把「快」做成了独立收费档，两条路开始分化。

Flash 还是 FlashX，怎么选

两款模型智能完全一致，选型只看一个问题，你的场景对时延有多敏感。

适合切到 FlashX 的场景：

• Agent 循环和 Coding 工具里的流式输出，生成速度直接决定体感，200 tokens/s 的差距肉眼可见

• 面向终端用户的在线对话产品，响应快就是留存

• 高并发在线服务，单实例吞吐上去了，同等硬件能扛的 QPS 更高

继续留在 Flash 的场景：

• 离线批处理、定时任务、数据清洗这类对延迟不敏感的活

• 预算敏感的大调用量，Flash 的批量（Batch）通道价格约为主价一半

• 缓存命中率高的 Agent 负载，缓存命中 ¥0.23 对 ¥0.57，差价也会累积

一句话总结，为速度付 2.5 倍差价值不值，取决于你的用户等不等得起。

接入方法

模型 ID 是 GLM-5.3-FlashX，国内走 bigmodel.cn，国际版走 z.ai，OpenRouter 上是 z-ai/glm-5.3-flashx。接口保持 OpenAI 兼容，原来跑 Flash 的代码把 model 换掉就能用，对话补全、工具调用、多模态字段全部兼容。建议把 stream 打开，不然感知不到这次升级的意义。

curl https://open.bigmodel.cn/api/paas/v4/chat/completions \
  -H "Authorization: Bearer $ZHIPU_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "GLM-5.3-FlashX",
    "messages": [
      {"role": "user", "content": "用一段话介绍你自己"}
    ],
    "stream": true
  }'

完整参数见官方文档 docs.bigmodel.cn。

写在最后

FlashX 本身没什么惊喜，智能没变、参数没变，变的只有速度和价格。真正值得留意的是它背后的生产方式，模型驱动 Agent 优化 Infra，Infra 反过来喂下一代模型，智谱把这个循环从 PPT 落到了生产集群上。当头部模型的能力差距越来越小，速度、价格和单位成本就成了新的战场，这次同一基座拆两个 SKU，受益的其实是开发者，按需选档就行。

未经允许不得转载：w3h5前端开发资源网 » 智谱发布 GLM-5.3-FlashX：速度提到 200 tokens/s