MoeRouter 博客
简体中文
获取 API Key

GLM-5.3-Flash 评测汇总:便宜到离谱的原生多模态模型,能做什么、不能做什么

智谱 GLM-5.3-Flash 是 GLM-5 系列第一个原生多模态模型,支持图片和视频输入、100 万上下文。这篇汇总官方跑分、中文独立评测和 B 站 UP 主的实测:后端和测试代码扎实,复杂业务流程和前端细节还要人盯。

glm-5.3-flash

文章导读

  • GLM-5.3-Flash 在 2026 年 8 月 27 日前后发布并开源,就是此前在 OpenRouter 上匿名走红的 Ox Alpha(外号“牛来”)。它是 GLM-5 系列第一个原生多模态模型,支持文字、图片和视频输入,上下文 100 万 token。
  • 中文独立评测 ReLE 里它的总分是 74.2%,排第 15 位,离自家旗舰 GLM-5.3 只差 1 个百分点,调用花费不到旗舰的十分之一。
  • 实测的共同结论:后端和测试代码扎实,性价比很高;前端细节、深度推理和复杂业务的状态一致性是短板,而且它跑得慢。
  • glm-5.3-flash 是 MoeRouter 上近 7 天用量第四的模型,也是价格最低的一档,适合量大、能自动验收的任务。
本文目录
  1. GLM-5.3-Flash 是什么
  2. 在 MoeRouter 上多少钱
  3. 跑分
  4. 实测
  5. 该怎么用
  6. 怎么调用
  7. 常见问题

GLM-5.3-Flash 是什么#

2026 年 8 月下旬,OpenRouter 上出现了一个匿名模型 Ox Alpha:100 万 token 上下文,文本、图片、视频都能输入,而且免费。它很快冲到使用榜第一,中文社区给它起了个外号叫“牛来”。几天后智谱确认它就是 GLM 系列的新版本,随后正式发布并开源,名字叫 GLM-5.3-Flash[1]。

项目 GLM-5.3-Flash
定位 GLM-5 系列第一个原生多模态模型,面向更低成本的代码、智能体和视觉任务
输入与输出 文字、图片、视频输入,文字输出,支持工具调用
规模 总参数 320B,激活参数 18B
上下文与输出 上下文 100 万 token,最长输出约 13.1 万 token
官方标价(Z.ai,每百万 token) 缓存命中输入 0.03 美元、输入 0.15 美元、输出 0.50 美元
在 MoeRouter 的模型名 glm-5.3-flash
在 MoeRouter 支持的接口 Chat Completions、Responses、Messages

规格和官方价格来自子昕在火山引擎开发者社区的文章[1]。

在 MoeRouter 上多少钱#

每百万 token
模型分组输入输出缓存读取
glm-5.3-flashdefault¥0.0072¥0.0252¥0.00207

每百万 token 的参考价,人民币,取自模型广场()。动态计费的模型按实际走的线路结算,以模型广场为准。

这是 MoeRouter 上最便宜的一档。价格这么低,是因为 default 分组显示的是当前最便宜线路的参考价;线路变化时价格会跟着变,实际扣费以使用日志为准,见计费与额度。

跑分#

智谱自己报的#

评测 GLM-5.3-Flash 对比
DeepSWE v1.1 63.4 GLM-5.2 46.2
Terminal Bench 2.1 84.3 —
AutomationBench v1.0.6 48.8 GLM-5.2 26.2
Z.ai Code Bench v1.0(Max) 29.0 Claude Opus 4.8 29.5
OfficeQA Pro(复杂文档理解) 62.4 Claude Opus 4.8 48.9

官方对比的对象是 Claude Opus 4.8、GPT-5.6 Terra 这一代的模型[2]。智谱的博客还引用了 Artificial Analysis 的智能指数 57 分;子昕的提醒是,榜单分数来自特定的测试条件,不能直接换算成一个项目的交付成功率[1]。

第三方测的#

  • ReLE 中文综合评测(非线智能,约 1.5 万道题,覆盖教育、医疗、金融、法律、推理数学、语言指令、Agent 工具调用和 Coding):总分 74.2%,排第 15 位;上一代 GLM-4.7-Flash 是 49.8%、第 119 位。Coding 一项从 22.9% 涨到 64.7%,是涨幅最大的;唯一回调的是 Agent 工具调用,从 62.7% 微降到 61.6%[2]。
  • 和同档比:同样在每千次调用 10 到 15 元这一档,它(74.2%,12.7 元)略高于 qwen3.8-flash(74.0%,10 元);比 deepseek-v4-flash(68.8%,4.9 元)贵,分数高 5.4 个百分点[2]。
  • 和旗舰比:离自家旗舰 glm-5.3(75.2%,134.9 元)只差 1.0 个百分点,花费不到十分之一[2]。
  • 慢:ReLE 里它平均每次调用 128 秒,gemini-3.7-flash 是 10 秒[2]。Atomic Agent 的编程智能体测试里,它 96 个隐藏测试全过,但平均用了 14.1 分钟、34 步、每个任务 0.059 美元;同一个任务 DeepSeek V4.1 Flash 1017 用 27 秒、0.016 美元[3]。

实测#

子昕(火山引擎开发者社区) 用官方的 ZCode 跑了三个真实场景,和此前测 Qwen 3.8 Max、Kimi K3 的题目一样[1]:

