智谱今天终于把“牛来”的底裤掀了。 前几天 OpenRouter / OpenCode 上突然出现一个匿名模型 Ox-Alpha。 不说自己是谁，1M 上下文，图片视频都能看，Coding 和 Agent 能力还异常猛，很快冲成热门模型。 因为 Ox = 牛，中文社区干脆叫它： 牛来。 然后大家开始扒它的 Tokenizer、reasoning 参数、API 行为，越来越多人怀疑： 这货怎么这么像 GLM？ 今天答案公布了。 Ox-Alpha = 智谱 GLM-5.3-Flash。 而且直接开源。 它的规格很有意思： 320B-A18B。 总参数 320B，但每个 Token 只激活 18B。 也就是说，智谱这次没有单纯把模型做小，而是想办法让一个 320B MoE 只付出更小的单步推理成本。 再配上： 1M 上下文 128K 最大输出 原生图片/视频理解 稀疏注意力 + 线性注意力 Coding + Tool Use + Agent Browser / GUI / Computer Use Office / PPT / Excel / PDF 工作流 尤其有意思的是视觉。 它不是“给模型加双眼”这么简单。 而是： 写代码 → 看自己跑出来的界面 → 找问题 → 修改 → 再看。 视觉直接进入 Agent 的执行闭环。 性能也不像传统 Flash 模型。 Artificial Analysis Intelligence Index 57 分； DeepSWE v1.1：63.4 GLM-5.2：46.2 AutomationBench：48.8 GLM-5.2：26.2 智谱自己的 Code Bench 最高档甚至做到 29.0 vs Claude Opus 4.8 的 29.5。 然后最离谱的来了： 价格。 官方给出的定位是： GLM-5.3 的 1/10； 首发优惠只有 1/20； 约 Claude Opus 4.8 的 1/40。 这可能才是 GLM-5.3-Flash 真正可怕的地方。 因为 Agent 时代真正烧钱的不是问一句“北京天气怎么样”。 而是一个 Agent 连续工作几十分钟甚至几个小时，反复： 思考、读文件、写代码、调用工具、看网页、修改、验证…… Token 是按百万、千万往外烧的。 所以未来模型竞争的核心，可能正在从： “谁最聪明？” 变成： “谁能把足够聪明的模型，便宜到让 Agent 敢一直跑？” 当然，本地党先别高兴太早。 A18B ≠ 18B 模型。 它依然有 320B 权重。 粗算 INT4 权重也要 160GB 左右，还没算 KV Cache 和运行开销。 所以普通 24GB/48GB 显卡想直接满血跑，目前基本别想。 但权重已经开了，SGLang Day-0 支持也来了。 接下来真正好玩的事情才开始： 320B-A18B 的“牛来”，到底最低什么硬件能把它在本地跑起来？ 如果真能本地跑起来，我打算测试一下DeepSeek Harness 生态插件OpenContext