8月26日晚，智谱正式上线并开源GLM-5.3-Flash(320B-A18B），这是GLM-5系列的首个原生多模态模型。其总参数320B，能力超过GLM-5.2，在全球权威的Artificial Analysis Intelligence Index（AA综合智能指数）中取得57分，进入全球前沿模型能力区间，与Anthropic最受欢迎的模型Claude Opus 4.8得分持平。GLM-5.3-Flash的架构专为极低成本而设计，结合智谱最新的30T Token多模态预训练语料，能够以更少的计算资源实现更强的性能。

  依托先进的国产异构混推技术，商汤大装置为GLM-5.3-Flash上线提供大规模国产算力支持与Token服务，打造国产算力规模化商用又一硬核落地标杆。

  据了解，这一合作的背后是商汤打造的 “一套模型、一座 Token（词元）工厂、一套智能体管控系统” 核心能力体系。其中 Token 工厂承担着把智能能力规模化生产出来的关键作用：它通过多模态模型和大装置基础设施的联合优化，把不同芯片、集群、能源和交付节点组织起来，持续生产更高质量、成本更低的Token。同时Token工厂与大模型之间构建起双向反哺闭环，更好适配原生多模态模型的迭代需求。商汤大装置高效支持了智谱 GLM-5.3-Flash的上线工作，正是这套闭环能力的有力印证。

  长期以来，市场对国产算力的认知是，性价比不高、难以规模商用。而在正式发布前，GLM-5.3-Flash以匿名模型Ox-Alpha（中文社区称作牛来）在OpenCode和OpenRouter上进行了大规模测试，Token调用量高达62T，这些请求流量全部由国产芯片提供算力支持。且相较同一硬件环境下的初始基线，GLM-5.3-Flash基于国产芯片集群，端到端服务性能提升3倍，硬件效率和单Token成本已达到主流英伟达GPU相当水平。

  这一实践表明，国产算力已经能够在大规模真实业务场景下，高效、经济地支撑前沿大模型推理需求。

  作为最懂大模型的AI基础设施，商汤大装置全面拥抱国产化，并持续推动国产算力从“单点可用”走向“大规模商用”。今年WAIC期间，针对当前国产算力规模化商用卡点，商汤大装置从“性价比、适配性、能效比”三个维度系统性破题。

  在性价比层面，商汤大装置跳出单卡性能比拼的传统思路，通过先进的异构混合推理技术，根据不同推理阶段对计算、带宽的不同需求让不同架构、不同定位的国产芯片各尽其长、高效协同，整体推理性价比达到 NVIDIA H系列的 1.25 倍，相比国产同构推理，同等成本下Token产能扩大约2.5倍。

  在适配性上，通过底层算子优化、多卡并行调优和工具链适配等，大幅降低国产算力应用门槛。在能效比层面，商汤大装置推出算电协同Agent，并重新定义TPW（Tokens Per Watt）作为AIDC全新价值标尺。

  此外，通过整合多元算力，并持续优化推理引擎与芯片性能，商汤大装置Token Factory正在形成大规模、高效率、低成本的Token供给能力，7月日均Token服务量已达到 2.42万亿，预计2026年年底突破日均10万亿，全年Token量级增长25倍。（焦子原）