Article Intelligence
先看结论
Z.ai 发布原生多模态模型 GLM-5.3-Flash，总参数 320B、激活 18B，支持 100 万 token 上下文并以 MIT 开源；其智能体与编程基准全面领先 GLM-5.2，定价每百万输入 token 0.15 美元，并在国产 AI 芯片上完成服务。本期周刊还以标题预告了腾讯 Hy4、Qwen4、Claude 内置浏览器等多项进展。
核心指标
评分用于衡量信号强度，判断类指标用于解释方向、热度、后续动作与可信程度。
影响力
衡量事件对技术、产业或生态的外部影响强度。
7.5
Z.ai 以 MIT 协议开源 320B-A18B 原生多模态模型，在编码基准（Z.ai Code Bench v1.0 最大努力 29.0 vs Claude Opus 4.8 的 29.5）和多个智能体基准上逼近乃至对标前沿闭源模型，同时以输入每百万 token 0.15 美元的极低定价切入 agent 长轨迹迭代场景，混合注意力架构把注意力计算降低 3.0 倍、KV 缓存降低 4.4 倍，且全部推理跑在国产芯片上并已在 OpenCode/OpenRouter 匿名规模化服务。这实质改变开源权重模型在 agent 场景下的成本-性能比，并对闭源 API 定价形成直接压力，属于改变局部竞争格局的重要产品发布，但尚不构成范式级转移。
复合价值
综合新颖性、可执行性与长期观察价值。
7.5
打分逻辑：①复利资产一——MIT 开源 + 1M 上下文 + 智能体/编程基准逼近闭源前沿（Code Bench v1.0 max effort 29.0 vs Claude Opus 4.8 的 29.5），叠加输入 0.15 美元/百万 token 的低价，使长智能体轨迹的迭代成本骤降一个数量级，天然吸附开发者与 Agent 应用生态形成采用飞轮，具备成为智能体时代开源基础设施的潜力；②复利资产二——混合注意力架构（线性+稀疏）将注意力计算降 3.0 倍、KV 缓存降 4.4 倍，代表'效率优先于规模'的持久架构方向，这条成本曲线优势比单一模型的生命周期更长，且全量流量在国产芯片上推理，具备地缘供应链层面的战略复利；③不确定性——开源模型代际迭代极快，Qwen4、腾讯 Hy4、DeepSeek 同台竞技，单次发布难以锁定 3-5 年基石地位，国产芯片生态成熟度仍需持续验证。综合给 7.5 分。
结构化事实、实体识别与逻辑链
Z.ai 发布原生多模态模型 GLM-5.3-Flash，总参数 320B、激活 18B，支持 100 万 token 上下文并以 MIT 开源；其智能体与编程基准全面领先 GLM-5.2，定价每百万输入 token 0.15 美元，并在国产 AI 芯片上完成服务。本期周刊还以标题预告了腾讯 Hy4、Qwen4、Claude 内置浏览器等多项进展。
Z.ai 发布了原生多模态模型 GLM-5.3-Flash，该模型总参数 320B、激活参数 18B，上下文窗口达 1M token，采用 MIT 许可证开源，此前以 Ox Alpha 名义在 OpenCode 与 OpenRouter 上匿名预览。其智能体基准成绩全面超过 GLM-5.2，包括 Terminal Bench 2.1 的 84.3 与 DeepSWE v1.1 的 63.4；在 Z.ai Code Bench v1.0 上最大努力得分 29.0，接近 Claude Opus 4.8 的 29.5。模型定价为输入每百万 token 0.15 美元、输出每百万 0.50 美元、缓存输入每百万 0.03 美元，混合注意力架构将注意力计算降低 3.0 倍、KV 缓存降低 4.4 倍。全部推理流量运行在国产 AI 芯片上，端到端服务性能较同硬件早期基线提升 3 倍。
情绪
积极
整体偏利好，可优先看它带来的机会、受益方和后续扩散可能。
Hype
中 hype
有一定叙事包装，阅读时需要同时看亮点和限制。
存在一定包装：'逼近 Claude Opus 4.8' 来自 Z.ai 自家 Code Bench v1.0 单一基准且经由 Claude Code 特定 harness 跑分，'国产芯片端到端性能提升 3 倍' 亦缺乏第三方独立复现。但模型发布本身真实可核验，含具体参数量、架构设计与定价细节，非空泛概念炒作。
行动建议
深度研判
需要细读正文与风险机会区，适合做专题研判或内部讨论。
置信度
分别对应影响力、复合价值与 Hype 判断的可信程度。
技术/商业影响、关注焦点与受影响对象
MIT 开源与 $0.15/1M token 的定价能否在真实 agent 工作流中复现基准上的编码与智能体表现
混合注意力架构是核心突破：线性注意力捕获局部依赖、稀疏注意力经轻量索引器检索全局上下文，将注意力计算降低 3.0 倍、KV 缓存降低 4.4 倍，同时把激活参数从 GLM-4.5 的 32B 压至 18B、层数从 92 降至 45，在 1M token 上下文下以显著更低的推理成本逼近前沿编码能力，属于长上下文 MoE 效率的真实工程跃迁。
MIT 许可 + 输入 $0.15/1M token 的定价把长智能体轨迹的迭代成本压低一个量级，直接冲击闭源 API 的按量计费体系；全部推理流量由国产 AI 芯片承载，验证了脱离单一 GPU 供应链的推理基础设施商业路径，为开发者提供地缘上独立的低价算力供给。
结合机会清单和风险矩阵判断后续关注重点
榜单成绩均为厂商自报，缺乏第三方独立复现，存在选择性披露与过拟合基准的风险
以 ox-alpha 名义匿名预览后突然正式发布，市场对其能力可信度与发布流程透明度存在疑问