刷到一个说法：“智谱实现了RSI，AI开始自己训练下一代自己”。先把结论放这：官方报告只认领了一半，而且认领的那一半，比标题党那一半更关系到你的钱包。
我把9月17日Z.ai的技术报告《How GLM Built Its Own Inference Infrastructure》、唐杰随后发的《通往递归自我改进》、9月28日知乎"好评笔记"的逐段核对、Anthropic的测量报告，以及智谱9月13日那份50亿美元融资公告拼完，这篇只讲三件事：循环里到底哪一圈转起来了、哪一圈还空着、以及转起来的部分什么时候能便宜到你手上。
先对数字：这份"战报"到底写了什么
GLM-5.3驱动的InfraAgent（基础设施智能体），参与了GLM-5.3-Flash推理服务的搭建和优化；
这套服务跑在超过10万张国产AI加速卡上，Z.ai称此前没人把这个规模的国产卡集群跑过同类部署；要在这上面适配新模型架构、支持100万token上下文、还要吃下多模态请求，配套软件不少内核缺支持，很多运行行为只能边做边查；
从第一次跑通到承接全部线上流量，用了不到两周；端到端吞吐量做到初始W8A8基线的约3倍。36氪
服务上线时先用匿名模型名"Ox-Alpha"挂在OpenCode和OpenRouter上，一周内成了这两个平台使用量最高的模型，6天处理超过62万亿token。 智谱官方9月18日也认了：Ox-Alpha就是GLM-5.3-Flash。知乎新浪微博
报告称每token成本和硬件利用率达到与主流NVIDIA GPU相当的水平——但注意，逐款卡的对照配置表没有公开。
还有个容易被划过去的小细节：团队自述，GLM-4.7之前用自家模型写代码多少有点"支持自家产品"的意思，到GLM-5.3，自家模型已经是团队的日常编码助手。 内部工具变成日用，这比任何发布会数据都更能说明问题。知乎
唐杰的三块拼图：让循环转起来的不是智能
这是全场最容易读歪的一句话。唐杰（智谱首席科学家）在社交媒体上的原话是，智谱已经实现了最小的闭环：模型优化系统，系统服务模型。 他对递归自我改进的理解恰恰和多数标题相反：凑齐闭环靠的不是模型变聪明，而是"可被改进的对象＋一个便宜又硬的裁判＋一个能自我供给的回路"这三块拼图。再聪明的模型，没人告诉它上一步对不对，跑几年也在原地打转。36氪
这次真正闭合的是第一块：模型碰不到自己的权重，但能优化服务自己的推理系统——kernel、并行策略、通信、内存、调度。 唐杰的比喻是把咖啡机搬到你工位旁边：活还是那些活，但你不用来回走了。36氪
报告里三个案例，全是一线工程师看了会点头的具体活：
KV传输卡壳：传菜的门只有一把钥匙，师傅炒菜把钥匙揣兜里——底层DeepEP节点内路径没显式释放GIL，负责传输的Python线程抢不到锁，本该和计算重叠的传输被调度堵住。修完，"带传输的Prefill"和"纯Prefill"的差距从超20%压回1%以内。
精度漂移：tf32为了快把小数位砍半，状态矩阵链式合并一路传一路丢，序列越长走样越明显；改成tf32x3后，这个修复还被合回了FlashLinearAttention上游（PR #1180）。
解码kernel：发现FP32归一化和门控被沿V维重复算了四遍，合并进同一线程块、中间结果常驻寄存器，提速1.71倍。
空着的是第二、三块：裁判得便宜、快、能客观裁决，而"吞吐掉了20%"这种端到端信号既贵又说不坏在哪——这就是强化学习里稀疏奖励和信用分配的老问题：往往要端到端全部跑完才拿到一个好坏信号，归因不到具体哪一步。 干过这行的老师傅一小时定位的问题，模型得端到端跑几个小时才知道对不对。智谱的做法是把老师傅"说不清但管用"的直觉拆成分层验证接口：正确性反馈（算对了吗）、系统行为反馈（时间花在哪了）、性能反馈（哪个方案在什么条件下更好）。36氪
