【唐杰拆Scaling Law：万亿参数是集体弯路，GLM-5.3一颗参数没加、AA指数53→60】

智谱创始人唐杰19日在X发文系统重述Scaling Law演进，并用GLM-5.3做“控制变量实验”直接回应“为何不训新基座”的质疑——结论很锋利：当基座跨过知识承载阈值，继续堆参数边际收益递减，下一跳能力来自后训练这个旋钮。

▍Scaling Law四步修正史
2020 Kaplan：参数增速∶数据增速≈2.7∶1 → 推飞GPT-3/Gopher/MT-NLG，万亿参数成“政治正确”；
2022 Hoffmann（Chinchilla）：400+模型重测，最优是每参数配~20 Token、参数与数据同速扩 → 唐杰定性“早期最大那批模型恰恰是算力分配最失衡的”；
Chinchilla后修：把推理成本塞进目标函数，最优解移向“更小模型+更久训练”（Llama-2-7B每参290 Token、Gemma-2-9B近889 Token皆属过训练）；
MoE拆双轴：总参数管“记忆/长尾知识”，激活参数+有效深度管“20步因果链推理”，盲目加总参反而拖累推理。

▍GLM-5.3实验：同底座+1个月长程RL=+7分
基座不变：753B总参 / 40B激活 / 同架构同上下文；
唯一变量：增加1个月长时域环境训练+强化学习后训练；
结果：Artificial Analysis智能指数53→60（与Kimi K3持平，距Claude Opus 63差3分）；Terminal-Bench 3.0 4.6→28.3，DeepSWE 46.2→66.9，CyberGym 77.2%→84.5%。
唐杰原话：“万亿参数这一轮，回头看是整个领域一起走了一段弯路，然后又一起折返。

▍对资本开支的硬含义（这比模型分数更重要）
预训练：从“70-80%算力占比”退到30-40%，头部团队预/后训练算力比逼近1∶1，中小厂放弃从零预训练、改用Qwen/Llama/DeepSeek底座微调；
后训练：RLVR（可验证奖励）、长程环境合成、 Judge Agent防reward hacking、slime级异步RL框架，成为新护城河，数据闭环>原始语料量；
推理端：生命周期成本里推理≫单次训练，Gartner预计2026起全球AI推理CAPEX首超训练、2029年推理:训练≈2∶1，算力链定价锚从“H100卖多少”转向“token成本/可靠性”；
估值重构：国产大模型资产定价权从“参数规模叙事”切到“同基座迭代增益+单任务成本（GLM-5.3 AA加权单任务$0.68 vs GPT-5.6 $1.23）”。

一句定调：唐杰这帖不是为智谱省显卡找借口，而是把行业从“排量竞赛”拉回“调校竞赛”——下一阶段AI alpha在RL环境工程、不在GPU堆头。但需注意：后训练非万能，唐杰本人留了口子“基座/预训练数据/前向算力仍会调，下一步看mid-training”，别把控制变量实验读成“预训练已死”。

风险提示：AA等第三方评测权重未完全公开；GLM-5.3权重尚未开放（预计8月底）、API成本随输出token上升；RL后训练存在reward hacking与过拟合风险；以上为技术-资本解读，不构成投资建议。

#唐杰ScalingLaw# #GLM53后训练涨7分# #万亿参数弯路# #Chinchilla修正# #AI资本开支转向推理# #RLVR护城河#