GLM-5.3-Flash 的推理服务，大半是 GLM 自己搭起来的

智谱发了一篇技术博客，标题起得挺大：迈向递归自我改进。内容本身其实比标题克制。

事情是这样的：GLM-5.3-Flash 现在的生产推理服务，跑在 10 万颗以上的国产 AI 加速器上。这套推理基础设施，主要是由 GLM-5.3 驱动的一个 Infra Agent 协助搭起来的。

两个结果数字：从模型适配到上线，不到两周；端到端吞吐量提升约 3 倍。

国产卡上做推理适配是出了名的苦活。算子要重写，精度要对齐，性能要一点点抠，以前靠人往往是按月计。两周这个速度，放在这个背景下看是很硬的。

团队自己总结的关键词是“密集反馈”：分层测试、日志、追踪、基准测试一层层铺好，让 Agent 能持续定位问题、改代码、看效果、再改。换句话说，AI 能干好基础设施的前提，是人先把反馈系统搭得足够密。

他们也明确说了，这还不算递归自我改进。模型帮着搭了自己的推理服务，但没有改自己的权重，也没有自己决定下一步研究什么。

这跟 Anthropic 那边“八成代码由 Claude 写”的路子是一个方向：模型公司最先被 AI 改造的，是模型公司自己。想试 GLM 系列的，可以从智谱清言入手。