GLM-6.0 泄露：Z.ai 下一代旗舰将“完全自训练”——目前已知信息

2026年8月31日晚，Z.ai（智谱）召开了自1月在港交所上市以来的首次中期业绩电话会——创始人唐杰在会上用部分时间定义了公司的下一代基座模型，并首次公开为其命名：GLM-6.0。他将该模型定位在Z.ai所称的“完全自训练”技术路线上，并表示这对应西方所说的RSI——递归自我改进。GLM-6.0没有发布日期、没有模型卡、没有API，也没有独立的基准测试。这是一篇关于该名称和方向首次获得官方确认的“已知信息汇总”报道，而非发布报道。

关于GLM-6.0，财报电话会议实际上说了什么

该通话报道来自观点网，这家香港财经媒体当晚进行了报道；相关信号由@dotey在X上发布。以下关于GLM-6.0的所有细节均依据观点网对唐杰言论的报道，尚未获得Z.ai官方公告或模型卡片的确认。

据该报告，唐杰将GLM-6.0定义为“完全自训练”模型。他所描述的核心能力是自我净化：模型覆盖整个训练流程——预训练、中训练和后训练——旨在实现完全自主的训练与自我进化。这个标题并不是在宣布新的参数数量，而是在声称该模型将接管自身训练的部分环节。

他明确指出了难点所在。他说，最大的挑战不是把模型规模做大，而是模型能否实现自我判断——自行决定何时停止训练，并纠正自己的错误。他将此称为这一路径的核心难点，也是未来研究的关键方向。他还表示，未来的模型工作会把伦理和社会治理作为设计维度纳入进来，而不是事后的附加考虑。

同样的发言也承载了Z.ai更宏大的框架。{{1}}唐杰提出了一个公式——AGI商业价值等于智能上限×token消耗规模{{/1}}，并主张Z.ai应该{{2}}“卖任务，而不是卖模型。”{{/2}}在数据方面，他指出{{3}}国内大模型训练语料库的规模通常在30万亿到50万亿token之间{{/3}}，单纯堆叠参数的回报正在递减。{{4}}数据墙{{/4}}这一论点正是自训练的经济动机：{{5}}如果人类质量的文本规模不再增长，模型就必须自行生成并评判自己的训练信号。{{/5}}

“完全自训练”（RSI）实际上意味着什么？

RSI——递归自我改进——是一类理念，指模型改进那些使其变得更聪明的过程，在训练与被训练之间形成闭环。在其最强形式下，模型会编写或调整自身训练流程的各个部分，因此能力可复利式累积，而无须在每个循环中都有人类工程师介入。前沿实验室就此撰文探讨过；但几乎没有一家公开将已发布旗舰产品与它挂钩。Z.ai 在财报电话会议中的定位恰恰如此，这正是这句话即使在 GLM-6.0 代码尚未存在之时也举足轻重的原因。

这种定位并非凭空而来。它在唐杰于2026年7月11日发给员工的内部信《巨浪已来》（"The Giant Wave Has Come"）中就已埋下伏笔——信中宣布了"摸高"（Touch High）计划：进行两年的战略性投入，放弃短期变现，去争夺下一代AGI的制高点。信中列出了四大核心引擎，其中之一是完全自训练的。相关报道对该引擎作了具体描述：建造一座高质量的合成数据工厂；在人类数据即将耗尽之处，利用AI与AI之间的自对弈生成知识；并在安全沙箱内，赋予系统重写自身代码的能力，使进化速度不再受限于人类工程师。

这是一个强有力的声明，阅读时应保持适当的谨慎：所有这些都只是该公司在描述一种愿景。目前还没有任何实验室在前沿规模上展示过完整的自我训练，而这封信是一份战略文件，而非基准测试。

唐杰提出的挑战是诚实的那部分。

对试图预测GLM-6.0是否会重要的读者来说，这次通话中最有价值的部分，是唐杰所说的难点。自我判断——知道何时停止训练并自主纠错——是整个赌注的承重假设。如果模型无法可靠地判断自己的输出，那么合成数据和自我对弈就只是在放大噪音，“自我训练”就会退化成一条极其昂贵、仍需人工兜底的数据流水线。

这两种表述的框架是一致的：信函的引擎将算力视为进化燃料；而号召中的挑战关乎如何做出判断，让这种燃料发挥作用。他还强调了一个规模原则——避免模型过大而无法使用——这一点很重要，因为自我训练的赌注并非纯粹的规模扩张赌注。这是一个有意义的信号，表明GLM-6.0不是什么：它不仅仅是“迄今为止最大的GLM系列模型”。

GLM-6.0 在产品线中的位置

Z.ai 报告称，GLM 系列在十一个月内历经六代迭代，公司自有的智能衡量指标从 32 提升至 60。当前旗舰为 GLM-5.3，于八月中旬发布，API 于 8 月 19 日开放，开放权重于 8 月 28 日确认。这是一款文本输入/文本输出的 MoE 模型，拥有 400 亿活跃参数、100 万 token 的上下文窗口，Artificial Analysis 智能指数得分 60——创下当前开放权重模型的最高纪录——定价为每百万输入 token 1.40 美元、每百万输出 token 4.40 美元。较小的 GLM-5.3-Flash 以 MIT 许可证发布，据 Z.ai 称，该模型在发布后六天内处理了 62 万亿 token（此为厂商数据，并非独立测量结果）。

