模型榜单上多了一个不太起眼、但可能更影响日常体感的指标：每秒能吐多少个词元。
近日，智谱在其AI编程工具ZCode中悄然开启了高速旗舰模型GLM-5.3 HighSpeed的测试。据开发者社区爆料，该模型已在ZCode 3.15.1版本中开放体验，订阅用户可随机获得灰度资格，实测输出速度超过490 tokens/s。
先解释这个数字意味着什么。490 tokens/s约等于每秒输出三百多个汉字。按这个速度，输出一万词元只需要约20秒。放在具体场景里：一个编程Agent改一个跨文件的Bug，往往要经历「读代码—定位—写补丁—跑测试—再改」的循环，单轮循环几十次是常态。如果每轮等待从五秒压到一秒，整个任务的墙钟时间就是数量级的差异。
横向对比更能说明位置。智谱上月发布的GLM-5.3-FlashX最高速度约为200 tokens/s，而主流评测平台数据显示，DeepSeek V4.1 Flash官方API的输出速度约121 tokens/s。换句话说，HighSpeed档位在速度上把前代拉开了两倍以上，与主流性价比档位拉开了约四倍。
这里需要说清楚「速度」在模型竞争里为什么突然变重要。过去两年，模型比较的焦点是能力分数：谁在基准上更高、谁能解更难的问题。但当能力差距收窄到普通用户难以分辨的区间，实际使用体验的瓶颈就转移到了等待时间与单位成本上。对交互式产品尤其如此——一个客服Agent每轮多等两秒，用户流失率就会肉眼可见地上抬；一个编码Agent的循环次数以百计，单步延迟直接决定任务总时长。
智谱这次的发布方式也值得琢磨。它没有先开API、也没有先发技术报告，而是把高速档先放进自家的编程工具ZCode里做灰度。这种安排有双重好处：一是真实的高频场景能立刻验证速度是否稳定，二是灰度机制可以控制负载、避免在公开API上被瞬间打爆。代价是，外界看到的速度数字来自灰度环境，不等于公开服务的稳态表现。
必须标注的不确定性有三点。其一，该模型目前处于灰度测试阶段，并非全量开放，订阅用户随机获得资格。其二，490 tokens/s是开发者在灰度环境下的实测数字，官方尚未公布标准口径的速度指标与测试方法，不同硬件、并发与上下文长度下的表现会有差异。其三，速度不等同于质量——高速档通常伴随一定的能力折让，具体的折让幅度需要等官方公布基准分数才能判断。
把视角拉高看趋势。近一个月来，把「快」单独做成一个档位已经成为行业共识：OpenAI为GPT-6.1 Sol推出了Ultrafast版本，速度最高达标准版8倍、定价6倍；阿里Qoder上线Fast模式，首次响应从8秒缩至3秒、Credits消耗降约27%；如今智谱在自家工具里灰度高速旗舰。三家的路径不同——一个做付费高速API，一个做客户端档位，一个先放在自有工具里验证——但指向同一个判断：在Agent时代，响应速度正在从「体验优化项」变成「产品核心规格」。
接下来值得跟踪两点：一是GLM-5.3 HighSpeed是否会开放API以及定价如何，二是它的能力分数与GLM-5.3标准档的差距有多大。速度立起来的标尺，最终要用「快而不弱」来兑现。