智谱（02513.HK）2026年中期管理层讨论与分析

证券之星消息，近期智谱（02513.HK）发布2026年中期财务报告，报告中的管理层讨论与分析如下：

业务回顾：

2026年上半年公司在编程(Coding)方面验证了大模型的可交付性,从早期简单的编程推荐到完整的代码文件生成再到一整个工程项目(AgenticEngineering)的实现,本公司完整地走完了这条曲线:模型不再只是一个工具,更是具有独立把一件事做完的能力。收入结构随之置换,按调用计费的开放平台与API服务收入占比由去年全年的26.3%升至86.5%,模型本地化部署收入由73.7%降至13.5%。2026年上半年内主营收入结构完成置换,其实本质是模型能力跃迁之后必然发生的事。网络安全(CybersecurityCowork)是模型同一条能力曲线的延伸。软件漏洞挖掘不依赖记忆,而是依靠模型的推理深度与长程自主性,这正是编程能力越过工程项目门槛之后自然延伸的方向。报告期内,本公司模型在CyberGym上取得84.5%的成绩(超过Fable5和GPT-5.6Sol),在ExploitGym上完成130项任务(仅次于Fable5和GPT-5.6Sol)。
      支撑这两条曲线的是基础设施。本公司自2026年初起全面实施All-in-Infra战略,在训练与推理两侧同时投入,并将国产芯片纳入主力推理算力,已实现10万级国产芯片的规模化低成本推理,单位token推理成本较年初下降80%。在全球算力供给持续紧张的条件下,这条路径决定了本公司的成本曲线掌握在自己手里。截至报告期末,GLM模型的MaaS平台企业和开发者用户累计超过580万。本公司总收入约9.54亿人民币(约1.42亿美元),同比增长近400%。其中,开放平台及API业务收入约8.25亿人民币(约1.23亿美元),同比增长2,735.7%。
      2026年8月,本公司发布GLM-5.3与GLM-5.3-Flash(Ox-Alpha),并同步向全量用户开放GLMCodingPlan订阅,覆盖Lite、Pro、Max及团队版本,这是中国国内最早以订阅制交付编码智能体能力的大模型服务之一。截至本公告日期,GLM模型的MaaS平台企业和开发者用户超过740万。
      一、战略聚焦智能上界决定任务边界,任务价值决定商业空间2026年初我们提出过一个公式:AGI商业价值=智能上界×Token消耗规模。这次做一点扩展说明:智能上界决定模型能处理哪些任务、单位token能创造多少用户价值。
      更高的智能上界,意味着模型能处理更高价值密度的任务、每单位智能对应更多的经济产出。Token消耗规模则反映智能被使用的广度与深度,智能上界先打开任务边界,任务边界再决定Token落在什么价值密度的地方。同样规模的Token,用于闲聊和用于修复一个生产环境的漏洞,产出相差几个数量级。
      能力阶梯。模型能力的演进不是并列的产品线,而是一条只能顺序走完的阶梯:Chat→Coding→Agent→Co-work→AutonomousAIChat交付一次回答,任务在一轮之内结束,价值密度最低但覆盖最广。Coding交付一段可运行的代码,第一次出现客观验收标准-能跑通,或者跑不通。Agent交付一条被执行完的多步任务链,模型开始自己调用工具、处理中间失败。Co-work交付一份可以被专业人士覆核的工作成果,模型进入真实工作流,按完成的任务计价。AutonomousAI交付的是持续运行的能力,模型在无人值守条件下承担长期目标。
      每一级向上,都有一个具体的技术门槛把关。从Chat到Coding,门槛是结果可验证;从Coding到Agent,门槛是长程规划与错误恢复;从Agent到Co-work,门槛是可靠性达到专业人士愿意覆核而不是推倒重做的水平;从Co-work到AutonomousAI,门槛是模型能否自己判断做得对不对。门槛跨不过去,上一层的商业模式就不成立。市场空间。任务边界向上,市场空间也逐级放大。按量级粗略估算:Chat对应的搜索市场约1,000亿美元,这是互联网时代给出的答案;