有趣的问题是GLM-5.5到底发生了什么。在八月的大部分时间里，路透社和CGTN转载的分析师报告都称GLM-5.5旗舰机型将于“八月内”推出——但它并未出现。财报电话会议将下一代模型命名为GLM-6.0，完全跳过了5.5。5.5是被更名、并入6.0，还是从未作为官方产品存在过，目前尚未得到证实。电话会议所明确的是官方口径：下一代基础模型是GLM-6.0。

同样尚未得到证实：GLM-6.0 的任何参数数量、架构、定价或可用性。Z.ai 宣称的“不会大得难以使用”的原则，加上自我训练的框架，暗示了一个有趣的改变可能在于训练范式而非规模——但这是推测，而非确凿信息。

哪些已确认，哪些尚未确认

• 据Guandian对8月31日财报电话会议的报道确认：唐杰将GLM-6.0命名为下一代基础模型；他将其定位为完全自训练（Full Self-Training）；他描述了贯穿训练流程的自净化，并将自判断列为核心挑战；Z.ai报告2026年上半年营收为人民币9.54亿元，同比增长399.7%，其中API/MaaS业务占营收的86.5%，净亏损20.7亿元人民币，收窄12.1%。

• 独立于泄露信息确认：GLM-5.3 的状态 — AA 智能指数 60，$1.40/$4.40，1M 上下文，仅文本，开放权重 — 由 Artificial Analysis 评测，而非 Z.ai。

• 尚未确认：GLM-6.0 是否作为正式发布产品存在；任何发布日期；参数、架构或定价；GLM-5.5 是否被跳过或重命名；任何基准测试；通过任何提供商的可用性。

• 一个单一来源提示：GLM-6.0 的引述仅基于一家媒体对此次通话的报道。截至本文撰写时，Z.ai 本身尚未发布任何关于 GLM-6.0 的公告。

开发者现在应该做什么

这一信号中的任何内容都不应促使今天做出生产决策，因为并没有GLM-6.0可供调用。对路线图确认的正确回应是保留这一选项，而不是重新构建平台。

值得注意的一点是，如果一款自我训练的旗舰模型正式发布，它会改变什么。GLM 系列在其近几代旗舰产品中一直保持着每百万 token 1.40 美元 / 4.40 美元的稳定定价，在价格上低于前沿闭源实验室，但在独立指数得分上落后于它们。一款真正自我训练的 GLM-6.0 将以任何单模型发布都未曾有过的方式测试开放权重模型的上限——而这个问题首先得到回答的地方，就是它是否会以合理的价格出现在供应商目录中，并且周围有真正的故障转移能力。

一旦 GLM-6.0 出现在目录中，OrcaRouter 上的定价规则就很简单：提供商列表价格原样透传，零加价，当日生效——无需重新谈判，也无需第二份合同。这正是 GLM-5.3 在平台上已有的运行规则：当前旗舰产品以每百万 token 1.26 美元 / 3.96 美元提供服务（即在 1.40 美元 / 4.40 美元列表价基础上享受 10% 发布折扣），全部通过一个 API 接入 200+ 模型。而像 RSI 这样路线图大胆却尚未得到验证的模型，恰恰是按结果而非名称路由的典型场景：将一部分流量指向新模型，并自动故障转移到成熟模型——GLM-5.3、DeepSeek V4 Pro 或 GPT-5.6 Sol——这样，一旦某个模型被过度炒作，它只会降级到备用模型，而不会带着缺陷上线。当还没有 GLM-6.0 可路由时，等价的准备工作就是在模型问世之前把路由规则写好。

接下来看什么

• 发布日期。Z.ai 的旗舰产品发布节奏约为两代之间相隔两个月；该电话会议未给出具体日期，而一个“完全自主训练”的模型可能根本不会遵循正常的发布节奏。

第一个具体对象：模型卡、权重释出，或 API ID。一旦 GLM-6.0 有了 API 标识符，这个传闻就变得可以检验了。

• GLM-5.5 的命运。如果 GLM-5.5 先出现，路线图的解读就会改变；如果它保持沉默，那么“6.0 跳过了这个数字”的解读就更有可能。

• 其他实验室是否会回应。RSI通常在文章而非财报电话会议中被讨论；如果一家大型实验室公开将自我训练与旗舰产品挂钩，这种定性就不再是Z.ai的特立独行，而会成为一种趋势。

第一个独立评分。目前在 Artificial Analysis Intelligence Index 上，开放权重模型的最高分是 60 分（GLM-5.3，与 Kimi K3 并列）。一个能在独立评测中超越这一成绩的 GLM-6.0 才是真正重要的事件——在此之前的一切都只是路线图。

这些都算不上发布。GLM-6.0 只是一个名字和一个方向，在财报电话会议上被公开确认，除此之外还没有任何更具体的东西。但方向本身就是故事所在：一家重要的开放权重实验室公开押注，其下一款旗舰模型将学会自我训练，并提前指出了难点所在——是判断力，而非规模。这种信号值得在它拥有发布日期之前就记录下来，因为一旦 GLM-6.0 有了模型卡，问题就不再是 Z.ai 是否认真，而是它是否真的可行。