智谱于 9 月 13 日宣布完成约 50 亿美元（约 335.4 亿元人民币）融资，其中六成将明确投向下一代 GLM 基础模型与”完全自训练”体系及算力基础设施。这笔资金让这家今年 1 月才登陆港交所的中国大模型公司，在持续升级的”耐力赛”中获得跨多个研发周期调度算力的底气。

一笔”折价配售 + 零息转股”的组合拳

智谱（02513.HK）本轮融资由两部分独立构成，彼此不互为前提。其一是约 20 亿美元的股份配售：以每股 714 港元配售最多 2196.5 万股新 H 股，较 9 月 11 日 793 港元的收市价折让约 9.96%，所得净额约 156.64 亿港元。其二是约 30 亿美元的零息可转债券：以本金 100.5% 发行，初始转股价 892.5 港元（较 793 港元溢价约 12.55%），2027 年到期，本金规模 201.4 亿元人民币，所得净额约 236.1 亿港元。两项合计净额约 392.74 亿港元。

这种”折价配售 + 零息溢价转股”的结构在 AI 公司融资中并不常见。零息设计意味着公司不承担常规票息支出，而溢价转股价把即期股权摊薄压到最低——智谱用更低的当期成本，换来了更大的资金体量。

资金去哪儿了

据港交所公告，募资净额按以下比例分配：

“完全自训练”（Fully Self Training）是本轮研发的重点方向。智谱将其描述为：下一代 GLM 在上一代 GLM 构建的环境中训练，形成递归式自我改进循环（Recursive Self-Improvement，RSI），具体覆盖自动化生成与筛选训练数据、构建可执行可验证的任务环境、提升长程推理与自我验证能力，以及推进国产芯片适配、算子开发和算力调度。

什么是”完全自训练”？

完全自训练指由下一代模型在上一代模型搭建的环境里完成训练，逐步建立递归式自我改进循环。它让模型参与更完整的训练与改进过程，而非单纯依赖人工标注数据，是智谱试图把”模型竞争力”转化为”持续迭代能力”的核心赌注。

商业化已跑出陡峭曲线

支撑这笔融资的，是智谱快速改善的财务表现。2026 年上半年，公司营收达 9.54 亿元，同比增长近 400%，已超过去年全年收入；其中 MaaS（模型即服务）开放平台及 API 服务收入 8.25 亿元，同比增长约 2736%，贡献当期 86.5% 的营收，业务毛利率由负转正至 24.6%。截至 8 月底，智谱按月度收入年化计算的 ARR（年度经常性收入）达到 16 亿美元，较 7 月上旬的 10 亿美元增长 60%。

模型侧，GLM 系列在 2 月至 8 月先后推出 GLM-5、GLM-5.1、GLM-5.2 和 GLM-5.3，保持约每两个月一次的重要升级节奏。

智谱为何采用”折价配售 + 零息转股”结构？

折价配售可快速募得大额权益资金，零息可转债则不产生票息负担且转股前不摊薄股权，溢价转股价更体现投资者对增长的预期。两者结合，让智谱在亟需算力的阶段以更低当期成本拿到约 50 亿美元弹药。

一场关于”谁先耗尽弹药”的耐力赛

把视野拉到全球，智谱的融资节奏折射出大模型行业的共同处境：前沿模型的竞争已从”谁模型更强”转向”谁能在更长周期里持续投入”。与 OpenAI、Anthropic 动辄千亿美元量级的累计融资相比，中国大模型公司的资金池仍显单薄，但智谱 1 月港股 IPO（所得 48.96 亿港元已悉数动用）、7 月配售 1978 万股净筹 313.75 亿港元、再到本轮近 393 亿港元，三步累计形成的储备已足以支撑数个研发周期。

真正的看点不在”融了多少”，而在”完全自训练”能否跑通。一旦递归式自我改进循环成立，模型迭代将部分摆脱对人工数据的依赖，算力与工程能力的复利效应会显著放大。这恰是约 50 亿美元最该押注的方向。

50 亿美元能支撑智谱跑多远？

按公告口径，约 60% 投向模型与算力，可支撑智谱跨多个研发周期安排训练实验、人才与算力调度。对一家半年营收不足 10 亿元、却要参与全球前沿模型竞争的公司而言，这笔资金主要购买的是”不被弹药拖慢节奏”的时间窗口。

