智谱上新 GLM-5.3-Highspeed 高速版：实测 490 tokens/s，上下文百万 token

当别的模型还在以几十上百 token 每秒的速度「挤牙膏」时，智谱的一款新模型直接把速度干到了 490 tokens/s——这意味着生成 1 万 token 的内容，仅生成阶段就只需约 20 秒。

一分钟速览

智谱在 Zcode 里上新了一款名为 GLM-5.3-Highspeed 的高速版模型，目前已在 Zcode 3.15.1 里向订阅用户随机灰度开放。有网友晒出的实测速度达到 490 tokens/s。作为对比，智谱上个月发布的 GLM-5.3-FlashX 最高速度约 200 tokens/s，而 GLM-5.3-Flash 在 Z.ai API 上的输出速度约 60 tokens/s。

490 tokens/s 意味着什么

tokens/s（每秒生成 token 数）是衡量大模型推理速度的核心指标。490 tokens/s 接近 500 大关，对长程任务尤其可观——如果持续保持这个速度，输出 1 万 token 的内容，单算生成阶段约需 20 秒。按 Artificial Analysis 的测速，此前 GLM-5.3-Flash 在 Z.ai API 上的输出速度约 60 tokens/s，新版几乎是其 8 倍。

规格与「身世」猜测

据 Pi 的模型目录收录信息，GLM-5.3-Highspeed 的上下文窗口为 100 万 token，最大生成 token 上限为 131072（约 128k），并划分了 low、high、max 三档思考强度配置，这些配置与 GLM-5.3 普通版保持一致。此外，有网友在 Reddit 上讨论这款新模型，猜测它是否与 OpenCode 上的匿名模型 Omen Alpha 有关——Omen Alpha 于 9 月上线 OpenCode，基本已被网友扒出与 GLM 存在关联，但具体是 GLM-5.3-Highspeed、GLM-5.3-Omni 还是 GLM-5.4-Flash 仍是众说纷纭。网友实测的总体印象是：速度快、思考久、效果还不错。

高速版的「传统」

智谱在高速模型这条线上并不陌生。今年 5 月，智谱曾推出 GLM-5.1-highspeed，输出速度 400 tokens/s，当时基本刷新了全球大模型厂商 API 的速度上限。这次 GLM-5.3-Highspeed 若真能达到 490 tokens/s，将在自家纪录上再进一步。目前这款模型还在 Zcode 里随机灰度中，并非所有用户都能体验。

趋势洞察

大模型竞争正在从「能不能答对」走向「答得够不够快」。对实时交互、长程生成、Agent 反复调用等场景来说，token 生成速度直接决定了产品体验和单位成本。智谱此次把高速版推上 490 tokens/s，既是技术能力的展示，也释放出一个信号：速度正在成为大模型厂商的新一轮军备竞赛焦点，未来「高速 + 长上下文」的组合很可能成为标配。