智谱联合清华推出新网络架构，GLM推理吞吐量提升15%

中国人工智能公司智谱星期三披露，其联合驭驯网络与清华大学研发的新一代网络架构ZCube已完成规模化落地，在不新增任何GPU硬件的前提下，将旗舰模型GLM-5.1的推理吞吐量提升15%，并大幅削减了基础设施成本。

此次ZCube架构在GLM-5.1线上生产集群中完成部署，测试场景聚焦于计算密集型的代码生成任务。官方数据显示，在GPU算力、软件栈与上层应用均保持不变的条件下，ZCube将交换机与光模块的资本支出削减33%，同时将首token延迟（TTFT）的P99指标降低40.6%——即在高并发压力下，99%的用户请求获得首字节响应的等待时间缩短逾四成。

智谱表示，15%的吞吐提升直接对应API平台每秒可处理请求数的等比提升，在流量峰值期间能够提供更稳定的用户体验，而无需追加硬件采购支出。

取消Spine层，全互联设计

据技术资料，ZCube的核心创新在于重构了传统数据中心网络的三层拓扑结构。该架构通过取消Spine（脊柱）交换层、将Leaf（叶）交换机分组并实现组间全互联，从根本上消除了超大规模推理集群中常见的网络拥塞问题。

在传统的“接入层—汇聚层—核心层”架构中，Spine层是带宽瓶颈与故障单点的集中来源。ZCube通过将Leaf交换机直接全互联，绕过了这一瓶颈，使得GPU间通信路径更短、带宽利用率更高，从而在不增加计算资源的情况下释放出被网络延迟锁死的推理潜力。

这一设计在ZCube进入大规模生产部署前，已在仿真环境及真实测试平台上完成验证，早期学术成果曾于CCF中国网络大会上发布。

GLM-5.1：代码能力跻身全球前列

ZCube所服务的GLM-5.1，于2026年4月由智谱正式开源，是该公司当前技术水准最高的旗舰模型。GLM-5.1采用混合专家（MoE）架构，总参数量744B，每次推理激活约40至44B参数，支持200K tokens的上下文窗口。

在全球最具参考价值的代码评测基准SWE-Bench Pro中，GLM-5.1以58.4分刷新纪录，超越OpenAI GPT-5.4（57.7分）与Anthropic Claude Opus 4.6（57.3分），成为首个在该基准上超越顶级闭源产品的中国开源模型。

在长程任务能力方面，GLM-5.1具备单次任务连续自主运行8小时以上的能力，在无人监督条件下完成代码编写、调试与迭代的完整闭环。智谱公开的案例显示，该模型曾通过655轮自主迭代将向量数据库查询吞吐量从约3,500 QPS提升至21,500 QPS。

GLM系列已获字节跳动TRAE、阿里巴巴Qoder、腾讯CodeBuddy、百度智能云、美团、快手等至少18家企业的官方接入，智谱在其上市后首份财报中披露，中国前10大互联网公司中已有9家深度集成GLM。

值得注意的是，随着GLM-5.1发布，智谱同步将GLM系列API价格上调10%，方向与全球AI定价趋势一致——在算力投入持续扩大的背景下，主要大模型供应商正从以低价换市场份额转向强化利润率。

ZCube架构的推出在这一背景下具有双重战略意义：一方面压缩了基础设施的单位成本，为价格上调创造部分空间；另一方面在吞吐量与响应延迟两项核心服务指标上建立了工程壁垒，有助于在与国内外竞争对手的角逐中维持服务质量优势。