本文基于智谱港交所公告、2026 年中期财报，以及证券时报、智东西、新浪财经等公开报道综合整理。

9 月 10 日，智谱通过 BigModel 开放平台宣布启动”智谱・杭州全城 Coding 计划”。该计划由智谱联合杭州市、上城区推出，定位为城市级 AI 编程普惠行动，官方称其为全国首创的城区级 AI 模型调用支持。

活动的目标写得很直接：降低人工智能编程工具的使用门槛，让创业者、开发者、企业研发团队和青年人才以更低成本用上国产大模型能力。活动时间为 9 月 10 日至 12 月 9 日。

个人用户：季卡减 44%，年卡减 51%

谁能申请，划分得很清楚——在杭工作人员，或杭州高校在校生。

减免标准分两档：购买季卡享受 44% 综合减免，购买年卡享受 51% 综合减免。限制条件是每人仅限享受 1 次，季卡和年卡二选一，不可重复购买；整体减免金额达到上限后不再发放。

按官方公布的规则，个人版 Coding 套餐的到手价如下：

• Lite 版季卡：354 元 / 季，减免后 198.24 元 / 季
• Pro 版季卡：1614 元 / 季，减免后 903.84 元 / 季
• Max 版季卡：3234 元 / 季，减免后 1811.04 元 / 季
• Lite 版年卡：1416 元 / 年，减免后 693.84 元 / 年
• Pro 版年卡：6456 元 / 年，减免后 3163.44 元 / 年
• Max 版年卡：12936 元 / 年，减免后 6338.64 元 / 年

也就是说，门槛最低的 Lite 年卡折后不到 700 元，相当于每月约 58 元。

季卡还是年卡，怎么选

规则里”每人仅限 1 次、二选一”这一条，是最容易踩坑的地方。

先用季卡试水，44% 的减免已经足够可观，适合还不确定这套编程工作流是否适合自己的人；但一旦买了季卡，年卡那 51% 的额度就作废了。反过来，如果已经熟悉相关模型的工作流、准备长期使用，直接上年卡更划算——Lite 年卡折后 693.84 元，比两张季卡还便宜。

考虑到减免总额有上限、额满即止，有意向的用户尽早提交申请更稳妥。

申请流程与资质材料

个人用户的流程并不复杂：

• 在 BigModel 平台完成个人实名认证
• 提交表单申请
• 平台进行资质审核
• 审核通过，收到短信通知
• 选购个人版套餐，直接享受减免后价格

资质审核标准是硬门槛：在杭工作人员需提供杭州市的社保参保证明；杭州高校在校生需提供学信网的在线验证报告，证明为杭州高校在校生。

企业用户：年卡减 55%，单家上限 100 万元

企业侧的力度更大，但范围更窄——只有杭州市上城区的企业主体可以申请。

企业用户购买年卡可享受 55% 综合减免，单家企业减免上限为 100 万元，且原则上仅支持购买年度套餐。团队版 Coding 套餐的对应价格是：

• 标准版：年卡原价 7176 元 / 席位 / 年，减免后 3229.2 元 / 席位 / 年
• 高级版：年卡原价 14376 元 / 席位 / 年，减免后 6469.2 元 / 席位 / 年

企业首批减免上限原则上不超过 100 万元 / 家。流程包括企业实名认证、提交表单、资质审核、商务沟通、签署合同协议，之后即可享受减免价。

值得注意的是，该计划同时支持从未购买过团队套餐的企业申请，以及已购买过团队套餐的企业新增席位——老客户不用为了拿补贴另开账号。

城市级补贴背后的产业逻辑

把 AI 编程工具的使用成本纳入地方补贴，在国内尚属首次。这类政策瞄准的并不是短期消费刺激，而是开发者习惯：编程订阅属于入口型产品，一旦形成工作流依赖，迁移成本极高。

对国产大模型厂商而言，编程订阅是与海外同类产品正面竞争的赛道。政府补贴叠加厂商让利，等于把试用门槛压到极低，用真实订单换取开发者的默认选择。对地方政府来说，这是在抢 AI 人才和 AI 创业项目的落地。

