中信证券财富管理与中信里昂研究观点一致。根据中信里昂研究在2026年8月27日发布的题为《Ox Alphaunveiled》的报告，智谱（Z.AI）在匿名发布中推出其首个原生多模态模型GLM 5.3 Flash，广为人知的名称为“OxAlpha”（“牛来”）。其在具备视觉能力加持下提供卓越的成本调整后性能，并且很可能已成为Flash模型的新全球标准。随着中国模型迭代节奏加快，研究指出其全球受欢迎程度和强劲需求，这从OpenRouter上不断上升的收入份额和强劲的经常性收入（ARR）可见一斑：继Z.AI于7月达到10亿美元里程碑后，MiniMax和MoonShot于8月初分别达到8亿美元和10亿美元ARR。
　　Flash模型将掀起波澜
　　Z.AI推出GLM 5.3 Flash，广为人知的名称为Ox Alpha。在较小参数规模（320B/18B active）下，其以GLM5.2十分之一的成本实现更优性能，并以四分之一的成本在编码能力上匹敌Opus 4.8。按每百万输入/输出tokens API定价0.8元/2.8元计算，其较DeepSeek V4 Flash便宜约40%。
　　这一性价比提升由一种为超低成本推理设计的更高效架构驱动。其结合稀疏和线性注意力，以降低长上下文服务成本，同时利用mHC增强模型可扩展性。每层KV cache大小和每层注意力计算较GLM 5.3分别下降4倍和3倍。
　　同日，阿里巴巴展示了多模态Qwen 3.8 Flash-Next（125B/6B active，配备51BN-gram embedding），按每百万输入/输出tokens API定价1元/3元。
　　从基于文本到多模态
　　GLM 5.3 Flash是Z.AI首个原生多模态模型，基于30T多模态数据训练。其也针对专业服务工作流程进行了优化，例如金融和法律。
　　视觉编码拓宽了编码任务范围，提升其观察环境的能力，并增强模型在前端设计以及涉及pdf、docx、xlsx格式等办公工作中的能力。
　　截至目前，所有中国前沿实验室均至少有一个视觉/多模态模型，包括DeepSeek V4 Flash Vision（8月21日）、Qwen 3.827B（8月14日）、K3（7月16日）、M3（6月1日）。
　　国产芯片上的推理
　　过去六天内，Ox Alpha在OpenRouter和OpenCode上的token排行榜居首，全球使用总量达到65trn，为有史以来最大的发布。在OpenRouter上，包含Ox Alpha在内的Z.AI周token份额（23%）超过DeepSeek（16%）。
　　据Z.AI称，该推理服务完全运行于国产硅基芯片之上，并由自研高带宽网络和基于SGLang的专用推理引擎支持。
　　根据本地媒体LatePost，GLM 5.3 Flash很可能利用了来自海光、华为和摩尔线程的100,000枚国产芯片集群提供推理服务。
　　Z.AI在其技术文件中指出，该集群的硬件效率和token单位经济性已达到可与主流英伟达GPU相比的水平。
　　OpenRouter数据说明了什么？
　　随着OpenRouter的周token使用量接近99trn（年初至今14倍），在全球超过400个模型支持下，合计ARR达到10亿美元（年初至今4倍）。
　　截至8月23日当周，在Z.AI、DeepSeek和MoonShot强劲增长带动下，中国模型的合计token/收入份额进一步升至72%/31%。
　　Anthropic/OpenAI/Google模型的收入份额分别为38%/18%/10%，相比之下，其各自峰值份额分别为66%/19%/21%。
　　中国模型总支出年初至今激增20倍，由token消耗增加41倍驱动。尽管如此，中信里昂认为中国实验室盈利仍偏低，原因在于算力供应有限，这使第三方推理服务提供商和云合作伙伴受益。