什么值得买App下载 App ›
连续签到专享现金活动

智谱GLM-5.3-FlashX发布,推理速度最高200 tokens/s,定价上调2.5倍

智谱刚刚扔出了GLM-5.3-FlashX,直接把推理速度拉到了最高200 tokens/s。对于天天跟API打交道的人来说,最直白的感受就是生成快了,但对应的价格也上调到了原版Flash的2.5倍。
速度冲到实时门槛,代价是多花钱
这次FlashX的定位非常清晰:高速服务档。最高200 tokens/s的速度,基本摸到了实时对话的门槛,刚好对上了DeepSeek V4.1 Flash在评测榜单上的速度。之前不少开发者吐槽GLM-5.3-Flash收费后变慢变差,这次FlashX算是直接回应了速度痛点,官方口径较原版提速5倍。但天下没有免费的午餐,定价也同步上调到了原来的2.5倍。如果你追求极致性价比,继续用Flash;如果你追求秒回体验,那就得多掏钱上FlashX。
10万张国产卡撑腰,AI自己优化自己
撑起这套高速推理的底座,是10万张国产AI芯片集群。虽然没公开厂商,但业内普遍推测是华为昇腾。更硬核的是,这套系统的底层优化大部分不是人干的,而是GLM-5.3驱动的Infra Agent(基础设施智能体)。它在不到两周时间里,从零搭建调试,把端到端吞吐提升了3倍,硬件效率和单Token成本直接干到了主流英伟达GPU的水平。这意味着,AI不仅能写应用代码,还能反过来优化跑模型自己的底层系统,这是国内首次在生产环境跑通的递归自我改进(RSI)案例。
三档模型怎么选
现在智谱把GLM-5.3系列分成了三档:753B参数的旗舰版GLM-5.3拼的是最强能力;320B参数的GLM-5.3-Flash走的是高性价比路线;最新的FlashX则是为追求极致速度准备的。如果你的业务场景对延迟极度敏感,比如实时语音对话或者高频交互的Agent,FlashX这2.5倍的溢价换来的流畅度是值得的;如果只是做批量处理或者对速度没那么敏感,原来的Flash依然是性价比首选。
历史事件回溯
当前事件
智谱发布新一代极速模型GLM5.3FlashX
  • 模型定位:第五代极速推理模型,主打极致响应速度
  • 推理性能:延迟大幅降低,并发处理能力显著提升
  • 上下文长度:支持更长上下文,处理复杂长文本更优
2024年6月
智谱推出免费极速模型GLM-4-Flash
  • 模型定位:第四代免费极速模型,主打高性价比
  • 推理性能:推理速度极快,API调用成本为零
  • 上下文长度:支持128K上下文长度,长文本处理出色
2023年10月
智谱开源第三代对话模型ChatGLM3
  • 模型定位:第三代开源轻量级模型,侧重本地部署
  • 推理性能:端侧推理高效,大幅降低部署门槛
  • 上下文长度:支持32K上下文长度,满足常规对话需求

评论

评论区空态插画

当前文章无评论,是时候发表评论了