ZCode 中的 GLM-5.3 Highspeed：490 TPS 測試、100 萬上下文與 Omen Alpha 傳聞

一個新的 Z.ai 模型名稱已悄然出現在 ZCode 中：GLM-5.3 Highspeed。

該模型在 ZCode 3.15.1 中浮現，部分訂閱者正被隨機選中參與 HighSpeed 試用。一名使用者 @leo114119 發布了一次執行結果，顯示輸出速度接近 每秒 490 個 Token，另一張截圖則顯示約 493 tok/s。

這是一個引人注目的數字。

若模型能持續維持每秒輸出 490 個 Token，生成 10,000 個輸出 Token 僅需約：

10,000 / 490 ≈ 20.4 秒

此計算僅涵蓋 Token 生成階段，未包括首個 Token 的時間、可見輸出前的推理、工具呼叫、網路額外負擔，或 Agent 工作流程中的停頓。

更重要的是，490 TPS 的結果目前仍是社群觀察，並非 Z.ai 官方保證的吞吐量。

可以確認的是，ZCode 3.15.1 已為訂閱者推出隨機 GLM HighSpeed 試用，而 glm-5.3-highspeed 識別碼已出現在 Pi 的公開模型目錄中。

GLM-5.3 Highspeed 正在 ZCode 中進行隨機測試

第一個線索不只是社群媒體截圖。

ZCode 3.15.1 的官方版本說明指出：

訂閱者現在可能被隨機選中參與 GLM HighSpeed 試用。

此措辭很重要，因為它解釋了為何不同帳號的存取權限並不一致。

來源文章指出，作者曾嘗試手動新增並切換至 GLM-5.3 Highspeed，但使用 Lite 訂閱方案時無法使用。

介面顯示模型確實存在，但目前方案並未包含存取權限。

這與 ZCode 目前的推出策略一致：

更新至 ZCode 3.15.1
        ↓
訂閱者帳號
        ↓
隨機取得 HighSpeed 試用資格
        ↓
若被選中，客戶端中將出現試用存取權

目前並未將其描述為每一個付費方案都會自動取得的功能。

一張整理 ZCode 原始措辭的社群截圖也傳達了相同重點：HighSpeed 體驗是隨機分配給訂閱者的權益，而客戶端才是確認特定帳號是否被選中的依據。

焦點數字：約每秒 490 個 Token

此模型受到關注的最大原因，是速度截圖。

來源使用者發布的一次執行結果顯示約 493 tok/s。

這與文章標題中的 490 TPS 已足夠接近，差異並不具實質意義。

但仍應精確理解這張截圖揭示了什麼，以及沒有揭示什麼。

它顯示了什麼

• 一個標示為 GLM-5.3-Highspeed 的 ZCode 工作階段。
• 顯示的生成速度約為 493 tok/s。
• 該特定工作階段具有極高的快取命中率。
• 屬於長上下文的程式設計工作流程，而非簡短的一行聊天。

它無法證明什麼

• 490 TPS 是該模型保證的最低或平均吞吐量。
• 每位使用者或每個地區都能獲得相同速度。
• 所有輸出長度下速度都能保持不變。
• 沒有快取命中的冷啟動請求會有相同行為。
• 該模型是否使用了與一般 GLM-5.3 不同的權重。

吞吐量可能高度取決於：

• 服務硬體。
• 批次大小。
• 佇列深度。
• 地區。
• 提示詞長度。
• 輸出長度。
• 快取重用。
• 推理設定。
• 服務是否採用專用的高速推論路徑。

因此，目前較正確的結論是：

GLM-5.3 Highspeed 至少已在一項公開 ZCode 測試中展現極高的輸出吞吐量，但 Z.ai 尚未發布正式的 490 TPS 規格。

為何 490 TPS 如此引人注目

這個數字之所以突出，是因為 GLM 系列本身已具備多種以速度為導向的服務選項。

Z.ai 的文件指出，GLM-5.3-FlashX 最快可達 每秒 200 個 Token。FlashX 是 GLM-5.3-Flash 的高速服務變體。

Pi 與 Z.ai 文件列出，GLM-5.3-Flash 具備 100 萬 Token 上下文視窗及約 128K 的最大輸出，而 FlashX 專注於降低服務延遲並加快生成速度。

原始文章亦引用 Artificial Analysis 的測量結果：在撰文時，GLM-5.3-Flash 在 Z.ai 第一方 API 上的速度約為每秒 60 個 Token。

