**GLM-5落地九章智算云:强化学习驱动**

_以GLM-5为例,探究九章智算云强化学习系统如何落地“训推一致”_

> <p style="text-align: left;"\>&nbsp;<span style="color: \#333333; font-family: 微软雅黑; font-size: 10.5pt;"\>过去几年,大模型竞争的主线很清晰:更大的模型、更多的数据和更强的GPU集群。</span\></p\><p style="text-align: left; margin-bottom: 7.5pt;"\><span style="font-family: '微软雅黑'; font-size: 10.5pt; color: \#333333;"\>但随着预训练边际收益递减,模型能力Scaling正从单纯的预训练堆叠向后训练强化</span\><span style="font-family: '微软雅黑'; font-size: 10.5pt; color: \#333333;"\>学习</span\><span style="font-family: '微软雅黑'; font-size: 10.5pt; color: \#333333;"\>(RL)转变,数学推理、代码生成、复杂决策、长时序Agent等高阶能力,越来越依赖</span\><span style="font-family: '微软雅黑'; font-size: 10.5pt; color: \#333333; font-weight: bold;"\>后训练强化</span\><span style="font-family: '微软雅黑'; font-size: 10.5pt; color: \#333333; font-weight: bold;"\>学习</span\><span style="font-family: '微软雅黑'; font-size: 10.5pt; color: \#333333; font-weight: bold;"\>(RL)</span\><span style="font-family: '微软雅黑'; font-size: 10.5pt; color: \#333333;"\>激发。RL通过生成、执行、反馈和奖励,让模型持续</span\><span style="font-family: '微软雅黑'; font-size: 10.5pt; color: \#333333;"\>学习</span\><span style="font-family: '微软雅黑'; font-size: 10.5pt; color: \#333333;"\>推理、规划与自我纠错的能力。</span\></p\><p style="text-align: left; margin-bottom: 7.5pt;"\><span style="font-family: '微软雅黑'; font-size: 10.5pt; color: \#333333;"\>由此,大模型发展从“一次性训练”进入“持续训练”,模型能力Scaling也从预训练延伸至生成、反馈和迭代全过程。SemiAnalysis指出,当RL成为</span\><span style="font-family: '微软雅黑'; font-size: 10.5pt; color: \#333333; font-weight: bold;"\>模型能力持续Scaling的关键,竞争的就不只是算法,还有支撑模型持续生成、训练和更新的AI基础设施系统。</span\></p\><p style="text-align: left; margin-bottom: 7.5pt;"\><span style="font-family: '微软雅黑'; font-size: 10.5pt; color: \#333333;"\>问题也随之变成:</span\><span style="font-family: '微软雅黑'; font-size: 10.5pt; color: \#333333; font-weight: bold;"\>当模型越依赖RL获得能力,谁来支撑这种能力持续低成本地生产。</span\></p\><p style="text-align: left; margin-bottom: 7.5pt;"\><span style="font-family: '微软雅黑'; font-size: 10.5pt; color: \#333333; font-weight: bold;"\>从“模型+算力”到算法与AI基础设施共同Scaling</span\></p\><p style="text-align: left; margin-bottom: 7.5pt;"\><span style="font-family: '微软雅黑'; font-size: 10.5pt; color: \#333333;"\>智谱近期的模型迭代,为观察后训练RL提供了一个窗口。</span\></p\><p style="text-align: left; margin-bottom: 7.5pt;"\><span style="font-family: '微软雅黑'; font-size: 10.5pt; color: \#333333;"\>智谱公告指出,GLM-5.3与GLM-5.2在相同基座上推进强化</span\><span style="font-family: '微软雅黑'; font-size: 10.5pt; color: \#333333;"\>学习</span\><span style="font-family: '微软雅黑'; font-size: 10.5pt; color: \#333333;"\>,通过后训练Scaling持续提升模型智能上界。以GLM-5.2为例,其在SWE-bench Pro取得62.1分、Terminal-Bench 3.0达到81.0分,核心驱动力正是面向长时序、多步骤、工具联动场景的RL训练。这意味着,复杂推理和Agent能力的提升,正越来越依赖强化</span\><span style="font-family: '微软雅黑'; font-size: 10.5pt; color: \#333333;"\>学习</span\><span style="font-family: '微软雅黑'; font-size: 10.5pt; color: \#333333;"\>。</span\></p\><p style="text-align: left; margin-bottom: 7.5pt;"\><span style="font-family: '微软雅黑'; font-size: 10.5pt; color: \#333333;"\>这一变化也正在影响AI产业链分工方式:</span\><span style="font-family: '微软雅黑'; font-size: 10.5pt; color: \#333333; font-weight: bold;"\>模型厂商不再只是单独推进算法,而是需要与AI基础设施共同服务于“智能持续生产”。</span\></p\><p style="text-align: left; margin-bottom: 7.5pt;"\><span style="font-family: '微软雅黑'; font-size: 10.5pt; color: \#333333;"\>目前,GLM-5系列、DeepSeek R系列等主流推理模型均已部署于九章智算云,实现规模化Token生产。不同于“模型+算力”的传统产业关系,九章智算云与模型厂商双方形成了</span\><span style="font-family: '微软雅黑'; font-size: 10.5pt; color: \#333333; font-weight: bold;"\>算法与工程系统双向RL Scaling</span\><span style="font-family: '微软雅黑'; font-size: 10.5pt; color: \#333333;"\>的协作模式:模型厂商持续挑战RL算法和策略边界,九章智算云则持续打磨适配的算力调度、推理服务和状态管理,实现工业级应用。大规模应用的模型算法再进化,进而提出更高的基础设施要求,而基础设施的持续迭代又为更大规模RL实现打开空间。</span\></p\><p style="text-align: left; margin-bottom: 7.5pt;"\><span style="font-family: '微软雅黑'; font-size: 10.5pt; color: \#333333;"\>由此,模型厂商与AI基础设施成为RL的一体两面,RL从模型训练中的单一算法环节,升级为AI云必须具备的核心能力。模型、算力、数据、状态和推理不再彼此割裂...

**来源信息**
- **来源**:雷峰网:人工智能(RSS)
- **分类**:行业
- **发布时间**:2026-08-19 15:55(北京时间)
- **原文**:[打开原文](https://www.leiphone.com/category/ai/Nn76Eez52eSpxeXr.html)