前几天，一个叫 Ox Alpha 的匿名模型上线了 OpenRouter。
这些天消耗了 23.2T tokens，是历史第二名的 2.6 倍。
OpenCode 那边，直接终结了 DeepSeek 连续 56 天的霸榜纪录。
有人拿这个跑了一下 Deep-SWE 的子集测试测评，得分是 63%。
在开源模型的得分里，它达到了帕累托最优；
与闭源模型相比，它仅次于 Grok 4.6，大概和 V4 Pro、Gemini 3.7 Flash 在同一个水平上。
我自己测下来，综合能力感觉确实有 Opus 4.8 的水平。
今天官方终于揭晓了 Ox Alpha 的身份：智谱 GLM-5.3 Flash。
这个价格对比实在是太离谱了。
因为实在太好了，很多海外用户在匿名测试时根本不信这是国产模型。
1
Artificial Analysis Intelligence Index 得分跟 Opus 4.8 一样
2
参数量 320B，和 DeepSeek V4 Flash 一个量级
3
限时折扣价是 Opus 4.8 的 1/40，远低于 DeepSeek V4 Flash 涨价后梁文谷的价格
4
全新架构 + 全新预训练，原生多模态，1M 上下文
5
MIT 开源，所有国产卡都能跑
我挑了三个有实际技术门槛的前端场景来测，每个都对比了同期发布的 DeepSeek V4 Flash Vision EXP，部分还对比了 Anthropic 最前沿的 Claude Fable 5。
案例一：只给一张图，复刻出玻璃立方体海报
这张海报的视觉核心是两个 WebGL 渲染的玻璃立方体，悬浮在衬线大字之上。
玻璃是真实的物理模拟，透射、折射、色散一个不少，光线穿过立方体后，背后的文字在玻璃内部产生扭曲和彩虹边缘。
以往让模型做这种效果，提示词得写得极细：
指定 Three.js 的 MeshPhysicalMaterial，告诉它 transmission 设为 1、ior 多少、dispersion 多少、用 PMREMGenerator 做环境贴图……基本上你得自己先知道怎么做，再让模型翻译成代码。
帮我用 Three.js WebGL 复刻这个网页效果。尤其是中间那个 3D 的玻璃质感（启用了色散、透明等属性），需要可以转动，同时整个文字和背景还要有动效。
就这一句话，加一张参考图。一次搞定。
看一下它的代码里做了什么：
用离屏 Canvas 精确绘制了所有排版，衬线大字、徽章、日文假名、角落信息，然后贴到一个平面上放在玻璃后方。
这样玻璃的 transmission 折射的就是真实的文字画面，不是一个简单的背景色。
玻璃材质参数选得很准：ior: 1.44，dispersion: 1.0（微妙的彩虹边缘，不过度），clearcoat: 1 加了一层清漆反射。
还多加了一层全屏胶片颗粒 shader 和一层缓慢流动的蓝色薄雾，让画面不像"3D 渲染"而像一张有质感的印刷品。
他还自己补上了动态的交互：
拖拽旋转带惯性衰减，鼠标视差让相机和文字层朝相反方向微移。这些原图上看不到，它自己加的。
DeepSeek V4 Flash Vision EXP：惨不忍睹。
玻璃用了手写 ShaderMaterial 做逐通道折射，射线和海报平面求交方式生硬，色散分离过度，整体像 demo 不像作品。
排版也粗糙，字号比例和原图差距很大。
Fable 5：背景色更准一点，折射细节稍好一丝，整体差距不大。但价格贵了大概 100 倍。
从一张静态截图推断出完整的技术实现栈，该用什么材质、什么渲染管线、什么交互模式。
以前这种水平的多模态理解，只在最贵的那一档模型上见过。
案例二：看完一段录屏视频，还原整个交互网站
案例一考的是图片理解，这个考视频理解。我给了一段多页面网站的录屏。
网站的核心视觉是一条由 60 片玻璃板首尾相接组成的 3D 螺旋彩带，横跨整个页面。
支持拖拽旋转带惯性，Hover 时单片凸起，随页面滚动在三个姿态之间平滑过渡，Hero 区斜跨画面、Benefits 区移到右上角、Footer 区移到左上角。
提示词一样简单：帮我用 Three.js WebGL 复刻这个网页效果。附了个视频。
第一轮完成了 90%。
代码结构清晰得有点意外：poseGroup 控制滚动驱动的整体姿态，里面嵌套 yawGroup 处理拖拽旋转。