獨立吞吐量測量會隨時間變動，後續快照會因供應商與日期不同而產生明顯差異，因此不應將單一數字視為永久不變。

因此，一個有用的比較如下：

差距之大，足以讓人自然想知道「Highspeed」實際代表什麼。

Pi 已列出 glm-5.3-highspeed

該模型名稱並非只出現在 ZCode 中。

Pi 的公開模型目錄已經有 GLM-5.3 Highspeed 的頁面。

列出的設定如下：

Pi 顯示的端點為：

https://api.z.ai/api/coding/paas/v4

Pi 也將此模型對應至 Z.ai 的程式設計 API 格式。

其中兩個細節尤其值得注意。

1. 上下文視窗為 100 萬個 Token

這與目前 GLM-5.3 系列工具中的長上下文設定一致。

對程式設計 Agent 而言，100 萬 Token 上下文可用於：

• 大型程式碼儲存庫。
• 長時間自主工作階段。
• 多個工具輸出。
• 大型文件集。
• 持續保留的規劃上下文。

2. 最大輸出為 131,072 個 Token

這約等於 128K 個 Token。

同樣地，這與多個 GLM-5.3 系列項目目前的長輸出設定一致。

因此，Pi 的列表並未顯示 Highspeed 具有與一般 GLM-5.3 系列明顯不同的上下文架構。

它主要確認了 Highspeed 識別碼確實存在，且已具備結構化的供應商設定。

low、high 與 max 推理等級

Pi 對應了三個可用的推理設定：

low
high
max

來源文章指出，這些設定也常見於一般 GLM-5.3 設定。

這又提供了一個理由，說明不應假設 Highspeed 是一個完全新的基礎模型。

它可能是：

• 使用相同或密切相關權重的更快推論路徑。
• 為吞吐量最佳化的服務設定。
• 私有的程式設計方案 SKU。
• 具相容設定的新檢查點。

在 Z.ai 發布模型卡之前，無法有把握地區分這些可能性。

僅憑名稱並不足以判定。

GLM-5.3 Highspeed 真的是 Omen Alpha 嗎？

故事在此進入推測階段。

在 ZCode 截圖出現之前，Reddit 使用者已在 Pi 的目錄中注意到 glm-5.3-highspeed，並詢問它是否可能與 Omen Alpha 有關。

