事件经过
11 月 6 日，一份关于智谱下一代模型的训练资料在技术社区流出。资料显示 GLM-5.5 不再沿用“先训基座、再做人评对齐”的常规路径，而是把编程任务作为端到端后训练的主线，内部几代不同规模的模型将被整合进下一代基座。需说明的是，上述内容来自流出的技术材料，智谱官方尚未正式确认。
关键能力与线索
训练路线：端到端编程后训练，32B、122B、256B 内部模型合并进下一代基座；
环境配套：量化金融训练环境、代码沙箱、金融编程方向的自动反馈；
产品线索：代码工具 OpenCode 中已出现 glm-5.5-flash 相关条目；
研究目标：先让编程 Agent 闭环，再由 Agent 生成自身训练数据（RSI），后续向医疗 Agent 等专业领域迁移。
行业意义
如果资料属实，这标志着国产模型开始尝试“自我改进”的训练范式——用可验证的编程任务做自动奖励，绕开人工标注的规模瓶颈。这条路线的风险同样明确：奖励可被刷、闭环可能放大错误，如何设定验证边界将比模型规模更关键。
原文出处：网易科技（引自智猩猩）