ZCode 中的 GLM-5.3 Highspeed：490 TPS 测试、100 万上下文与 Omen Alpha 传闻

Z.ai 的一个新模型名称已悄然出现在 ZCode 中：GLM-5.3 Highspeed。

该模型出现在 ZCode 3.15.1 中，部分订阅用户会被随机选中参与 HighSpeed 试用。一位用户 @leo114119 发布了一次运行记录，显示输出速度接近 每秒 490 个 token，另一张截图则显示约 493 tok/s。

这是一个引人注目的数字。

如果一个模型能够持续保持每秒 490 个输出 token，生成 10,000 个输出 token 仅需约：

10,000 / 490 ≈ 20.4 秒

该计算仅涵盖 token 生成阶段，不包括首 token 时间、可见输出前的推理、工具调用、网络开销或 Agent 工作流中的停顿。

更重要的是，490 TPS 的结果目前属于社区观察结果，而不是 Z.ai 对吞吐量的官方保证。

可以确认的是，ZCode 3.15.1 已为订阅用户引入随机 GLM HighSpeed 试用，并且 glm-5.3-highspeed 标识符已出现在 Pi 的公开模型目录中。

GLM-5.3 Highspeed 正在 ZCode 中进行随机测试

第一个线索并不只是一张社交媒体截图。

ZCode 3.15.1 版本的官方更新说明写道：

订阅用户现在可能被随机选中参与 GLM HighSpeed 试用。

这一措辞很重要，因为它解释了为什么不同账户的访问权限并不一致。

来源文章称，作者尝试手动添加并切换到 GLM-5.3 Highspeed，但无法通过 Lite 订阅使用它。

界面显示该模型存在，但当前套餐不包含访问权限。

这与 ZCode 当前的发布策略一致：

更新至 ZCode 3.15.1
        ↓
订阅用户账户
        ↓
随机获得 HighSpeed 试用资格
        ↓
如果被选中，客户端中将显示试用访问权限

目前并未将其描述为自动向每个付费套餐开放的功能。

一张总结 ZCode 自身措辞的社区截图也表达了相同观点：HighSpeed 体验是随机分配给订阅用户的权益，客户端是确认特定账户是否被选中的唯一可信来源。

标题中的数字：约每秒 490 个 token

该模型获得关注的最大原因是这张速度截图。

来源用户发布的一次运行显示约 493 tok/s。

这与文章标题中的 490 TPS 已足够接近，两者差异并不具有实际意义。

但准确理解这张截图说明了什么、又不能说明什么，仍然很有必要。

它说明了什么

• 一个标记为 GLM-5.3-Highspeed 的 ZCode 会话。
• 显示的生成速度约为 493 tok/s。
• 该特定会话中存在极高的缓存命中率。
• 这是一个长上下文编程工作流，而不是简短的单行聊天。

它无法证明什么

• 490 TPS 是该模型有保证的最低或平均吞吐量。
• 每位用户或每个地区都会获得相同速度。
• 在所有输出长度下，速度都会保持不变。
• 没有缓存命中的冷请求也会表现相同。
• 该模型使用的权重与普通 GLM-5.3 不同。

吞吐量可能在很大程度上取决于：

• 推理服务硬件。
• 批处理大小。
• 队列深度。
• 地区。
• 提示词长度。
• 输出长度。
• 缓存复用。
• 推理配置。
• 服务是否采用专门的高速推理路径。

因此，目前更恰当的结论是：

GLM-5.3 Highspeed 已在至少一项公开 ZCode 测试中展示出极高的输出吞吐量，但 Z.ai 尚未发布正式的 490 TPS 规格说明。

为什么 490 TPS 如此引人注目

这个数字之所以突出，是因为 GLM 系列已经有多个面向速度的服务选项。

Z.ai 的文档称，GLM-5.3-FlashX 的速度最高可达 200 tokens/s。FlashX 是 GLM-5.3-Flash 的高速服务变体。

Pi 和 Z.ai 文档列出，GLM-5.3-Flash 拥有 100 万 token 上下文窗口和 128K 级最大输出，而 FlashX 则重点优化更低服务延迟和更快生成速度。

原始文章还引用了 Artificial Analysis 的测量数据：在写作时，GLM-5.3-Flash 在 Z.ai 第一方 API 上约为每秒 60 个 token。

