智谱（2513.HK）创始人兼首席科学家唐杰在X平台发表长文并转发公司技术博客，披露了智谱在递归自我改进（Recursive Self-Improvement，RSI）方向的首个工程化实践。据澎湃新闻9月17日报道，这一案例由GLM-5.3驱动的基础设施智能体（Infra Agent）完成，它承担了GLM-5.3-Flash推理基础设施的设计、调试与优化工作，实现了模型对自身运行系统的反向改进。智谱方面称，这是国内大模型厂商首次公开跑进生产环境的RSI案例。

从技术细节看，Infra Agent在由超10万张国产芯片组成的集群上，从零完成了生产级推理服务的搭建。据官方博客，该系统在不到两周时间内将端到端吞吐提升至初始基线的3倍，硬件利用效率与单Token成本达到主流NVIDIA GPU相当水平，并支持1M上下文窗口与多模态请求。这意味着智能体的工作范围已不再局限于生成代码，而是覆盖了围绕推理系统的完整工程闭环：自主分析性能瓶颈、定位精度缺陷、修改底层代码、执行分层测试，并根据实验反馈持续迭代。

该系统已经受过真实流量的检验。GLM-5.3-Flash以匿名模型Ox-Alpha的身份在OpenCode、OpenRouter上线，6天内Token调用量超过62万亿。这一数据为RSI从实验室概念走向生产环境提供了实际负载层面的佐证。

智谱GLM团队同时给出了边界说明：系统尚未达到完全自主设计和训练下一代模型的阶段，但RSI的早期形态已经出现——模型建设推理系统，系统再反过来支撑模型运行。这一表述将当前进展定位在“工程闭环”而非“自主科研”之间，既确认了能力跃迁，也划出了与完全自主迭代之间的距离。

放在行业背景下，RSI已成为头部实验室竞逐的下一个高地。Anthropic于6月披露Claude编写了其代码库80%以上的合入代码；OpenAI于9月初宣布达成“自动化研究实习生”里程碑。智谱此次披露的案例，使国产厂商在这一方向上有了可对照的公开进展。

从资本市场与产业竞争的视角看，此次实践释放的信号在于：大模型竞争正在越过参数规模与榜单成绩的比拼，进入一个更根本的阶段——当AI开始参与自身系统的构建，AI研发效率本身成为竞争对象。谁能率先让模型参与构建下一代模型，谁的迭代速度就可能获得复利式增长。对国产模型追赶路径以及AI算力产业链而言，这构成一个值得持续跟踪的边际变化。

需要区分的是，RSI的“早期形态”与“完全自主”之间仍有明显距离。智谱方面明确表示系统尚未达到自主设计并训练下一代模型的阶段，因此当前案例更多体现为推理基础设施层面的自动化优化能力，而非模型研发全流程的自主化。这一区分对于评估该进展的实际含金量至关重要。