智谱GLM-5.3 HighSpeed在ZCode开启灰度测试，博主称输出速度超490 tokens/s
每秒狂喷近500个token，智谱GLM-5.3高速版悄悄亮相
- 1智谱在编程工具ZCode灰度测试GLM-5.3 HighSpeed，有博主称实测输出速度超490 tokens/s
- 2AI Ping平台数据显示，DeepSeek V4.1 Flash官方API输出为121.34 tokens/s，智谱官方GLM-5.3 API为70.84 tokens/s
- 3该模型拥有100万token上下文窗口，最多一次输出131072个token，输入输出价格尚未披露
- 4智谱今年5月曾推GLM-5.1高速版API，输出400 tokens/s，速度来自与TileRT团队在推理引擎、调度和基础设施的优化
高速旗舰模型把推理输出速度变成新的竞争维度，目标是压缩Coding Agent多轮调用叠加的耗时。
- 影响：对使用Coding Agent的团队，单轮响应提速会放大到整体任务耗时的缩短；目前仅对ZCode订阅用户随机灰度，无公开申请入口，规模化服务后的速度要以上线为准；输出速度正成为模型选型的新考量。
- 参考：可考虑在代码智能体任务中先记录当前模型的单任务总耗时，待高速版开放后做同场景对比；值得把输出tokens/s与高并发尾延迟纳入模型评测清单。
- 依据：超490 tokens/s来自X平台博主单一来源的灰度实测；121.34与70.84 tokens/s为AI Ping平台数据；GLM-5.1高速版400 tokens/s为智谱官方口径。
登录
搜索
- 36氪Auto 数字时氪 未来消费 智能涌现 未来城市 启动Power on 36氪出海 36氪研究院 潮生TIDE 36氪企服点评 36氪财经 职场bonus 36碳 后浪研究所 暗涌Waves 硬氪 氪睿研究院 媒体品牌
- 企业号 企服点评 36Kr研究院 36Kr创新咨询 企业服务
- 核心服务 城市之窗 政府服务
- 创投发布 LP源计划 VClub VClub投资机构库 投资机构职位推介 投资人认证 投资人服务
- 项目推荐 36氪Pro 创投氪堂 企业入驻 创业者服务
- 创投平台
- AI测评网
搜索
我要入驻
每秒狂喷近500个token，智谱GLM-5.3高速版悄悄亮相
智东西· 2026年10月12日 05:55
给写代码的过程“开倍速”。
给写代码的过程“开倍速”。
智东西10月12日报道，近日，智谱在其AI编程工具ZCode中，悄然开启了高速旗舰模型GLM-5.3 HighSpeed的测试。
X平台上的AI编程博主Leo爆料，他已经灰度到了这款模型，其输出速度竟然可以超过490 tokens/s。
每秒490个token是什么概念？目前，大模型API评测平台AI Ping的数据显示，DeepSeek V4.1 Flash官方API的输出速度为121.34 tokens/s，而智谱官方的GLM-5.3 API速度为70.84 tokens/s。也就是说，GLM-5.3 HighSpeed达到了数倍于当前国内主流模型的速度。
GLM-5.3 HighSpeed目前只对ZCode订阅用户随机开放，也没有明确的内测申请入口。它在内测展现出的飞快速度应该也只能作为参考，最终还是得看实际上线后，对外规模化提供服务时的速度。
ZCode灰度测试GLM-5.3 HighSpeed（图源：X平台@leo114119）
其实，GLM-5.3 HighSpeed在一个月之前就出现在开源编程智能体Pi harness的官网上，这个模型的输入输出价格尚未披露。
从模型基本信息来看，GLM-5.3 HighSpeed拥有100万个token的上下文窗口，最多可以一次性输出131072个token，这和GLM-5.3的信息一致。
这不是智谱首次推出高速旗舰模型。今年5月，GLM-5.1就曾推出一个面向部分企业用户的高速版API“GLM-5.1-highspeed”，模型输出速度达到400 tokens/s。
当时，智谱展示了高速模型在实际生产场景的价值。一个Coding Agent任务往往需要经历数十轮模型调用，单轮响应只要慢上几秒，整体耗时就可能拉长十几分钟。
