过去这一周，全球程序员都在玩一场大型"寻亲"游戏。
8月20日，OpenRouter 这个全球最大的模型聚合平台上，悄悄多了一个连名字都没有的条目，代号 OxAlpha。没有公司、没有参数、没有定价，价格栏就俩字：免费。上海证券报因为 Ox 在英文里是"牛"，又正好撞上动画电影《牛来》刷屏，中文社区干脆叫它"牛来大模型"。
就是这头"牛"，上线首日就冲上调用量榜首，刷新平台单日纪录，还顺手终结了 DeepSeek 在 OpenCode 连续 56 天的霸榜。全网都在问：这到底是谁家的？
8月26日，谜底揭晓——是智谱。正式型号 GLM-5.3-Flash，GLM-5 系列第一个原生多模态模型，当天发布、当天开源。按智谱自己的体感评测，它的编程表现已经能和 Claude Opus 4.8 掰手腕，价格却只有对方的四十分之一。智东西几乎同一晚，阿里千问也开源了 Qwen3.8-Flash-Next。一夜之间，两个国产顶流把"开源"这个动作卷到了新高度。
先看个大背景：这不是偶然
单看一家公司发新模型，你可能觉得就是常规操作。但把镜头拉远，会发现这事有个更大的注脚。
据 OpenRouter 数据，上周（8月17日到23日）全球 AI 大模型总调用量达到 93.4 万亿 Token，环比增长 24%，首次突破 90 万亿，连续第三周创历史新高。观点网其中，中国大模型周调用量 40.48 万亿 Token，而美国只有 9.66 万亿——中国模型已经连续 17 周稳居全球第一，调用量差不多是美国的 4 倍。东方财富"牛来"的爆火，正是这股大潮里最显眼的一朵浪花。而且，它根本不是第一次。
假面舞会：国产模型的"匿名出海"族谱
OxAlpha 其实是 OpenRouter 上出现的第五款匿名模型（Stealth Model）。把前四款的"揭面"过程排一排，会发现一个相当一致的事实：它们全部来自中国团队。上海证券报
今年 2 月，PonyAlpha（小马），首日调用 400 亿 Token，5 天后确认是智谱 GLM-5
3 月 11 日，HunterAlpha，万亿参数、百万上下文，最后被小米认领，对应 MiMo-V2-Pro
4 月，ElephantAlpha（大象），约两周后蚂蚁集团 Inclusion AI 现身
4 月底，OwlAlpha（猫头鹰），拖到 6 月 30 日才确认是美团 LongCat-2.0
8 月 20 日，OxAlpha（牛来），6 天后揭晓，智谱 GLM-5.3-Flash
为什么国产厂商都爱"匿名出海"？说白了是笔稳赚不赔的买卖。匿名能摘掉品牌滤镜，开发者不知道是谁家的，只能凭真本事打分，反馈反而更真实；这等于一次免费的大规模压力测试，把模型丢进真实代码仓库和智能体框架里被反复调用，比任何自跑榜单都更能暴露问题；而且进可攻退可守——表现好就在热度顶点摘面具收割掌声，不行就悄悄收场，不伤品牌。有网友的吐槽很传神：上次代号是"马"，这次是"牛"，“无论从生肖分类还是’牛马’的隐喻看，都很合理”。
冷静一下：它到底有多强
现在说用户最关心的：这模型真有那么神？先给刷屏最狠的那个数字泼盆冷水。
网上疯传的"牛来吊打一众旗舰"，出自独立研究员 Ben Davis 的一个小样本测试——他从 DeepSWE 基准里抽了 10 道真实任务，OxAlpha 过了 8 道，通过率 80%，确实比 Claude Fable 5、GPT-5.6 Sol 都高。但随后，DeepSWE 的一作 Wenqi Huang 用完整的 113 项官方测试重新跑了一遍，OxAlpha 的通过率回落到 63% 上下，在顶级闭源模型里大概只比 Grok 4.6 稍逊一筹。东方财富
从 80% 到 63%，这就是"精选 10 题"和"完整 113 题"的差距。牛来不弱——能以开源身份和顶级闭源掰手腕已经很难得——但"吊打"这个说法，水分不小。
还有一个容易被误读的数字：OpenCode 宣称给它准备了"每天 100 万亿 Token 的调用容量"。听着像算力奇迹，其实这是理论服务容量，不是实际调用量。腾讯科技而且编程智能体会反复读取同一份代码库，缓存复用会让平台记录的 Token 数远高于真实新增计算量。所以看到"几十万亿 Token"，别直接当成算力神话。
真实用下来：三个要留意的坑
综合这一周真实用过的人的反馈，问题集中在三处：
慢。有知乎用户实测，GLM-5.3-Flash 大约 40 token/秒，而 Gemini Flash 3.7 约 400、DeepSeek Flash 约 120。对要盯着输出等结果的编程场景，这个速度差距很影响体验。
输出冗长。不少人反映它回答啰嗦，而按 Token 计费，实际成本会比标价高。智谱编程套餐 lite 档每周约 1.4 亿 Token 额度，价格并不算便宜。
别指望"无脑编程"。有 B 站 UP 主实测，它处理 web 后端时，明明已经告知要用服务器 UTC 时区，还是按本地时区写代码；免费期用的人太多，输出还经常被截断，要手动续。
分人建议：到底要不要切
那这波到底值不值得跟？分人看：
如果你在用 Claude Code、Codex 这类编程工具：值得试。GLM-5.3-Flash 和 Qwen3.8-Flash-Next 都兼容 OpenAI 与 Anthropic 的接口协议，可以直接切过去。尤其千问这次开源的 Qwen3.8-Flash-Next（125B 参数、6B 激活、最高 100 万上下文），API 定价每百万 Token 输入 1 元、输出 3 元，比 DeepSeek-V4-Flash 空闲时段还便宜三成。智东西拿便宜模型跑高频、粗加工的活，把贵模型留给关键收尾，是当下性价比最高的组合。
如果你是日常聊天、轻办公用户：先别急着折腾，趁免费期体验一下多模态就好。GLM-5.3-Flash 是 GLM 系列第一个原生多模态，看图、看视频、看图表，免费期里用最划算。
如果你是评估 API 的企业或开发者：值得纳入选型池，但务必实测速度和冗长度。18B 激活、原生多模态、100 万上下文，还全程跑在国产芯片集群上（据称约 10 万张国产卡），这层供应链意义，比单纯的性能更值得关注。
如果你在观望：至少记住这个信号——大模型竞争的主战场，正在从"谁更聪明"转向"谁能把高频使用做得足够便宜"。MiniMax 的 ARR 从 2 月的 1.5 亿美元冲到 8 月的 8 亿美元，半年翻了约 5.3 倍，7 月 Token 消耗更是 1 月的 20 倍，几乎全靠智能体拉动。36氪这个趋势会持续影响你手里每一个 AI 工具的价格和能力。
接下来值得盯的三个信号
"牛来"的免费测试期在 8 月 27 日前后结束。免费期一过，这些开发者还会不会留下来，决定了这场匿名发布到底只是流量，还是真入口。
千问说，这次开源的 Qwen3.8-Flash-Next 只是基于 Qwen4 架构的"先导预览版"，先放出来让社区检验，完整的 Qwen4 家族还在后面。
另一条容易被忽略的新闻：已经有公司开始限制员工使用 AI 的频率，控制对 Anthropic 和 OpenAI 的支出；Gartner 甚至预测，到 2028 年，AI 编程成本可能超过开发者的平均工资。每日经济新闻当使用量爆发，成本就成了新的标尺——而这，恰恰是这波国产开源降价潮最大的意义。
