SemiAnalysis 播客拆解 GLM 5.3:后训练、稀疏注意力与国产芯片适配
SemiAnalysis Weekly 播客 Ep. 038 围绕智谱两个月前发布的开源模型 GLM 5.3 展开拆解,嘉宾为分析师 kimbochen 与 gao_wenyao。节目指出 GLM 5.3 与 5.2 架构完全相同,提升全部来自后训练,agentic 基准提升超过 2%,其管线以 GRPO 为基础分阶段推进并开源了 slime 后训练框架。嘉宾还澄清稀疏注意力解决的是内存带宽而非容量瓶颈,并称 GLM 5 从第一天起全栈适配华为昇腾、摩尔线程等七大国产芯片平台。
仍要求保留全部上下文,计算时仍需载入 HBM,所以 KV cache 的容量占用并未显著减少。 真正处理容量问题的是 HiCache / HiSparse:并发升高时把 KV cache 从 HBM 卸载到容量大、带宽低的主机 DRAM,只在计算时取回最相关的部分。代价是长尾延迟增加。B200 因单芯片显存少于 B300,卸载压力反而更明显。 AMD 追平 NVIDIA:软件迭代的力量 InferenceX 基准(150 tokens/s 交互性、每百万 token 服务成本)显示了一个罕见画面:GLM 5.3 发布初期 NVIDIA 领先,几周后 AMD MI355 借助其 ATOM 推理引擎的持续优化,成本曲线反超 B200。嘉宾的解读是:硬件性能固定,而推理引擎是持续迭代的软件;AMD 工程师“连夜优化”证明了这条赛道的竞争本质。 由此引出对内存股的投资判断:当年 DeepSeek V3/R1 发布引发“高效模型 = 内存需求减少”的恐慌性抛售,节目观点恰好相反,模型越高效,并发越高、token 消耗越大(杰文斯悖论),HBM 与 DRAM 需求持续增长。结合 Rubin 世代“
匹配字段正文



