参数不涨了：智谱 2026 中期业绩里的技术路线转向

　　这份中期业绩里最不像财务的一条信息是：GLM-5.3 与 GLM-5.2 用同一套基座，参数量没动，端到端编码完成率却提了 50% 以上。行业默认的能力跃迁方式是把基座做大，智谱这次放弃了它，把预算压到后训练上——扩大任务环境规模，拉长训练周期去磨。这不是省钱的妥协，而是一次判断：堆参数的边际收益在衰减，后训练才是眼下更陡的曲线。参数不变而能力上探，模型能力的来源正从“记得更多”转向“练得更久”。

　　顺着往下看，每个动作都指向同一个词：单位成本。GLM-5.3-Flash 做到 3200 亿总参数、180 亿激活，定价约为 GLM-5.2 的十分之一；单位 Token 推理成本较年初下降约 80%；国产芯片被更多铺进推理算力。模型迭代的目标函数悄悄换了——从“榜单跑分更高”变成“单位成本下的任务完成率更高”。这是被商业模式逼出来的：开放平台及 API 收入占比 86.5%，卖的是一次次调用，利润藏在单次成本里。所以这块业务的毛利率能从 -0.4% 转正到 24.6%，靠的不是提价——API 均价还涨了约 101%——而是成本曲线被压了下去。

　　只是这条路还没走完。研发开支 21.31 亿元，是收入的 2.2 倍，后训练和推理优化都是吞金兽，省下的推理成本暂时盖不住训练花销。检验场是 Coding：编码最容易用“任务完成率”而非“跑分”衡量，ZCode 往软件开发全流程延伸、安全方向在 CyberGym 拿到 84.5%，都是验证单位成本下的完成率能不能撑住定价。若下一代模型仍要靠换基座才能提能力，或推理成本降幅收窄而 API 均价掉头向下，这套说法就只是这一代的巧合。判断一家模型公司，与其数它发了几个版本，不如看它的能力增长里，有多少是不加参数换来的。

　　以上仅为个人观点与解读，不构成任何投资建议。