智谱 Z.ai 发布 GLM-5.3-Flash 与 FlashX：首个原生多模态 GLM，百万 token 上下文，Coding Plan 配额翻三倍
草稿：Z.ai 发布 GLM-5.3-Flash 与 FlashX
---
基于多家媒体转述整理
标题
智谱 Z.ai 发布 GLM-5.3-Flash 与 FlashX：首个原生多模态 GLM，百万 token 上下文，Coding Plan 配额翻三倍
正文
9月17日前后，Z.ai（智谱）连发两款新模型：GLM-5.3-Flash 和 GLM-5.3-FlashX。这两款模型在 GLM-5 系列里第一次把"多模态"和"百万 token 长上下文"组合在一起，同时 Z.ai 还调整了 Coding Plan 的配额规则——订阅用户能拿到 3 倍于 GLM-5.3 的 Flash 用量。
对写代码、处理长文档、做视频理解的人来说，这次更新的意义挺直接：更便宜的长上下文推理，不再需要"要么省钱要么够用"。
Flash 和 FlashX 有什么区别？
两个模型共用同一套参数结构，但定位不同：
- GLM-5.3-Flash：完整功能版。输入支持视频、图片、文本、文件四种模态，输出文本，上下文窗口 100 万 token。参数规模 3200 亿（总）/ 180 亿（激活），MoE 架构。Z.ai 在说明里提到，长提示下的注意力计算和缓存成本有"显著降低"，意味着同样跑 100 万 token，比上一代更省钱。
- GLM-5.3-FlashX：Flash 的"提速版"，主打低延迟响应，适合对响应速度敏感的场景（如实时对话、在线 API 服务）。但 FlashX 目前只对 API 用户开放，没有进入 Coding Plan 订阅。
两个模型的 API 调用标识分别是 glm-5.3-flash 和 glm-5.3-flashx，均已上线 OpenRouter 等第三方平台。
Coding Plan 有什么变化？
Z.ai 的 Coding Plan 是其面向开发者的订阅服务，按月度提供模型调用配额。这次调整后：
- GLM-5.3-Flash 的配额 = GLM-5.3 的 3 倍——订阅用户可以用更少的钱跑更长的上下文、处理更多多模态任务
- FlashX 被排除在 Coding Plan 之外，只能通过 API 按量计费
换句话说，如果你主要做批处理、长文档分析、代码库理解，订阅 Coding Plan 划算；如果你需要极低延迟的实时响应，只能走 API 付费。这是 Z.ai 在"容量"和"速度"之间做的一个产品分层决策。
为什么值得关注？
GLM-5.3-Flash 的"多模态 + 百万上下文 + 低成本"组合，在当前开源/低价大模型竞争格局里相当有竞争力：
- 百万 token 上下文意味着可以一次性处理整本书或整个代码仓库，而不用手动切分
- 多模态输入支持让视频、图片理解不再需要单独的视觉模型
- 320B 总参数 / 18B 激活的 MoE 结构，推理成本远低于全参数激活的同级别模型
几乎同一时间，月之暗面 Kimi K3 也登上了亚马逊 Bedrock（2.8 万亿参数），国产大模型在"大参数 + 云服务上架"这条线上同时发力，价格竞争还在加速。
怎么用上？
- API 调用：
glm-5.3-flash/glm-5.3-flashx，支持 OpenRouter、Vercel AI Gateway 等主流平台 - Coding Plan 订阅：Flash 配额已生效（3 倍），FlashX 暂不开放
- 本地部署：320B 总参数，18B 激活，理论上可量化后在单卡/多卡部署，但多模态部分需要完整权重
限制与注意
- FlashX 目前仅 API 可用，订阅用户无法直接调用
- Z.ai 称"注意力成本显著降低"，但没有公开具体数字，实际效果需要自己跑基准测试确认
- 多模态输入（视频）的帧率、分辨率上限尚未在媒体转述中明确，建议查官方文档
---
*来源：基于 Superpower Daily、OpenRouter 模型页、pricepertoken 等多方转述整理，发布时间约为 2026年9月17-18日。*