过去一周，全球AI圈被一个“幽灵”搅得天翻地覆。

美东时间8月20日深夜，一款名为Ox-Alpha的模型以“隐身模型”身份低调上架OpenRouter。没有品牌背书，没有发布会，只有一条公告：限时免费，欢迎来测。

然后，它炸了。

01 “牛来”杀穿全球，开发者疯了

Ox-Alpha一上线就刷新了OpenRouter的单日模型调用纪录。使用量一度达到DeepSeek的两倍以上。短短5天，累积流量超过50T。

开发者们像闻到血腥味的鲨鱼一样涌入。有人用它生成复杂代码，有人拿它处理多模态任务——速度快、响应稳、效果惊艳。中文社区给它起了个接地气的名字——“牛来”。

全网都在猜：这头牛到底是谁家的？谷歌DeepMind的研究员甚至推测它可能是Gemini的新版本。

8月26日晚，谜底揭晓——智谱正式发布并开源GLM-5.3-Flash。它就是过去一周席卷全球的“牛来”。

但真正让所有人瞳孔地震的，是另一个消息。

02 十万里山河，撑起一个“牛来”

智谱同时扔出了一枚核弹：过去一周“牛来”收到的所有请求流量——全部由国产芯片提供算力支持。

这不是实验室里跑几个demo的“国产芯片适配秀”。据《晚点LatePost》了解，智谱调用超过10万张国产芯片集群用于该模型推理服务，供应商或来自华为昇腾、摩尔线程与海光。

10万张国产芯片，真刀真枪地扛全球用户的真实调用。匿名测试期间，用户根本不知道模型背后是谁、用的是什么芯片，只看速度、稳定性和效果。国产算力就这样接受了一场持续数天、毫无预演的真实流量压力测试。

而它，扛住了。

单张国产芯片面临内存容量和带宽瓶颈，GLM-5.3-Flash又原生支持最长1M上下文，对显存和通信要求极高。智谱基于SGLang构建专用推理引擎，加入张量并行、W8A8量化、混合缓存量化等技术，通过“以算力换带宽、以通信换显存”的方式破解硬件限制。集群层面采用EPD分离式架构，将多模态编码、Prompt预填充和逐Token解码拆分为三个可独立调度扩缩容的工作池。

结果是什么？端到端服务性能提升了3倍，硬件效率和单Token成本已达到与主流英伟达GPU相当的水平。

“这证明国产芯片完全可以在大规模场景下高效、经济地支撑前沿模型的推理需求。”智谱说。

03 性能打平Opus 4.8，价格只有1/40

如果说“国产芯片硬扛全球流量”已经够燃了，那GLM-5.3-Flash的性能和价格，简直是在伤口上撒盐。

320B总参数、18B激活参数，是GLM-5系列首个原生多模态模型。在全球权威的Artificial Analysis Intelligence Index中拿下57分，与Anthropic最受欢迎的旗舰模型Claude Opus 4.8得分持平。在自研Z.ai Code Bench中，编程表现同样与Opus 4.8相当。

一款开源模型，进入了此前主要由高价闭源旗舰占据的能力区间。

价格更让人窒息。GLM-5.3-Flash定价仅为GLM-5.3的1/10，限时折扣期内降至1/20——仅为Claude Opus 4.8的1/40。每百万Token输入0.8元、输出2.8元，比调价后的DeepSeek V4 Flash更便宜。

性能打平顶级闭源模型，价格只有人家的四十分之一——还全部跑在国产芯片上。这不是性价比，这是降维打击。

04 智谱的国产算力野望，早已埋线千里

GLM-5.3-Flash的国产芯片壮举并非一蹴而就。

6月，GLM-5.2上线当天即完成与华为昇腾、平头哥、摩尔线程、寒武纪、昆仑芯、沐曦、海光、壁仞等八大国产算力平台的全适配。7月，智谱完成对国产AI异构算力软件公司中科加禾的收购，并落地1GW级国产AI算力数据中心。

从芯片适配到软件栈，从数据中心建设到10万张卡集群调度——智谱一步步把“国产芯片跑大模型”这件事，从PPT搬进了生产环境。

05 国产算力的拐点，到了

过去几年，国产芯片一直被一个问题困扰：能跑，但能不能扛？实验室里跑几个benchmark是一回事，承载全球用户的真实生产流量是另一回事。

GLM-5.3-Flash的回答是：能扛。10万张国产芯片，全球开发者真实调用，端到端性能提升3倍，单Token成本对标英伟达。

过去一周，全球开发者狂热地调用着一个他们不知道名字、不知道来源的神秘模型。他们感受到的是极致的速度和稳定的响应——他们不知道，背后撑起这一切的，是10万张中国造的芯片。

“牛来”这个名字，起得真好。

这头牛，真的来了。英伟达，你慌了吗？