智谱的速度还在加码。9 月 18 日，GLM 5.3 FlashX 正式上线，官方给出的官方给出的峰值推理速度为 200 tokens/s，API 接口已全面对外开放。
这款模型建立在 8 月推出的 GLM 5.3 Flash 之上。后者曾以 Ox Alpha 的代号面向全球开发者测试，在海外与国内开发者中都收获了不少好评，接口调用量也一路攀升，在同规格模型当中保持了不错的能力表现与较高性价比。
新版本的重点放在速度。据官方介绍，GLM 5.3 FlashX 的推理速度相比 GLM 5.3 Flash 提升 5 倍，定价则上调至原版本的 2.5 倍，在模型能力、访问速率与服务定价三个维度形成新的综合组合。
支撑这些模型的是智谱用 由 10 万张国产芯片撑起的推理算力底座。伴随业务需求快速上涨，公司在基础设施上继续加大投入，同时在推理层面开展深度优化，把工程效率当作新的竞争点。
面向企业与开发者，FlashX 的定位是响应速度更佳的大模型服务。速度与价格的重新定价也说明，国内大模型厂商的较量正在从能力榜单延伸到单位成本与响应速度，谁能把推理做得更快更稳，谁就能在规模化调用里占到先手。
从产品结构看，智谱把 Flash 系列拆成标准版与提速版两条线，覆盖预算与响应要求不同的客户：对时延敏感的场景可以接受更高单价，对成本敏感的调用方继续使用原版。分层定价也是国产大模型在商业化阶段普遍采用的思路。
对开发者而言，这意味着同一套业务代码可以在不改接口结构的前提下切换到更快或更省的模型；对智谱来说，把速度做成可以单独售卖的差异化能力，也是把算力投入转化为收入的直接路径。国产算力底座加上推理优化，构成了智谱这一轮提速的底层支撑。
文章与图片内容转载网络，如有侵权请联系平台删除
发表评论 取消回复