      Coding对应约5,000亿美元的软件研发支出;Co-work对应约5万亿美元的知识工作开支;更长期看,AI重构操作系统与人机交互方式、带动各行业升级,对应约30万亿美元的空间。(上述市场空间为本公司基于公开行业数据的粗略估算,仅供说明任务层级与市场量级的对应关系,有关数据未经独立核证,亦不构成本公司对其业务、财务状况或经营业绩的预测或保证。本公司股东及投资者不应过度依赖该等数据。)相应地,行业的评价标准也在迁移:从单次问答效果和Token消耗量,转向长程任务成功率、单位智能成本、结果可验证性,以及客户的实际经营产出。
      报告期内,本公司的重心处在阶梯的第二级(Coding)到第四级(Co-work)之间。编程方向已完整走通,网络安全进入Co-work的验证阶段,法律等方向仍在早期。2026年上半年本公司研发投入约21.31亿人民币(约3.17亿美元),坚持继续向上攀爬阶梯。
      为什么是这个顺序。我们对AGI有一个朴素的理解:它不是某一个人的智慧,而是人类智慧水平的总和,最终应当具备产生‘相对论’级别原创知识的能力。在这条路上起决定作用的,是模型能力的代际水平。这是本公司所有产品与商业逻辑的起点。
      本公司是国内最早投入大模型研发的团队之一。从GLM预训练架构、悟道系列到今天的GLM-5系列,我们专注做的基本只有一件事:训练更强的模型。行业热的时候没有转去铺产品线,行业冷的时候没有停下迭代。回头看,收入的每一次快速增长,都发生在模型能力提升、新的任务场景被解锁之后,而不是之前。
      二、技术路径与模型进展模型公司的核心能力,是单位资源的智能转化效率。算力、数据和人都是有价的,如何高效地将它们转化为智能能力,决定了本公司能走多远。本公司的极致组织方式就是研究问题从真实任务中来,研究成果直接进入下一代模型,为用户提供端到端的服务能力。
      过去一年,行业对‘SOTA’的理解正在被改写。时点榜单的领先不再是最重要的事,真正值得关注的是谁能以更快的节奏、更优的成本,持续把更强的模型推向市场。我们选取五家厂商2025年9月至今的27款旗舰模型放进同一个坐标系:横轴是范式进步,纵轴是智能指数,进深是单任务成本。在这个坐标系里,单点冠军只是转瞬即逝的一个点,持续最优才是一条不断向上推进的轨迹。各家都在向前走,但节奏与代价不同。GLM系列在约11个月内完成4.6、4.7、5、5.1、5.2、5.3六代迭代,智能指数由32提升至60,单任务成本稳定在0.2美元档,跨越了图中全部三个范式阶段;GLM-5.3-Flash以0.045美元的单任务成本,进入智能-成本前沿。(智能指数与单任务成本来源:ArtificialAnalysisIntelligenceIndex,取数日期:2026年8月27日,任务口径:costperIntelligenceIndextask。)报告期内,本公司的技术路径由三代模型构成。
      1.GLM-5:以Coding为入口,打开长程智能我们最早选择Coding作为能力突破的入口,是因为软件工程是最接近‘可验证智能’的真实环境:任务目标清晰,工具链完整,代码能否运行、测试能否通过、问题能否修复,都构成明确的反馈信号。没有可验证的反馈,就没有可优化的目标。
      GLM-5的能力重点由代码生成延伸至系统理解、任务规划、工具调用、持续调试与工程交付,推动模型从VibeCoding走向AgenticEngineering。
      Coding对本公司的价值不止于帮助开发者写代码。在更长的任务链路中,模型需要持续理解目标、调用工具、处理异常、根据环境反馈调整策略。通过Coding这一高反馈密度的真实环境积累的长程任务能力,可以迁移到网络安全、数据分析、复杂自动化及其他专业领域。报告期内,编程方向已成为本公司收入的主要来源,本节前述的能力迁移在网络安全方向得到验证。
