智谱上线 200 tokens/s 推理档位，输入 2 元 / 百万 tokens
2026 年 9 月 18 日，智谱上线 GLM 5.3 FlashX，官方给出的最高推理速度是 200 tokens/s，比 GLM-5.3-Flash 有明显提升。API 同日开放调用。这个档位出现的时间点，距 GLM-5.3-Flash 进入 Coding Plan 全量上线并不久，Flash 系列由此多了一个更快的选项。
价格一并公布：输入 2 元 / 百万 tokens，输出 7 元 / 百万 tokens，缓存命中 0.57 元 / 百万 tokens，缓存存储目前限时免费。上下文窗口 1M，最大输出 128K。官方文档的表述是价格有所上调，但速度提升更显著。同一页面没有列出 Flash 的对应单价，两档的实际差价要按各自用量结构去算。缓存命中价压到 0.57 元，对多轮长对话和反复带同一份长文档的调用影响最直接。
快在哪一段
Flash 系列本来就是冲吞吐和响应时间去的。200 tokens/s 这个数字，对批量调用、以及需要边生成边渲染的交互场景更直接。有一个细节值得开发者注意：GLM 5.3 FlashX 的思考模式只支持把 thinking.type 设为 enabled，不支持关闭。速度上去了，思考链仍然占时间，延迟预算要按这个前提算。
底座与能力
开放文档把这次提速放在 GLM-5.3 的架构上介绍：总参数 320B、激活参数 18B，采用稀疏注意力与线性注意力混合架构，相比 GLM-5.3，注意力计算量降低 3.01 倍，KV 缓存降低 4.44 倍。输入支持视频、图像、文本和文件，输出为文本，带 Function Calling、结构化输出与上下文缓存。文档还提到视觉能力融进了 Coding 循环，模型能观察界面、渲染结果与交互反馈并持续改进，也能交付 PPTX、PDF、DOCX、XLSX 这类成品文件。1M 上下文配 128K 输出，指向的是整库代码或长文档一次性喂进去的用法。
套餐还没跟上
Coding Plan 目前全量开放的是 GLM-5.3-Flash，额度增至 3 倍，GLM 5.3 FlashX 暂未进入套餐。新版 Coding Plan 改成积分制，在包括周末全天在内的非高峰时段调用，只消耗标准积分的 50%。想试 FlashX 的开发者，现阶段只能走 API。
官方表示会继续加大 Infra 投入与推理优化。FlashX 什么时候接入 Coding Plan，文档没有给出时间表。
来源