这周的GLM时间线被劈成了两半。一半在传"智谱GLM-5.5参数要干到3T"，笔记底下吵成锅粥，有人把上一轮传闻都翻出来了：之前传的说是1t，8月发布，这真的是各种坊间消息不断。另一半则是"牛来"登顶、中报收入涨近4倍、夜间免单、周末3亿token，一副"效率路线赢麻了"的画风。小红书
到底哪个是智谱？看坊间爆料没用。两份一手材料足够把这事说清：8月31日晚2026年中期业绩会上，智谱首席科学家唐杰念给投资者的发言全文，和财报里的技术表述。把数字抄下来对一对你会发现，智谱自己讲的scaling故事，从头到尾就没在讲参数。
一、业绩会纪要里的三组硬数字，没有一组靠"做大"实现
第一组：同一个基座，只改后训练，完成率+50%。唐杰念得很直白：同架构、同总参数、同激活参数，仅扩大后训练规模，端到端完成率提升超过 50%。他在会上顺手给了判词——Scaling不只有参数这一项，训练是当前提升空间最大的因素。知乎
翻译成人话：8月底那个被叫做"最强开源编程模型"的GLM-5.3，本质上不是一个新模型，是同一块基座换了更狠的组织方式——更长程的强化学习轨迹、更接近真实专业工作单元的任务环境。参数表上看不出来，自建编程评测里端到端完成率涨了一半。安全那边是同一逻辑的验证场：CyberGym拿到84.5%、超过WABO5与GPT-5.6 SOLO，靠的是把漏洞复现当成可反复验收的任务环境，不是把模型做大。
第二组：320B总参数、18B激活、单任务4.5美分。GLM-5.3-Flash是"专为降低成本设计"的新架构，总参数 320B、激活参数 18B，融合稀疏注意力与线性注意力，价格为 GLM-5.2 的 1/10。知乎
整场纪要里最该被记住的成本句是这个：单任务成本稳定在0.2 美元档位，而GLM-5.3 Flash 更以 0.045 美元的单任务成本进入智能成本前沿。知乎
发布方式本身就是这套路线的注脚：先以匿名模型OxAlpha（社区昵称"牛来"）丢上OpenRouter挨打，上线首日登顶 OpenRouter，并刷新单日 Token 用量纪录，6 天调用总量超过 62 万亿。知乎
官宣认领时还有个细节容易被刷走：这轮匿名测试全部跑在国产芯片上，36氪给的谜底是全部国产卡承载，价格仅为Opus 4.8的1/40。唐杰在纪要里把这条叫"国芯推国模"，18B激活+混合注意力+国产卡serving，凑齐的是一整套"用得起"的工程账。36氪
第三组：11个月六次迭代，节奏代替参数。GLM 系列在约 11 个月内完成六次迭代，智能指数从 32 提升至 60。财报把智谱的scaling拆成了四个变量：基座模型规模、有效深度、训练深度、任务环境。参数只是第一个旋钮，后面三个才是这一年真正在动的东西。知乎知乎
三组数字摆完，再看"3T参数"传闻：没有任何一手信源支撑。作为对照，友商是真的在卷参数——阿里Qwen3.8-Max-0902以1691分登顶CodeArenaWebDev，总参数2.4T。两条路线同框，"大模型竞赛换了评判标尺"这句评价，才不像是粉丝滤镜。知乎
二、LoopTransformer：财报里一句"初步验证"，怎么就被玩成了全民玄学
真正让"效率路线"从财务话题变成技术话题的，是财报里只有一句话的东西：Loop Transformer。这里必须替智谱降降温：公告并未宣布某个已发布 GLM 型号采用了 Loop Transformer，也没有给出下一代模型的循环层数和性能数据。唐杰的原话也只有半句"让模型在推理过程中思考得更深，我们近期也在推进相关工作"。官方口径克制成这样，照样架不住这周同行的衬托：字节十月底开源了个2.6B的小模型，在好几项评测上追平了8B的Qwen3，数学题那一栏甚至反超一大截。紧接着清华、字节Seed陆续给出等预算对照实验，再加上OpenAI的GPT-6-Astra采用了recurrent depth，也就是Loop Transformer这一类循环深度思路的小道消息沸沸扬扬——“原地转圈"突然就成了比堆参数性感的叙事。注意，Astra这一条至今只是社区流传，OpenAI没有官宣，智谱这边也只是"早期实验初步验证”，两边都不能当产品事实用。知乎知乎知乎