60 片玻璃用 MeshPhysicalMaterial 配了 transmission: 1、dispersion: 7（高色散，玻璃边缘出现明显彩虹分光）、iridescence: 0.32（薄膜干涉彩虹）。
它还自己搭了一个程序化 HDR 环境，用发光板模拟青、品红、紫三色光源烘焙到 PMREMGenerator，给玻璃折射提供颜色来源。
这地方值得多说一句：
玻璃好不好看，很大程度取决于环境光的颜色。没有丰富的环境光，玻璃再怎么调参数也只是透明的。GLM-5.3 Flash 自己想到了这一步。
布局算法也很讲究：每片玻璃沿航向角排列，相邻片宽面互对、沿窄边串起，叠加绕法线的扭转形成螺旋。整条彩带的 S 形曲线还会随时间缓慢呼吸。
唯一的问题：最大面积的玻璃片初始朝向用户，实际原版是互相相对的、小面积朝向用户。
我补了一句"玻璃片应该互相面对面，窄边朝向镜头"，调完直接完美。滚动和布局甚至比原版更丝滑。
DeepSeek V4 Flash Vision EXP：
生成的"玻璃片"完全没有正确材质，一堆半透明线框几何体，边缘带着彩色描边，没有折射，没有立体感。核心 3D 部分无法调优，无从下手。
"60 片玻璃沿 S 曲线排列"、"滚动触发姿态变化"、"hover 时单片凸起"，这些信息只能从视频的动态帧里推断出来。**
**
同价位段的视频理解能力，目前他没有对手。
案例三：一张静态海报，变成视差滚动的交互网页
这个案例换了个方向。不让它照着做，想给他一个粗略的构想，看它怎么发挥。
原图是一张 Segmint 2023 的海报：蓝色背景上，一个由体素小方块拼成的圆盘，盘面刻着以太坊菱形标志。字体像素风，底部有蓝白像素抖动过渡。纯静态。
帮我基于这张图做一个 3D 的 WebGL 和 Three.js 组成的网页。目前它是静态的，所以你要把它做成动态的：1. 刚开始的时候，页面中间是没有图案的。2. 随着页面不断滚动，中间的元素会逐渐掉落，最后剩下不掉落的部分组成这个图案。
它没有简单地把海报贴到网页上加个动画。
代码的核心是 InstancedMesh 体素硬币，分两层：
底层硬币本体（蓝色面 + 深色侧边 + 凹槽 + 浮雕标志），顶层"覆盖层"（遮住标志的方块）。
以太坊菱形标志不是贴图，它在离屏 Canvas 上用矢量路径画出了 ETH 钻石形，然后 16 倍超采样光栅化到体素网格上，覆盖率 ≥72% 的格子做全高浮雕、≥18% 的做低浮雕，抗锯齿边缘非常精细。
滚动时，覆盖层方块按"边缘到中心"的顺序掉落，每个方块有独立的重力加速度、水平偏移和随机旋转轴。滚到约 66% 时，所有遮挡方块落尽，露出完整 ETH 标志。左下角还有一个 REVEAL 000% 的像素字计数器实时显示进度。
甚至原海报底部的蓝白像素抖动过渡也复刻了：Canvas 按 12px 网格绘制，概率随高度线性衰减，从蓝色到纸白色的过渡带。
这个案例就不跟 Deepseek 对比了，因为它做出来的东西是基于原始视觉概念的二次创作。
给了一张平面图和一个粗略的交互构想，它交出了一个完整的、可玩的、有叙事节奏的网页作品。
最后
三个案例测完，多模态理解、前端代码、Agent 这几个维度确实到了顶上那一档。
但最让人兴奋的不是能力，是价格。
当前 AI 行业的竞争在沿两条线走。
一条是前沿智能的天花板，GPT-5.6、Fable 5 在推高智能上限。很强，但也很贵。
另一条才是真正决定格局的：模型价格决定了 Agent 能渗透到多少人手里。
一次对话几毛钱、一个复杂任务十几块，大部分人不会把 AI 嵌到日常工作流里。根本算不过来账。
这也是 DeepSeek V4 Flash 前段时间那么火的原因，行业太需要一个便宜又够用的模型了。
DeepSeek V4 Flash 就是那条斩杀线：你的模型起码要在价格或能力上赢过它，否则没必要做。
GLM-5.3 Flash 把这条斩杀线往前推了一大步。
限时折扣定价远低于 DeepSeek V4 Flash 涨价后的公示价。性能呢？57 分，和 Opus 4.8 持平。便宜到离谱，但能力非常强。
300B 参数，MIT 开源，所有国产卡都能跑，忘了这句话是谁说的，还是哪个公司的 slogan："为了便宜到无法计量的智能"。
我觉得智谱这次朝这个目标迈进了很大的一步。
那些有想法、有创造力、但预算有限的人，终于可以用接近免费的价格拿到过去只有在大厂才能敞开用的智能水平。
GLM-5.3 Flash 目前已经上架了 API，并且直接开源，在 Z Code 和智谱 Coding Plan 里都可以使用。