刷屏快一周的匿名模型「牛來」，正式揭曉了真身。

8 月 26 日晚，智譜正式上線並開源了 GLM-5.3 Flash，確認它就是 8 月 20 日起以 Ox-Alpha 代號，在大模型聚合平台 OpenRouter 和 OpenCode 上匿名測試的那個模型。

說起來，這是智譜第二次用這種匿名模型先免費跑一周賺流量，然後再官宣認領，上次是「馬來」。春節前夕的 Pony-Alpha，後來被證明是 GLM-5。

就在同一晚，阿里也發布了一款新模型，且一樣是 Flash 款。Qwen3.8-Flash 正式在大模型開源平台 Hugging Face，和阿里的模型開源社區魔搭 ModelScope 開源權重。

特別的是，千問這款新模型，雖然是 Flash，但是卻作為 Qwen4 架構的早期預覽版，用的是下一代 Qwen4 模型的新架構。

架構之外，兩個新模型的 benchmark 數據和具體表現，也一點不像是原本我們對 Flash 的印象，即旗艦/Pro 模型的刪減版。

GLM-5.3-Flash 擁有百萬上下文，也是 GLM-5 系列的第一個原生多模態模型，圖片、視頻、文件、Coding，以及 Computer Use 這些功能現在全部靠模型就能做到。

Qwen3.8-Flash 同樣保留百萬上下文、圖像和視頻輸入，結合千問辦公，生成速度提升 100%，Token 消耗減少 75%。

圖｜GLM-5.3 Flash 在多個 benchmark 上的表現基本在 Opus 4.8 的水平

與此同時，極致性價比和普惠是這兩款模型的定位。GLM-5.3-Flash 的定價前所未有，限時折扣內每百萬 Token 輸入是 0.4 元，輸出 1.4 元，緩存命中 0.115 元，是 GLM-5.3 的 1/20。

Qwen3.8-Flash 的價格同樣感人，每百萬 Tokens 輸入僅 1 元、輸出 3 元，是 Qwen3.8-Max 的 1/12。

作為對比，現階段漲價後的 DeepSeek V4 Flash 價格是每百萬 Token 輸入是 1.5 元，輸出 4.5 元，緩存命中 0.05 元，而高峯時段還是空閒時段的兩倍。目前高峯時段為北京時間周一至周五 9:00 - 12:00、14:00 - 18:00，其餘為空閒時段。

一邊要比較模型界的「拼多多」DeepSeek V4 Flash 的價格，一邊又要比較智能上限，動不動就對標 Claude Opus 5、Fable 5 等。

圖｜DeepSeek V4 系列模型價格，從左至右為 V4 Flash、V4 Pro、V4 Flash Vision 實驗版

Flash 似乎正在擺脫過去「砍參數、砍多模態、砍上下文」換低價的定位，從一句「夠用就好」，變成大模型廠商新的競爭重點。

和 Opus 4.8 得分持平

OpenCode 的界面仍然顯示着，ox-alpha 有 50.5 萬個獨立用戶標識，累計消耗 Token 達到了 44T，完成超過 1300 萬個會話，輸入 Token 的緩存比例達到 93%。

這些數字能證明大量調用發生在 Coding Agent 平台，即便是匿名身份也沒有阻擋住開發者對這款新模型的使用熱情。

持續的調用，讓這個「牛來」模型終結了 DeepSeek 在 OpenCode 上長達 56 天的霸榜。

而來自模型調用的算力壓力，智譜後續則提到，這些請求流量全部由國產芯片提供算力支持，他們調用了超過 10 萬張國產芯片做推理服務，並在技術文檔中表示其集群「硬件效率及單位 token 成本已經達到了與主流英偉達 GPU 相當的水平」。

我們簡單測試了一下 GLM-5.3-Flash 的能力，目前它在智譜官方的 Coding Agent 平台 ZCode 上可以直接體驗。官方平台的 BigModel、Coding Plan 等 API 接入也已經開啓調用。

多模態的視覺能力是 GLM-5.3-Flash 的新增能力，我們上傳了 X 上最近比較火的二維碼項目視頻。平視是一棵樹，但是當我們拖拽鼠標切換不同視角，俯視時，這棵像素塊組成的樹就變成了一個可掃描的二維碼。

GLM-5.3-Flash 可以自動讀取視頻，但工作時間和我們之前的測試一樣，ZCode 要花較長的時間進行思考。似乎並沒有因為模型是 Flash，而導致任務的執行時間有變短。

最終實現的項目也是可以用的，但是如動圖所示，整個網頁非常卡頓。

我們要求 GLM-5.3-Flash 分析卡頓原因，它自己也提到，之前的實現每一幀都要重新繪製整個場景。

而整個場景有將近 1300 塊地磚，每塊最多 5 個面(頂面 + 4 面牆)，再加投影計算裏每點都算一遍三角函數，鼠標拖拽的每幀，就有約 6000 次路徑填充、2 萬次三角函數，60fps 下非常喫力。

修復之後的版本要好上不少，動畫更加絲滑，拖拽也不卡頓，切換主題樣式時渲染都更快。

而整個項目從讀取視頻，到實現這個 3D 效果的二維碼網頁，以及二次修改；ZCode 內顯示的應用用量消耗是將近 3000 萬 Token，個人套餐內的 5h 剩餘額度還有 98%，每周額度則是剩餘 99%。

