智谱GLM高速版：速度冲到490 tokens/s｜老高AI观察

老高AI观察 · 第28期｜2026 年 10 月 13 日

智谱的 GLM-5.3 发布两个月后，自家编码工具 ZCode 里悄悄多了一档「高速版」。10 月 12 日，有人贴出实测截图，输出速度跑到 490 tokens/s——这个数字一天之内传遍了圈子。但我盯着看了很久，觉得最值得说的不是「490」有多大，而是它的来源：它不是智谱给的。官方至今没发公告，也没公布任何吞吐数据。一个模型跑多快，这次是先由用户替厂商宣布的。

ZCode 里，多出一档高速版

先把事情说清楚。ZCode 是智谱自己的 AI 编程工具，跑在 zcode.z.ai 上，走订阅制。最近有订阅用户发现，模型选项里多出了一个「高速」档位——用的还是 GLM-5.3 这代模型，但推理路径明显更短、吐字更快。

目前这一档还在灰度放量，官方没有在产品页单独写出来，能不能用上带点随机（智东西 10 月 12 日报道）。换句话说，它不是一次新品发布，更像一次没打招呼的内测。

官方口径里能查到的硬信息只有三条：1M token 的上下文窗口、128k 的最大输出长度，以及 low／high／max 三档思考强度（智谱开放平台文档）。这三条其实已经说明了高速版的定位——为长输出、高频调用准备的，不是为深度推理准备的。

这条消息的时间轴

把时间摊开看，智谱碰「速度」不是第一次。今年 5 月，GLM-5.1 就出过一档 highspeed 版本，标称输出速度 400 tokens/s。8 月 GLM-5.3 发布时，站内 GLM-5.3 的介绍文 里写过它的完整规格：7430 亿参数的 MoE 架构，主打开源与编程。

但那一代的速度成绩并不亮眼。第三方评测里，GLM-5.3 标准 API 的输出速度在 70 tokens/s 上下，同期站内 GLM-5.3-FlashX 标称 200，DeepSeek V4.1 Flash 的官方 API 实测在 120 左右。高速档要补的，正是模型够强、但吐字不够快这块短板。

所以这次冒出来的 490，更像是在把「速度」当成一条独立产品线在推，而不是模型升级顺带的副产品。这个思路本身，比这个数字更值得记。

快，是拿什么换的

速度从来不是白来的。同一套模型权重，要在单位时间里多吐几倍的 token，常规做法无非三条路：把默认的思考链砍短、让解码更激进地并行、对输出做投机采样。它们有个共同点——都在拿「想得久」换「说得快」。

GLM-5.3 本身就有 low／high／max 三档思考强度，高速版很可能就是把默认档往下压了一到两档。好处是响应变快、交互更顺；代价是在长逻辑、深推理、多步规划这类任务上，可能不如标准档稳。

这不是智谱一家的问题。往期 第 23 期 讲过算力这条线怎么被重新分配；到了吞吐这一层，同一道选择题又出现了一次：同样的算力预算，你是花在多「想」几秒，还是多吐几个字。

谁在受益，谁在被挪位置

先说影响不大的。如果你只是偶尔打开对话框问两句，速度从 70 提到 400 还是 490，体感差别没那么明显——你等的那几秒，本来也不难熬。

真正受益的是跑批量任务的人：Agent 连续调用、长文档处理、代码仓库批量改写。这些场景里，等待时间是实打实的成本，吞吐翻几倍，同样的时间窗口能跑完的活儿就多几倍。往期 第 26 期 聊过开源模型争榜单位置，那次比的是排名；到这一层，比的是谁出字快。

但这里得泼盆冷水。速度提升不等于省钱。主流 API 现在还是按 token 计费，你为每个字付的钱没变；速度改变的只是「单位时间能跑多少」，不是「跑完一件事要花多少」。对按结果交付的生意，它可能压低交付周期；对按调用量付费的账本，它一分钱也省不下来。

该重新算账的，是把「响应快」当成核心卖点的人。当高速档变成标配，快本身就不再是溢价。

我的判断里最软的一环

第一条，也是最要命的：490 这个数字不是官方数据。它是网友在自己的环境里跑出来的单次实测，截图在社交平台流传。量子位 10 月 12 日的报道写得很清楚——智谱没有发布公告，也没有公布官方吞吐数据。

第二条，官方能查到的，只有上下文长度、最大输出和三档思考强度，没有一条是关于速度的。连「高速版」这个名字本身，都还停留在产品界面的档位开关上。

第三条，单一样本、单一任务、单一网络环境，不能当通稿数字用。我倾向于相信「智谱在做高速档」这件事方向是对的，但具体是 490 还是 350，我不替它背书。等厂商自己把口径摆出来，或者第三方评测跑出可复现的数，再谈也不迟。

手上能试的几招

一，如果你在用 ZCode，或者通过 智谱开放平台 调智谱的模型，先去模型列表翻一眼有没有高速档——灰度是随机的，有就试试，没有也不用急。

二，拿你自己的真实任务去测，别拿标称值当预期。换个提示词、换个输出长度，速度能差出好几倍。

三，做工具选型的时候，把「吞吐」加进评估表。以前大家只看跑分和价格，现在多一栏：同样的活儿，它要跑多久。这条线的后续，我会记在 老高AI观察 里。

一句实在话

我的判断是：速度这条线，正在从「模型跑分」变成「产品体验」——但当数字由网友的截图来定、而不是厂商的公告，这件事就还没到能下结论的时候。

关于GLM高速版，集中答三个问题

资料来源

• 智谱 ZCode 官网（zcode.z.ai）：订阅方案与模型档位
• 智谱开放平台文档（docs.z.ai）：GLM-5.3 的 1M token 上下文、128k 最大输出、low／high／max 三档思考强度
• 量子位（2026-10-12）：智谱未发布公告、未公布官方吞吐数据；网友实测输出速度约 490 tokens/s
• 智东西（2026-10-12）：ZCode 灰度放量，订阅用户可随机用上高速档
• 公开第三方评测与厂商官方数据：GLM-5.3 标准版 API 输出速度约 70 tokens/s、GLM-5.3-FlashX 峰值 200 tokens/s、DeepSeek V4.1 Flash 约 120 tokens/s
• 站内《GLM-5.3 – 智谱推出的编程与网络安全能力开源大模型》《GLM-5.1-highspeed》：7430 亿参数 MoE、GLM-5.1 高速版最高 400 tokens/s

我是老高，AI工具箱站长，工具出来先自己跑一遍才敢下判断——👉 来老高的AI工具交流群