官方剧透新模型！GLM-5.5参数或达数万亿

网上有GLM Coding Plan用户收到官方补偿通知，原因是此前部分用户遭遇模型“降智”问题。公告中提到，新模型发布后还会额外赠送一次额度重置机会，被外界视为对下一代模型的提前剧透。近期关于GLM-5.5的爆料接连出现。有小道消息称，GLM-5.5的参数规模可能达到2.5万亿至3.5万亿，高于此前传闻的1.6万亿。也有猜测认为，智谱此前初步验证的循环Transformer架构可能用于下一代GLM。

官方尚未披露下代模型的具体信息。今年8月发布的GLM-5.3总参数量约7430亿，采用MoE架构。若网传参数规模属实，下一代GLM的参数规模将扩大到GLM-5.3的3.4倍至4.7倍左右。需要说明的是，对MoE模型而言，总参数量与每次推理实际激活的参数量是两回事，参数规模暴涨不代表推理计算量按同样倍数增长，但仍意味着模型容量将大幅扩展。

另一传闻是GLM-5.5可能迎来重大架构升级。今年8月智谱发布GLM-5.3-Flash时，已首次在GLM系列中引入线性注意力与稀疏注意力结合的混合架构，并采用mHC技术改善信息传递和训练稳定性。该模型在多项评测中超过GLM-5.2，推理价格降至后者约十分之一。若这套架构扩展到万亿参数级别，下一代GLM有望在扩大容量的同时继续压低推理成本。

此外，循环Transformer是否用于GLM-5.5也受到关注。智谱今年8月的中期报告曾介绍该技术，并透露已在初步实验中验证相关思路。其核心目标是让模型反复调用同一组网络层，在不显著增加参数量的情况下完成更多轮内部计算，提升有效推理深度，尤其适用于编程、网络安全等需要连续多步判断的复杂任务。不过循环次数增加会带来额外计算开销，如何平衡推理深度与运行效率仍是待解问题，该技术是否应用于GLM-5.5尚无官方确认。

回顾智谱今年模型升级路径：2月GLM-5发布，4月GLM-5.1跟进，6月GLM-5.2上线并重点提升复杂任务和长时间Agent执行能力，8月GLM-5.3发布并继续强化编程能力，随后GLM-5.3-Flash亮相，开始在模型架构与推理效率上探索。若GLM-5.5能在编程、Agent、深度推理及推理效率等方向继续突破，其升级幅度值得期待。