智谱GLM-5.3-FlashX上线：推理提速5倍

智谱上线GLM-5.3-FlashX，推理速度最高200 tokens/s，较GLM-5.3-Flash提速5倍、提价2.5倍，API同步开放。其背后是在10万张国产芯片提供的推理算力基础上，进一步加大对Infra侧的投入与推理优化。

GLM的Infra由GLM构建。跑Flash的这套Infra由GLM-5.3驱动Agent构建，从模型适配到生产上线不到两周，端到端吞吐做到初始基线的3倍。构建过程中，人负责定目标、设边界、搭反馈环境及关键修改审核；测试、日志、Trace、微基准交给Agent，由其自查问题、改代码、跑实验，局部验证通过后再放回完整服务验收，完成“稠密反馈”。

案例一：KDA的CP路径出现精度偏差，长上下文下尤其明显。Agent顺着状态合并、更新过程排查，问题落在两处tl.dot上：输入是FP32，计算却默认用了TF32，误差逐步积累。两处均显式加上input_precision="tf32x3"，修复已合入Flash Linear Attention上游。

案例二：同样workload下，Prefill加上传输后与单独Prefill的性能差距要求不超过5%，测试却跑出20%以上。Agent翻看Trace，发现KV Transfer的Python侧执行始终未能与DeepEP的dispatch/combine调用重叠。进一步排查发现，DeepEP v1.2.1的两处C++调用没有释放GIL，负责Mooncake Transfer的Python线程拿不到锁，传输任务迟迟交不出去。修改后，同样测试条件下性能差距降到1%以内。

案例三：KDA Decode沿V维度分块，同一组FP32归一化和门控计算被不同分块重复做了四遍。Agent将这些分块合到同一线程块里，提前批量计算，共享中间结果。并行度减少，重复计算去掉，算子性能提高到优化前的1.71倍。