GLM-5.3-Flash 亮相：18B 激活参数背后的 Agent 性价比路线
匿名模型 ox-alpha 正式确认为 GLM-5.3-Flash。320B 总参数、18B 激活参数、原生多模态与百万 Token 上下文背后，是一条针对高频 Agent 工作负载优化的性价比路线。
LLM Inference
推理服务是怎么影响你的 Agent 的：推理框架与架构决策
自顶向下拆解推理框架：延迟构成、上下文成本、模型路由、多模态代价、韧性设计——面向 Agent 架构师的推理层指南。
一句话是怎么变成 AI 回复的：LLM 的工作原理
从 Tokenization 到自回归生成，用一句「帮我查一下北京明天的天气」走完 LLM 处理全流程。面向 Agent 开发者的灰盒认知指南。
Prompt Cache：Agent 成本控制的核心约束
从 KV Cache 到 Prompt Cache 的认知跃迁：前缀精确匹配的铁律、Agent 的 I/O 100:1 失衡、以及为什么 Cache-Safe 是 Client 侧工程责任。
KV Cache 原理：LLM 推理的底层机制
从 Token、Embedding、Attention 到 Prefill/Decode，一次讲透 KV Cache 的底层原理。面向 Agent 工程师的推理基础指南。