智谱上线 GLM-5.3-FlashX 推理加速模型，最高达 200 tokens/s

智谱上线推理加速模型 GLM-5.3-FlashX，官方标称生成速率最高可达 200 tokens/s，旨在提升高频调用场景下的吞吐表现。

• 智谱大模型开放平台正式推出 GLM-5.3-FlashX，在国产算力芯片基础设施基础上强化底层推理优化，峰值生成速率达到 200 tokens/s。
• 该模型支持 1M 上下文长度，并具备文本、图像、视频和文件等多模态输入理解能力。
• 在调用资费上，GLM-5.3-FlashX 输入与输出价格设定为每百万 Tokens 2 元和 7 元，上下文缓存命中为 0.57 元，处于基础 Flash 版与标准版 GLM-5.3 之间。
• 影响/看点：兼顾 1M 窗口、多模态支持与高速吞吐的定价策略，面向高并发 Agent 循环与即时对话场景提供了折中方案，其实际效能取决于在高负载复杂推理下的生成质量与吞吐稳定性。
• 资料依据：
• IT之家（2026-09-18）：https://www.ithome.com/1/004/061.htm
• 智谱大模型开放平台文档（2026-09-18）：https://docs.bigmodel.cn/api-reference/%E6%A8%A1%E5%9E%8B-api/%E5%AF%B9%E8%AF%9D%E8%A1%A5%E5%85%A8

本内容由 AI 生成，仅供参考，请注意甄别