智谱上线 GLM-5.3-FlashX：同一基座 Infra 提速 5 倍至 200 tokens/s
智谱 9 月 18 日推出 GLM-5.3-FlashX：其基座 GLM-5.3-Flash（总参数 320B、激活 18B，8 月 26 日开源，此前曾以 Ox Alpha 之名匿名上线 OpenCode/OpenRouter）的官方极速推理版，最高推理速度 200 tokens/s，API 与体验中心同步开放，Model Key 为 GLM-5.3-FlashX。
变化只有一个变量：速度。基座智能不变（AA 综合智能指数 57 分），FlashX 把最高速度拉到 Flash 的 5 倍，代价是定价为原版的 2.5 倍。提速的来源不是模型而是系统工程：推理算力由 10 万张国产芯片集群提供（自研高带宽互联），在 SGLang 基础上构建专用推理引擎，采用生产级 EPD 分离架构（多模态编码、预填充、逐 token 解码拆为可独立调度的池），配 W8A8 量化与混合缓存量化；官方称相对同一硬件初始基线，端到端服务性能提升 3 倍。它改变的是国产算力承载前沿模型的时延线：实时、高并发与 Agent 场景第一次由纯国产芯片集群以旗舰速度承接。
原文链接：智谱官方公众号 / IT之家
核验记录
OpenRouter API 直读 z-ai/glm-5.3-flashx created=1789727220（2026-09-18T15:07 UTC），与 IT之家/PANews/Gate News 9/18 报道互证；PANews 页 JSON-LD datePublished 2026-09-18T05:20Z 直读。200 tokens/s、5 倍、2.5 倍定价、10 万张国产芯片、EPD 架构、3 倍端到端提升取自智谱官方公众号口径（PANews/IT之家/Gate 转述一致）；EPD 与量化细节取自七牛云技术拆解文（非官方一手），基座 320B/18B 与 Ox Alpha 前史与既有已收条目（zhipu-glm-infra-agent-rsi）一致。HF 侧无 FlashX 权重仓库（仅 8/25 的 GLM-5.3 系列），API-only 发布，与 OpenRouter 时间戳自洽。