智谱创始人、首席科学家唐杰及GLM团队发布长文，披露GLM已不再只是辅助工程师写代码，而是开始直接参与自身推理基础设施的建设与优化。在GLM-5.3-Flash上线过程中，由GLM-5.3驱动的Infra Agent在超过10万张国产芯片组成的集群上完成模型适配、系统诊断和性能优化，不到两周将端到端吞吐提升至初始基线的3倍。

更重要的是，Agent已能根据测试、Trace、Benchmark等“稠密反馈”自主提出假设、修改代码并验证结果，使模型开始优化承载自身运行的系统。唐杰及GLM团队认为，这还不是完整意义上的递归自我改进（RSI），但已出现早期形态：AI正从“帮助人类研发模型”走向“参与构建自己的继任者”。

GLM团队在文中回顾，2025年10月启动安全能力增强研究时判断安全能力是代码能力的自然延伸，不到一年，安全伙伴使用GLM在真实代码库中发现数千个漏洞，模型开始改变网络安全格局，也带来过去不曾存在的危险，为此团队不得不设计受信访问计划。团队坦言，GLM-4.7之前内部用GLM写代码多少带着被迫成分，如今GLM-5.3已成为每个人每天离不开的Coding伙伴，“正一步步走向取代我们”。

GLM-5.3-Flash的上线是一套庞大系统工程。在超过10万卡国产芯片集群上，团队从零搭建了完整的生产级推理服务，全部线上推理运行其上。此前无人成功部署过如此大规模的国产卡集群，面对芯片内存容量和带宽相对受限、需支持新结构模型1M上下文窗口和多模态请求、生态不成熟、算子不完备等挑战，最终完成这项工作的不是一支团队，而是GLM-5.3驱动的Infra Agent。

GLM-5.3-Flash随后以匿名模型Ox-Alpha在OpenCode与OpenRouter上接受真实调用检验，上线一周成为双平台调用量最大的模型，6天token调用量超过62万亿。团队实施了以算力换带宽、以通信换显存等激进内存优化，技术栈融合针对线性注意力和LM Head的节点内张量并行、ReplaySSM、W8A8量化、INT8/FP8/BF16混合精度缓存量化以及Layer Split等关键技术。