过去几天，OpenRouter 榜单上一个叫「Ox Alpha」的匿名模型，是本地模型圈最大的悬案：匿名霸榜 6 天、使用量超 DeepSeek 两倍、背后靠 10 万张国产算力卡撑着。知乎 昨晚智谱揭晓谜底：它就是圈内喊了好几天的「牛来」，大名 GLM-5.3-Flash，官宣即开源。Artificial Analysis 综合智能指数给它打出 57 分，与 Claude Opus 4.8 持平，编程体感相当。知乎 基准测试里它和 Opus 4.8 打成三胜三负，而价格只有 Opus 4.8 的 1/40。知乎 AI 圈连夜炸锅，但对我们本地玩家来说，第一个问题不是「强不强」，而是——这个 320B 的模型，我的机器装得下吗？
先分清：明早要下的和今天能下的，是两个模型
最容易被忽略的坑在这里：明早（8 月 28 日）十点开放权重的，和现在已能下载的，不是一个模型。GLM-5.3 是纯文本旗舰，GLM-5.3-Flash 是原生多模态、低成本的独立产品线。知乎 Flash 不是 GLM-5.3 的量化版或轻量后缀版，抢错模型的后果很具体：官方分数复现不出来，一晚上时间全耗在显存、框架和部署脚本上。
显存这道线：320B 不属于单卡时代
先看架构。GLM-5.3-Flash 是 320B-A18B 的 MoE，总参数 320B，但每个 Token 实际只激活约 18B。知乎
本地部署的门槛由总参数决定。按量化位宽估算：FP8 约 320GB，常见 Q4 量化约 160～185GB，再叠加长上下文 KV 缓存和框架开销，总内存 192GB 只是起步线，256GB 才谈得上从容，512GB 才能上更高精度。按这条线，我把本地玩家分成四档：
单张消费级显卡（8G～48G 显存）：装不下就是装不下。别指望超低比特量化创造奇迹，320B 压到 Q2，骨架都不剩，不值得浪费电费。
192GB 档（24G 多卡、大统一内存机型）：Q4 量化勉强能进，但要接受 offload、调度折腾和紧巴巴的上下文余量。
512GB 档：社区第一批实测已经出来了。B站有团队把它装进 8 张 64GB 解锁的 CMP170HX 矿卡，跑出单流解码 26.1 tok/s、4 路并发聚合 49.9 tok/s。哔哩哔哩 要知道官方推理框架的支持清单原本只有 H100、B200 这类数据中心卡，这批 SM80 架构的老核心是打了 829 行补丁才跑通的。320B 在矿卡上能有这个速度，靠的就是 18B 激活——这是 Flash 型 MoE 对本地部署最大的善意。
国产卡用户：摩尔线程发布当天完成 Day-0 适配，官方也明确面向国产卡做了推理优化。知乎
对大多数人：五折 API 才是正确打开方式
说实话，这次的定价把「自己装」逼到了必须认真算回本线的地步。按每百万 tokens 计，输入 0.075 美元、输出 0.25 美元，约为 GLM-5.3 正价的 1/10，限时优惠期内只有 1/20。知乎
什么概念？就算你一个月跑 1 亿 tokens，按输入输出 4:1 估算，账单也就 11 美元上下。一台多卡机器几百瓦的功耗 24 小时开着，一个月电费都未必比这便宜，还没算硬件折旧。官方还备了 GLM Coding Plan 7 天体验卡，接下来一周每天限量发 1 万张，注册再送 2000 万 tokens。知乎 注意，五折属于限时活动，不是长期价格，活动范围和扣费方式以智谱开放平台控制台显示为准。知乎
但有个反方观点，值得认真听
也别急着把 API 全选成这一家。有开发者把账算得很细：两家谁更便宜，取决于缓存命中率。他的结论是编程任务里无论峰谷，DeepSeek V4 Flash 仍然更具性价比，GLM-5.3-Flash 的半价期更适合当 DeepSeek 峰时的替代。知乎 榜单测试环境发挥不出缓存优势，所以「跑分性价比」从来不等于「你的场景性价比」——五折这两周，拿自己的真实任务做并行测试，比看任何榜单都靠谱。
谁才值得真的下载权重？
捋完这几层，真正该下权重的人其实很清楚：一是数据不能出内网的合规刚需，本地部署是铁律；二是日均 token 消耗极大、自家电费能跟 API 掰手腕的重度用户；三是做基准验证和生态适配的开发者。另外明早十点先确认下载的是 GLM-5.3，而不是名字更早亮起下载按钮的 Flash。知乎
其余大多数人，我的建议直白点：用两周五折窗口和免费额度跑自己的真实任务，记录「单个成功任务的总成本」，而不是盯着每百万 tokens 的单价。知乎 然后等两个信号：一是明早 GLM-5.3 权重开放后的第三方独立复跑成绩，二是社区把 320B 的 GGUF/MLX 量化版跑进 256GB 级设备的实测。等量化版真把门槛打下来，再下载也不晚。
一句话收尾：模型够强、价格够狠，但 320B 的体量不属于单卡时代。显存决定你下不下载，缓存命中率决定你用哪家 API，明早十点决定你别抢错模型。