独立吞吐量测量会随时间变化，后续快照也会因提供商和日期不同而存在明显差异，因此不应将单一数字视为永久不变。

因此，一个有用的对比如下：

这一差距足够大，因此人们自然会想知道“Highspeed”到底意味着什么。

Pi 已列出 glm-5.3-highspeed

该模型名称并不只出现在 ZCode 中。

Pi 的公开模型目录已经拥有 GLM-5.3 Highspeed 的页面。

列出的配置为：

Pi 显示的端点为：

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

Pi 还将该模型映射至 Z.ai 的编程 API 格式。

其中有两个细节尤其值得注意。

1. 上下文窗口为 100 万 token

这与当前 GLM-5.3 系列工具中的长上下文配置一致。

对于编程 Agent，100 万 token 上下文可用于：

• 大型代码仓库。
• 长时间自主会话。
• 多个工具输出。
• 大型文档集。
• 持续保留的规划上下文。

2. 最大输出为 131,072 token

这约等于 128K token。

同样，这与多个 GLM-5.3 系列当前条目的长输出配置一致。

因此，Pi 的条目并未表明其上下文架构与普通 GLM-5.3 产品线明显不同。

它主要确认了 Highspeed 标识符真实存在，且已具备结构化的提供商配置。

low、high 和 max 推理级别

Pi 映射了三个可用推理设置：

low
high
max

来源文章指出，这些设置也常见于常规 GLM-5.3 配置。

这进一步说明，我们不应假定 Highspeed 是一个全新的基础模型。

它可能是：

• 针对相同或高度相关权重的更快推理路由。
• 为吞吐量优化的服务配置。
• 私有编程套餐 SKU。
• 一个具有兼容配置的新检查点。

在没有 Z.ai 模型卡的情况下，目前还无法有把握地区分这些可能性。

仅凭名称并不足以说明问题。

GLM-5.3 Highspeed 真的是 Omen Alpha 吗？

这部分故事开始进入推测范畴。

在 ZCode 截图出现之前，Reddit 用户已经在 Pi 目录中注意到 glm-5.3-highspeed，并询问它是否可能与 Omen Alpha 有关。

Omen Alpha 是一个出现在 OpenCode 测试中的匿名模型。

社区成员此前已根据观察到的行为和基础设施线索，将其与智谱/Z.ai 联系起来。

一条 Reddit 回复推测，它可能是一个新的高速 GLM 变体，其质量接近 GLM-5.3-Flash，但吞吐量高得多。

另一张来源截图显示，一个 omen-alpha 模型条目连接至与智谱相关的提供商标签，这也助长了这一理论。

但这些信息都不能确凿证明其身份。

原始文章列出了多种猜测：

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

在 Z.ai 发布官方映射之前，这些名称都应继续被视为社区推测。

为什么匿名模型的猜测很困难

即使两个端点的使用感受非常相似，它们也可能并非同一模型。

观察到的行为可能受到以下因素影响：

• 系统提示词。
• 工具定义。
• 推理预算。
• 推理设置。
• 量化方式。
• 提供商路由。
• 缓存策略。
• 来自同一训练系列的不同检查点。

因此，行为相似性可以作为证据，但不能作为证明。

GLM 系列此前已使用高速变体

对于智谱而言，这一名称本身并不反常。

该公司此前已经推出过 GLM 模型的高速版本。

来源文章提到 GLM-5.1-highspeed，该版本于 2026 年 5 月宣传输出速度约为每秒 400 个 token。

较新的 GLM-5.3 系列也拥有 FlashX，这是一个公开的速度导向变体，其文档标注最高可达 200 tokens/s。

这表明了一种更广泛的产品模式：

基础模型或旗舰模型
        ↓
高速服务路径
        ↓
为交互式工作负载提供更低延迟 / 更高吞吐量

即使不假定采用了新模型权重，这一模式也使 GLM-5.3 Highspeed 在技术上具备合理性。

但这仍然是一种推断，而非官方产品描述。

高吞吐量对长 Agent 任务最重要

为什么要关注 490 TPS？

对于 200 token 的简短回答，100 TPS 与 500 TPS 的差异仅是几秒钟。

