现在外网都在讨论：一边传闻下一代要冲击1T，对标Kimi2.7T超大MoE路线；另一边有人判断只会在现有GLM-5.2的744B规模内做深度优化，不盲目堆参数，两种说法各有支撑点。
现在行业大多是二选一：要么堆大参数冲榜单性能，要么做小模型求落地速度。但我感觉智谱目前的算力储备和技术体系，大概率要跳出这个固有套路。
1GW算力储备，意味着它已经具备扩容更大参数基座的硬件条件。智谱并未止步于堆砌参数，配合现阶段已经稳定跑出SOTA表现的成熟后训练体系（PostTrain），下一代GLM很可能是「基座规模再上一个台阶」的大参数迭代版本。
但有意思的点就在这：它不一定是只会堆规模的笨重大模型。
智谱现在的技术路线明显是算力、精调两手抓：用超大算力支撑更大基座，拉高模型上限与通用能力；再通过成熟的后训练优化，把大基座的能力下沉，兼顾小参数模型的推理效率与落地成本。
也就是说下一代很可能出现一种新形态：基座更大、性能更顶，同时保留轻量化落地的高效优势。
不管最终是冲到1T打底，还是在744B基础上迭代升级，这套底层配置，都给模型预留了很高的性能上限。
如果真是这个迭代路径，那GLM下一代的真实能力上限，大概率会超出目前行业的普遍预期，这种大小通吃的技术布局，同行确实很难直接对标。
智谱GLMAI大模型算力智算中心科技圈人工智能