      2.GLM-5.2与GLM-5.3:ScalingdeepwhilescalingupScalingup是扩大模型规模、上下文、算力与系统承载;Scalingdeep是深入后训练、强化学习、长程轨迹与任务反馈。当前阶段,我们把资源优先投向后者。历史上有过几次预演。
      Kaplan定律使参数增速远超数据增速,Chinchilla以‘每参数20token’的配比修正了这条路径,70B配1.4Ttoken全面胜过280B的Gopher。进入推理时代,模型每天被调用数十亿次,推理成本超过训练成本,最优点向‘更小、训练更久’移动。MoE进一步把参数拆成两个量:总参数决定记多少,激活参数与深度决定想多深。近年的研究还表明,最优token╱参数比与任务相关,记忆类任务偏好更大参数,推理类任务偏好更多数据。像网络安全这样的任务,需要的不是背下更多CVE,而是把二十步因果链推到底不散架,这种能力不在总参数里。GLM-5.3是这一判断的一次检验。它与GLM-5.2同架构、同总参数、同激活参数,唯一的变量是后训练规模-用一个月放大长程任务环境与强化学习,在本公司自建的真实场景编码评测中,端到端完成率较GLM-5.2提升超过50%(评测方法与样本量详见GLM-5.3技术博客https://z.ai/blog/glm-5.3)。这接近一次受控实验,说明Scaling不止参数一个因素,而后训练是当下余量最大的那一个。
      我们的思路是:在对的时间,用对的数据,训练对的规模,才有对的模型。不是简单的最大,而是在当前数据与算力约束下、把训练深度做够之后回报智能上界最高的模型。
      具体展开为四个维度。(i)数据:持续提高知识密度与任务复杂度,通过开发者生态、产业合作与Model-with-ModelSelf-Play积累高质量长程Agent轨迹,经筛选、验证、合成后回流训练;(ii)中训练:在预训练与后训练之间,本公司单独配置了中训练阶段的算力,用于提升知识密度、扩展有效上下文长度、建立工具调用与长程任务的基础模式。三个阶段边际收益不同,算力分开计算,不做一次性投入;(iii)算法:针对长轨迹在奖励分配、反馈利用与持续学习上的新挑战,由GRPO探索Critic-basedSAO,由SFT向OPD延伸。GLM-5.2起已引入面向超长轨迹的Critic-based单轨迹优化;(iv)工程与环境:Slime提升大规模强化学习训练效率,IndexShare降低长上下文稀疏注意力开销,MTP优化推理解码,LayerSplit与ZCube优化KVCache管理与集群网络效率。同时持续扩充CodingAgent及更多领域的真实交互环境,让模型在连续执行、失败与重规划中学习。随着环境数量、类型与复杂度提升,模型学习的已不只是如何回答,而是如何在动态环境中持续完成一项复杂工作。四个维度相互咬合:环境产生轨迹,算法提高轨迹利用率,工程支撑更大规模的训练与推理,数据决定起点。
      3.GLM-5.3-Flash(测试代号Ox-Alpha):下一代架构与系统能力如果说GLM-5.3代表当前的能力上界,GLM-5.3-Flash代表的是成本前沿。两者服务不同的任务区间:前者面向需要最高智能的长程任务,后者面向高频、大规模、对成本敏感的调用。
      GLM-5.3-Flash采用全新架构,专为极低成本设计。总参数320B,激活参数18B,层数45层。它采用稀疏注意力与线性注意力的混合架构,在保持长上下文精度的同时大幅降低长上下文服务成本,并采用流形约束超连接(mHC)提升Scaling能力。结合30T级多模态预训练语料,GLM-5.3-Flash在基准测试与实际应用中均优于GLM-5.2,价格为后者的十分之一。
      正式发布前,我们以匿名模型Ox-Alpha在OpenCode与OpenRouter上接受真实调用检验。上线首日冲至OpenRouter榜首并刷新该平台单日Token用量纪录;上线一周成为双平台调用量最大的模型,6天Token调用量超过62万亿,带动平台整体调用量提升超过20%。
