英伟达130亿美元收购HuggingFace，GLM-5.3-Flash同期震撼发布

英伟达收购HuggingFace的消息由TheInformation率先披露，随后获得官方确认。此次交易金额约为130亿美元，相当于HuggingFace年经常性收入1.5亿美元的约80倍。值得注意的是，HuggingFace在2026年实现了客户基础翻倍增长，而英伟达最终出价也较今年1月的70亿美元初始报价大幅提升。这笔交易被业界普遍解读为对开源AI生态的重大背书，也标志着英伟达在软件与平台层面的战略布局进一步深化。

就在收购消息确认的同一时间窗口，Z.ai正式发布GLM-5.3-Flash，揭晓了此前在社区引发广泛猜测的「Ox Alpha」模型的真实身份。该模型采用3200亿总参数、180亿激活参数的混合专家架构，支持100万token超长上下文，具备原生多模态能力，并以MIT协议开源发布。Z.ai同步通过HuggingFace权重下载、API、对话界面及AutoClaw等多渠道提供访问，CoreWeave、Baseten和Cline也在发布后几乎立即提供了基础设施支持。

在性能与成本方面，Artificial Analysis的独立评测显示，GLM-5.3-Flash在其智能指数上得分57，仅比旗舰版GLM-5.3低3分，但每任务成本仅为0.09美元，约为GLM-5.3 max的七分之一，也比GPT-5.6 Terra便宜约5.7倍。API定价为每百万输入token 0.15美元、输出0.50美元，缓存输入可享约80%折扣。值得注意的是，该模型的成本优势主要来自极低的token定价，而非特别节省token的推理方式——其约90%的输出token为推理token。

在智能体与代码任务上，GLM-5.3-Flash的表现超出其知识类指标所呈现的水平。GDPval-AA v2 Elo达1770，与GLM-5.3持平，仅次于Claude Opus 5；Terminal-Bench v2.1得分84.3%，略高于GLM-5.3的83.9%。然而在知识与幻觉维度，该模型的准确率为28%，幻觉率同样为28%，与GLM-5.3（准确率34%、幻觉率30%）及GPT-5.6 Terra（准确率47%）相比仍有差距，显示其更适合代码生成与智能体工作流，而非广泛的事实性问答场景。

从架构角度看，研究者rasbt指出，GLM-5.3-Flash从GLM-5.2的744B-A40B骨干网络缩减至320B-A18B，并采用了Kimi Linear风格的3:1混合注意力机制，包含34层Kimi Delta Attention和11层MLA/DSA混合层，同时引入DeepSeek V4风格的多流残差路径及原生视觉编码器。这种「超级混合」架构将多种高效注意力变体叠加使用，代表了中国开源前沿模型在架构设计上的一种新趋势。不过，也有研究者指出该模型在视觉目标检测等任务上表现相对薄弱。

英伟达收购HuggingFace与GLM-5.3-Flash的发布，共同构成了一个耐人寻味的时代切面。前者意味着开源AI基础设施平台的商业价值得到顶级芯片巨头的高度认可；后者则展示了中国开源实验室在架构创新与成本控制上的快速迭代能力。两件事叠加，令业界对「开源赢了」的判断更加笃定，同时也将西方与中国开源AI的竞争格局推向更为公开的讨论舞台。

要点

• 英伟达以130亿美元收购HuggingFace，约为其年经常性收入的80倍，较初始报价翻近一倍，是对开源AI生态商业价值的强力背书
• GLM-5.3-Flash以每任务0.09美元的极低成本，在代码与智能体任务上比肩Claude Opus 4.8，性价比优势显著
• 该模型采用320B总参数、18B激活参数的混合专家架构，支持100万token上下文，MIT开源，并声称完全运行于中国AI芯片
• GLM-5.3-Flash在知识准确率和幻觉控制上仍落后于GPT-5.6 Terra，更适合代码生成与智能体场景而非通用问答
• 中国开源前沿模型正在线性注意力、稀疏注意力等架构方向上快速收敛，引发业界对全球开源AI格局的深层讨论