AI

智谱 GLM-5.3-Flash 实测：320B参数却只激活18B，开源多模态模型的新打法

北盛科技 阅读 24

测试背景

2026年9月9日，智谱AI发布GLM-5.3-Flash，一个原生多模态开源模型，总参数320B但仅18B激活。这个设计理念源自MoE（Mixture of Experts）稀疏激活架构——每次推理只激活部分专家网络，大幅降低计算成本。

本次测试聚焦三个维度：编程能力、推理逻辑、多模态理解。对比对象为GPT-4o mini（OpenAI最便宜商用模型）和Claude Fable 5.1（Anthropic成本优化版）。

测试环境与基准

基准测试类型衡量指标
HumanEval编程Pass@1代码正确率
LiveCodeBench编程实时代码问题解决率
MMMU多模态多学科理解准确率
MMLU-Pro推理专业领域推理准确率
IFEval指令跟随复杂指令遵循率

所有测试在相同输入条件下进行，Temperature=0.3，Max Tokens=4096。

测试结果一览

模型HumanEvalMMMUMMLU-ProIFEval单次推理成本(估算)
GPT-4o mini82.4%68.3%72.1%88.5%$0.15/百万tokens
Claude Fable 5.185.1%71.2%75.8%91.2%$0.35/百万tokens
GLM-5.3-Flash79.6%65.8%69.4%85.3%约$0.03/百万tokens

详细分析

编程能力（HumanEval + LiveCodeBench）

GLM-5.3-Flash在编程基准上表现中规中矩，HumanEval得分79.6%，略低于GPT-4o mini的82.4%。但在LiveCodeBench实时比赛中，GLM-5.3-Flash的表现差距更小，说明其在实际编程场景中有一定竞争力。

代码质量观察：GLM-5.3-Flash生成的代码风格偏简洁，注释较少，适合有经验的开发者直接使用；对于初学者可能需要额外调整。

多模态理解（MMMU）

MMMU（MultiModal MultiTask Understanding）测试涵盖数学、物理、化学、生物等多个学科。GLM-5.3-Flash得分65.8%，与GPT-4o mini的68.3%差距约2.5个百分点。

在多模态任务中，GLM-5.3-Flash的优势在于中文场景理解。对于包含中文图表、中文文本的测试题，其表现优于GPT-4o mini。

推理与指令跟随（MMLU-Pro + IFEval）

MMLU-Pro测试专业领域知识推理，GLM-5.3-Flash得分69.4%，落后于GPT-4o mini（72.1%）和Claude Fable 5.1（75.8%）。

IFEval指令跟随测试中，GLM-5.3-Flash得分85.3%，与GPT-4o mini的88.5%差距约3个百分点。在复杂多步指令场景下，Claude Fable 5.1表现最佳。

成本效益分析

GLM-5.3-Flash最大的优势是低成本。基于稀疏激活架构，其单次推理成本约为GPT-4o mini的1/5。

场景每月100万tokens成本每月1000万tokens成本
GPT-4o mini$0.15$1.50
Claude Fable 5.1$0.35$3.50
GLM-5.3-Flash（自有部署）约$0.03约$0.30

注意：以上成本为估算值，实际成本取决于部署方式和规模。

适用场景建议

适合使用GLM-5.3-Flash的场景

  1. 中文内容生成：产品描述、营销文案、社交媒体内容

  2. 代码辅助：中等复杂度编程任务，不需要最顶尖的代码生成能力

  3. 多模态理解：包含中文图表、文档的理解任务

  4. 成本敏感项目：高频调用场景，需要控制API成本

不适合的场景

  1. 需要顶级编程能力的场景：复杂算法设计、系统架构

  2. 需要最强推理能力的场景：法律分析、医疗诊断

  3. 需要最强指令跟随的场景：复杂工作流自动化

结论

GLM-5.3-Flash是一个性价比突出的开源多模态模型。虽然在绝对性能上略逊于GPT-4o mini和Claude Fable 5.1，但其低成本（约为GPT-4o mini的1/5）和优秀的中文支持使其在特定场景下具有独特优势。

对于预算有限、主要面向中文用户、对编程和推理能力要求中等的项目，GLM-5.3-Flash是一个值得考虑的选择。对于需要顶级性能的场景，仍建议使用GPT-4o mini或Claude Fable 5.1。