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。
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。
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#
| 模型 | 分组 | 输入 | 输出 | 缓存读取 |
|---|---|---|---|---|
glm-5.3-flash | default | ¥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。
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。