---
title: "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"
topic_id: 82255481224588252
created_at: 2026-07-19T20:15:38.923+0800
source: zsxq
type: topic
cssclasses: zsxq-vault
---

# 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](https://wx.zsxq.com/group/15522451881222/topic/82255481224588252)
- 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. 1）GLM5.3将延续Scaling law，预计重回开源SOTA。
2. 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。
3. 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；
4. 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。
5. 模型侧，LayerSplit 可将 KV Cache 压缩约80%，整体吞吐量提升约132%；
6. 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。
7. 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。
8. 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。