      4.国芯推国模GLM-5.3-Flash模型的推理是本公司第一次在超大规模真实流量中全面使用国产芯片集群提供服务,芯片之间通过自研高带宽互联网络连接。这项工作的完成方式本身值得记录:整个推理引擎的构建由GLM-5.3驱动的infraagent大幅加速,它协助工程师开发与优化算子、诊断性能瓶颈、改进部署服务栈。模型优化系统,系统承载模型,这个循环第一次在本公司内部跑通。算子开发周期缩短一半。这也是本公司自身对co-work的一个内部验证。
      技术上的主要约束是国产芯片的内存容量与带宽,支持1M上下文尤其困难。为此我们在SGLang基础上构建专用推理引擎,做了以算力换带宽、以通信换显存的定制优化,并在集群层面采用生产级Encode-Prefill-Decode分离式架构,将多模态编码、prompt预填充与逐Token解码拆成可独立调度、独立扩缩容的工作池。与同一硬件上的初始基线相比,端到端服务性能提升3倍;在编码场景下,单Token的国产芯片推理成本已达到与主流进口卡性价比相当的水平。国产芯片可以在大规模场景下经济地支撑前沿模型的推理。
      三、商业化进展:Rightmodelwillnativelygotomarket(一)收入结构翻转本公司的收入结构变化,本质是模型能力提升带来的交易方式演进:卖模型→卖调用→卖订阅→卖端到端任务结果这四种交易方式不是并列的产品线,而是模型能力提升后依次解锁的形态。模型能独立完成的任务越完整,客户购买的东西就越靠近结果本身,收入的计量单位也随之改变。
      1.本地化部署阶段:完成行业深度积累与验证早期模型尚不足以独立完成一件完整的工作,客户购买的是工具,而工具需要被集成、被定制、被交付到自有环境中;叠加数据安全、合规与自主可控的要求,本地化部署成为企业采用大模型的自然起点。这一阶段的交易方式是卖模型,一次性授权,项目制交付。本公司在这个阶段完成了重点行业渗透、复杂场景理解与企业级交付能力沉淀。这些积累今天仍然有效-变化的是交付形态,不是行业理解。
      2.Coding阶段:从一次性交付转向持续调用GLM的编程能力提升推动API与CodingPlan快速增长。本公司在这一阶段主动收缩了本地化部署模型软件授权业务,转向持续提供可调用、可扩展、可量化的智能服务。2025年底,API调用量较当年6月底增长约7倍,来自开放平台及API的收入占总收入约26.3%,毛利率提升至18.9%。Coding成为Token消耗与云端收入增长的第一个规模化入口。这一步的意义不只在增速。收入从一次性确认转为持续发生,本公司第一次拥有了可预测的经常性收入。
      3.Agent与Co-work阶段:由模型调用走向任务交付2026年上半年,GLM在Agent规划、工具调用、持续执行与长程任务上的能力继续提升,业务由Coding单点应用向软件工程、网络安全、数据分析与复杂自动化等高价值场景延伸。交易方式从卖调用进一步走向卖订阅、卖端到端的任务结果。
      报告期内,开放平台及API业务收入8.25亿元,同比增长超过27倍,占总收入约86.5%,去年同期为15.2%,提升71.3个百分点。
      Co-work是这一阶段中正在打开的部分:模型连接企业数据、工具与业务系统,嵌入采购、财务、客服、研发、IT运维等环节,从理解需求走到执行任务;企业的真实工作流又反过来成为模型可学习的环境与数据。报告期内本公司已在网络安全、法律、金融、教育等方向展开尝试,其中网络安全进展最快,其余方向仍处早期,尚未形成规模化收入。
      三个阶段回头看是一条线:模型每完成一次能力跃迁,客户购买的东西就向结果靠近一步,本公司的收入结构随之改写一次。
      (二)量价齐升,毛利改善,亏损收窄上述增长不是以价换量的结果。截至本公告日期,MaaS平台Token调用量较年初增长超过40倍,其中CodingPlan调用量增长超过23倍;同期API平均售价提高约101%,CodingPlan订阅价格亦有上调。量在涨,价也在涨。
