GLM-5.3-Flash实测：原生多模态让网页与游戏生成门槛大降

智谱最新开源的 GLM-5.3-Flash 模型，以匿名身份 Ox Alpha 在海外开发者圈发布后，不到一天便冲上 OpenCode 和 OpenRouter 榜首。它支持原生图片与视频输入，可以复刻网页风格、生成可玩的浏览器游戏，Coding 与 Agent 能力一并集成，而价格约为对标模型 Opus 4.8 的四十分之一。以下为实测记录。

视频生成网页：一句话复刻动态站点

过去看到一个动效出色的网站，很难用文字向 AI 描述清楚：镜头推多少、产品转到什么角度、滚到哪段换材质，都难以表达。现在可以直接录制网页视频发给 GLM-5.3-Flash，让它照着复刻。

模型会先把整段视频拆成一帧一帧地分析，逐步读取页面内容：用了什么材质、需要什么技术、每段是什么动效，然后生成对应网页。

与原网站对比，细节仍有差距（比如树的模型不够到位），但基于一句话加一段视频的输入方式，效果已相当可观。后续通过微调树模型、材质和镜头位置，还能做得更好。

图像生成游戏：从参考图到可玩原型

输入一张风格图和一个越野车模型，要求模型制作一款可玩的浏览器游戏：保留参考图中的橙粉黄昏、明亮夕阳、几何废墟和暖橙色灯光，再补充玩法。

生成后的游戏整体低多边形氛围与色调一致，红褐色荒原、几何废墟、暖橙光影都基本还原。玩家可以在场景中自由移动，前进、倒车、转弯、重力系统、摄像机跟随均已跑通，撞到岩石围栏会停下，驶过道具分数会增长。

除越野车模型外，道路、建筑、岩石、道具和地图均为模型自动生成。若进一步补充详细模型，视觉表现还会大幅提升。

图像生成个人页：滚动叙事作品集

给出一张长图，要求按图片中的粗线条、米白色背景、砖红与苔藓绿色块，建立一个英文个人作品集页面。模型采用典型的滚动叙事设计：以一条贯穿页面的路线从上到下串联内容，动画随滚动同步推进，向上滚动时反向播放。

GLM-5.3-Flash 将线条粗细、留白、平面色块和轻微错位感统一为整页视觉规则，结合其 Coding 能力，直接产出了一个可滚动、可交互的英文个人站。

写在最后

原生多模态与之前通过 MCP 调用外部视觉模型完全不同：模型能直接看到图片和视频，同时理解文字、人物、物体、动作与节奏。GLM-5.3-Flash 将原生多模态、Coding 和 Agent 集于一身，提供 1M 上下文，底层采用全新的稀疏注意力与线性注意力混合架构。

能力对标 Opus 4.8，价格约为其四十分之一。模型继续保持开源，320B 参数规模，国产卡均可部署。