智谱披露算力Scaling模型：300亿元投入可建10万P 推理年收入最高400亿元
相关推荐
智谱创始人唐杰：大模型Scaling不只是堆参数，未来竞争核心转向后训练与推理能力
Odaily星球日报讯 智谱创始人唐杰在 X 平台发布关于大模型 Scaling Law 的思考文章表示，当前人工智能行业对模型能力提升的理解正在从“扩大参数规模”转向多维度扩展，参数量并非衡量模型能力的唯一指标，还需要结合数据规模、计算资源分配方式以及模型实际运行场景综合评估。 唐杰指出，早期研究曾推动行业快速扩大模型参数规模。Kaplan 等人在 2020 年的研究认为，模型参数增长速度应高于数据增长速度，推动了 GPT-3、Gopher、MT-NLG 等超大规模模型的发展。但 Hoffmann 等人在 2022 年通过分析数百个模型发现，计算最优方案更接近“每个参数对应约 20 个训练 Token”，模型参数和数据规模应保持同步增长，过去追求万亿参数模型的路线实际上是一次行业共同经历的“偏航”。随着模型应用场景变化，推理成本逐渐成为生命周期成本的重要组成部分，优化目标也从单纯降低训练成本转向提升长期运行效率，因此“小模型+更充分训练”的路线开始受到关注。 唐杰表示，稀疏混合专家（MoE）架构进一步改变了 Scaling 逻辑。在 MoE 模型中，总参数量决定模型能够存储多少知识，而激活参数和有效深度更影响模型完成复杂推理任务的能力。对于漏洞发现等需要长链条推理的任务而言，能力并不来自简单记忆更多信息，而是需要模型保持多步推理过程的连贯性。近期研究显示，最优“Token/参数比例”并不存在统一答案：偏向记忆型任务需要更多参数，而偏向推理型任务则更依赖更多数据和计算深度。在固定训练数据规模下，盲目增加总参数甚至可能削弱推理能力，而增加激活专家数量则更有助于提升模型表现。 围绕智谱最新模型进展，唐杰透露，GLM-5.3 是一次针对 Scaling 方向的实验。该模型与 GLM-5.2 采用相同基础模型、架构以及总参数和激活参数规模，但通过一个月的大规模长周期环境训练和强化学习（RL）进行后训练优化，性能提升并非来自参数增加，而是来自后训练阶段的扩展。他总结称，大模型竞争已经从单纯比拼参数规模，进入探索“多维 Scaling”的阶段，未来模型能力提升将更多依赖训练策略、推理深度以及后训练能力的持续优化。
智谱正式发布GLM-5.3 拥有更强编程能力
火星财经消息,智谱8月14日正式发布GLM-5.3。据介绍，与GLM-5.2相比，GLM-5.3基座模型未变，但通过极致的后训练Scaling大大提高了模型的智能上界。GLM-5.3拥有更强的编程能力，在内部自建体感评测中较GLM-5.2提升50%，在包括TerminalBench3.0、Agents'LastExam(CLI)在内的公开基准测试中取得开源第一。智谱还表示，将在发布两周后开放模型权重。(财联社)
金融科技独角兽 Revolut 转向智谱 GLM，编程账单约降至十分之一
火星财经消息，欧洲估值最高的金融科技独角兽 Revolut 已将人工智能公司智谱的 GLM 设为约 2000 名工程师的默认 AI 编程模型，Claude Code、Codex 等工具退居备选，主要留给复杂任务。Revolut AI 运营负责人 David Abitbol 透露，公司此前给 Claude Code 设置每人每月 300 美元的额度，但对整体效率的帮助有限。今年 4 月，公司开始自行部署 GLM，并向工程师开放不限量 Token。目前，Revolut 使用约 56 张英伟达 B200 运行 GLM 5.3，折算每百万 Token 的综合成本约 0.30 美元，相关账单仅为此前使用 Anthropic、OpenAI 的十分之一。根据公司内部统计，工程师的编码用时指标改善约 60%，从接手任务到交付的周期指标改善约 70%。过去 Token 有限，工程师倾向于把额度留给复杂任务；现在不再限制用量后，他们开始大量使用 AI 搜索内部文档、处理 Jira 工单、查找 Slack 中的需求说明。
谷歌开源 Harness²，GLM-5 跑分提高 11.5 分
火星财经消息，Google Research 开源 AI 工具链自改进框架 Harness²，使 AI Agent 在不重新训练模型的情况下，自动修改系统提示词、记忆、Skills、工具规则以及脚本和插件。项目采用 Apache 2.0 协议，支持 OpenCode 和 Codex。其核心机制是让 Agent 自行试错，遇到新任务时先提出几套改进方案，再由不同版本的 Agent 分别执行并比较表现，最后组合出更合适的方案。即使没有标准答案，系统也可根据实际执行过程寻找改进方向。任务结束后，系统会记住哪些修改有效以及原因，供下次类似问题参考。谷歌使用 GLM-5 和 Gemini 3.5 Flash 进行测试。在 WorkBuddy-Bench 上，GLM-5 搭配 OpenCode，仅一轮优化后平均成绩从 64.2 分提高到 75.7 分，超过未优化的 Gemini 3.5 Flash 的 72.4 分。在法律任务测试中，GLM-5 部分评分标准通过率从 59.6% 升至 71.4%。实验中默认由 Claude Opus 4.8 负责提出和实施改进，GLM-5 和 Gemini 主要负责执行任务，并非完全依靠自身实现进化。国内开发者 Joseph Zhou 展示了 Harness² 接入 Jev 1.14 的实验，称视觉任务表现持续改善。
GLM-5.3上架Amazon，智谱打开海外收入分成通道
PANews 10月6日消息，据科创板日报报道，亚马逊云科技（AWS）旗下大模型服务平台Amazon Bedrock官宣接入智谱GLM-5.3，AWS基于模型调用量与智谱进行收入分成。据了解，除了AWS外，智谱近期与多家海外云厂商落地收入分成模式。此前智谱透露计划通过海外云平台收入分成增加一条具有规模潜力的商业路径。 国内方面，智谱也已与阿里云百炼平台等头部云厂商签署类似分成协议，华为云已上架GLM-5.3，并就类似合作达成意向，形成贯通国内外的分成体系。
智谱股价涨超5% GLM-5.3海外走红
火星财经消息,智谱（02513.HK）港股涨幅扩大至超5%。消息面上，智谱旗下GLM系列模型近期接连获得海外认可，近日，AI编程工具Cursor宣布上线GLM-5.3及GLM-5.3-Flash，并表示，GLM-5.3在Max推理设置下，取得其自有编程评测CursorBench 4.0中开放权重模型的最高分。官方榜单显示，该模型得分为42.6%。此外，德国主权AI Aleph Alpha发布的新模型Kolibri，也披露了对GLM的使用。(财联社)