      报告期内,开放平台及API业务毛利率提升至24.6%,较去年同期提升约25个百分点,较去年全年提升约6个百分点。本公司期内亏损较去年同期减少12.1%,亏损率(亏损╱收入)较去年同期收窄4.7倍,经调整期内净亏损率(经调整期内亏损╱收入)较去年同期收窄3.5倍。规模扩大的同时单位经济在改善,这是我们更看重的一组数。
      (三)从Coding走向Co-workCoding是当前消耗最大、验证最充分的场景。依托代码生成、工程理解、工具调用与长程任务能力,本公司由代码辅助向软件开发全流程延伸。ZCode通过Harness承担上下文管理、工具调用、任务调度、缓存与结果校验,改善模型在真实工程中的表现。随着长程能力提升,编程任务的复杂度上限还在抬高。
      选择进入哪些Co-work方向,本公司用三个维度判断:智力门槛,即对推理、规划、工具调用与长程执行的要求;单位智能消耗,即完成一次任务所需的有效Token、推理时长、算力与人工干预;
      单位产出价值,即单次交付带来的收入、节省的人力时间、降低的风险。三者共同决定一项任务今天是否值得交给模型来做。
      对大型企业与公共机构,本公司继续提供本地化部署与组织级智能基础设施,满足数据安全、权限管理、系统集成与国产算力适配的要求。这类需求不会消失,但在收入中的角色已从主体变为补充。
      (四)用户规模与使用深度截至本公告日期,本公司MaaS平台用户数超过740万,较2026年初增长144%;付费日活用户数较年初增长603%。以收入计的前十大用户,日均调用量较年初增长98倍。
      三个数字的方向一致而幅度递增:用户在变多,付费用户增长更快,已付费的重度用户用得更深。第三个数字尤其重要,它说明模型正在客户内部从试用走向生产。
      (五)算力乘数报告期内,本公司的算力乘数-每投入人民币1元算力(含训练与推理)所对应的开放平台及API收入-较去年同期提升约14倍。
      这条曲线的改善来自两头:单位Token承载的智能在提高,单位任务消耗的Token与成本在下降。前者由模型能力决定,后者由基础设施决定;两者同时改进,才有‘智能-成本’的帕累托推进。
      每投入人民币1元算力换回的收入在增加,意味着模型的自我造血能力在增强。我们希望把这条曲线继续往上推。
      四、生态与安全:让能力获得真实世界的信任模型能力要变成可依赖的服务,中间隔着一件事:真实世界是否信任它。本公司在这个方向上同时做两件事:开源开放,让安全能力与模型能力同步增长。一方面,本公司通过开放模型权重、MaaS平台、CodingPlan与全球开发者网络,让模型进入尽可能多的真实环境。另一方面,本公司通过权限控制、过程监督、风险评估、漏洞披露与外部验证,建立能力的可核查性。两件事互为条件:没有开源开放,安全无从检验;没有安全,开源开放无法持续。
      安全不只是合规成本,它也可以是一种可验证的公共品,帮助市场判断一个模型能否被安全、稳定、长期地部署到真实环境中。
      从能力到公共品自GLM-5.2发布以来,本公司联合多家安全团队开展了持续的红队测试与安全评估。截至报告期末,累计发现漏洞2,436个(经初筛与去重),其中,中高危1,097个,覆盖系统内核、操作系统、浏览器引擎、开源基础组件、互联网应用与网络协议等269个项目。其中相当一部分是长期存续、未被发现的历史漏洞,最长的已存在20余年。
      这些发现已经形成一项持续的漏洞发现与披露工作,相关漏洞陆续提交至CNNVD/CNVD等国家漏洞库。为提高透明度,本公司建立了安全披露账本(https://cvd.z.ai/),记录漏洞从发现、确认到修复的全过程。账本持续更新,仅公开已完成披露并由厂商修复的漏洞;对仍处于协调披露阶段的漏洞,公开哈希值以供后续核验,不公开可复现的利用代码。
      这套机制的意义在于,它把模型的能力放在一个第三方可以核验的位置上。基准分数由我们自己报告,漏洞披露则由国家漏洞库和厂商确认(后者是外部信任的来源)。
