Day-0极速适配！摩尔线程MTT S5000跑通智谱GLM-5.3-Flash：10万国产卡承载62T Token调用

<p>快科技8月27日消息，8月26日晚，智谱正式上线并开源GLM-5.3-Flash（320B-A18B）原生多模态模型。<span style="color: #ff0000;"><strong>摩尔线程在模型发布当天便完成Day-0极速适配，基于AI训推一体智算卡MTT S5000及MUSA软件栈实现高效运行。</strong></span></p> <p>GLM-5.3-Flash总参数量320B（3200亿），激活参数仅18B（180亿），层数较GLM-4.5减半。模型在全球权威的Artificial Analysis Intelligence Index中取得57分；在智谱自研Z.ai&nbsp;Code Bench体感评估中，其编程表现与Claude Opus 4.8相当。</p> <p align="center"><a href="https://img1.mydrivers.com/img/20260827/985f08ff-94ea-4e47-a9b3-aba880899091.png" target="_blank"><img alt="Day-0极速适配！摩尔线程MTT S5000跑通智谱GLM-5.3-Flash：10万国产卡承载62T Token调用" src="https://img1.mydrivers.com/img/20260827/S985f08ff-94ea-4e47-a9b3-aba880899091.png" style="border: black 1px solid;" /></a></p> <p>正式发布前，该模型以匿名代号Ox-Alpha（中文社区昵称“牛来”）在OpenRouter、OpenCode两大海外平台测试，迅速登顶并刷新双平台历史纪录，<strong>Token调用量高达62T。</strong></p> <p><strong>如此高的Token调用量，出自超过10万张国产芯片的集体承载，其算力供应商包括华为、海光、摩尔线程。这是国产算力芯片首次大规模集体出海支持海外最火模型。</strong></p> <p>针对GLM-5.3-Flash混合架构中线性注意力采用的KDA机制，摩尔线程基于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。</p> <p align="center"><a href="https://img1.mydrivers.com/img/20260827/a654d585-4d20-4db0-b905-2e63d84ade83.png" target="_blank"><img alt="Day-0极速适配！摩尔线程MTT S5000跑通智谱GLM-5.3-Flash：10万国产卡承载62T Token调用" src="https://img1.mydrivers.com/img/20260827/Sa654d585-4d20-4db0-b905-2e63d84ade83.png" style="border: black 1px solid;" /></a></p> <p>KDA机制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。该架构特性与MTT S5000的高算力密度形成深度协同，为超长上下文推理提供高效支撑。</p> <p>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。<strong>MTT S5000单卡FP8算力达1000 TFLOPS，配备80GB显存，显存带宽1.6TB/s，卡间互联带宽784GB/s。</strong></p> <p>目前智谱GLM-5.3-Flash已开源，开发者可访问Hugging Face获取模型权重，摩尔线程也提供了配套的SGLang推理镜像供开发者开箱体验。</p> <p align="center"><img alt="Day-0极速适配！摩尔线程MTT S5000跑通智谱GLM-5.3-Flash：10万国产卡承载62T Token调用" src="https://img1.mydrivers.com/img/20260827/3611bcf1-a45b-4dea-abb6-f673dcb349d3.jpg" style="border: black 1px solid;" /></p>