我們繼續使用 GLM-5.3-Flash 進行測試，模型的多模態能力很好地幫助 ZCode 可以持續截圖，通過視覺識別自身生成的內容，以及用「試玩」等方式來找到輸出結果中不合理的部分。

同樣是之前在 X 上比較熱門的中國寶塔案例，模型需要使用 3D 庫， 生成一座中國寶塔，朱漆綠釉，頂部飾以鎏金的完整搭建過程。

GLM-5.3-Flash 似乎參考了二維碼花園的項目，導致這個中國寶塔也採用了和之前一樣的像素風格，整個用時 57 分鐘，消耗 Token 大約在 1500 萬左右。

可以說，至少在我們的這輪測試裏，GLM-5.3-Flash 和 GLM-5.3 的體驗差距並沒有價格差距 20 倍那麼大。

注意力計算量、KV 緩存、激活參數和總參數可能已經發生了很大變化，但落到常規網頁開發、研究報告等實際任務上，這些差異並不明顯，GLM-5.3-Flash 也可以勝任。

Flash 正在越過斬殺線

同一晚發布的另一款 Flash 模型，也不「Flash」。

Qwen3.8-Flash 主模型 125B 參數，外加 51B 的 N-gram Embedding，每 token 只激活 6B 參數；原生支持 26.2 萬 token 上下文，可通過 YaRN（Yet another RoPE extensioN）擴展到 100 萬。

更特別的是，它直接採用了下一代 Qwen4 的新架構。相比 Qwen3.7-Plus，通過架構和注意力機制內核的調整，整體訓練成本降到約九分之一，編碼和辦公任務反而更強。

前段時間，我們在《DeepSeek 給大模型劃出的「斬殺線」，斬的到底是什麼》裏給「斬殺線」下過一個定義：足夠高的任務完成率 × 足夠低的總任務成本，從而奪走默認調用位。

當時看這似乎是 DeepSeek 的單點優勢，畢竟一直以來的印象，卷價格，沒有人能做到比 DeepSeek 低，智能水平，DeepSeek 也並不會讓人失望。

隨着智譜發布價格更低的 GLM-5.3-Flash，千問也發布未來結構、價格同樣便宜的 Qwen3.8 Flash，所謂的斬殺線已經不再是 DeepSeek 這一家模型廠商的敘事，更像是整個做大模型行業的新規則。

根據 Artificial Analysis 的測算結果，GLM-5.3-Flash 單次任務的成本比 DeepSeek V4 Flash 低，且智能水平要比 V4 Flash 和 V4 Pro 都要高。

當百萬上下文、原生多模態和 Coding Agent 開始成為標配，模型廠商正在做同一件事：把過去接近旗艦級的能力，壓進 Flash 的價格帶。

圖｜最近一個月發布的 Flash 模型情況

有意思的是，從今年 2 月發布 Gemini 3.1 Pro 之後，Google 就再沒發過任何 Pro 模型。他們在五月發布 Gemini 3.5 Flash、七月發布 Gemini 3.6 Flash、八月發布 Gemini 3.7 Flash……

現在看來，原來 Google 一直發布 Flash 是看中了這塊斬殺線。

過去的 Flash 依靠削減能力，比如縮減上下文、剝離多模態來換取低價，匹配對應的市場；而現在的 Flash 保持功能全量，僅通過極低的高效激活參數，像是百億級激活/幾百億總參數，來壓縮單 Token 邊際成本。

在眼下「無處不消耗 Token」的背景下，讓更多的用戶可以大膽地在後台運行着一個自己的「全天候 Agent」，或工作中小到轉換圖片格式、文檔格式這樣的工作，都能直接丟給 AI。

而更昂貴的旗艦模型，在更多的時候則是退到了非選不可的情況，只有我們在觸發到任務困難、Flash 做不好的情況，或者讓 Pro 決策，用 Flash 執行等。

另一方面，Flash 帶來的變化也在模型迭代路徑上體現，過去是「旗艦先發 $ightarrow$ 蒸餾縮小 $ightarrow$ 推出 Flash」；現在則演變為「高效架構（如新型 MoE、預測草稿 Token）先在 Flash 驗證 $ightarrow$ 再拓展至旗艦」。

效率工程本身成為了行業的最前沿，Flash 架構的創新密度甚至開始超越旗艦。

所以今天再問什麼是 Flash，答案已經變了。以前，它意味着更快、更便宜的輕量模型；現在，它代表的是足夠高的任務完成率，以及足夠低的任務成本。

哪怕生成速度只有 50 Token/s，只要它擁有視覺自檢與長文本推理能力，能穩妥跑完耗時 10 分鐘的複雜 Coding 或辦公工作流，它在商業層面就已經斬斷了傳統低端模型的生存空間。

過去，我們總想默認使用「最聰明的模型」。接下來，默認調用位可能屬於那個足夠聰明、足夠便宜，因此可以放心一直開着的模型。

這是 Flash 越過斬殺線之後帶來的變化，旗艦模型決定 AI 的上限，而 Flash 決定我們每天到底用哪個 AI。