行业观察与智谱技术路线
过去一年，AI行业取得显著进展，OpenAI和Anthropic交替领先，推动智能上限不断突破。智谱AI发布的GLM5.2模型在7000亿参数量级上实现对标海外顶尖模型的能力，尤其在coding和Agent场景达到业界最强水平，并以更优的推理成本和速度推动高水平智能的普及。友商月之暗面发布的K3模型参数量更大，效果接近海外顶尖闭源模型，印证了Scaling Law路线的价值。
尽管近期AI板块出现波动，但模型能力迭代速度加快，开源生态繁荣，下游需求增长，产业长期趋势向好。智谱AI坚持基座模型研发，认为通往AGI的道路远未收敛。
智谱AI模型进展与对比
智谱AI今年推出GM5模型，参数量扩大一倍，预训练数据量接近30T，采用DSA架构并跑通Agent IO技术栈。5.1模型首次针对长城任务优化，可执行复杂长城任务。5.2模型将上下文扩充到100万，引入可控thinking机制，实现更长程的扣定工程端到端交付，达到开源模型历史性里程碑，与Claude和GPT同台竞争。
与Kimi K3模型对比，GM5.2参数量约7400亿，K3达2.8万亿。GM5.2在智能水平和效率上平衡较好，相信继续scaling后效果会超越K3。K3在参数量、专家数量、训练数据量等方面领先，但部署要求更高，速度较慢。
Scaling Law仍加速
Scaling Law仍加速，除了参数量scaling，还包括数据、环境、强化学习和infra的scaling。
- 数据scaling：智谱AI持续提升数据质量，GM5.2训练数据量达100万上下文，并探索合成数据和环境数据，如真实coding agent环境。
- 强化学习：智谱AI提出Sao算法，优化长任务轨迹上的强化学习反馈，支持thinking强度适配，提升多轮智能体强化学习训练效果。
- Infra优化：智谱AI提出layerspe技术减少kv cache存储冗余，提升吞吐132%。提出z cube组网架构，提升集群吞吐15%，降低P99手掌40%。采用DSA+index share协同设计，大幅提高推理效率。高速版模型可达400+ TPS，近期5.2模型速度达五六百TPS。
未来模型规划
- 近期：发布GM5.3模型，继续scaling数据、后训练技术和infra，提升coding实际体验，保持在顶尖coding模型行列。
- 下一代：采用全新架构，支持更大规模，保证高训练和推理效率，对标F级别模型，全面体验达到顶尖水平。
未来趋势与计划
- 长城自制系统（LM driven autonomous agent system）：模型将从单一任务转向复杂系统运营，智谱AI的GM5.2在Anton Las的vending bench two任务中表现优异，达到业界领先水平。
- 自我训练（Recursive Self Improvement, RSI）：RSI将推动AI迭代速度和安全性提升，竞争模式转向迭代速度和验证能力，智谱AI将积极推动RSI发展。
