2026 年 10 月 22 日——一份自 10 月 19 日起在投资社区流传的智谱专家交流纪要称，智谱下一代基座模型的实际参数规模在 2.5 万亿至 3.5 万亿之间，此前市场传闻的 1.6 万亿不实。纪要还称，新模型训练一度出现 loss 不降，问题近期应已解决，预计很快完成训练，发布后有望达到 Claude Fable 级别的旗舰水平。
截至发稿，智谱未确认下一代模型的型号、参数规模和发布时间。网传材料使用“GLM-5.5”指代该模型，这一名称未见官方使用。
纪要的核心说法
纪要共 6 问，被东方财富财富号、雪球、微博长文与多家公众号逐条转载，内容一致。与参数直接相关的表述有以下几项。
| 项目 | 纪要表述 | 转述媒体 |
|---|---|---|
| 参数规模 | 2.5 万亿至 3.5 万亿区间，1.6T 传闻不实 | 快科技、腾讯新闻、ChainCatcher |
| 架构 | 较为激进，既要训得快，也要推得快 | 快科技、动察 Beating AI |
| 成本 | 推理端成本为设计阶段硬约束 | 动察 Beating AI |
| 发布时间 | 10 月底至 11 月初 | 快科技 |
| 服务目标 | 发布首日即可提供大规模服务 | 快科技、动察 Beating AI |
| 商业化 | 已有多家云厂商就分成模式洽谈 | 纪要原文、东方财富 |
| 组织 | 为支撑该方案补强了 infra 团队 | 纪要原文 |
快科技在 10 月 21 日的报道中补了一句提醒：上述信息“还不能完全确认”，尤其是参数量相当于从目前的 7400 多亿直接跳到 3 万亿，四倍规模对算力等资源的要求很高。
参数规模在什么位置
按公开信息与媒体口径，智谱现役旗舰与新传闻的差距如下。倍数按 7440 亿为基数计算，2.5 万亿约为 3.4 倍，3.5 万亿约为 4.7 倍。
| 模型 | 总参数 | 激活参数 | 出处 |
|---|---|---|---|
| GLM-5 | 7440 亿 | 约 400 亿 | 智谱公开发布信息；上一代 GLM-4.7 为 3550 亿 |
| GLM-5.3 | 沿用 GLM-5 同一基座，约 7440 亿 | 约 400 亿 | 智谱开放文档；另报道写作 753B |
| Kimi K3 | 2.8 万亿 | 未披露 | 快科技对比口径 |
| 下一代（传闻） | 2.5 万亿至 3.5 万亿 | 未披露 | 网传纪要 |
智谱在 8 月 14 日发布 GLM-5.3 时说明，该版本与 GLM-5.2 使用相同基座，能力提升来自后训练。有媒体据此判断，万亿级参数升级被留给了下一代版本。若新基座成立，这一次更换的是预训练底座本身，与 5.2 到 5.3 的升级路径不同。
参数量区间与“国产最大”的判断来自网传纪要及媒体转述，智谱未公布任何数字。
训练推迟的原因
纪要第 2 问把发布时间晚于市场预期的原因直接指向训练：基座训练前段时间并不顺利，过程中出现 loss 不降，激进架构改进必然伴随较高风险。受访者判断该问题近期已解决，训练预计很快完成。
第 4 问对训练失败做了分类，被多家媒体单独摘出。
| 类型 | 表现 | 常见成因 |
|---|---|---|
| loss spike | 损失突然飙升 | Attention logit growth、输出 logit 发散、优化器状态过期、坏批次叠加坏状态、残差与归一化数值增长、数值溢出 |
| loss 不降 | 走平甚至逐渐升高 | 架构改动过于激进、参数规模过大、不同卡之间的数值精度差异 |
| 后训练上不去 | 预训练完成，后训练指标无法提升 | 纪要称这类代价最大，只能下架重训 |
同一问答还给出一个行业判断：国内厂商都在考虑 5 万亿参数规模的训练，而目前可能还没有一家能完整、稳定地训练完成 2 万亿参数的模型。纪要特别区分了“成功完成训练”与“训完一个模型”两种说法。
纪要另引用了两条未经证实的行业传闻作为参照：Kimi K3 的预训练数据未全部过完，原因是出现 loss 不降，只能直接进入后训练；DeepSeek V4 属于后训练阶段才暴露问题的情况。两处均以“市场传闻”表述，没有给出信源。
性能目标与既有依据
纪要给出的能力目标是 Claude Fable 级别的旗舰水平。快科技把这一判断与智谱创始人唐杰此前的公开表态联系起来。
2026 年 6 月 18 日，一名 X 用户向独立研究者提问“中国大模型何时能达到 Anthropic Fable 级别的能力”，马斯克回复“可能在 2027 年一季度”。据财联社与新浪科技报道，唐杰随后回应“不需要那么久”。快科技认为，用 7400 多亿参数的 GLM-5.2、GLM-5.3 追到前沿水平，是智谱给出这一时间判断的依据。
纪要第 6 问补充了推理侧的动机：此前大参数模型普遍面临“发得出、供不上”，发布初期往往需要限流；新一代模型在设计阶段就把推理效率与推理成本作为硬约束，目标直指发布首日的大规模服务。
发布前已出现的其他线索
智猩猩 AI 在 10 月 21 日的整理稿中列出了几条与下一代旗舰相关的旁证。
10 月 10 日，LINUX DO 用户发帖称，通过 Pi 使用智谱官方订阅的 GLM-5.3 时看到“glm-5.5-vision”字样，截图内容为一条断言失败信息。这一名称引发了关于下一代是否整合视觉能力的猜测，但没有任何版本对应关系的官方说明。
10 月 15 日，清华大学与智谱团队发布论文《Can Visual Generation Expand What Unified Multimodal Models Know?》，唐杰为通讯作者，论文把智谱内部统一多模态模型 GLM-Omni 列为实验对象。论文未披露该模型与下一代旗舰的版本关系。
10 月 12 日，ZCode 发布 3.15.1 版本，更新日志写明订阅用户可被随机选中参与 GLM HighSpeed 试用，灰度用户看到的型号为 GLM-5.3-Highspeed，实测输出速度约每秒 490 个 token。
更早的公开信息包括：8 月 31 日，唐杰在智谱半年度业绩发布会上把 GLM-6.0 的技术方向描述为 Full Self-Training，即完全自训练；9 月 17 日，智谱发布技术博客，介绍由 GLM-5.3 驱动的 Infra Agent 参与构建推理系统，团队在约两周内把 GLM-5.3-Flash 从新硬件首次跑通推进到生产服务，端到端吞吐提升约 3 倍，服务部署涉及十万级国产加速卡。
纪要第 3 问对 RSI 与 Loop 的表述是：RSI 已取得一些进展，但尚未成为模型能力提升的主力；Loop 相关技术应已较早解决，估计会在某个版本中直接进入服务。
尚未确认的信息
型号命名、参数规模、发布时间、是否更换基座、是否开放权重、云厂商分成模式的具体条款，以及“发布首日大规模服务”的容量口径，均无官方信息。智猩猩 AI 在稿末写明：截至发稿，智谱尚未确认 GLM-5.5 的型号、参数规模和发布时间。
区分两类表述：GLM-5、GLM-5.3 的参数量与基座关系属智谱公开信息；2.5 万亿至 3.5 万亿、loss 不降、Fable 级目标、10 月底至 11 月初发布，均出自一份未署名的网传纪要及其媒体转述。
举手提问