Omen Alpha 是一個出現在 OpenCode 測試中的匿名模型。

社群成員先前已根據觀察到的行為與基礎設施線索，將它與智譜／Z.ai 聯繫起來。

一則 Reddit 回覆推測，它可能是一個新的高速 GLM 變體，品質接近 GLM-5.3-Flash，但吞吐量高得多。

另一張來源截圖顯示，一個 omen-alpha 模型項目連結至帶有智譜關聯的供應商標籤，這進一步助長了該理論。

但這些資訊都無法確定其身分。

原始文章列出多種猜測：

• GLM-5.3 Highspeed。
• GLM-5.3-Omni。
• GLM-5.4-Flash。

在 Z.ai 發布官方對應關係前，這些名稱都應停留在社群推測的範疇。

為何匿名模型的猜測十分困難

即使兩個端點感覺非常相似，也不代表它們必定是同一個模型。

觀察到的行為可能受到以下因素影響：

• 系統提示詞。
• 工具定義。
• 推理預算。
• 推論設定。
• 量化方式。
• 供應商路由。
• 快取策略。
• 同一訓練系列中的不同檢查點。

因此，行為相似可作為證據，但不是證明。

GLM 系列過去也曾採用高速變體

對智譜而言，這個名稱本身並不罕見。

該公司先前曾推出 GLM 模型的高速版本。

來源文章提及 GLM-5.1-highspeed，該模型於 2026 年 5 月宣傳時的輸出速度約為每秒 400 個 Token。

較新的 GLM-5.3 系列也有 FlashX，這是一個公開的速度導向變體，文件記錄其速度最快可達 200 tok/s。

這顯示了一種更廣泛的產品模式：

基礎模型或旗艦模型
        ↓
高速服務路徑
        ↓
為互動型工作負載提供更低延遲／更高吞吐量

即使不假設存在新的模型權重，這種模式也使 GLM-5.3 Highspeed 產品在技術上具有合理性。

不過，這仍屬推論，並非官方產品描述。

高吞吐量對長 Agent 任務最為重要

為何要在意 490 TPS？

對只有 200 個 Token 的短回答而言，100 TPS 與 500 TPS 的差異只有幾秒。

對於長 Agent 輸出、程式碼生成或冗長推理，差異就會大得多。

例如：

這些僅是簡化的解碼時間計算。

實際 Agent 任務還包括：

• 思考時間。
• 工具呼叫。
• 檔案讀取。
• 瀏覽器操作。
• Shell 指令。
• 網路延遲。
• 驗證流程。

不過，更快的解碼速度仍能讓長時間的迭代工作流程顯得更即時。

這對 ZCode 等程式設計 Agent 尤其重要，因為使用者的一次請求可能會產生多個模型呼叫，而非只有一個最終回答。

為何快取命中率可能扭曲速度截圖

約 493 tok/s 的截圖也顯示出極高的快取命中率。

這一點值得注意。

在長 Agent 工作階段中，高快取命中率可減少重複處理提示詞所需的工作量。

一個典型的程式設計工作階段可能重複攜帶：

系統指令
+ 程式碼儲存庫上下文
+ 工具定義
+ 先前對話
+ 最近的差異內容

若大量上下文能被有效重用，系統就能減少每一輪重新計算輸入端的時間。

不過，顯示的 tok/s 數值通常指的是輸出生成吞吐量，而非僅指提示詞快取吞吐量。

快取數字依然重要，因為在提示詞重用與快速解碼同時良好運作時，整體工作階段延遲可能會明顯改善。

這也是為何一張截圖無法完整描述該模型的原因。

GLM-5.3 FlashX 是一個有用的參考點

GLM-5.3-FlashX 提供了最清楚的公開比較，因為 Z.ai 文件已將其描述為速度導向模型。

目前公布的 FlashX 資訊包括：

• 模型 ID：glm-5.3-flashx。
• 宣稱推論速度最快可達每秒 200 個 Token。
• 100 萬 Token 上下文視窗。
• 約 128K 的最大輸出。
• 使用相同的 GLM-5.3-Flash 系列架構。
• 作為高速服務選項提供 API 存取。

因此，FlashX 證明了 Z.ai 已經願意建立專用的高吞吐量變體，而不將其描述為全新的智慧世代。

GLM-5.3 Highspeed 可能以更快的服務層級遵循相同產品邏輯。

這仍是一項推論，並非官方確認。

目前實際確認了什麼

現有證據可區分為三個信心層級。

由官方或公開結構化來源確認

• ZCode 3.15.1 包含面向訂閱者的隨機 GLM HighSpeed 試用。
• Pi 將 glm-5.3-highspeed 列為 Z.ai 模型。
• Pi 列出 100 萬 Token 上下文視窗及 131,072 個最大輸出 Token。
• Pi 對應 low、high 與 max 推理工作量等級。
• Z.ai 公開提供 GLM-5.3-FlashX，這是一個最快可達 200 tok/s 的速度導向模型。

在社群測試中觀察到

• 一個 ZCode 工作階段顯示約 490–493 tok/s。
• 部分使用者可在模型選擇器中看到 GLM-5.3 Highspeed。
• 部分訂閱方案目前尚未取得存取權。

仍未確認

• 490 TPS 是否為保證或典型的正式環境速度。
• GLM-5.3 Highspeed 是否使用與 GLM-5.3 相同的權重。
• 它是否與 Omen Alpha 相同。
• 它是否會成為另行定價的公開 API 模型。
• 隨機 ZCode 試用是否會擴展至所有付費訂閱者。

這樣的區分，是解讀目前推出情況最穩妥的方法。

常見問題

什麼是 GLM-5.3 Highspeed？

GLM-5.3 Highspeed 是一個已出現在 ZCode 與 Pi 公開模型目錄中的 Z.ai 模型識別碼。ZCode 3.15.1 已正式確認面向訂閱者的隨機 GLM HighSpeed 試用，但在本文查核的來源中，Z.ai 尚未發布 GLM-5.3 Highspeed 的完整獨立模型卡。

GLM-5.3 Highspeed 真的能達到每秒 490 個 Token 嗎？

一張公開使用者截圖顯示，在一次 ZCode 執行中速度約為 493 tok/s，這正是 490 TPS 標題的依據。這是一項有參考價值的觀察，但不是官方保證的持續吞吐量，且可能隨工作負載、快取行為、地區與伺服器狀況而變化。

GLM-5.3 Highspeed 的上下文視窗有多大？

Pi 目前為 glm-5.3-highspeed 列出 1,000,000 個 Token 的上下文視窗與 131,072 個 Token 的最大輸出。這些數值與其他目前 GLM-5.3 系列模型的長上下文設定相近。