原理一句话说穿：普通Transformer是80层楼每层一套权重，Loop是20层楼把同一套权重跑4遍，有效深度接近80层，但只需要存20层的参数。它省下的主要是参数存储和权重读取压力，计算量并没有凭空消失。简单token一两轮退出、难token多转几圈，这个"动态早退"能不能产品化，才决定平均成本压不压得下来。学术前史也得讲公道话：2018年就有Universal Transformer，字节Ouro把它推进到大规模预训练，MoE×循环的路由稳定性还有专门的scaling law在解。这条路上没人发明轮子，智谱的差异化动作是把它连同"训练深度"一起，写进了一家上市公司的能力路线图。知乎
更有实感的是9月10日前后刷屏的Z.ai×清华论文《Trace as State》——循环计算的推理侧近亲。长上下文的老毛病"模型读过了但没记住"，论文的解释很扎心：第一次读的时候，模型还不知道自己该记什么。解法简单到不像论文：让模型先读一遍、想一遍，把第一轮的推理痕迹塞回上下文最前面再读一遍。DeepSeek V4 Pro在GraphWalks任务上首轮29.2分、痕迹放文末43.0、放最前81.8；GLM-5.2从66.4直接打满100.0。对照组也做了：单纯把上下文重读一遍远达不到这个效果，随机塞一段别的推理痕迹还会变差——起作用的确实是"任务状态"本身。小红书
顺带一个能白嫖的实操：这套东西不改架构、不改训练，理论上你现在就能在agent里自己搭——让模型先粗读仓库生成一份推理笔记，把笔记放最前、代码放后面再正式跑任务。论文还没进官方API，先动手的人先吃螃蟹。
三、这场路线仗，跟你的钱包什么关系
对每天在zcode里蹬GLM、纠结要不要续费Coding Plan的人来说，技术路线不是玄学，是你账单的底层逻辑。便宜是真有底的：18B激活、混合注意力、国产卡serving，才撑得起"Flash价格是GLM-5.2的1/10"、0.045美元单任务，进而才有力气搞夜间免单——官方给的时间窗是9月3号到9月20号，付费的coding plan订阅用户在zcode里夜间无限畅用。36氪管这叫"低价增长时代"，更准确的说法是：效率路线的账面收益，第一次以价格战的形式漏到了用户侧。知乎
但社区反证同样真实，而且很具体。很难想象5.3和5.3Flash是同一家公司在同样的Infra架构下跑的模型5.3动不动给我卡住，5.3Flash倒是几乎不卡。还有人给Flash泼冷水：5.3 flash 是真没啥亮点 除了快。有效深度是要付延迟的，循环做深和"快"在物理上就是矛盾体，动态退出没有落地之前，体验就还有锯齿。知乎
适用性直接给结论：深夜跑批量任务、刷重构、喂长文档的，你就是错峰+低成本架构的精确受益人，免单窗口和周末3亿token值得排进日程；白天要实时结对、对延迟敏感的，别看智能指数，先把自己的工作负载压测一遍再决定切不切主力——“斩杀”"登顶"是周更的叙事，崩不崩才是日用的体验。
四、接下来盯四个信号
下一版GLM（不管叫5.5还是6.0）的模型卡里，有没有循环深度、动态退出这些字段——从"初步验证"到"已用于产品"，就差这一句；
Trace-as-State这类推理侧方案会不会进官方API，还是继续留给社区手搓；
同基座+50%这个训练深度红利还剩多少——如果后续版本还在同一块基座上白嫖完成率，说明路线没撞墙；
Astra的recurrent depth小道消息，被OpenAI确认还是打脸。
可以确定的是："scaling=堆参数"这条唯一路线，已经被智谱自己财报里的数字动摇了。至于是不是终局，9月20日夜间免单到期那天，和下一个GLM发布那天，都会再给一次证据。参数军备竞赛的好处永远只进GPU厂商的账单，而效率路线的进步，是目前唯一会以降价形式漏到你手里的那一种——这也是你值得多看智谱这份技术叙事几眼的真正原因。
