GLM-5.5真的要来了吗？近期，GLM Coding Plan用户收到了官方关于此前模型“降智”问题的补偿通知。更有趣的是，公告中提到新模型发布后还将额外赠送一次额度重置机会，这无疑提前剧透了下一代产品的动向。与此同时，关于GLM-5.5的爆料也接踵而至。小道消息称其参数规模可能达到2.5万亿至3.5万亿，远超此前传闻的1.6万亿。此外，有猜测认为智谱此前验证的循环Transformer架构也可能应用在新模型中。若属实，这将意味着巨大的参数量与深度推理能力的双重飞跃。让我们拭目以待。
01 官方提前透露「新模型」，GLM-5.5要来了？
虽然官方尚未披露GLM-5.5的具体细节，但通过近期的传闻，我们已能窥见一二。
首先是备受关注的**参数规模**。今年8月发布的GLM-5.3总参数约为7430亿，采用混合专家（MoE）架构。而目前流传的下一代GLM参数规模猜测高达2.5万亿至3.5万亿。按此计算，规模将是GLM-5.3的3.4倍至4.7倍。当然，需要强调的是，对于MoE模型，总参数量与每次推理实际激活的参数量是两回事。即便如此，若传闻属实，这仍标志着智谱在模型容量上进行了大幅度的扩展。
其次是**架构升级**。今年8月发布的GLM-5.3-Flash已对底层架构进行了重大调整，引入了线性注意力与稀疏注意力结合的混合架构，并采用了mHC技术。这一改进不仅使GLM-5.3-Flash在多项评测中超越了5.2版本，还将推理成本降至后者的约十分之一。如果这一架构能扩展至万亿参数级别，GLM-5.5有望在提升模型容量的同时，继续保持低推理成本。这种“做大做强”又“省钱”的趋势，实在令人期待。
02 循环Transformer是否会加持GLM-5.5？
除了参数规模和底层架构，另一个热门猜测是**循环Transformer**是否会出现在下一代GLM中。巧的是，智谱此前曾在报告中提到过这项技术。
循环Transformer的核心目标在于让AI“想得更深”。它允许模型在不显著增加参数量的情况下，通过重复调用网络层来增加计算深度。这对于需要连续多步推理的复杂任务（如编程、网络安全）尤为重要。例如，网络安全任务可能需要沿着长达20步的因果链进行逻辑判断，循环Transformer能够帮助模型保持逻辑连贯，避免中途出错。
虽然增加循环次数会带来计算开销，但如何平衡深度与效率仍是关键。目前GLM-5.5是否采用该技术尚无定论，但结合智谱今年的迭代路径来看，GLM-5.5似乎正朝着提升复杂任务处理能力和推理效率的方向发展。从GLM-5.0到5.2再到5.3-Flash，智谱的进化路线清晰可见。如果GLM-5.5能在这些方向上持续突破，其升级幅度确实值得期待。