智谱发布 GLM-5.3-FlashX：推理速度高达 200 tokens/s，打造“快、准、省”新标杆

智谱 AI 今日正式推出 GLM-5.3-FlashX，这是其广受欢迎的 GLM-5.3-Flash 模型的高性能加速版。通过底层基础设施的深度优化，FlashX 实现了最高 200 tokens/s 的推理速度，为企业和开发者带来更流畅、低延迟的交互体验。

此前以 “Ox Alpha” 代号亮相的 GLM-5.3-Flash 已在全球范围内获得广泛认可。面对日益增长的调用需求，智谱在依托 10 万张国产芯片 提供的强大算力基础上，进一步加大了 Infra 侧的投入与推理引擎优化，从而推出了这款在智能、速度与价格之间取得全新平衡的模型。

核心亮点

1. 极致速度：推理速度最高可达 200 tokens/s，显著降低首字延迟和整体响应时间，适合对实时性要求极高的应用场景（如实时对话、代码补全、流式输出）。
2. 全能多模态：支持文本、图片、视频及文件输入，保持与 GLM-5.3-Flash 相同的强大多模态理解能力。
3. 百万级上下文：原生支持 1M (100万) Tokens 的超长上下文窗口，轻松处理海量文档、长视频分析或复杂代码库。
4. 高性价比：虽然单价略高于标准版 Flash，但考虑到其速度的大幅提升，单位时间的产出效率更高，综合成本极具竞争力。

定价详情

GLM-5.3-FlashX 在保持极低价格的同时，提供了更快的服务响应。以下是各版本模型的对比：

注：缓存存储功能目前处于限时免费阶段，有助于进一步降低重复调用的成本。

如何接入

• API Model Key: GLM-5.3-FlashX
• 适用场景：
  • 实时智能客服：更快的响应速度提升用户满意度。
  • 代码辅助编程：极速的代码生成与补全，减少开发者等待时间。
  • 长文档/视频即时分析：在保持高精度理解的同时，大幅缩短处理耗时。
  • 高并发 Agent 任务：在工具调用和多步规划中，更快的推理速度意味着更高的任务吞吐量。