「牛来」揭晓：GLM 家的模型，跑在国产芯片上

8月26日晚间，智谱上线并开源 GLM-5.3-Flash。至此，过去一周在开发者圈里迅速走红的匿名模型 Ox-Alpha——中文社区称它「牛来」——终于揭晓了真身。

谜底揭开之前，关于它归属的猜测已经不少。但真正值得记下来的，不只是「它是谁家的」，而是官宣和报道里透露的另一件事：它在测试期间由国产芯片提供全部推理算力，而且接住了过去几天堪称凶猛的请求洪峰。

「牛来」到底是什么

据财新网报道，GLM-5.3-Flash 参数量为 320B，低于 GLM-5.3 与 GLM-5.2 的 744B，但能力超过 GLM-5.2；它是 GLM-5 系列的首个原生多模态模型，拥有百万上下文，价格仅为 GLM-5.3 的十分之一。

从 8 月 20 日起，它就以匿名身份 Ox-Alpha 在第三方平台 OpenRouter 和 OpenCode 上免费测试，很快在开发者社群中爆火。

「爆火」两个字，具体下来是一组很硬的数字：

在 OpenRouter 上，Ox-Alpha 过去 7 天的调用量达到 23.2T，排名第一，比第二名的 DeepSeek-V4-Flash 正式版高出一倍有余；
在 OpenCode 上，它连续 6 天调用量排名第一，累计调用量 44T。

这样的量级，不是一场营销活动能刷出来的，而是大量开发者真金白银、真刀真枪地用出来的。

最值得注意的，是这波洪峰背后的底层算力。据报道，GLM-5.3-Flash 在测试期间由国产芯片提供全部推理算力；另有多家媒体提及，其测试集群规模约为 10 万张国产卡（这一具体数字尚未在官方公告中确认）。

长期以来，国产芯片在大模型领域更多承担「能用」「够用」的角色，真正在高并发、大规模推理场景下的实战记录并不多。这一次，等于是一场公开的压力测试——而且强度来自真实用户，不是实验室演示。

海量请求汹涌而来时，考验的远不止模型本身。推理集群的调度、排队、弹性扩容、稳定性、成本控制，每一项都是硬功夫。接住了，意味着背后有一整套能扛住洪峰的系统在运转。

很多曾经红极一时的 AI 产品，恰恰是在流量高峰时崩掉的。所以「没崩」本身，就是一句很有分量的技术宣言。

这让我想起这个博客里反复出现的一个观点：能力之外，可靠性和成本才是决定一项技术能否真正落地的关键。

国产芯片过去缺少的，正是这种「在真实洪峰里证明自己」的机会。机会来了，扛住了，比任何宣传都更有说服力。它也顺带回答了一个很多人关心的问题：国产算力到底能不能支撑起一线的大模型服务？这一次，答案是肯定的。

当然，一次成功不等于全面领先。单点突破与全面替代之间，还有很长的路要走。但样本已经摆在那里：从模型到芯片，一条国产的链路，真的能在高强度使用中站住。

这或许才是「牛来」官宣背后，最值得被记住的部分。