但对于长 Agent 输出、代码生成或冗长推理，这一差异会大得多。

例如：

这些仅是简化后的解码时间计算。

真实的 Agent 任务还包括：

• 思考时间。
• 工具调用。
• 文件读取。
• 浏览器操作。
• Shell 命令。
• 网络延迟。
• 验证轮次。

尽管如此，更快的解码速度仍可使长时间的迭代工作流显得响应更迅速。

这对于 ZCode 等编程 Agent 尤其相关，因为一次用户请求可能会生成多次模型调用，而不只是一个最终回答。

为什么缓存率会影响速度截图的解读

约 493 tok/s 的截图还显示出极高的缓存命中率。

这一点值得注意。

在长 Agent 会话中，高缓存命中率能够减少重复处理提示词所需的计算量。

一次典型的编程会话可能会反复携带：

系统指令
+ 代码仓库上下文
+ 工具定义
+ 先前对话
+ 最近差异

如果其中大量上下文得以高效复用，系统就可以减少每轮重新计算输入部分所花费的时间。

不过，显示的 tok/s 指标通常是指输出生成吞吐量，而不只是提示词缓存吞吐量。

缓存数字仍然很重要，因为当提示词复用和快速解码同时发挥作用时，整体会话延迟可能会显著改善。

这也是为什么一张截图无法完整描述该模型的另一个原因。

GLM-5.3 FlashX 是有用的参考点

GLM-5.3-FlashX 提供了最清晰的公开对比，因为 Z.ai 文档已经将其描述为面向速度的模型。

目前已发布的 FlashX 信息包括：

• 模型 ID：glm-5.3-flashx。
• 宣称推理速度最高可达每秒 200 个 token。
• 100 万 token 上下文窗口。
• 128K 级最大输出。
• 与 GLM-5.3-Flash 相同的系列架构。
• 作为高速服务选项提供 API 访问。

因此，FlashX 表明 Z.ai 已经愿意打造专门的高吞吐量变体，而不会将其描述为全新一代智能模型。

GLM-5.3 Highspeed 可能遵循相同产品逻辑，只是处于更快的服务层级。

这仍然是一种推断，而非官方产品说明。

今天实际确认了什么

目前证据可以分为三个置信度层级。

由官方或公开结构化来源确认的信息

• ZCode 3.15.1 包含面向订阅用户的随机 GLM HighSpeed 试用。
• Pi 将 glm-5.3-highspeed 列为 Z.ai 模型。
• Pi 列出 100 万 token 上下文窗口和 131,072 token 最大输出。
• Pi 映射 low、high 和 max 推理强度级别。
• Z.ai 公开提供 GLM-5.3-FlashX，它是一个速度导向模型，速度最高可达 200 tok/s。

在社区测试中观察到的信息

• 一个 ZCode 会话显示约 490–493 tok/s。
• 一些用户可以在模型选择器中看到 GLM-5.3 Highspeed。
• 一些订阅目前尚未获得访问权限。

仍未确认的信息

• 490 TPS 是否为有保证的或典型的生产速度。
• GLM-5.3 Highspeed 是否使用与 GLM-5.3 相同的权重。
• 它是否与 Omen Alpha 相同。
• 它是否会成为单独定价的公开 API 模型。
• 随机 ZCode 试用是否将扩展至每位付费订阅用户。

这是目前解读本次发布最稳妥的方式。

常见问题

什么是 GLM-5.3 Highspeed？

GLM-5.3 Highspeed 是一个已出现在 ZCode 和 Pi 公开模型目录中的 Z.ai 模型标识符。ZCode 3.15.1 已正式确认面向订阅用户的随机 GLM HighSpeed 试用，但在此处核查的来源中，Z.ai 尚未为 GLM-5.3 Highspeed 发布完整的独立模型卡。

GLM-5.3 Highspeed 真的能达到每秒 490 个 token 吗？

一张公开用户截图显示，一次 ZCode 运行的速度约为 493 tok/s，这也是 490 TPS 标题的依据。这是一个有价值的观察结果，但并非官方的持续吞吐量保证；其表现可能随工作负载、缓存行为、地区和服务器条件而变化。

GLM-5.3 Highspeed 的上下文窗口有多大？

Pi 目前为 glm-5.3-highspeed 列出了 1,000,000 token 的上下文窗口和 131,072 token 的最大输出。这些数值与其他当前 GLM-5.3 系列模型的长上下文配置相似。

