GLM团队披露国内首个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

    本报讯 （记者梁傲男）9月17日，GLM团队（智谱核心研发团队）披露其在递归自我改进（Recursive Self-Improvement，以下简称“RSI”）方向的首个工程化实践：由智谱GLM-5.3大模型驱动的Infra Agent（基础设施代理）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开始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，硬件利用效率与单词元成本达到主流NVIDIAGPU（英伟达公司设计的图形处理器‌）相当水平，并支持1M上下文窗口与多模态请求。该系统已经受到真实流量检验，GLM-5.3-Flash以匿名模型Ox-Alpha在OpenCode（开源AI编程助手平台）、OpenRouter（全球头部大模型API聚合平台）上线，6天词元调用量超过62万亿。

    此次实践的技术突破在于，智能体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：人工智能公司Anthropic于6月份披露Claude编写其代码库80%以上的合入代码，OpenAI也于9月初宣布达成“自动化研究实习生”里程碑。

    在业内人士看来，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。

（编辑 张昕）