几天前，DeepSeek也曾经历服务异常，随后于10月17日将模型升级至DeepSeek-V4.1-Flash-1017，网页端和App同步更新。
与此同时，围绕智谱下一代旗舰，近期陆续传出了参数规模、视觉能力和训练进度等新线索。
其中最受关注的说法，是一个规模可能达到数万亿参数的新基座。
近日，一份网传交流纪要称，智谱新一代基座模型的实际参数规模在2.5万亿至3.5万亿之间，采用较为激进的架构方案，目标是在发布首日提供大规模服务。
材料还称，新基座此前训练一度出现loss不降的情况，相关问题近期应已解决，预计很快完成训练；能力目标是达到Fable级别的旗舰水平。
此前流传的“10月底发布GLM-5.5、参数规模1.6T”，出现在材料的提问中，回答开头即表示“该传闻不实”。
如果数万亿参数的说法属实，这次更新最值得关注的变化，将是基座本身。
智谱此前介绍，GLM-5.3与GLM-5.2采用相同基座，能力提升来自后训练。
其训练环境进一步接近真实工程工作，要求模型接触代码库、计算集群、内部文档与实验结果，完成瓶颈诊断、优化实施和效果验证。
下一代旗舰若更换新基座，预训练带来的新增能力，能否与此前积累的后训练方法结合，将成为重要看点。
最近，智谱的一系列动作，也让外界对新模型的期待持续升温。
其中，高速模型已经有了官方确认的试用安排。
10月12日，ZCode发布3.15.1版本，更新日志明确提到，订阅用户可被随机选中参与GLM HighSpeed试用。
据此前报道，用户在灰度体验中看到的型号为GLM-5.3-Highspeed，晒出的输出速度达到约490 tokens/s。
对于需要多轮推理和工具调用的编程任务，生成速度会直接影响完成时间。
另一条线索，则将讨论引向了视觉能力。
10月10日，LINUX DO用户Blankey发帖称，自己通过Pi使用智谱官方订阅的GLM-5.3时，看到了“glm-5.5-vision”字样。
截图中的文字为：“一个断言失败：实际列表已含 glm-5.5-vision，但期望还是旧表……”
这一名称引发了关于下一代旗舰是否进一步整合视觉能力的猜测。
同时在研究侧，智谱近期则公开披露了一款内部多模态模型。
10月15日，清华大学与智谱团队发布《Can Visual Generation Expand What Unified Multimodal Models Know?》唐杰署名新论文，把智谱内部多模态模型GLM-Omni带出来了，唐杰为通讯作者。
论文将内部统一多模态模型GLM-Omni列为实验对象，研究图像生成中学到的知识能否用于文字问答。
其中，关于下一代模型的研发方向，唐杰此前已有公开讨论。
在新加坡的一次演讲中谈到最新！唐杰分享GLM通往AGI：预训练、后训练与Agent继续Scaling，智谱将继续扩大预训练数据和规模、强化后训练，并提升长程推理与Agent能力，让模型处理更复杂的环境、更难的任务和更长的执行周期。
另一条受到关注的线索，是RSI，即递归自我改进。
此次流传的信息称，RSI已经取得一些进展，但尚未成为模型能力提升的主力；Loop相关技术则可能在某个版本进入服务，具体实现方式和时间表尚不清楚。
智谱此前已经公布过让模型参与推理基础设施开发的案例。
9月17日，智谱发布技术博客《Toward Recursive Self-Improvement: How GLM Built Its Own Inference Infrastructure》，介绍由GLM-5.3驱动的Infra Agent参与构建和优化推理系统。
据官方披露，团队在约两周内，将GLM-5.3-Flash从新硬件上的首次跑通推进到生产服务，端到端吞吐提升约3倍，服务部署涉及十万级国产加速卡。
更早的8月31日，据公开报道，唐杰在智谱半年度业绩发布会上，将GLM-6.0的技术方向描述为Full Self-Training，即完全自训练唐杰首次披露GLM-6.0：下一代模型走向全自训练，并将模型自主判断何时停止、何时纠错列为核心难题。
从高速推理试用，到视觉版名称、内部多模态研究和自主改进探索，近期线索涉及智谱的多个研发方向。
目前仍无法确定，它们会以怎样的方式进入下一款旗舰。
截至发稿，智谱尚未确认GLM-5.5的型号、参数规模和发布时间。
新基座能带来多大的任务能力提升，以及能否在发布后稳定提供服务，仍需等待正式披露。