更快速的模型能给写代码的过程**“开10倍速”**，模型能够一边理解工程上下文，一边持续生成代码与修改方案，用户刚输入需求，函数、接口与调用链已经同步展开，迭代速度明显提升。
这种输出速度主要来自于软硬件基础设施的优化。此前，GLM 5.1 Highspeed模型API是由智谱GLM团队与TileRT团队联合打造的，这一API在推理引擎、调度系统与底层基础设施三个层面进行了系统级优化：
在推理引擎层，研究团队针对GLM-5.1的架构特点，重写了核心推理路径，有效提升了单卡吞吐能力；
在调度系统层，他们通过动态批处理、请求合并和KV缓存调度优化，显著降低高并发场景下的尾延迟；
最后，在基础设施层，团队围绕推理集群部署、网络链路、负载均衡进行协同优化，确保高速的输出成为稳定可用的生产级能力。
TileRT的核心思路是放弃传统Runtime层的动态算子调度，把整个推理计算图在编译期静态编排成一个常驻GPU的persistent Engine Kernel，从而把调度、访存和同步开销压到最低。
如今，提升模型推理速度已经成为不少厂商关注的重点，除了推出专门的快速模型之外，把旗舰模型的速度再拔高一个量级也正成为新的竞争方向。
本文来自微信公众号“智东西”（ID：zhidxcom），作者：陈骏达，编辑：李水清，36氪经授权发布。
该文观点仅代表作者本人，36氪平台仅提供信息存储空间服务。
商业策划
+1
0
好文章，需要你的鼓励
智东西特邀作者
0收 藏+10评 论
打开微信“扫一扫”，打开网页后点击屏幕右上角分享按钮微 博
沉浸阅读 返回顶部
举报
参与评论
评论千万条，友善第一条
登录后参与讨论
提交评论 0/1000
商业策划
你可能也喜欢这些文章
累计43亿，国内最大AI Infra融资诞生，无问芯穹C轮拿下23亿
“稚晖君”带着上纬新材开卖消费级启元Q1和T1机器人，两三万一个，你会买吗？
刚刚，神秘Claude Next偷跑上线，4行提示手搓3D电影级大片
NeurIPS'26：注意力也是FFN？从快权重出发，重新理解高效注意力
特邀作者
智东西，AI产业新媒体。
发表文章 3177 篇
最近内容
累计43亿，国内最大AI Infra融资诞生，无问芯穹C轮拿下23亿
8分钟前
每秒狂喷近500个token，智谱GLM-5.3高速版悄悄亮相
8分钟前
2026-10-10
商业策划
提及的AI
36氪AI测评
选靠谱AI，看真实评测
查看
36氪AI测评官方交流社区
加入
36氪项目推荐
咨询项目审核和入驻
联系
36氪项目推荐订阅号
关注
企服圈子
软件选型经验交流社区 加入
行业交流群
扫码加我，拉你进对应的行业群，链接一手资源和人脉！已有170000+人深度交流中～
36氪企服点评订阅号 关注
36氪企服-订阅号
「36氪企服」会定期分享行业深度案例、报告以及热点话题，从用户视角出发，帮企业买家选中真正“对”的软件与服务。
36氪企服点评服务号 关注
36氪企服点评-服务号
「36氪企服点评」现已收录近万款产品，致力于帮助每个需求企业服务的人做出正确的决策，携手每个企服行业者为大众提供更高的价值与服务。
企服软件推荐
来鼓在线客服系统 评
企微宝SCRM 评
DATA DANCE 评
找软件，先查用户评分榜查看
顾问1对1推荐软件免费服务体验
下一篇
AI助手的终极幻想。
11分钟前
关于36氪
热门推荐
合作伙伴
36氪APP下载
iOS & Android
本站由阿里云提供计算与安全服务 违法和不良信息、未成年人保护举报电话：010-89650707 举报邮箱：jubao@36kr.com网上有害信息举报
© 2011~2026 北京多氪信息科技有限公司 |京ICP备12031756号-6|京ICP证150143号|京公网安备11010502057322号
36氪APP 让一部分人先看到未来
36氪
鲸准
氪空间
推送和解读前沿、有料的科技创投资讯
一级市场金融信息和系统服务提供商
聚焦全球优秀创业者，项目融资率接近97%，领跑行业
来源：36氪·AI · 36kr.com