每一位 ZCode 訂閱者都能使用 GLM-5.3 Highspeed 嗎？

不能。ZCode 官方 v3.15.1 更新日誌指出，訂閱者是被隨機選中參與 GLM HighSpeed 試用。若你的帳號未被選中，即使看到模型名稱，也不一定代表可以執行它。

GLM-5.3 Highspeed 與 GLM-5.3-FlashX 相同嗎？

目前沒有官方確認兩者是相同產品。FlashX 是 GLM-5.3-Flash 的公開高速變體，文件記錄速度最快可達 200 tok/s；GLM-5.3 Highspeed 則目前透過 ZCode 試用與 Pi 的程式設計供應商目錄出現。

GLM-5.3 Highspeed 就是 Omen Alpha 嗎？

這仍屬推測。Reddit 與 OpenCode 使用者曾將 Omen Alpha 與智譜／Z.ai 連結，但沒有官方來源確認 Omen Alpha 對應至 glm-5.3-highspeed。

為何 Token 生成速度對程式設計 Agent 很重要？

程式設計 Agent 在讀取檔案、撰寫修補程式、執行工具與審查結果時，通常會進行多次長模型呼叫。更高的解碼吞吐量可縮短這些步驟之間的等待時間，尤其在模型每次呼叫會輸出數千個 Token 時。

我可以在哪裡確認自己是否取得 HighSpeed 試用資格？

請將 ZCode 更新至包含該試用功能的版本後，使用最新的 ZCode 客戶端查看。ZCode 自身的版本說明表示，存取權會隨機分配給訂閱者，因此帳號／客戶端介面是確認資格最實際的依據。

相關工具

• ZCode：Z.ai 的程式設計 Agent 環境，目前 GLM HighSpeed 試用正向獲選訂閱者提供。
• Pi：公開模型與 Agent 工具目錄，公開了 glm-5.3-highspeed 的供應商設定。
• Z.ai API：Z.ai 模型、API、程式設計整合與模型參數的官方文件。
• OpenCode：開源程式設計 Agent 環境，Omen Alpha 等匿名模型曾在此被測試與討論。
• Artificial Analysis：獨立模型效能與推論速度追蹤平台，可用於比較不同供應商的吞吐量快照。
• OpenRouter：多供應商 API 平台，列出 GLM-5.3-FlashX 等公開 GLM 變體。

相關連結

• ZCode 3.15.1 更新日誌：官方版本說明，確認訂閱者可能被隨機選中參與 GLM HighSpeed 試用。
• Pi：GLM-5.3 Highspeed：公開模型項目，顯示 100 萬上下文視窗、131,072 個最大 Token、推理等級，以及 Z.ai 程式設計端點。
• Z.ai GLM-5.3-Flash 文件快照：Z.ai 文件快照，說明 GLM-5.3-Flash 與 FlashX，包括 FlashX 最快可達 200 tok/s 的主張。
• Hugging Face 上的 GLM-5.3-Flash：GLM-5.3-Flash 系列的官方開放模型卡與使用範例。
• OpenRouter：GLM-5.3 FlashX：公開模型列表，提供上下文、發布日期與目前供應商定價資訊。
• Reddit 討論：GLM-5.3 Highspeed：早於目前 ZCode 試用的社群討論，包含對 Omen Alpha 的推測。
• Leo 的 GLM-5.3 Highspeed 貼文：來源文章引用的使用者回報，提及約 490 TPS 的觀察結果。
• 原始 BAAI 社群文章：作為本次微改寫基礎的中文來源文章。

總結

GLM-5.3 Highspeed 已不再只是一個零星出現的模型名稱：ZCode 3.15.1 已正式確認面向訂閱者的隨機 GLM HighSpeed 試用，而 Pi 也已公開結構化的 glm-5.3-highspeed 設定，包括 100 萬 Token 上下文視窗與 131,072 Token 輸出上限。

吸睛的 490–493 tok/s 數字來自真實公開截圖，但它仍是使用者觀察，而非 Z.ai 的正式吞吐量保證。目前最穩妥的解讀是，Z.ai 正在測試一條速度極快的程式設計服務路徑，尚未公布完整的產品規格。

Omen Alpha 的關聯仍未解決。它未來可能被證實有關，但現有證據屬於間接且由社群驅動，而非官方資訊。

目前已確認的是推出安排與模型識別碼；尚未確認的是確切架構、公開定價、持續吞吐量，以及 Omen Alpha 是否為同一模型。