GLM-5.5 又有新传闻了。最新说法是“最快本周发布”，但截至 11 月 9 日，智谱 Z.ai 的官网、模型文档和正式账号都还没有公布发布日期、参数规模和 API 价格。
所以，“本周”只能当作一个等待官宣的时间窗口。真正值得关注的，是 GLM-5 这一代已经跑起来的两条反馈回路：后训练数据持续生长，模型开始参与优化自己的运行系统。
一代模型，在给下一代铺路GLM-5 的官方定位是从 Vibe Coding 走向 Agentic Engineering。GLM-5.1 开始把工作时间拉长，在向量数据库优化实验中连续运行 600 多轮、调用工具 6000 多次，最终将 QPS 做到 2.15 万。
GLM-5.2 把目标放到长程任务，上下文扩展到 100 万 token。它使用 IndexShare 复用稀疏注意力索引器，官方数据显示，在 100 万 token 下每 token 计算量降低 2.9 倍。
GLM-5.3 又把后训练环境拓展到更真实的软件工程和网络安全任务。它在 Z.ai Code Bench 上比 GLM-5.2 提升 50%，还在 269 个开源项目中跟踪到 2436 个经专家审核的漏洞发现。

更关键的一圈，模型已经开始优化基础设施GLM-5.3 驱动的 Infra Agent，已经在超过 10 万张国产 AI 加速卡的集群上参与推理系统优化。它会阅读性能指标和运行日志，定位瓶颈，修改内核、启动参数与代码路径，再把新结果送回下一轮实验。
图片来源：Z.ai 官方技术博客（2026-09）
结果很直接：GLM-5.3-Flash 从初次适配到生产就绪不到两周，端到端吞吐量达到初始基线的 3 倍。模型能力、训练环境和推理效率因此开始相互促进，这就是智谱所说的 RSI，也是递归式自我改进。
GLM-5.5 可能会把这两条线合在一起如果 GLM-5.5 近期登场，最值得观察的不是一张新跑分表。后训练环境能否覆盖更长的软件工程任务，模型能否产出更高质量的训练与评测数据，Infra Agent 能否继续降低大规模服务成本，这三个问题才会决定它的真实高度。
时效提醒：GLM-5.5 的发布日期、参数、开源方式和价格尚未官宣，具体信息以 Z.ai 正式公告为准。
发布时间还在等答案，技术路线已经很清楚。GLM-5.5 最大的想象空间，就是让这套已经运转的反馈回路再快一些、再深一些。