企业AI落地2026年9月19日

智谱上线 GLM-5.3-FlashX：推理提速至 200 tokens/s 并涨价 2.5 倍，10 万张国产芯片集群被用满

9月18日智谱上线 GLM-5.3-FlashX，推理速度最高200 tokens/s，较 GLM-5.3-Flash 提升5倍，定价同时上调至原版本的2.5倍；由10万张国产芯片组成的推理集群上线即被用户用满。智谱官方博客同时披露，GLM-5.3驱动的 Infra Agent 在超10万张国产加速器集群上从零搭建生产级推理服务，端到端吞吐提升约3倍，单token成本接近主流NVIDIA GPU水平。公司已与头部云服务商签署收入分成协议，年末ARR指引由24亿美元上调至30亿美元。

来源：智谱（Z.ai）官方博客原标题：Toward Recursive Self-Improvement: How GLM Built Its Own Inference Infrastructure查看原文

夜晚数据中心园区航拍视角，多栋机房顶部呈现细密网格状散热鳍片，园区之间由青色发光光缆轨迹连接，一道白色光流从左下向右上加速攀升

图片来源：北京拓实科技原创（AI 生成封面）

发生了什么

9月18日，智谱正式上线 GLM-5.3-FlashX 并全面开放API。新版本推理速度最高可达200 tokens/s，较 GLM-5.3-Flash 提升5倍，定价同时上调至原版本的2.5倍。智谱称，由10万张国产芯片组成的推理集群上线即被用户用满，因此不得不同步扩大算力规模并推出速度更快、价格更高的 FlashX 版本来承接需求。

为什么这一点不寻常

这是国产大模型竞争逻辑切换的一个明确信号：从单纯追求能力上限，转向在同等智能水平下比拼推理效率与用户体验。此前 GLM-5.3-Flash 以匿名模型 Ox-Alpha 在 OpenCode 与 OpenRouter 上线，6天token调用量超过62万亿，一周内成为双平台调用量最大的模型。智谱用需求远超预期来解释这次提价与扩容。

更值得注意的是智谱披露的工程细节。据其官方博客，GLM-5.3驱动的 Infra Agent 在超过10万张国产AI加速器的集群上，从零搭建了一套生产级推理服务，把端到端吞吐提升到初始基线的约3倍，硬件利用效率与单token成本达到接近主流NVIDIA GPU的水平，并支持1M上下文与多模态请求，从模型适配到生产就绪用了不到两周。

技术栈：线性注意力的节点内张量并行、团队称为 ReplaySSM 的机制、W8A8量化、INT8/FP8/BF16混合精度缓存量化、Layer Split，以及 Encode-Prefill-Decode 分离式架构
人机分工：Agent负责分析、提出性能假设、修改底层代码并持续迭代；人类工程师定义目标、划定系统边界并复核关键改动
边界声明：智谱明确系统尚未达到完全自主设计与训练下一代模型的阶段，所有调整都在人工设定的沙盒与验证标准内进行，并保留可回滚记录

商业含义

收入结构：智谱已与海内外头部云服务商签署收入分成协议，相关收入将从10月起确认
指引上调：年末ARR指引由24亿美元上调至30亿美元，幅度25%；全业务口径ARR当前为18亿美元
算力乘数：2026年上半年该指标同比增长14倍；公司7月与9月分别完成40亿美元、50亿美元再融资，用于扩容算力
市场反应：港股智谱当日股价上涨约5.34%

仍需观察

提价能否被市场接受是最直接的检验。推理速度翻五倍对交互式Agent与代码补全场景价值明显，但对批处理类任务，2.5倍的单价上调会直接改变成本模型。另外，10万张国产芯片集群的稳定运行时长、故障率与真实单token成本口径，目前都只有厂商单方面披露，缺少第三方复测。智谱把这次实践称为递归自我改进（RSI）的早期形态，但其自述的边界同样重要：模型优化的是服务自己的推理系统，而不是自己的权重。

编辑说明

本文由北京拓实科技根据公开信息整理，核心事实与数据请以原始来源为准。