这篇文章（作者：程序员鱼皮）核心是实测智谱首个原生多模态模型 GLM-5.3-Flash（即此前匿名爆火的“Ox-Alpha / 牛来”模型），结论偏正面：它不是旗舰级天花板，但是把“前沿能力 + 原生视觉 + 极低价格”打包在一起的高性价比 AI 编程牛马模型。
一、模型身份与硬指标
- 前身：OpenRouter / OpenCode 匿名模型 Ox-Alpha，上线首日登顶、终结 DeepSeek 56 天霸榜。
- 架构：320B 总参数 / 18B 激活 MoE，45 层，稀疏+线性注意力混合，1M 上下文，MIT 协议开源，跑在 10 万张国产芯片上。
- 多模态：GLM-5 系列首个原生多模态，视觉从预训练融入，不是后接视觉模块。
- 跑分：Artificial Analysis 智能指数 57 分，持平 Claude Opus 4.8，高于 DeepSeek V4 Pro（53）。
- 价格：API 约 输入 0.8 元 / 输出 2.8 元（百万 token），是 Opus 4.8 的约 1/40，比涨价后的 DeepSeek V4 Flash 也便宜，Coding Plan 非高峰积分减半。
二、实测三个项目（用官方 ZCode Agent + 浏览器/电脑控制）
- 复刻 Apple Vision Pro 官网
- 先 Firecrawl 抓结构 → 浏览器截 8 张图分析排版/动效 → 写代码 → 12 轮自截图对比修正，19 分钟交付。
- 无官方素材下用 SVG 手绘产品图，深色科技感、双导航、文字节奏还原度高。
- 全栈 AI 绘图工具（自然语言 → draw.io XML）
- 46 分钟，左对话右 draw.io 画布，支持连续对话改图。
- 偶发 XML 转义错误（AI 生结构化代码通病）；综合体验好于 DeepSeek V4 Pro，略逊 GLM-5.3 旗舰版和 Kimi K3 的前端精致度。
- 3D 联机拳击游戏《牛来格斗》（Three.js）
- 喂 6 张角色原画 → 分析造型提取 4 角色 → 搜拳皇/街霸机制 → 做移动/连招/必杀/血条/KO/选人界面。
- 2 小时 14 分，4 轮开发-截图验证循环，靠截图抓出“树全堆在擂台中央”的视觉 bug。
- 本地双人可玩、必杀特效到位；局域网联机状态同步没完全打通（WebSocket 长程弱项）。
三、作者核心判断
- 最大亮点：原生视觉进 Agent 循环——“写完代码自己截图看效果再修”，对前端/UI/游戏复刻是质变。
- 定位：不是 GLM-5.3 旗舰替代品，而是日常 Coding Agent 默认款：绝大部分任务能扛，极致质量切旗舰。
- 成本：三个中高复杂度项目跑下来不到 10 元（Coding Plan Pro 周额度耗 8%），比同任务量 DeepSeek V4 Pro/Flash 便宜一截。
- 横向排位（作者主观）：视觉编程体验 GLM-5.3-Flash > DeepSeek V4 Pro；纯后端精细度 GLM-5.3 旗舰 > Flash；XML 稳定性 Flash ≈ Kimi K3。
一句话总结：GLM-5.3-Flash 是“能自己看屏幕的便宜牛马”——57 分 Opus 级智商、1/40 价格、原生多模态、开源可自部署，适合做 AI 编程/UI 复刻/轻量全栈的主力，但复杂实时后端和极限质量仍交给旗舰模型。
