只改基础设施、不重新训练模型，速度提 5 倍，价格翻到 2.5 倍，还敢全面开放 API。智谱这步棋有意思。

9 月 18 日，智谱正式发布 GLM-5.3-FlashX，定位是 GLM-5.3-Flash 的极速推理版。这次它只动 Infra，不重训模型——模型的「脑子」没变，变的是让它跑多快。同样是答题，换了个更利索的跑道。

推理速度最高到 200 tokens/s，比原版快 5 倍。定价提到原版的 2.5 倍，输入 2 元、输出 7 元每百万 tokens。背后是 10 万张国产芯片组成的推理集群。智谱还披露，GLM-5.3 驱动 Agent 自优化，不到两周系统端到端吞吐比初始基线提升 3.2 倍；基座是 320B 总参、18B 激活，支持 1M 上下文。

200 tokens/s 是什么概念？正常人读东西，一秒也就十来个字，它一秒能往外吐两百个 token。对普通聊天，这快得看不出差别；可一旦跑 Agent 就完全两回事——一个任务要在后台来回调用几十次模型，速度直接决定这活能不能当天交出去。

这里有个容易被忽略的点：速度和便宜，很多时候是打架的。跑得越快，单位算力成本越高，所以它才敢把价格往上提 2.5 倍。这不是随口涨价，是明码标价地分层。说白了，智谱赌的是市面上不止一种需求——有人要极致便宜，有人要极致快，把这两拨人分开报价，比一刀切更划算。

老谭做产品这些年，最熟的一件事就是切 SKU。同一款东西，换个配置、换个价位，卖给不同的人。智谱这次干的就是这件事——把「快」单独拎出来，当一个价签卖。

客户要的从来不是最好的那款，是最合适的那款，价格带切对了，销量自己会分层。出租车和专车跑的都是那条路，差别就在你愿不愿意为更快更稳多掏钱。

我的判断是：模型正在像卖电一样，按速度、价格、智能分成不同档位往外卖。不是越强越好，而是把不同人的需求拆成不同的价格签。愿意为快付钱的，是那些跑 Agent、跑批量任务的团队，慢一秒都是成本；只求便宜的，用基础版就行。

更让我在意的是那 10 万张国产芯片。它们能满负荷跑推理，说明推理这一侧的算力卡口正在松动。卡口一松，价格战就离得更近了。真正的好戏，恐怕还在后头。

你平时用 AI，更在意它聪明，还是更在意它快？评论区说说你的选择。