GLM-5.3-FlashX 是什么？比 Flash 快多少

GLM-5.3-FlashX 是智谱 2026 年 9 月 18 日上线的高速版模型：底座和 GLM-5.3-Flash 完全一样，官方把推理速度拉到最高 200 tokens/s，约为 Flash 的 5 倍，同时把定价提到 Flash 的 2.5 倍。一句话，它不是新模型，而是给 Flash 换了台更快的发动机，然后按速度重新标了一次价。

下面按「是什么、和 Flash 的区别、价格、提速原理、怎么接入、免费情况」依次讲清。数据核查于发布当天，来源为智谱官方文档与定价页、新浪科技与 IT 之家报道。

最后更新：2026 年 9 月 18 日

GLM-5.3-FlashX 是什么？

GLM-5.3-FlashX 是智谱面向高并发场景推出的高速版模型，2026 年 9 月 18 日与 API 同步上线，Model Key 为 glm-5.3-flashx。它的底座与 8 月发布并开源的 GLM-5.3-Flash 完全一致。

也就是说，FlashX 没有重新训练、没有加参数。官方在文档里的原话是「更快、更流畅的 GLM-5.3-Flash」，它和 Flash 的关系更像同一款车的性能模式。

一个容易被忽略的细节：GLM-5.3-Flash 就是此前在 OpenRouter 匿名爆火的 Ox Alpha，所以 FlashX 也可以理解为「牛来的提速版」。

GLM-5.3-FlashX 和 GLM-5.3-Flash 有什么区别？

把两款模型并排放，差异只有两项：速度和价格。

（价格单位为元/百万 tokens）。结论很直白：智力一样、能力一样、上下文一样，只有速度和价格变了。智谱官方对这次更新的概括是「扩算力、提速度、提定价」，即用更高的价格承接更旺的调用需求，同时给对延迟敏感的用户一个更快的选项。

GLM-5.3-FlashX 价格：2.5 倍贵在哪

按官方定价页的数字，FlashX 的输入、输出、缓存命中价都正好是 Flash 的 2.5 倍（0.8 到 2 元、2.8 到 7 元、0.23 到 0.57 元）。

换算成日常场景更直观：

• 单次请求输入 1 万 tokens、输出 2000 tokens：Flash 约 0.0136 元，FlashX 约 0.034 元，单次多花约 2 分钱；
• 每天 1 万次调用：Flash 约 136 元，FlashX 约 340 元，一天多花约 204 元。

以上为按官方单价做的量级估算，实际以平台扣费为准。值不值取决于你要不要那 5 倍速度：Agent 一次任务常常几十轮调用，每轮省两三秒，累积起来就是体感差距。想继续压成本，可以配合我们整理的 省 token 技巧。

200 tokens/s 是怎么做到的

提速不是靠超频，而是把推理侧的工程做透。综合官方文档与新浪科技报道：

1. 10 万张国产芯片集群：推理由国产加速卡承担，通过自研高带宽网络互联。此前集群上线即被打满，这次扩大算力才支撑起 FlashX 的吞吐；
2. 专用推理引擎：在 SGLang 基础上定制，加入张量并行、W8A8 量化、混合缓存量化、Layer Split 等优化；
3. EPD 分离架构：把多模态编码、预填充和逐 token 解码拆成可独立扩缩容的算力池，端到端性能相比基线提升约 3 倍。

再加上底座的高效架构（稀疏注意力加线性注意力混合，注意力计算量比 GLM-5.3 降低 3.01 倍、KV 缓存降低 4.44 倍），长上下文下的成本才压得住。

GLM-5.3-FlashX 怎么接入

接口与 GLM-5.3-Flash 完全兼容，切换成本就是把模型名换掉。完整参数说明见智谱官方对话补全文档。

第一步，拿 API Key。 登录智谱开放平台（bigmodel.cn）在控制台创建，base_url 为 https://open.bigmodel.cn/api/paas/v4/。

第二步，改 Model Key。 把请求里的 model 从 glm-5.3-flash 换成 glm-5.3-flashx：

from openai import OpenAI

client = OpenAI(
    api_key="你的Key",
    base_url="https://open.bigmodel.cn/api/paas/v4/",
)

resp = client.chat.completions.create(
    model="glm-5.3-flashx",   # 从 glm-5.3-flash 换成这一行
    messages=[{"role": "user", "content": "用 Python 写一个快速排序并解释复杂度"}],
    temperature=1.0,
    stream=True,              # 高吞吐下建议开流式，体感提升最明显
)
for chunk in resp:
    print(chunk.choices[0].delta.content or "", end="")

第三步，先试用再上量。 不想写代码的可在官方体验中心选 glm-5.3-flashx 对话。官方推荐参数是 temperature: 1、top_p: 0.95、reasoning_effort: max，思考模式只支持开启，流式建议同时开 stream 和 tool_stream。

GLM-5.3-FlashX 免费吗？Coding Plan 能用吗

这两条要分清楚：

• 按量 API 不免费，按上面的单价计费，缓存存储目前限时免费；
• GLM Coding Plan 套餐暂不包含 FlashX，官方文档明确写着「套餐当前暂未开放 GLM-5.3-FlashX」，套餐里能用的是 GLM-5.3-Flash，额度相较 GLM-5.3 增加到 3 倍。

想走套餐白嫖，目前只能用到 Flash。另外 9 月 3 日至 20 日有夜间畅用活动：每晚 23:00 至次日 9:00，在官方编程工具 ZCode 里调用套餐内的 GLM-5.3-Flash，额度消耗为 0。注意该活动针对 Flash，FlashX 是否参与官方未说明。

GLM-5.3-FlashX 适合谁用

• 适合：高并发 AI 编程、Agent 多步调用、实时对话与代码补全、长上下文多模态任务，以及任何等待时间直接影响体验的场景；
• 不适合：对价格极度敏感、对时延不敏感的离线批量任务，这类场景用 Flash 更划算，输出价只要 2.8 元/百万 tokens。

想系统了解底座能力，可以看我们的 GLM-5.3-Flash 全解；想横向对比旗舰模型，可以看 GLM-5.3 评测；如果你分不清模型名后缀的含义，模型版本号怎么读讲得更清楚。

总结

GLM-5.3-FlashX 是一次「同底座提速提价」的版本更新：智能、参数、上下文都没动，换来最高 200 tokens/s 的输出速度和 2.5 倍的单价。它解决的是调用量爆发下的吞吐压力，用国产芯片集群加推理工程把速度顶上去。要不要用，按场景对号入座即可：延迟敏感就上 FlashX，成本敏感就留在 Flash。

资料来源：

• 智谱 GLM-5.3-Flash/FlashX 官方文档
• 智谱开放平台 API 定价页
• 智谱 GLM Coding Plan 夜间畅用活动说明
• IT 之家：智谱 GLM-5.3-FlashX 模型上线

作者：AI345

最后更新于 2026 年 9 月 18 日