9 月 18 日，智谱旗下海外品牌 Z.ai 在 OpenRouter 等平台上线了 GLM-5.3-FlashX——这是此前发布的多模态模型 GLM-5.3-Flash 的"高速加强版"，主打一个字：快。
关键参数：快在哪里？
- 推理速度：最高 200 tokens/秒——普通人读一段中文约每秒 3-5 个字，它输出速度是人类阅读的几十倍；
- 架构：混合稀疏注意力 + 线性注意力，总参数 320B（3200 亿），但每次推理只激活 18B（180 亿），等于"大模型的脑子，小模型的开销"；
- 上下文：100 万 token，相当于一次吞下一本长篇小说还能记得开头；
- 价格：输入约 $0.37 / 百万 token，输出约 $1.25 / 百万 token，介于便宜的 Flash 与旗舰 GLM-5.3 之间。
"稀疏激活"是什么意思？
可以把 320B 参数想象成一家 3200 人的公司，但处理每个任务时，系统只"叫醒"最相关的 180 个人干活，其余人保持睡眠。这样既保留了超大模型的知识广度，又把计算成本压到接近小模型。配合线性注意力，长上下文下成本也大幅下降——这正是它能把速度做到 200 tokens/s 的关键。
谁最该关注？
官方定位很明确：高效编程、视觉理解、长程智能体任务。对做 AI Agent、写代码、处理长文档的开发者来说，"1M 上下文 + 200 tokens/s + 合理价格"组合非常有吸引力，意味着可以让 AI 连续工作几十分钟而不卡壳。
信息来源：OpenRouter、Z.ai 官方文档。