      开源与开放随GLM-5.3发布,本公司同步启动‘开源的盾’计划,包含三项持续投入:第一,对重点开源项目开展持续安全审计,帮助维护者免费发现并修复风险,审计结果通过OpenVuln公开(https://huggingface.co/spaces/zai-org/OpenVuln)。第二,向开源社区免费提供模型额度与防御入口,开源项目维护者可申请用于安全审计和防御任务。第三,在ZCode中提供代码审计功能,使安全检查进入日常研发流程。
      这三件事的共同点是把本公司最前沿的能力,交给最需要它但最付不起钱的一方。开源基础组件支撑着几乎全部现代软件,维护者往往是无偿的少数人;攻击方使用前沿模型的成本正在快速下降,防守方却未必负担得起。当最强的矛被锁在少数人手里,最好的盾必须属于所有人。在开源之前,本公司联合国内顶级安全团队开展持续红队测试与自动化越狱评估,用新产生的样本迭代加固审查系统,并邀请专业团队对模型的高风险任务能力进行独立评估。能力释放与风险防护之间的平衡,则由外部机构而非本公司自己判断。
      从商业角度看,开源与安全并不是成本项。开源带来的分发规模,是模型获得真实任务反馈的前提;安全披露带来的外部确认,是企业客户决定是否把模型接入生产系统的依据。
      能力边界与受控开放模型在网络安全方向上的能力具有双重用途。本公司对最敏感的能力采取受控开放:面向经过验证的安全研究者与机构提供,其余用户按标准安全策略使用。在模型开源前,本公司完成安全评估、模型加固与使用边界设计。

业务展望：

2026年上半年我们验证了模型可以独立完成一件完整的工作。下一步,是让它承担一段完整的业务。
      一、任务:从长程任务到自治系统更长的时间跨度。让模型在更长的周期内保持目标一致,持续进行任务拆解、工具调用、环境交互、错误修复与结果验证。今天的前沿是数小时量级的工程任务,下一步是数天量级的完整交付。
      多智能体协同。从单一Agent走向多Agent分工协作,由模型承担完整业务流程,从辅助工作走向执行工作。这一步的门槛不完全在智能本身,更在可靠性与可审计-模型要能在无人逐步检查的条件下工作,同时留下可覆核的痕迹。
      任务边界每向外推一层,对模型能力的要求就换一个量级。因此接下来的问题是:能力还能沿哪些维度继续提升。
      二、能力:Scaling从未停止Scaling依然是通向更高智能的主路径,这一点没有变,变的是Scaling什么。
      过去几年,Scaling几乎等同于参数量。但参数越过‘装下世界’的阈值之后,继续加宽的边际收益迅速下降,而其他维度的余量还远未用尽。今天决定一个模型上限的,是四个因素的组合:基座规模、有效深度、训练深度、任务环境。四者边际收益不同,且随阶段轮换;本公司的资源分配,就是在不同阶段判断哪个因素当前回报最高。
      基座规模:上限由预训练决定。后训练是当期回报最高的旋钮,但智能的天花板由基座决定。一个模型能被训练到多深,取决于它在预训练阶段见过多少世界、留下了多少可被激活的结构。把后训练做到极致之后,下一段增长必须回到基座。本公司从未停止基座迭代–GLM-5.3-Flash已使用新一代架构与30T级多模态预训练语料,验证了新架构在中等参数量级上的效率;在此基础上,本公司正在推进下一代基座模型的训练,方向包括更大的有效规模、更长的原生上下文与原生多模态的统一建模。
      有效深度:让模型多想几步。参数决定记多少,深度决定想多深。循环架构(LoopTransformer)通过层的循环复用,在不显着增加参数量的前提下提高有效计算深度,把算力从‘记’转向‘想’(本公司已在初步实验中验证了这一想法)。这条路径与我们对任务的判断一致:网络安全这类工作需要的是把二十步因果链推到底不散架,这种能力来自深度,不来自总参数。
      训练深度:当前余量最大的一个。GLM-5.3是这一判断的直接证据-与GLM-5.2同架构、同总参数、同激活参数,唯一变量是后训练规模,端到端完成率提升超过50%。这条曲线尚未见顶,本公司将继续扩大长程任务的强化学习规模、延长有效训练轨迹、提高轨迹利用效率。
