320B 参数原生多模态 MoE，上下文窗口达百万 Token

01

核心要点

• 来源为 AI旗页热点日报，原文入口保留在页面底部，适合继续核对完整信息。
• 这条内容被归入“模型发布与实时多模态能力”，可作为后续工具选型、教程选题或趋势观察线索。
• 相关标签：AI热点日报 / 多模态 / 百万上下文 / 开源模型。

编辑判断

AI旗页判断

这条资讯来自 AI旗页热点日报，更适合当作“模型发布与实时多模态能力”方向的信号来看：它说明相关能力正在进入更具体的产品、行业或工作流场景，而不只是停留在演示层。

读这类新闻时，建议重点看模型能力是否已经开放、支持哪些输入输出、价格和速率限制如何，以及能否接入真实业务。

AI旗页的处理方式是保留来源、摘要和相关入口，不做全文转载。这样既能让中文用户快速判断是否值得继续读，也避免把站点做成低价值搬运页。

03

来源信息

原文标题：Z.ai Releases GLM-5.3-Flash: A 320B-A18B Natively Multimodal MoE With a 1M-Token Context

Z.ai has released GLM-5.3-Flash, the first natively multimodal model in the GLM-5 series — a 320B-total / 18B-active MoE with a 1,048,576-token context window, MIT-licensed weights on Hugging Face, and API pricing at $0.15/M input and $0.50/M output. It scores 84.3 on Terminal-Bench 2.1 and 63.4 on DeepSWE v1.1, using hybrid KDA linear plus NoPE sparse MLA attention to cut attention compute ~3× and KV cache 4.4× vers

一句话结论：GLM-5.3-Flash 是 GLM-5 系列首个原生多模态模型，以 320B 总参数、18B 激活参数的 MoE 架构和 1M Token 上下文窗口亮相。原始信息显示，该模型权重采用 MIT 许可在 Hugging Face 开放，API 定价为输入 $0.15/M、输出 $0.50/M，在 Terminal-Bench 2.1 上得分 84.3，DeepSWE v1.1 上得分 63.4。技术上，它使用混合 KDA 线性注意力和 NoPE 稀疏 MLA 注意力，相比前代将注意力计算量减少约 3 倍，KV 缓存减少 4.4 倍。值得关注的原因是，百万级上下文和原生多模态能力使其在长文档处理、复杂代码生成和多模态推理场景具有竞争力，且 MIT 许可有利于商业应用。它影响的是大模型应用开发者、企业 AI 平台选型者以及研究多模态 MoE 架构的团队。下一步建议：在 Hugging Face 下载权重进行本地推理测试，或通过 API 试用，重点验证长上下文下的信息保持能力和多模态输入的实际效果。

来源信息：AI旗页热点日报，发布时间或入库日期为 2026-08-26。页面底部保留原文入口，适合继续核对完整上下文、原始表述和附带链接。

原文摘录

来源摘要

Z.ai has released GLM-5.3-Flash, the first natively multimodal model in the GLM-5 series — a 320B-total / 18B-active MoE with a 1,048,576-token context window, MIT-licensed weights on Hugging Face, and API pricing at $0.15/M input and $0.50/M output. It scores 84.3 on Terminal-Bench 2.1 and 63.4 on DeepSWE v1.1, using hybrid KDA linear plus NoPE sparse MLA attention to cut attention compute ~3× and KV cache 4.4× vers

以上内容来自来源页/RSS 提供的摘要信息，AI旗页做中文整理、重点标注和入口归档；完整内容、上下文和版权归原作者所有，请以原文为准。

05

下一步怎么用

• 需要确认细节时，优先打开原文链接，看发布时间、上下文和官方表述。
• 如果这条动态与你的工作有关，可以继续查看同标签资讯和相关工具，判断是否需要写教程、做对比或加入工作流。
• 如果是产品或模型更新，建议同时比较价格、可用地区、中文体验、API 接入和数据安全边界。

相关阅读

相关资讯