智譜 GLM-5.3-FlashX 模型上線，更快、更流暢
智譜 GLM-5.3-FlashX 模型正式上線，最高 200 tokens/s 帶來更快更流暢體驗 9 月 18 日消息，智譜今日正式宣佈推出全新模型 GLM-5.3-FlashX，最高輸出速度可達 200 tokens/s，為企業用戶與開發者帶來更快、更流暢的模型使用體驗。官方表示，這款新模型的目標是在既有智能水準的基礎上，進一步突破推理速度瓶頸，讓大模型在實際生產環境中的回應更加即時。智譜方面透露，GLM-5.3-Flash 此前曾以代號「Ox Alpha」之名與全球開發者見面，並在匿名測試階段獲得海內外開發者的廣泛關注與認可。
隨著口碑發酵，該模型的 API 調用量持續攀升，市場需求快速增長，這也成為智譜此次推出提速版本的直接動力。面對不斷湧入的調用需求，智譜表示已在 10 萬張國產芯片所提供的推理算力基礎上，進一步加大對 Infra（基礎設施）側的投入與推理優化。透過軟硬體協同的深度調校，GLM-5.3-FlashX 得以在不犧牲智能水平的前提下，實現速度的大幅提升。智譜強調，GLM-5.3-Flash 長期保持同尺寸模型中最強的智能水平。本次提速之後，該系列模型進一步形成「智能、價格、速度」三位一體的全面競爭力，能夠同時滿足開發者對模型能力、成本控制與回應速度的多重需求。據悉，GLM-5.
3-FlashX 的 API 現已正式上線，Model Key 為「GLM-5.3-FlashX」，開發者可直接在智譜開放平台上調用。官方同時附上 API 調用方法與文件連結，方便開發者快速完成接入：https://docs.bigmodel.cn/api-reference/模型-api/對話補全 此次新模型的發布，也延續了智譜近期在模型迭代上的密集節奏。從匿名模型「Ox Alpha」在 OpenCode 等平台現身引發猜測，到如今正式以 GLM-5.3-FlashX 之名亮相，智譜在推理效率與工程優化上的持續投入輪廓愈發清晰。值得注意的是，智譜近期在技術與資本層面均有大動作。
官方先前公開了國內大模型首個「遞歸自我改進」實踐，展示 AI 如何在 10 萬卡國產集群上自建推理系統，為此次 FlashX 的推理優化提供了底層支撐。與此同時，智譜也宣佈完成約 50 億美元融資，資金將用於下一代 GLM 基礎模型的研發等工作。在生態建設方面，智譜正積極拓展開發者與個人用戶市場。近期啟動的「杭州全城 Coding 計劃」，針對個人用戶推出季卡減免 44%、年卡減免 51% 的優惠；GLM-5.3-Flash 也在 9 月 3 日至 20 日期間，於每天 23 時至次日 9 時提供夜間免費額度，藉此吸引更多開發者試用與留存。
此外，智譜 AI 已入駐天貓開設官方旗艦店，大模型套餐可直接網購，個人版月付 118 元起，進一步降低了一般用戶接觸與使用大模型的門檻。這些舉措與本次 FlashX 的推出相互呼應，顯示智譜正試圖從技術、價格與渠道多線並進，擴大其在大模型市場的滲透率。從行業視角來看，速度已成為大模型競爭的關鍵維度之一。隨著企業級應用對即時推理的需求日益迫切，低延遲、高吞吐的模型服務正成為開發者選型的重要考量。GLM-5.3-FlashX 將最高速度推至 200 tokens/s，正是瞄准了這一痛點。
智譜此番以國產芯片集群為算力底座，並透過 Infra 層的推理優化實現提速，也反映出國內大模型廠商在供應鏈自主與工程能力上的雙軌佈局。在算力資源受限的背景下，如何用更少的資源跑出更快的速度，成為各家比拼的焦點。對於開發者而言，FlashX 的上線意味著在相同成本下可獲得更快的回應，特別適合對延遲敏感的場景，例如即時對話、程式碼補全、智能客服與 Agent 類應用。更流暢的互動體驗，有望進一步推動大模型在各類產品中的落地。綜合來看，GLM-5.3-FlashX 的推出，是智譜在「智能、價格、速度」三角中補齊速度短板的重要一步。
從 10 萬卡國產集群的算力支撐，到 Infra 側的推理優化，再到夜間免費、渠道優惠等市場策略，智譜正試圖以完整的技術與商業組合拳，鞏固其在國內大模型市場的競爭地位。目前，開發者已可透過智譜開放平台調用 GLM-5.3-FlashX API。隨著模型正式上線，其實際表現與調用量增長情況，將成為觀察國內大模型推理效率競爭的重要指標。
