智谱GLM-5.3-Flash上线 商汤国产算力助力性能达前沿

8月26日晚间，智谱正式推出并开源了GLM-5.3-Flash（320B-A18B），这款模型作为GLM-5系列的首款原生多模态产品，总参数量为320B，整体性能优于GLM-5.2版本。在全球权威的AA综合智能指数评测中，它拿下了57分，跻身全球前沿模型阵营，得分与Anthropic旗下热门模型Claude Opus 4.8持平。该模型的架构专门针对极致低成本进行设计，结合智谱最新的30万亿Token多模态预训练语料，能够以更少的计算资源实现更出色的模型表现。

本次项目中，商汤大装置凭借先进的国产异构混合推理技术，为GLM-5.3-Flash的上线提供了大规模国产算力支持与Token服务，成为国产算力规模化商用的又一标志性落地案例。

这一合作背后，依托的是商汤打造的“一套模型、一座Token工厂、一套智能体管控系统”核心能力框架。其中Token工厂承担着智能能力规模化生产的核心职能：它通过多模态模型与大装置基础设施的联合优化，将不同架构的芯片、算力集群、能源资源以及交付节点进行整合调度，持续产出质量更高、成本更低的Token。同时Token工厂与大模型之间形成了双向反哺的闭环机制，能够更好适配原生多模态模型的迭代升级需求，商汤大装置高效支撑GLM-5.3-Flash上线的实践，正是这套闭环能力的有力证明。

长期以来，行业普遍认为国产算力存在性价比不足、难以实现大规模商用的痛点。而在正式发布前，GLM-5.3-Flash以匿名模型Ox-Alpha（国内社区称之为“牛来”）的身份，在OpenCode和OpenRouter平台完成了大规模测试，累计Token调用量达到62万亿，所有请求流量均由国产芯片提供算力支撑。测试结果显示，相较于同一硬件环境下的初始基线，基于国产芯片集群的GLM-5.3-Flash端到端服务性能提升3倍，硬件效率与单Token成本已经达到主流英伟达GPU的同等水平。

这一实践充分证明，国产算力已经能够在大规模真实业务场景中，高效且经济地支撑前沿大模型的推理需求。

作为深度适配大模型的AI基础设施服务商，商汤大装置全面拥抱国产化路线，并持续推动国产算力从“单点可用”向“大规模商用”迈进。在今年的行业展会期间，针对当前国产算力规模化商用的核心卡点，商汤大装置从性价比、适配性、能效比三个维度系统性提出破局方案。

在性价比层面，商汤大装置打破了传统单卡性能比拼的思路，通过先进的异构混合推理技术，根据不同推理阶段对计算资源、带宽的差异化需求，让不同架构、不同定位的国产芯片各尽其用、协同高效运转。整体推理性价比达到NVIDIA H系列的1.25倍，相较于国产同构推理方案，同等成本下的Token产能提升约2.5倍。

在适配性方面，商汤大装置通过底层算子优化、多卡并行调优以及工具链适配等一系列手段，大幅降低了国产算力的应用门槛。

在能效比维度，商汤大装置推出了算电协同Agent，并重新定义了TPW（Tokens Per Watt）作为AIDC领域的全新价值衡量标准。

此外，通过整合多元算力资源并持续优化推理引擎与芯片性能，商汤大装置的Token Factory已经形成了大规模、高效率、低成本的Token供给能力。数据显示，今年7月其日均Token服务量达到2.42万亿，预计到2026年底将突破日均10万亿，全年Token服务量级将实现25倍增长。

未来，商汤大装置将持续加大基于国产化算力的Token服务建设投入，打造高性能、低成本、可规模化交付的AI基础设施，推动国产算力从单点技术突破走向产业体系化繁荣。