      任务环境:新出现的变量。当算法与算力都不再是唯一瓶颈,环境的数量、类型与复杂度开始直接决定模型能学到什么。这是过去两年新出现的维度,也是本公司下一阶段投入最集中的方向。
      三、系统:FullySelfTraining四个旋钮中,环境的扩建速度正在成为新的瓶颈。而更深一层的变化是:训练系统的三个组成部分:数据、环境、基础设施,都出现了由AI接管的早期证据。
      数据开始自产。高质量人类数据正在见顶,公域数据接近用尽,而下一代基座需要的是数以万亿计、质量只升不降的token。我们的解法是一条model-vs-model的自我对弈管线:一个模型生成解法与内容,另一个模型评审、测试、执行验证,通过对抗检验的数据才进入下一环节。之后是四层过滤-规则校验确认可编译、推导自洽、格式合规;
      执行验证在沙盒中实际运行,执行结果本身就是最高质量的训练信号;模型评审再加一道判断;最后人工抽检校准。沉淀下来的是可验证、可执行、可复盘的数据,同时反哺预训练、中训练与后训练三个阶段。
      因此,数据的质量上限不再取决于人类标注的速度,而取决于模型自身的验证能力。模型越强,生成的问题越难、验证越严,数据质量越高;更好的数据再训练出更强的下一代。数据从一次性的消耗品,变成可跨代复用的资本品。
      环境开始自造。一个有用的训练环境必须可执行、可验证、贴近真实专业工作,而且需要成千上万个,手工搭建供不上。在GLM-5.3的技术博客中,我们分享了一些我们的做法:研究智能体从真实工作中采集任务模式,把资深工程师数天工作量的任务转化为可运行的长程环境,内含多步依赖与隐藏状态;裁判智能体逐一试做,确认任务确实可解;验证器在无法访问参考答案的条件下被合成,再用求解器轨迹发现并封堵奖励捷径;通过oracle、no-op、未解状态三项检查的验证器,最终产出可直接用于强化学习的二值奖励。slime架构把数学、代码、沙盒、验证器降格为即插即用的数据组件,环境成为流水线上的标准产品。
      需要说明的是,这条管线目前仍有相当数量的人工环节。让环境的生成与验证更加自主,是我们的下一步。
      基础设施开始自我优化。推理系统的优化:内核、调度、量化、算子等,本质上是代码工程任务,而这恰是模型最强的能力域。GLM-5.3-Flash的推理引擎就是这样完成的:由GLM-5.3驱动的基础设施智能体协助工程师开发优化内核、诊断性能瓶颈、改进服务栈,最终在国产芯片上把端到端服务性能提升三倍。同一逻辑也在训练侧运转:slime让训练与大规模推理rollout共用一套数据流,强化学习中积累的配置经验与调度策略可直接迁移到生产服务阶段。
      三条线指向同一个终局:模型参与自身的改进,形成递归式的自我改进(RecursiveSelf-Improvement)。这不是一个遥远的概念,2026年上半年本公司已经出现了它的早期形态:GLM-5.3参与了服务GLM自身的推理引擎优化,GLM生成的环境正在训练下一代GLM。差别只在于,今天这个回路里还站着大量工程师。回路每收紧一环,智能进步的速度就更多地由环境生长的速度决定。
      这就是我们的技术愿景:FullySelfTraining,下一代GLM,将在上一代GLM搭建的环境里训练。
      四、边界与治理本公司的技术愿望是模型可以自动参与训练系统的建设,但也需要保证对其能力的评估与风险的判断最终由人来裁量,并引入外部机构独立评估。2026年上半年我们在网络安全方向上已经这样做了,即最敏感的能力受控开放,开源前由第三方专业团队独立评估,漏洞通过国家漏洞库完成责任披露。基准分数由我们自己报告,风险判断交给外部确认,这个分工不会因为能力提升而改变,只会随能力上移而加强。
      本公司将继续在能力上限、推理效率、任务价值密度与安全治理之间寻找新的平衡,让更高水平的智能稳定、可控地进入真实世界,让全人类享受普惠智能。

以上内容为证券之星据公开信息整理，仅供参考不构成投资建议。