智谱创始人谈 GLM-5.3：扩展定律不止参数规模，后训练成为关键变量

深潮 TechFlow 消息，8 月 19 日，智谱创始人唐杰发文表示，大模型扩展不应只关注参数数量，还需同时考虑数据规模、计算资源分配、推理成本与实际运行条件。文章回顾了从 Kaplan 扩展定律到 Chinchilla 计算最优理论的变化，指出早期“参数增长快于数据增长”的路线曾导致部分超大模型资源错配，而后续研究表明模型参数与训练数据应更均衡增长。 文章进一步指出，随着模型被高频调用，推理成本已成为模型生命周期成本的核心，最优策略正转向更小模型与更长训练；同时，在专家混合模型中，总参数更多影响知识容量，激活参数与有效深度更影响推理能力，单一“每参数对应训练词元数”比例已不再适用。 针对 GLM-5.3，该文称其与 GLM-5.2 使用相同基础模型、架构、总参数和激活参数，通过一个月扩展长程环境与强化学习进行后训练，取得显著提升。文章认为，参数规模、预训练数据、前向计算和后训练都是可独立调节的扩展变量，本次实验表明后训练仍有较大提升空间，扩展仍未结束。