这个循环，最终怎么走到你的钱包
链路其实很短：推理更便宜→同样的预算能匀出更多算力给训练→下一代模型站在更稳的台阶上→发布和降价的节奏都变快。
对照着看最近的动作就明白了：9月13日公告的50亿美元融资（约20亿配售+30亿可转债），资金用途白纸黑字写着"下一代GLM模型、完全自训练体系及相关算力基础设施"。 36氪援引公告的口径更具体：约60%的所得款项净额将投入下一代GLM基础模型和"完全自训练"体系的研发。 9月16日的会议纪要里，管理层喊出2026年底ARR 30亿美元的目标（年初是0.67亿）。 股价从2980港元跌到现在的两折，市场那本账我之前已经拆过，这里不重复——但资本和工程这两条线在"自训练"上交汇，这是9月这两周真正的新东西。新浪微博36氪新浪微博
智谱官方给"完全自训练"下的定义，几乎就是这套飞轮的说明书：模型在上一代GLM搭建的环境中递归训练，形成自我改进闭环。36氪
至于用户端：你现在118元档、免费额度、3.5折API用着的GLM-5.3-Flash，本身就是这套自优化闭环的第一件产品。它便宜，不是补贴烧出来的便宜，是这套"模型给自己干活"的infra省出来的。Artificial Analysis 8月底那张被大量转发的智能-成本散点图说得更直白：GLM-5.3-Flash（折后）单任务成本约0.045美元、智能分57，贴着Claude Opus 5、GPT-5.6所在的性能前沿——能力在前沿带里，价格掉了一个数量级。红利也在加速兑现成产品：9月18日智谱官方宣布推出GLM-5.3-FlashX，最高推理速度200 tokens/s，并明确建立在10万张国产芯片的推理算力之上。 速度翻5倍，定价也提升至原版的2.5倍——便宜管饱是一档，花钱买快是另一档，分层定价从此摆上明面。 9月22日界面快报援引的数据：GLM-5.3-Flash调用量增长73%。新浪微博新浪微博界面新闻
Anthropic的三块仪表盘：怎么判断它转到哪一步了
与其吵"是不是奇点"，不如看Anthropic《衡量前沿实验室内部AI的发展速度》给的量法，它提出三个维度：AI承担了多少研发（用Epoch AI的AL0到AL5标尺）、Agent受到什么监督、算力在研发和安全之间怎么分配。按它自己披露：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月还不到1%。36氪
同一份报告里另两个数：内部平台随时约3万个Agent在干活，2026年8月超过十亿次决策里只有0.002%被拦下。 但Anthropic也承认，这些数据只能自己报自己，跨实验室没有统一口径。所以判断标准可以给所有GLM用户抄下来：下次谁说"AI自训练"，别看形容词，看三个数——AI研发主导占比、异常拦截率、安全算力分配比例。Z.ai自己也在报告里写了边界：目标、边界和风险判断仍由工程师负责，完整的递归自我改进尚未实现。36氪知乎
现在各自该干什么
GLM-5.3/Flash日用党：成本红利已经吃到，该用用，不用为"要不要等6.0"焦虑——闭环只转到第一块拼图，下一代不会有玄学跳变。
准备续订阅/囤额度的：盯两个可验证信号再决定——GLM-5.4/5.5会不会从9月25日泄露的站点地图变成正式公告；官方哪天补上逐款GPU的对照数据。新浪微博
做Infra的同学：先被蒸馏的不是"会写代码的人"，是"跑实验跑一天的人"。报告替代的是等待和试错，判断和验收还在人手里——这句话有原文背书，不是安慰。
看到"递归爆发"想冲的：现在的"自训练"是工程降本，不是权重进化。谁把这两件事混着讲，谁就是把你当流量。
