快科技 8 月 27 日消息，8 月 26 日晚，智谱正式上线并开源 GLM-5.3-Flash（320B-A18B）原生多模态模型。摩尔线程在模型发布当天便完成 Day-0 极速适配，基于 AI 训推一体智算卡 MTT S5000 及 MUSA 软件栈实现高效运行。

GLM-5.3-Flash 总参数量 320B（3200 亿），激活参数仅 18B（180 亿），层数较 GLM-4.5 减半。模型在全球权威的 Artificial Analysis Intelligence Index 中取得 57 分；在智谱自研 Z.ai   Code Bench 体感评估中，其编程表现与 Claude Opus 4.8 相当。

正式发布前，该模型以匿名代号 Ox-Alpha（中文社区昵称 " 牛来 "）在 OpenRouter、OpenCode 两大海外平台测试，迅速登顶并刷新双平台历史纪录，Token 调用量高达 62T。

如此高的 Token 调用量，出自超过 10 万张国产芯片的集体承载，其算力供应商包括华为、海光、摩尔线程。这是国产算力芯片首次大规模集体出海支持海外最火模型。

针对 GLM-5.3-Flash 混合架构中线性注意力采用的 KDA 机制，摩尔线程基于 MATE 算子优化引擎，快速完成了状态矩阵更新、分块并行扫描等全新算子形态的定制实现与深度调优。

KDA 机制将传统注意力中随推理长度线性增长的 KV Cache 转化为固定规模状态矩阵的增量更新，显存占用不再随序列变长而膨胀。该架构特性与 MTT S5000 的高算力密度形成深度协同，为超长上下文推理提供高效支撑。

本次极速适配充分验证了 MTT S5000 智算卡的高算力密度与稳定性。MTT S5000 单卡 FP8 算力达 1000 TFLOPS，配备 80GB 显存，显存带宽 1.6TB/s，卡间互联带宽 784GB/s。

目前智谱 GLM-5.3-Flash 已开源，开发者可访问 Hugging Face 获取模型权重，摩尔线程也提供了配套的 SGLang 推理镜像供开发者开箱体验。