GLM 自己造出了自己的推理基础设施

📋 概述

智谱在这篇文章里给出的例子已经不是「模型帮忙写代码」，而是模型直接参与造自己的运行时：GLM-5.3-Flash 的生产推理服务搭在十多万张国产 AI 加速器组成的集群上，从首次跑通到能扛住线上流量，整条系统工程里很大一部分由一个由 GLM-5.3 驱动的 Infra Agent 完成。难点写在纸面上：没人在这规模上部署过国产加速器，显存容量与带宽都偏紧，还要支持新架构、百万 token 上下文与多模态请求，生态不成熟、kernel 支持不全，很多本该有文档的地方只能靠猜。最终成果是在匿名代号 Ox-Alpha 下上了 OpenCode 与 OpenRouter，一周内成为两个平台使用量最高的模型，六天处理超 62 万亿 token。