Related
相關文章
長安汽車首席專家譚歡：未來要用機器人造車、賣車，讓機器人上車、造機器人
作者：清源 責編：清源 評論： 9 月 18 日消息，在今天（18 日）的第 22 屆中國汽車產業發展（泰達）國際論壇“新賽道生態專場：具身智能新賽道”活動中，長安汽車首席專家、長安天樞智能機器人公司總經理譚歡在演講中指出，AI 正推動以物理具身智能為核心的基礎設施革新，汽車未來形態是“汽車機器人”—— 自學習、自組織、自進化的組合智能體。
具身智能技術路線尚未定型，基礎設施卻先收斂
具身智能技術路線尚未成形，但基礎設施需求已開始收斂，重點從製造機器人轉向持續迭代機器人能力。百度集團沈抖指出，智能體能力邊界快速擴展，進入規模化部署階段，但機器人學習新任務與跨環境適應性仍待突破。
88小時抵一個人思考4000年，OpenAI核心研究員：除了自我進化，更可怕的是AI正學會“隱藏自己”
AI正在把4000年的人類認知勞動壓縮進88小時，OpenAI研究員Noam Brown坦言連他自己也被進展速度持續震驚。AI正在把過去需要數千年完成的認知勞動壓縮到數天。真正的問題已經不只是模型能否變得更聰明，而是實驗能否跟上、人類能否在模型繼續自我改進前確認它仍然安全。
Agent辦事、花式P圖、動嘴玩電腦……實測Wildcat Lake輕薄本玩AI有多爽
作者 | ZeR0 編輯 | 漠影 桂林依山傍水，連城市的輪廓，都是一座座山勾勒出來的。抬眼一望，便是翰墨丹青般的自然光景，既沉靜婉約，又意境悠遠。這種乾淨的留白之美，早已被古人融入山水畫藝中，幾筆山石，一帶煙雲，餘下的留給水色，也留給看畫的人。 淨，並非空無一物，而是通過剋制的取捨，讓真正重要的東西凸顯出來。這與今年推出的第三代英特爾酷睿處理器（代號Wildcat Lake）的設計理念不謀而合。
吳恩達回應AI末日論:別被科幻敘事帶偏，應解決現實工程問題
吳恩達曾參與創辦Google Brain和Coursera。吳恩達稱，科技行業早期曾放大AI潛在災難性風險，以獲取關注並影響監管方向;近兩週相關討論再次升溫，也可能存在類似動機。他認為AI確實存在現實風險，尤其包括網絡安全等領域，但不認同將人類滅絕風險作為當前AI發展的核心判斷依據。
華為發佈AI行業落地新路徑：“七步法”、“垂直作戰組織”、“DIMAK”
作者 | ZeR0 編輯 | 漠影 9月18日報道，今日，在華為全聯接大會2026上，華為發佈了“AI落地七步法”與“DIMAK工程體系”，依託行業垂直作戰組織，以“新方法、新組織、新工具”破解Agentic AI深度嵌入行業核心場景、規模化應用難題。 “AI落地七步法”是面向行業推動場景落地的關鍵步驟路線指南，回答“怎麼走”； “DIMAK”工程體系，則回答“用什麼走“，提供五類工程工具，支撐企業快速用好AI。 華為還發布了《Agentic Enterprise 企業智能化白皮書》，並公佈了157個數智化轉型實戰案例，為全球產業智能化升級提供參考。 “企業流程未來將圍繞人和人工智能協同設計，這不是在舊馬車上裝發動機，而是要重新設計一輛汽車。”華為監事會副主席陶景文談道，為此，華為提出以“新方法、新組織、新工具”，搭建算力與場景的“路與橋”，讓AI沿價值業務流實現蓋爾定律式的擴散，完成從單點智能向系統智能升級和跨越，幫助千行百業善用AI。 一、新方法：“七步法”讓AI紮根生產系統 對於Agentic AI深度嵌入企業系統的難題，陶景文表示，華為總結了“AI落地七步法”，從核心場景切入，形成“小切口、大縱深”，並沿價值業務流進行擴散，旨在為產業智能化提供一張可複製的路線圖。 該方法涵蓋“洞悉行業商業邏輯、選擇行業核心場景、技術與工程攻堅、核心場景部署投產、沿價值業務流擴散、行業生態發展合作、持續提升行業智能水平”七大步驟，核心體現在三個維度。 選準場景：“找到對的場景，就成功了一半。”強調由業務專家與AI技術專家組建聯合團隊，沿價值業務流，運用“場景十二問”方法論精準鎖定高價值生產場景。 深度紮根：區別於停留在演示層面的實驗性AI，“七步法”以真實上線、投產運行為目標，要求從MVP（最小可行產品）到投產，需集成到生產系統，部署在企業IT基礎設施上進入常態化運營。