这两天智谱的讨论区画风是这样的：“GLM5.5总不来，只能在群里天天发段子了”。别笑，段子背后是真蹲麻了的一群开发者。但如果把过去两周漏出来的线索串起来看，GLM-5.5 的轮廓其实已经能画出个七七八八了。小红书
爆料链：从"页面闪现"到"教授摊牌"
10月28日，OpenCode 站点悄悄挂出一行 `glm-5.5-flash`，参数全未知。同一批 sitemap 泄露里的 GLM-5.4、Kimi K4 等未发布条目，曝光后随即被从站点地图中移除。小红书微博
10月底，有博主爆料称 GLM-5.5 已进入深度后训练，内部 32B、122B、256B 三档检查点正在合并进下一代基座。小红书知乎
11月4日，清华大学讲座上，智谱联合创始人唐杰直接晒出 GLM 数据配方课件，课件照片随即被广泛转发。这才是整轮传闻里最接近"官宣"的一手信源。微博小红书
100T 数据：六条源，条条吓人
课件里的数据配方是六源：1万亿网页（日爬约100亿页）、20亿科学PDF（GLM-OCR 解析）、5000万本图书、5亿个代码仓库（转化为带真实测试和 issue 描述的可执行任务）、100亿条视频、3亿小时音频（ASR 重写成万亿级 token）。微博小红书
而唐杰反复提及的"100T"，指的是干净原生文本的天花板——GLM-5.5 想要够到的数据量级。微博
100%RSI：AI"自己造自己"，这次不是PPT
更扎眼的线索来自一名智谱研究实习生的公开个人页：GLM-5.5 的编程后训练，绑定了量化金融训练环境、代码沙箱、100% RSI这几个关键词。知乎小红书
RSI（递归自我改进）听着玄，但智谱9月已经给出了实打实的样本：《通往递归自我改进》里，GLM-5.3 驱动的 InfraAgent 参与搭建并优化了自己的推理服务，跑在十万张以上国产AI芯片上，从第一次跑通到承接全部线上流量只用了两周，端到端吞吐提升约三倍。唐杰的原话是一句话闭环：“模型优化系统，系统服务模型。”36氪
作为对照，Anthropic 的测量显示：截至今年8月，Claude 已在人的监督下"主导"了26%的模型研发工作，2月时还不到1%。而唐杰已经把 GLM-6.0 定位成"全自训练技术路线"。他还放话，国产模型摸到旗舰级 Fable 水平"不用等明年，今年就行"。36氪知乎微博
先别急着喊"国产最大"，三盆冷水
参数量存疑：网传纪要称 GLM-5.5 实际参数规模在 2.5万亿~3.5万亿区间，而非此前传闻的1.6万亿。若坐实，这将接近当前 GLM-5.2/5.3（7400多亿）的4倍、超过 Kimi K3 的 2.8万亿成为国产最大——但"翻四倍"目前全是二手消息。微博
跳票有前科：摩根大通今年6月还说 GLM-5.5"8月发布"，结果已经跳票一次。统计上智谱今年平均61天发一个新模型。但"平均数"不是截止日期。微博小红书
社区质疑很具体：知乎高赞观点直指"大部分估计都是合成数据，现在数据比模型贵"，对爆料的金融方向也不看好，认为金融是负和博弈。而国产厂商普遍缺卡的背景下，4倍参数对算力的压力，才是"发布第一天就能大规模服务"最大的变数。知乎
对普通人意味着什么？
GLM-5.3 高速版已经能每秒狂喷近500个 token。海外已经有公司因 Claude 成本过高改用 GLM 自建服务、降本90%，交付周期也缩短了约70%。如果 GLM-5.5 真兑现"旗舰性能+更低推理成本"，编码套餐和 API 定价又得重算一遍账。至于现在，能做的只有一件事：蹲智谱把靴子落地。36氪知乎
