GLM-5.3-Flash
智谱AI推出的GLM系列轻量级大语言模型，支持多轮对话与工具调用，针对推理速度进行了优化
核心事实
时间轴 (近 90 天)
在PrimeVul留出测试集上，REVA搭配GLM-5.3-Flash达到60.0%的准确率，每个函数约耗时一秒。
在PrimeVul上，agent式检测器VulTriage（同样跑在GLM-5.3-Flash上）的准确率为59.2%。
GLM-5.3-Flash 是 GLM-5 系列首个原生多模态模型，支持图文输入。
GLM-5.3-Flash 是一个 320B 总参数、每 token 激活 18B 的多模态 MoE 模型，采用 MIT 许可，支持 1M token 上下文。
模型卡给出的 GLM-5.3-Flash 基准成绩：Terminal-Bench 2.1 为 84.3，DeepSWE 为 63.4。
Z.ai 宣称 GLM-5.3-Flash 在编程和 agent 基准上接近 Claude Opus 4.8，价格是 GLM-5.2 的十分之一。
Z.ai的GLM Coding Plan起步价$18/月，Lite档每5小时2,000 credits，Pro档12,000，Max档28,000，支持GLM-5.3和GLM-5.3-Flash。
Phase 3 计划在 H200 SXM 141GB 上运行 GLM-5.3-Flash 的 GGUF 版本，使用 llama.cpp 服务器，但模型权重总大小为 108.7GB，下载速率从约 9GB/min 降到约 1.6GB/min，容器磁盘使用量达到约 69GB 时中止，产生零个模型输出。
GLM-5.3 的输入倍数为 6.9、缓存输入倍数为 1.7、输出倍数为 24；GLM-5.3-Flash 的输入倍数为 2.3、缓存输入倍数为 0.56、输出倍数为 8。
GLM-Legal 基于基础模型 GLM-5.3-Flash 构建，属于'基座 + 领域微调'的路线。
还有 40 条时间轴事件
全部知识事实 (20)
GLM 系列中的 Flash 版本定位为低延迟、低成本的轻量模型
75%已验证专用小模型的局限在于任务边界模糊、需要跨领域推理或处理未见边缘情况时泛化能力会迅速下降
65%已验证Flash系列模型通常被设计为高吞吐、低延迟、低成本的选项，目标是覆盖大规模、高频次但对推理深度要求不高的场景
65%已验证智谱AI推出了GLM-5.3 Flash轻量级模型
85%待验证GLM-5.3-Flash在Artificial Analysis综合智能指数评测中取得57分，与Claude Opus 4.8持平
70%待验证通过 MTP（多令牌预测）技术，Qwen3.8-Flash-Next 和 GLM-5.3-Flash 的推理速度提升最高达 2 倍
70%待验证GLM-5.3-Flash来自Z.ai，是一款总参数量320B（3200亿）的多模态MoE模型，任意时刻仅激活18B参数
70%待验证在PrimeVul留出测试集上，REVA搭配GLM-5.3-Flash达到60.0%的准确率，每个函数约耗时一秒。
50%待验证在PrimeVul上，agent式检测器VulTriage（同样跑在GLM-5.3-Flash上）的准确率为59.2%。
50%待验证GLM-5.3-Flash 是 GLM-5 系列首个原生多模态模型，支持图文输入。
50%待验证Z.ai 宣称 GLM-5.3-Flash 在编程和 agent 基准上接近 Claude Opus 4.8，价格是 GLM-5.2 的十分之一。
50%待验证GLM-5.3-Flash 是一个 320B 总参数、每 token 激活 18B 的多模态 MoE 模型，采用 MIT 许可，支持 1M token 上下文。
50%待验证模型卡给出的 GLM-5.3-Flash 基准成绩：Terminal-Bench 2.1 为 84.3，DeepSWE 为 63.4。
50%待验证Z.ai的GLM Coding Plan起步价$18/月，Lite档每5小时2,000 credits，Pro档12,000，Max档28,000，支持GLM-5.3和GLM-5.3-Flash。
50%待验证GLM-5.3 的输入倍数为 6.9、缓存输入倍数为 1.7、输出倍数为 24；GLM-5.3-Flash 的输入倍数为 2.3、缓存输入倍数为 0.56、输出倍数为 8。
50%待验证GLM-Legal 基于基础模型 GLM-5.3-Flash 构建，属于'基座 + 领域微调'的路线。
50%待验证GLM-5.3-Flash 是第一个将稀疏注意力和线性注意力融合进单一混合系统的开放前沿模型。
50%待验证GLM-5.3-Flash 使用 IndexPool 技巧，将索引器的 key 向量按4合1做加权池化，在百万token上下文下保持检索机制小巧。
50%待验证GLM-5.3-Flash 在国产AI芯片上规模化运行，搭配基于 SGLang 的专用推理引擎，声称端到端服务增益达到3倍。
50%待验证几乎所有对比数据都来自 Z.ai 自报，且各基准的测试框架设置不同，跨模型差距应视为方向性参考而非定论。
50%