参数之死：Z.ai CEO唐杰谈GLM 5.3与新的后训练扩展定律

我们之前曾非常兴奋地报道过GLM 5.2，唐杰教授相信年底前会出现一个开放权重的Fable级模型（快速检查——还剩134天，现在有两个2-3T参数的模型（Qwen 3.8 Max和Kimi K3），估计Fable有3-7T参数，在AA指数上仅高出2个百分点）。

唐杰教授回到X平台告诉我们，我们对模型规模的简写已不再足够：“参数数量只有在与其他三个因素一起考虑时才有意义——你拥有多少数据、你打算在哪里使用算力、谁将在什么条件下运行模型。

”我们过去几年在Latent Space中已经讨论过Chinchilla（以及后Chinchilla）扩展定律，因此我们跳过历史课，但有必要明确为什么Chinchilla的假设在推理拐点世界中是错误的（没有固定数字，在200-900 token/参数之间，

引用Roberts等人关于任务依赖性的观点）。简而言之：记忆更偏好更多参数，推理更偏好更多的后训练数据和有效深度。GLM-5.3的巨大飞跃完全来自长时程环境上的强化学习：这些环境现在涵盖了更广泛的生产工作流程，任务设计围绕工程和研究工作在实际中的执行方式展开。

有些任务相当于经验丰富的工程师数天的工作量。

例如，在ML基础设施任务中，模型可能获得与工程师相同的工作环境，可以访问计算集群、存储系统、内部文档、代码库和实验结果。它必须诊断整个训练栈中的瓶颈，实施优化，运行实验，并在保持正确性的同时提供可衡量的端到端加速。

在这一级别的环境上训练，推动模型端到端地承担实质性工作，而不是依赖用户分解问题并监督每一步。对于那些关注递归自我改进故事的人来说，他们的整个环境以及评判和验证过程都是完全合成的：随着智能体能力的提高，扩展后训练的难度从模型转移到环境。

一个有用的任务环境必须是可执行的、可验证的，并且接近真实专业工作——我们需要很多这样的环境，而不是少数手工构建的。为了扩展这一过程，我们构建了端到端合成环境的流水线，对于部分任务，还合成了RL奖励信号。

研究智能体从真实工作中收集任务模式，并将其转化为具有多步依赖和隐藏状态的可运行的长期环境；然后，评判智能体尝试每个任务，以验证它是否确实可解决。

验证器在无法访问参考解决方案的情况下合成，而求解器轨迹用于发现和关闭奖励捷径。一个通过oracle、no-op和未解决状态检查的验证器，会产生足够可靠的二元奖励，可直接用于训练。

为了终结对参数数量的痴迷，唐杰教授确定了5个扩展旋钮，包括使用新的XA-YB符号的MoE稀疏性。他指出，高级技能（例如，发现软件漏洞）不是检索/记忆问题。它们需要携带长因果链（20+推理步骤）而不丢失线索。

一旦达到一定的知识持有阈值，这种能力就不再存在于总参数数量中。而且看起来还有更多工作要做。AI新闻，2026年8月18日至8月19日。我们检查了12个subreddits、544个Twitter账号，没有进一步的Discord。

AINews网站允许你搜索所有过往期刊。提醒一下，AINews现在是Latent Space的一部分。你可以选择加入/退出邮件频率！AI Twitter回顾：开放权重模型、压缩和基准测试动态。

Ornith-1.5作为一个严肃的新开放模型系列亮相：@ornith_ 发布了Ornith-1.5，提供9B密集、35B MoE和397B MoE变体，采用MIT许可，量化格式包括FP8、GGUF、MLX和NVFP4。

其核心主张是端到端自我改进：模型提出任务、生成脚手架，并产生RL rollout以创造新的训练体验。

报告的评估结果在智能体/编码工作负载上表现强劲，包括Terminal-Bench 2.1：86.1，SWE-Bench Verified：86，DeepSWE：56，HLE：44.6，以及Tool Decathlon：71.2。

该版本很快被vLLM和Ollama集成到服务栈中。

压缩继续变得更加激进，而不会完全丧失实用性：@UnslothAI和@danielhanchen发布了使用Dynamic V3的新Qwen3.8-27B GGUF，声称在相同大小下准确率提高约10%，并发布了1-bit量化版本，

在8GB RAM上运行时仍保留约77%的BF16准确率。他们的新Divergence-300指标使用来自Terminal Bench、DeepSWE和相关任务的未见示例，在更长生成中扩展了top-1%贪婪准确率。

智能体和法律评估榜单继续洗牌：@arena 发布了Agent Arena的帕累托视图，其中Claude Opus 5 (High)在质量上领先，但Kimi K3、GLM 5.2、Grok 4.5和GPT-5.6 Luna等低成本模型定义了许多价值前沿。

另外，@ValsAI报告Grok 4.6在Legal Research Bench上排名第3/49，得分48.1%，支持500k上下文、工具/图像/文件，且定价相对较低。

对于开放模型，@ValsAI还强调GLM 5.3在开放权重模型中，于Terminal Bench排名第2，Legal Bench排名第3，Skills Bench排名第6。

智能体框架成为新的竞争层。DeepSeek Harness的极简主义是故意的，而非不完整：@ZhihuFrontier放大的一篇详细文章，并由@TheTuringPost总结，将DeepSeek Harness (DSH)描述为名为Cordis的插件架构上的一个刻意薄壳。

关键设计选择是一切都是插件，包括智能体循环本身。据报道，早期beta用户在一周内发布了100多个插件并提交了400多个问题；示例范围从五子棋模型测试平台到数据库智能体，后者通过将模型连接到实时查询执行来闭合SQL反馈循环。

最有力的收获是架构性的：DSH与其说是“产品化助手”，不如说是开放智能体运行时，针对用户可扩展工具、可交换控制循环和业务规则注入进行了优化。

TrueFoundry开源了TrueForge，并明确了框架成本论点：@truefoundry、@omarsar0和@kimmonismus都报道了TrueForge的发布，这是一个MIT许可、可自托管、供应商中立的用于生产智能体的框架。

该栈包括工具编排、上下文管理、子智能体、代码沙箱、人工审批和追踪，支持本地和托管部署模式。

引起共鸣的技术主张是：在14项任务的企业基准测试中，TrueForge在Opus 4.8上匹配了Claude Managed Agents，同时使用的token减少约30%，而路由到GLM-5.2则在不牺牲准确性的情况下将成本降低约75%。

更广泛的行业主题——@bradenjhancock和@dbreunig通过@rseroter也呼应了这一点——是会话/环境/内存/工具层正成为差异化和节省的主要来源。

托管框架也获得了更清晰的观察性和控制：@ClaudeDevs增加了对自托管沙箱的内存支持、Web工具的域允许/阻止控制，以及重新设计的多智能体会话查看器，带有小地图、分组转录和每线程/会话成本。

与此同时，OpenAI继续推动相反的角度：为团队提供框架原语，嵌入到他们自己的产品中。@OpenAIDevs强调开源Codex框架是内部工具、运维仪表板和自定义应用之下的运行时，而@cursor_ai则围绕持久目标和长期会话发布了云智能体UX改进。

后训练、中期训练和RL系统工作：更多证据表明扩展正从参数转向训练配方质量：@kimmonismus提出了zAI/GLM创始人的一个显著主张：进步仍在扩展，但太多讨论集中在参数数量上，而不是数据质量、推理算力和后训练。

所引用的例子是……