GLM-5.3 团队分享用 GLM-5.3 优化自身推理基础设施，GLM-5.3-Flash 吞吐提升至 3 倍

Rohan Paul 转引 Atomic Bot 的对比实验：在 GLM 5.3 上用四个提示词让 OpenClaw 2.0 与 Hermes Agent 生成以 OpenClaw 吉祥物为主角的电影场景，OpenClaw 2.0 消耗约 2.1M tokens、约 $4.5、10 次自修复，Hermes Agent 消耗约 2.9M tokens、约 $4、20 次自修复。

模型无关的智能体层 Atomic Agent 让 GLM 5.3 在三个提示词任务中表现更好，成本仅增加 0.77 美元。对比显示，仅用 API 时消耗 543，290 tokens、花费 2.39 美元；加上 Atomic Agent 后消耗 1，091，380 tokens、花费 3.16 美元。

GLM-5.3-Flash 通过 MCP 控制 Blender 完成复杂建筑建模，成本仅 $0.0526，比 GLM-5.3 的 $0.8807 低 16.7 倍，且耗时更短（38m 52s vs 40m 43s）。Flash 版严格遵循提示词，而 GLM-5.3 出现偏差，且 Flash 可在 128GB MacBook 上本地运行。这表明许多智能体任务可能过度配置了模型智能。

AI/ML API 用同一提示词测试 GLM-5.3 Flash、Claude 4.6 Opus 与腾讯 Hy4 的图像生成，成本分别为 $0.03、$0.29 和 $0.13。GLM-5.3 Flash 价格仅为 Claude 的 1/9.7，凸显模型路由的价值--"最佳模型"正让位于按需选择。

NVIDIA 在 GLM 5.3 SGLang 对比测试中，在 150 tok/s/user 条件下，成本效率最高比 AMD 优 5 倍。 - 最新 SemiAnalysis 报告 "以 AMD 当前的软件状态，在 150 tok/s/user 下，NVIDIA 的性能优势如此之大，以至于即便竞争对手的芯片硬件免费赠送（但服务商仍需支付数据中心托管、电力和其它运营成本），使用 NVIDIA 的每 token 成本仍然更低。"

Arena 更新 Image-to-WebDev 排行榜，纳入四个新评测模型。GPT-6 Astra （Max） 以 1733 分居第一，领先 GPT-5.6 Sol （xHigh） 129 分；Claude Fable 5.1 （Max） 以 1710 分排第二，Muse Spark 1.3 （Max） 1645 分第四，GLM-5.3-Flash 1588 分第十。

Unsloth 宣布通过优化解码和新增 MTP 支持，让 GLM-5.3-Flash 的本地 GGUF 推理提速 1.6 至 3.4 倍，长上下文下最高达 3.3 倍。

Baseten 发文解析开源模型后训练的成本驱动因素，指出活跃参数量是 RL 后训练成本的最大来源，总参数和 KV cache 主要限制推理速度，并按成本档位推荐 DeepSeek-V4-Flash、GLM-5.2、Kimi K2.6、Kimi K2.7 Code、Nemotron-3-Super-120B 和 Qwen3 系列。选型建议关注库支持、基准表现和后训练循环成本三方面。

Unsloth 发布 GLM-5.3 的动态 GGUF 量化版本，2-bit 模型从 1.51TB 压缩到 239GB（缩小 83%），保留约 81% top-1 准确率，1-bit 则以缩小 85% 达到约 76%。

Together AI 在 DeepSWE v1.1 全部 113 个任务上实测 GLM-5.3 与 GLM-5.3 Flash，各跑 4 次共 900 rollouts。