场景 结果
纯前端视频工作台 能上传、裁剪,移动素材有吸附(另两个模型都没做出来);但布局错乱,变速和渐变参数改了不生效
带候补流程的实时票务系统 完成锁座后发起支付,页面直接报错,后面的出票、退款、候补都测不了;Qwen 3.8 Max 和 Kimi K3 都走通了主流程
看玩法视频复刻物理驾驶游戏 三个里最满意的一个,前进后退和空中姿态都能玩;问题在操控调校

他的结论是:“模型能把第一版做出来,状态一致性、交互细节和失败后的修复仍然需要人盯。”[1]

程序员阿江-Relakkes(B 站) 的实测里,亮点集中在后端与测试。简介里的总结是:以 18B 的激活规模来看已经不错,后端比较扎实,“前端和深度推理差点意思,但是性价比真的很爽”[4]。

林禾Link(B 站) 和 DeepSeek 做了不多轮修改的对比,承认“这几个项目都有些小毛病”,但认为“智谱的功能完成度,项目理解能力以及自主纠错的能力都是显著更强的”,并且能在官方 harness 里实现视觉能力的闭环[5]。

塔斯海Tasihi(B 站) 不太相信官方“价格是 Opus 4.8 的 1/40、能力打平”的说法,于是用完全一致的提示词做了 3 个前端项目,和 DeepSeek-V4-Flash 对比,结论是“5.3 Flash 效果好得有点儿夸张,而且巨便宜,比 V4-Flash 的闲时任务都便宜”[6]。

该怎么用#

适合

  • 后端接口、测试代码、脚本这类能自动验收的任务
  • 量大的抽取、分类、摘要和中文问答
  • 需要读图片或视频的任务(它原生支持)

不太适合

  • 状态复杂的业务系统(支付、退款这类流程要人验收)
  • 对界面细节要求高的前端
  • 要求快速响应的交互场景:它偏慢

同价位的另一个选择是 DeepSeek V4.1 Flash:在 Atomic Agent 的同一个编程任务上,它比 GLM-5.3-Flash 快得多;GLM-5.3-Flash 的优势是视频输入和中文综合能力。

怎么调用#

OpenAI SDK:

import os
from openai import OpenAI

client = OpenAI(
    base_url="https://moerouter.com/v1",
    api_key=os.environ["MOEROUTER_API_KEY"],
)
reply = client.chat.completions.create(
    model="glm-5.3-flash",
    messages=[{"role": "user", "content": "给这个函数补上边界条件的单元测试,用 pytest"}],
)
print(reply.choices[0].message.content)

它也支持 Messages 和 Responses 接口,所以可以填进 Claude Code 或 Codex 的模型配置。耗时长的请求请用流式输出,见接口与协议。

常见问题#

GLM-5.3-Flash 就是“牛来”吗?#

是。它上线前以 Ox Alpha 的名字在 OpenRouter 上匿名测试,中文社区叫它“牛来”,智谱随后确认它是 GLM 系列的新版本并以 GLM-5.3-Flash 的名字正式发布。

GLM-5.3-Flash 的 API 价格是多少?#

智谱官方(Z.ai)的标价是每百万 token 输入 0.15 美元、输出 0.50 美元,缓存命中输入 0.03 美元。在 MoeRouter 上的参考价见本文的价格表,以人民币结算。

GLM-5.3-Flash 支持图片和视频输入吗?#

模型本身支持文字、图片和视频输入,是 GLM-5 系列第一个原生多模态模型。通过 MoeRouter 调用时,图片输入可以直接用;视频输入取决于当前线路,建议先用小文件测试。

GLM-5.3-Flash 和 DeepSeek V4.1 Flash 怎么选?#

两个都很便宜。中文综合评测里 GLM-5.3-Flash 的分数更高,还能读视频;编程智能体任务上 DeepSeek V4.1 Flash 快得多。写代码优先试 DeepSeek,读文档、做中文问答和多模态任务优先试 GLM。

为什么 GLM-5.3-Flash 这么慢?#

它默认开启推理,会花不少 token 思考。中文评测里平均每次调用 128 秒;一个编程智能体任务里,它用了 14 分钟,其中大部分输出是推理 token。对延迟敏感的场景不适合用它。

能用它替代 GLM-5.3 旗舰吗?#

多数任务可以先试。中文综合评测里两者只差 1 个百分点,花费不到十分之一;任务涉及复杂的业务流程时,先拿自己的用例对比一下。

参考资料

文中引用的评测与数据来自以下公开来源,结论归原作者所有;引用处均已标注。

  1. 牛来原来是智谱,GLM-5.3-Flash 实测有惊喜也有硬伤 火山引擎开发者社区 · 子昕
  2. 【非线智能测评】智谱 GLM-5.3-Flash 实测:Coding与多模态大幅跃升,重塑轻量模型性价比标杆 非线智能 NoneLinear · 发布于 2026-09-03
  3. DeepSeek V4.1 Flash 1017: $0.016 per Coding Task Atomic Agent
  4. 匿名爆火的「牛来」模型,原来真的是智谱家的!实测GLM-5.3-Flash! 哔哩哔哩 · 程序员阿江-Relakkes · 发布于 2026-08-27
  5. 夯爆了!全面超越Deepseek!智谱GLM5.3Flash性能实测!效果过于惊艳! 哔哩哔哩 · 林禾Link · 发布于 2026-08-27
  6. GLM-5.3-Flash性价比实测如何?对比V4Flash 哔哩哔哩 · 塔斯海Tasihi · 发布于 2026-08-27

说明:MoeRouter 提供文中模型的 API 接入服务。文中的评测结论均来自所引用的第三方来源,价格与接口信息来自 MoeRouter 自己的数据。