智谱电话会核心信息分享： 1）GLM5.3将延续Scaling law，预计重回开源SOTA。 GLM5使用了22T参数，后续使用仓库级代码数据、特定环境合成推
- 序号：114
- 星球链接：打开网页
- 附件：图片 0，音频 0，文档 0
- 音频文件：无音频
图片
无图片
正文
智谱电话会核心信息分享：
1）GLM5.3将延续Scaling law，预计重回开源SOTA。
GLM5使用了22T参数，后续使用仓库级代码数据、特定环境合成推理数据、长文本数据、agent数据以及大量合成数据，扩展数据维度。此外，在后训练、基础设施层面还有更大规模优化。
2）GLM5.5将采用全新架构有望全面对标Fable。
闭源顶尖coding模型行列。GLM 5.3之后的下一代模型将采用全新的模型架构，该架构可支撑模型规模比当前GLM 5代模型大得多，同时能保持很高的训练和推理效率，既可以支撑继续探索智能上界，也能支持大规模落地使用；该模型的目标是实际体验全面对标Fable级别模型，而非仅在部分基准测试中达标。 2026-07-19 18:33 信息社： 0719智谱官方技术交流要点@华泰计算机
Scaling Law 远未结束，参数、数据、环境、强化学习、基础设施等多个维度都还在持续推进。
智谱拥有完整的全栈 Scaling 能力。模型侧，LayerSplit 可将 KV Cache 压缩约80%，整体吞吐量提升约132%；基础设施侧，Z-Cube 组网架构可使集群吞吐提升约15%，P99首字延迟降低约40%，同时优化任意两个 GPU 节点之间的传输路径。
近期将推出的GLM-5.3，仍会沿着多维 Scaling 路线迭代，包括更多、更高质量的数据，更强的后训练技术，更快的基础设施，以及更好的真实 Coding 任务体验。
GLM-5.3 之后， 智谱还将切换到全新架构 ，目标是支持远大于 GLM-5 系列的模型规模，同时兼顾训练效率、推理效率和智能上限。
☎️From 华泰计算机 郭雅丽/范昳蕊/袁泽世/岳铂雄/王浩天/徐诚伟
总体总结
主题正文
- 1）GLM5.3将延续Scaling law，预计重回开源SOTA。
- GLM5使用了22T参数，后续使用仓库级代码数据、特定环境合成推理数据、长文本数据、agent数据以及大量合成数据，扩展数据维度。
- GLM 5.3之后的下一代模型将采用全新的模型架构，该架构可支撑模型规模比当前GLM 5代模型大得多，同时能保持很高的训练和推理效率，既可以支撑继续探索智能上界，也能支持大规模落地使用；
- Scaling Law 远未结束，参数、数据、环境、强化学习、基础设施等多个维度都还在持续推进。
- 模型侧，LayerSplit 可将 KV Cache 压缩约80%，整体吞吐量提升约132%；
- 基础设施侧，Z-Cube 组网架构可使集群吞吐提升约15%，P99首字延迟降低约40%，同时优化任意两个 GPU 节点之间的传输路径。
- 近期将推出的GLM-5.3，仍会沿着多维 Scaling 路线迭代，包括更多、更高质量的数据，更强的后训练技术，更快的基础设施，以及更好的真实 Coding 任务体验。
- GLM-5.3 之后， 智谱还将切换到全新架构 ，目标是支持远大于 GLM-5 系列的模型规模，同时兼顾训练效率、推理效率和智能上限。