Ox Alpha là GLM-5.3

Cập nhật September 1, 2026 · đăng lần đầu September 1, 2026

Từ 20 đến 26 tháng 8 năm 2026, một mô hình được liệt kê trên OpenRouter là stealth/ox-alpha được phục vụ miễn phí. Sau đó nó được xác định là GLM-5.3-Flash: 320 tỷ tham số tổng với 18 tỷ tham số hoạt động, chú ý kết hợp tuyến tính lai và thưa, nhận đầu vào văn bản, hình ảnh và video gốc, cửa sổ ngữ cảnh 1,048,576 token, đầu ra tối đa 131K, và trọng số được cấp phép MIT.

Mức sử dụng không hề nhỏ. Trong vòng ba ngày kể từ khi được liệt kê, OpenCode báo cáo khoảng 16 nghìn tỷ token đã xử lý, 221,000 người dùng duy nhất, hơn năm triệu phiên, và vị trí thứ hai theo mức sử dụng gần đây. Đó là lưu lượng sản xuất, không phải lưu lượng đánh giá, và trong sáu ngày nó không tốn gì.

Miễn phí là một tỷ lệ, không phải sự vắng mặt

Vấn đề tài chính với một endpoint ẩn danh miễn phí là hầu hết telemetry chi phí coi dòng $0 như không có dòng nào. Các yêu cầu được định tuyến đến Ox Alpha trong tuần đó hiện trên bảng điều khiển sử dụng dưới dạng chi phí bằng không, nên chúng không có trọng số trong bất kỳ dự báo chi tiêu, cảnh báo ngân sách hay góc nhìn đơn vị kinh tế theo tính năng nào. Rồi cửa sổ đóng lại, mô hình được đổi tên, một mức giá được áp dụng, và cùng lưu lượng đó xuất hiện lại như một bước nhảy mà không ai đã mô hình hóa.

Cách khắc phục là định giá mọi lần gọi theo giá bóng (shadow rate), kể cả những lần miễn phí. Ghi số token như bình thường rồi nhân với giá niêm yết của mô hình bạn lẽ ra đã dùng. Bảng điều khiển khi đó sẽ cho thấy khuyến mãi có giá trị bao nhiêu mỗi tháng, và hóa đơn sẽ thành bao nhiêu vào ngày nó kết thúc. Mười sáu nghìn tỷ token theo giá flash thông thường không phải là sai số làm tròn.

Tỷ lệ này không còn là giả định. GLM-5.3-Flash hiện niêm yết $0.15 cho mỗi triệu token đầu vào và $0.50 cho mỗi triệu token đầu ra. Mười sáu nghìn tỷ token đầu vào ở mức giá đó xấp xỉ $2.4 triệu. Đó là giá trị của sáu ngày token miễn phí, và cũng là độ lớn của bước nhảy nếu lưu lượng đó cứ ở nguyên chỗ cũ.

Ba rủi ro cần kiểm tra

Trọng số MIT thay đổi phép tính mua hay tự xây

Việc lộ danh tính quan trọng vì một lý do thứ hai. GLM-5.3-Flash được phát hành theo giấy phép MIT, nghĩa là lựa chọn tự lưu trữ là thực tế chứ không chỉ là lý thuyết. Với 18 tỷ tham số hoạt động trên tổng 320 tỷ, chi phí phục vụ gần với một mô hình dense cỡ vừa hơn là con số tiêu đề gợi ý, nhưng chỉ khi bạn có mức sử dụng cao và ổn định. Dưới khoảng 40–50% mức sử dụng GPU, giá API theo token thường vẫn thắng, vì các bộ tăng tốc nhàn rỗi bị tính đầy đủ, còn lần gọi API nhàn rỗi thì không tốn gì.

Vì vậy quyết định không phải là trọng số mở hay API. Đó là một ngưỡng sử dụng. Đo lượng token mỗi giây bền vững trong suốt một tuần đầy đủ, kể cả ban đêm và cuối tuần, rồi mới so sánh báo giá dung lượng đặt trước với cùng khối lượng ở giá API niêm yết. Hãy tính thời gian kỹ sư cho việc phục vụ, đánh giá và nâng cấp vào cột tự lưu trữ; đó là dòng mà hầu hết hồ sơ xây dựng quên.

Làm gì khi xuất hiện mô hình ẩn danh tiếp theo

Coi mọi cửa sổ miễn phí như một hợp đồng có thời hạn cố định với một đối tác không tên. Hãy đánh giá mô hình cho đàng hoàng; token miễn phí là cách rẻ thực sự để chạy bộ đánh giá. Nhưng chỉ định tuyến lưu lượng sản xuất đến nó khi có phương án dự phòng, giữ giá bóng trên bảng điều khiển, và ghi vào lịch ngày kết thúc cửa sổ như một sự kiện dự báo. Mô hình rất xuất sắc và giá bằng không; chỉ một trong hai sự thật đó là bền vững.

Liên quan

• Chi phí mô hình mã nguồn mở so với đóng
• Chênh lệch giá giữa các nhà cung cấp
• Chi phí ngừng hỗ trợ và di chuyển mô hình

Liên quan

• Chi phí mô hình mã nguồn mở so với đóng
• Chênh lệch giá giữa các nhà cung cấp
• Chi phí ngừng hỗ trợ và di chuyển mô hình

Bạn muốn áp dụng điều này cho hệ thống của mình? Hãy mang theo hóa đơn nhà cung cấp, nhật ký gateway và các quy trình chính; chúng tôi sẽ xác định yếu tố chi phí và hướng tiết kiệm. Đặt lịch kiểm toán miễn phí →

Quay lại finopsllm.com