今日 ，GLM 团队披露其在递归自我改进（Recursive Self-Improvement ，RSI）方向的首个工程化实践：由GLM-5.3驱动的Infra Agent完成了GLM-5.3-Flash 推理基础设施的设计、调试与优化，实现模型对自身运行系统的反向改进。这是国内大模型厂商首次公开跑进生产环境的RSI案例。
据官方博客 ，Infra Agent在超10万张国产芯片组成的集群上从零完成生产级推理服务搭建 ，不到两周将端到端吞吐提升至初始基线的3倍，硬件利用效率与单Token成本达到主流NVIDIA GPU相当水平 ，并支持1M上下文窗口与多模态请求 。该系统已经受真实流量检验 ，GLM-5.3-Flash 以匿名模型Ox-Alpha在 OpenCode 、OpenRouter上线，6天Token调用量超过62万亿 。
此次实践的技术突破在于 ，Agent已不再局限于生成代码 ，而是能够围绕推理系统开展完整的工程闭环：自主分析性能瓶颈 、定位精度缺陷、修改底层代码 、执行分层测试，并根据实验反馈持续迭代。GLM团队表示 ，系统尚未达到完全自主设计和训练下一代模型的阶段 ，但RSI的早期形态已经出现——模型建设推理系统，系统再反过来支撑模型运行 。
RSI已成为头部实验室竞逐的下一个高地：Anthropic于6月披露Claude编写其代码库80%以上的合入代码，OpenAI于9月初宣布达成“自动化研究实习生”里程碑 。从资本市场角度看 ，此次实践表明大模型竞争正在越过参数规模与榜单成绩的比拼 ，进入一个更根本的阶段：当AI开始参与自身系统的构建，AI研发效率本身成为竞争对象。谁能率先让模型参与构建下一代模型 ，谁的迭代速度就将获得复利式增长 ，对国产模型追赶及AI算力产业链而言，构成积极的边际利好 。（cis）
（文章来源：上海证券报·中国证券网）
本文来自作者[德化]投稿，不代表德化号立场，如若转载，请注明出处：https://3g.taocisuyuan.com/dehua/5559.html
评论列表（4条）
我是德化号的签约作者“德化”！
希望本篇文章《GLM披露国内首个RSI工程实践：AI在十万卡国产集群上自建推理系统，两周吞吐提升3倍》能对你有所帮助！
本站[德化号]内容主要涵盖：德化号,生活百科,小常识,生活小窍门,百科大全,经验网,游戏攻略,新游上市,游戏信息,端游技巧,角色特征,游戏资讯,游戏测试,页游H5,手游攻略,游戏测试,大学志愿,娱乐资讯,新闻八卦,科技生活,校园墙报
本文概览： 今日，GLM团队披露其在递归自我改进（RecursiveSelf-Improvement ，RSI）方向的首个...