GLM 披露国内首个 RSI 工程实践
记者获悉，今日，GLM 团队披露了在递归自我改进（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，即，模型建设推理系统，系统再反过来支撑模型运行。
记者获悉，今日，GLM 团队披露了在递归自我改进（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，即，模型建设推理系统，系统再反过来支撑模型运行。
