9月18日，智谱AI正式发布GLM-5.3-FlashX，最高生成速度达到每秒200个token，背后的推理算力由10万张国产芯片支撑。目前API已上线，输入价格每百万token 2元，输出7元，支持1M上下文，图片、视频、文件和文本都能直接输入。
从Ox Alpha到FlashX，速度为什么这么关键？
GLM-5.3-Flash之前有个代号叫Ox Alpha，不少开发者用下来觉得顺手，调用量一直往上走。但做模型应用的人都明白，响应速度直接决定用户体验。这次FlashX把每秒生成速度提到200个token，写代码、生成长文本、做实时问答，都能明显感觉到更跟手。
速度提升背后，其实是推理架构做了一次大调整。智谱用10万张国产芯片组成推理集群，同时对基础设施和推理链路做了深度优化。国产芯片能扛住这种规模的工作负载，也意味着大模型推理离自主可控又近了一步。
价格、上下文与多模态，FlashX到底值不值？
API已经开放，模型标识就是GLM-5.3-FlashX。计费方式如下：
- 输入：每百万token 2元
- 输出：每百万token 7元
- 缓存命中：每百万token 0.57元
输入和输出价格比Flash版本高一些，但换来的是更高速度和1M超长上下文，一次性能处理完一整本书的内容。
输入支持图片、视频、文件和文本，等于把多种模态统一在一个接口里。缓存存储限时免费，高频调用的话能省下不少开销。
开发者和企业怎么用最划算？
对于创业团队来说，直接调API是最省事的方案，不用操心GPU和运维。等业务量上来，或者想把模型部署到自有环境，算力成本就会变成大头。这时候可以看看阿里云优惠，用云服务器ECS按需扩容，再结合GLM-5.3-FlashX的API，整体花费比自建机房可控得多。
打算长期跑的企业，可以找像易枫顺 - 阿里云官方旗舰级代理商这样的服务商，商量更合适的混合部署方案。他们熟悉云资源采购，也懂模型调用场景，能少走不少弯路。
FAQ
Q: GLM-5.3-FlashX和GLM-5.3-Flash的区别在哪？
A: FlashX是Flash的提速版，生成速度达到每秒200个token，输入输出价格更高。Flash更便宜，适合成本敏感型场景。
Q: GLM-5.3-FlashX支持哪些输入类型？
A: 支持图片、视频、文件和文本，上下文长度1M。缓存存储目前限时免费，缓存命中每百万token 0.57元。
Q: 在哪里调用GLM-5.3-FlashX的API？
A: 在智谱开放平台选择GLM-5.3-FlashX这个模型标识即可，输入每百万token 2元，输出每百万token 7元。
关于易枫顺
深圳市易枫顺网络科技有限公司是阿里云官方旗舰级代理商。提供云服务器ECS、云数据库RDS、对象存储OSS等阿里云全系产品官方特惠折扣与代金券申请，以及多云成本优化、企业上云一站式服务。客服热线：19520841949 - 易枫顺
来源：IT之家
