智猩猩AI整理
编辑：林夕
近日曝光的研发资料显示，智谱团队正在开展面向GLM-5.5的端到端编程后训练，内部32B、122B、256B模型经过后训练，正合并进下一代基座。
相关工作涉及量化金融训练环境、代码沙箱，以及金融编程领域的RSI。
与此同时，OpenCode的数据页面中，也出现了名为 glm-5.5-flash的模型条目。
关于下一代模型，此前已有参数规模达3.5万亿的消息传出。
此次曝光的后训练记录，则进一步透露了GLM-5.5的具体研发进展。
此次线索来自一名智谱研究实习生此前公开的个人资料，其中直接提到“下一代基座模型GLM-5.5”，以及编程后训练、量化金融训练环境和代码沙箱等工作
11月2日，X上又有消息称，GLM-5.5后训练仍在推进，此前涉及32B、122B、256B内部模型的相关公开记录已被移除。
多个内部模型开展后训练，再向下一代基座汇集，成为这次曝光最值得关注的信息。
这种对后训练的重视，在此前GLM的迭代中已经体现。
我们曾报道，唐杰在解释GLM-5.3的升级思路时，强调在基座与架构不变的情况下，通过扩大任务环境和强化学习训练，继续挖掘模型潜力。
此次研发记录中，量化金融训练环境与Coding Sandbox的出现，则将训练进一步落到了具体任务场景。
智谱在编程方向上的投入也有迹可循。
早在2025年5月，面对DeepSeek R1带来的市场压力，智谱就调整了模型路线，将推理、编程和Agent能力融合训练。
此后，编程逐步成为投入重点，相关强化学习环境与数据工程也获得更多资源。
我们此前在唐杰分享GLM通往AGI路线的报道中，也介绍过预训练、后训练与Agent继续Scaling的思路：
模型能力从代码生成向长程任务延伸，需要进一步提升规划、工具调用和错误恢复能力。
与GLM-5.5同时出现的金融编程自我进化研究，则让这次升级多了一层看点：
Agent执行任务时产生的经验，能否继续用于改进模型。
另一份流出的资料提到，以“100% RSI”为研究目标，先从Coding Agent开展闭环，再向医疗Agent扩展，同时探索让编程智能体生成自身训练数据。
团队此前已经在Agent自我改进上开展探索。
此前，唐杰团队提出的HarnessPro，已尝试让Agent回看执行记录、分析失败与浪费，再自动修改运行框架，在提升任务表现的同时，将单任务成本降低26.1%。
更早的工程实践，则是由GLM-5.3驱动Infra Agent，参与GLM-5.3-Flash推理基础设施的设计、调试与优化，让模型反过来改进承载自身运行的系统。
从优化运行系统、修改Agent框架，到探索生成自身训练数据，智谱在自我改进方向上的工作，正在覆盖更多研发环节。
但让模型持续迭代，还需要解决一个关键问题：它如何知道自己有没有变得更好？
10月31日，唐杰提出“规模化正确性”，主张系统检验小规模实验结论在扩大规模后是否继续成立，并通过不同规模下的曲线比较，提高对大规模训练表现的预测能力。
他将这种能力称为“自净化”。
这也延续了我们此前报道的GLM-6.0全自训练思路。
唐杰当时就将自主判断对错、决定何时停止与纠正错误，视为模型实现自主训练的核心难题。
自我改进之外，唐杰近期还透露了过往GLM的数据工程细节。
过往GLM数据覆盖网页、文档、书籍、代码、视频和音频，规模分别达1万亿页、20亿份、5000万本、5亿个仓库、100亿条及3亿小时。
不同来源分别涉及质量筛选、版面重排、代码执行测试与语音转写，唐杰同时将数据配方的重要性形容为预训练人员的“命”。
在数据规模上，唐杰还透露了下一阶段的目标：100T Token，约为GLM-5所用28.5T的3.5倍。
不过，材料同时指出，高质量公开文本供给不足30T Token，如何扩大有效数据规模，将成为后续训练的重要问题。
推理部署同样需要取舍。
唐杰透露，团队曾考虑每秒约1000 Token的超快版本，但在所述配置下，一台机器只能服务一个用户，成本很高，最终需要降低速度以换取更高并发。
多模态则是另一条已经出现的研究线索。
我们此前报道的GLM-Omni论文，研究了一个直观的问题：
模型通过图像生成学到的信息，为什么难以被文字问答调用？
团队尝试通过图文交错训练，以及先生成图片、再回答问题的视觉思维链，改善这种知识迁移。
GLM-Omni与GLM-5.5的版本对应关系尚未披露，但它说明，智谱也在探索视觉生成、知识访问与推理之间的连接。
此次内部三档模型的后训练与基座合并记录，则让下一代模型的研发轮廓更加具体。
从此前加码后训练，到如今编程环境、内部模型合并与自我进化研究接连曝光，GLM-5.5能否把这些积累转化为复杂编程和长程任务中的实际提升，将成为发布时的主要看点。