每位 ZCode 订阅用户都能使用 GLM-5.3 Highspeed 吗？

不能。ZCode 的官方 v3.15.1 更新日志称，订阅用户会被随机选中参与 GLM HighSpeed 试用。如果你的账户未被选中，即使看到模型名称，也不一定意味着你可以运行它。

GLM-5.3 Highspeed 与 GLM-5.3-FlashX 相同吗？

目前没有官方确认表明它们是同一产品。FlashX 是一个公开的 GLM-5.3-Flash 高速变体，文档标注速度最高可达 200 tok/s；而 GLM-5.3 Highspeed 目前则通过 ZCode 试用和 Pi 的编程提供商目录出现。

GLM-5.3 Highspeed 实际上是 Omen Alpha 吗？

这仍属于推测。Reddit 和 OpenCode 用户曾将 Omen Alpha 与智谱/Z.ai 联系起来，但没有官方来源确认 Omen Alpha 对应 glm-5.3-highspeed。

为什么 token 生成速度对编程 Agent 很重要？

编程 Agent 在读取文件、编写补丁、运行工具和审查结果时，通常会进行多次较长的模型调用。更高的解码吞吐量可以减少这些步骤之间的等待时间，特别是在模型每次调用生成数千个 token 时。

我在哪里可以确认自己是否获得了 HighSpeed 试用？

更新至包含该试用功能的当前 ZCode 客户端后查看。ZCode 自身的更新说明指出，访问权限会随机分配给订阅用户，因此账户/客户端界面是判断资格的实际可信来源。

相关工具

• ZCode：Z.ai 的编程 Agent 环境，目前已为部分被选中的订阅用户提供 GLM HighSpeed 试用。
• Pi：公开的模型和 Agent 工具目录，展示 glm-5.3-highspeed 的提供商配置。
• Z.ai API：Z.ai 模型、API、编程集成和模型参数的官方文档。
• OpenCode：开源编程 Agent 环境，Omen Alpha 等匿名模型曾在此被测试和讨论。
• Artificial Analysis：独立的模型性能与推理速度追踪平台，可用于比较不同提供商的吞吐量快照。
• OpenRouter：多提供商 API 平台，列出了 GLM-5.3-FlashX 等公开 GLM 变体。

相关链接

• ZCode 3.15.1 更新日志：确认订阅用户可能被随机选中参与 GLM HighSpeed 试用的官方更新说明。
• Pi：GLM-5.3 Highspeed：展示 100 万上下文窗口、131,072 最大 token、推理级别和 Z.ai 编程端点的公开模型条目。
• Z.ai GLM-5.3-Flash 文档快照：Z.ai 文档快照，描述 GLM-5.3-Flash 和 FlashX，包括 FlashX 最高 200 tok/s 的说法。
• Hugging Face 上的 GLM-5.3-Flash：GLM-5.3-Flash 系列的官方开放模型卡和使用示例。
• OpenRouter：GLM-5.3 FlashX：公开模型列表，包含上下文、发布日期和当前提供商定价信息。
• Reddit 讨论：GLM-5.3 Highspeed：早于当前 ZCode 试用的社区讨论，其中包含关于 Omen Alpha 的推测。
• Leo 的 GLM-5.3 Highspeed 帖子：来源文章引用的用户报告，记录了约 490 TPS 的观察结果。
• 原始 BAAI 社区文章：作为本次微改写基础的中文来源文章。

总结

GLM-5.3 Highspeed 已不再只是一个偶然出现的模型名称：ZCode 3.15.1 已正式确认面向订阅用户的随机 GLM HighSpeed 试用，Pi 也已经展示了结构化的 glm-5.3-highspeed 配置，包括 100 万 token 上下文窗口和 131,072 token 输出上限。

引人注目的 490–493 tok/s 数字来自一张真实的公开截图，但它仍然是用户观察结果，而不是 Z.ai 的正式吞吐量保证。最稳妥的解释是，Z.ai 正在测试一条极快的编程服务路径，尚未发布完整产品规格。

Omen Alpha 之间的关联仍未得到解决。它最终可能被证明与此相关，但目前的证据是间接的、由社区驱动的，而不是官方确认。

目前确认的是发布试用和模型标识符；尚未确认的是准确架构、公开定价、持续吞吐量，以及 Omen Alpha 是否为同一模型。