Day-0支持｜摩尔线程完成智谱GLM-5.3-Flash极速适配

近日智谱上线并开源GLM-5.3-Flash (320B-A18B)。摩尔线程快速响应基于AI训推一体智算卡MTT S5000及MUSA软件栈实现对该模型的极速适配与高效运行标志着国产算力在超大规模多模态模型支持上迈出关键一步。全球前沿性能匿名公测登顶双榜作为GLM-5系列的首个原生多模态模型GLM-5.3-Flash总参数为320B激活参数仅18B在全球权威的Artificial Analysis Intelligence IndexAA综合智能指数中取得57分进入全球前沿模型能力区间与Anthropic最受欢迎的模型Claude Opus 4.8得分持平。在自研Z.ai Code Bench体感评估中其编程表现与Claude Opus 4.8相当。此前该模型以代号Ox-Alpha社区昵称“牛来”在OpenCode和OpenRouter进行匿名公测凭借出色的推理速度与智能表现迅速成为当周最受欢迎的模型创下双平台调用量新高。全栈技术闭环极速打通推理全链路GLM-5.3-Flash发布当日摩尔线程工程团队迅速完成模型架构拆解、核心技术分析与典型算子梳理。针对其混合架构中线性注意力采用的KDA机制团队基于MATE算子优化引擎快速完成了状态矩阵更新、分块并行扫描等全新算子形态的定制实现与深度调优并与SGLang-MUSA缓存管理体系深度协同、无缝打通充分释放了KDA在长上下文推理中的效率优势。KDA机制的核心创新在于将传统注意力中随推理长度线性增长的KV Cache转化为固定规模状态矩阵的增量更新——显存占用不再随序列变长而膨胀从根本上大幅缓解了长上下文的显存压力。这一前沿架构特性与MTT S5000的高算力密度形成深度协同为GLM-5.3-Flash超长上下文能力在国产算力平台上的高效、稳定运行提供了坚实支撑。软硬协同夯实国产算力底座本次极速适配充分验证了MTT S5000智算卡的高算力密度与稳定性展现了MUSA架构“适配—部署—优化”工程体系的高效成熟。摩尔线程以自主软硬件协同能力为国产AI算力底座建设提供了有力支撑。未来摩尔线程将与智谱持续深化软硬件协同在多模态理解与生成、超长上下文处理及超大规模模型落地等领域展开联合探索降低前沿AI接入成本加速AGI技术的产业化规模普惠。▼ GLM-5.3-Flash开源地址https://huggingface.co/zai-org/GLM-5.3-Flash▼ 开发者可下载镜像进行开箱体验registry.mthreads.com/mcconline/inference/sglang:v0.5.17-s5000-4.3.5-torch2.9.1-20260827-glm