最新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。