参数量不再是核心指标：GLM-5.3押注后训练扩展

参数量正在失去解释力

过去讨论大模型时，参数量往往是最醒目的指标。但智谱AI CEO、清华大学教授唐杰认为，单独询问“模型有多少参数”已经不足以判断模型能力。

他的核心观点是：参数量必须与数据规模、算力如何投入，以及模型由谁、在什么条件下运行等因素结合起来理解。随着推理和智能体工作负载越来越重要，传统以参数量为中心的缩放思路正在发生变化。

相关讨论将模型能力进一步拆分：记忆类能力更受益于更多参数，而推理能力则更依赖后训练数据和更高的“有效深度”。

文中引用的观点认为，当模型已经达到足以承载知识的参数规模后，一些高级能力并不会简单随着总参数量继续增长。例如软件漏洞发现等任务并非单纯的信息检索或记忆问题，而是需要模型维持较长的因果链，在超过20个推理步骤的过程中仍然保持任务上下文。

这意味着，对于复杂推理和智能体任务，“模型多大”可能不如“模型接受了什么样的后训练”重要。

GLM-5.3此次被强调的能力提升，主要来自长周期环境中的强化学习（RL）。

训练环境覆盖了更广泛的真实生产工作流，其中一些任务被设计成接近资深工程师数天才能完成的工作量。例如在机器学习基础设施任务中，模型可能获得计算集群、存储系统、内部文档、代码库和实验结果等资源，然后需要自行完成：

训练目标因此不再只是完成一个局部问题，而是让模型承担一项复杂工作的完整执行过程，减少用户逐步拆解任务和持续监督的需要。

随着智能体能力提高，后训练扩展面临的难点也开始从模型本身转向训练环境。

一个适合强化学习的专业任务环境需要同时满足几个条件：能够实际执行、结果可以验证，并且足够接近真实工作。更重要的是，这类环境需要大规模生成，而不能依赖少量人工构造的任务。

GLM-5.3采用了端到端合成环境的流水线，部分任务的强化学习奖励信号也由系统生成。其流程包括：研究智能体从真实工作中提取任务模式，将其转化成长周期、多步骤并包含隐藏状态的可执行环境；随后由评判智能体尝试完成任务，以确认任务本身确实可解。

验证器在不知道参考答案的情况下生成，同时利用求解轨迹寻找并修补可能被模型利用的奖励漏洞。通过既定检查后的验证器，可以产生用于训练的二元奖励信号。

唐杰进一步提出，应当从多个维度理解模型扩展，而不是继续执着于参数总量，其中还包括MoE模型的稀疏性等因素。

这一变化背后的逻辑是：当基础知识容量达到一定水平后，决定复杂任务能力上限的因素可能逐渐转向后训练规模、任务环境质量、有效推理深度以及推理阶段可以投入的计算资源。

如果这一方向持续成立，未来比较大模型时，仅看“多少B参数”会越来越难以解释真实能力。对于面向编码、研究和长周期智能体工作的模型而言，训练环境和后训练方法可能成为更值得关注的指标。