其他城市是否会跟进，或许是接下来一段时间更值得关注的看点。对身在杭州、符合条件的人来说，这一轮补贴的性价比确实不低——只是别忘了 12 月 9 日这个截止日期。

Mostik 在俄语中意为”桥”，这个名字直指其核心思路——在两个模型之间架一座桥。权重是决定一段提示词如何被转换成输出结果的数值参数，Mostik 的方法就是让两个模型通过权重中的数学值直接互通。落到实际效果上，大模型的能力可以被更高效地传递给小模型，从而快速抬高后者的智能水平。

演示对象是两款中国开源模型

用这套方法，Mostik 训练出的模型已经登顶 ARC-AGI 3 排行榜——这是一项以难度著称的模型能力评测。由于比赛仍在进行，团队拒绝透露更多细节。

不过为了公开演示这一思路，Mostik 另外搭了一座桥，两端接的都是中国的开源权重模型：一端是参数量 7530 亿的 GLM-5.2 最大版本，另一端是能跑在手机上的 40 亿参数版 Qwen-3.5。桥接出来的混合系统，成本仅为完整 GLM 模型的二十分之一，也就是降低约 95%，而性能恰好落在大模型与小模型的正中间。

“机器学习领域众所周知，模型集成的表现优于单个模型。”Mostik 首席执行官 Sasha Malysheva 说，这套方法正是由她开发。公司内部流传着一个说法：AI 的未来类似于猜一头猪的体重——数学圈子里有个常识，一群随机的普通人只要把各自的猜测汇总平均，往往比一位专家猜得更准。把多个 AI 模型的输出合起来用，道理相通。

省掉”生成文字”这道关

问题在于成本。传统的集成做法通常是把一个模型的输出当成提示词喂给下一个模型，这既费时间也费钱。Mostik 的做法绕开了生成文字这一步，让模型之间不出声地完成交流。

如果这条路走通，开源权重模型的价值会被明显放大，它们与 Anthropic、OpenAI 等前沿实验室的闭源专有模型竞争时也会更有底气。

Malysheva 认为，把大量不同模型组合起来，可能比一味做大单个模型更有前途。”我个人不认为未来会出现单一的整体模型，也不认为模型的能力会来自规模扩张。”她说。

“如果 Mostik 能让前沿模型与领域专用模型配对——比如生物学、物理学等等——那么会有更多专用模型被训练出来。”AI 软件公司 Lovable 的技术负责人 Vladimir Arustamian 说。他认识 Mostik 团队，”这个团队才做了几个月，就已经跑出了我原以为还要好几年才会出现的东西。”

曾在 Google DeepMind 任职的计算机科学家 Karl Tuyls 熟悉这家公司的技术。他表示，Mostik 的方法意味着”无需让大模型承担整个流程，就能接近大模型的质量；只要旁边跑一个较小的模型，就能获得可观的提升”。在他看来，对任何需要尽可能高效运行模型的人来说，这个方法几乎不必犹豫。

数学语言仍然缺位

Mostik 的首席科学家是日内瓦大学教授、2010 年菲尔兹奖得主 Stanislav Smirnov。他坦言，要在两个 AI 模型之间找到共同基础出乎意料地困难，”目前似乎还没有合适的数学语言”。在这套语言出现之前，Mostik 的方法就是一座字面意义上的桥。

Smirnov 还认为，这项工作或许能揭示 AI 模型的真实运作方式，以及它与人脑机制的异同；更深入的数学分析可能会发现，AI 模型与人类在面对难题时的推理方式存在某种共性。

Malysheva 的数学天赋则是被激出来的。她提到，哥哥当年告诉她解不出他正在做的数学奥林匹克题目，几年后她考进了圣彼得堡最好的学校之一。后来她提出权重桥接的构想时，一些同行也警告说太难、做不成，”他们说这对一个年轻女孩来说可能太难了”，她说，”我决定证明他们错了。”

据彭博报道，Ox Alpha 于 8 月 20 日前后以 “stealth”（隐身）为名低调上线 OpenRouter，成为该平台历史上规模最大的发布。它迅速冲上使用量排行榜首位，用量超过 DeepSeek 的两倍。Stripe 首席执行官 Patrick Collison（其公司正在收购 OpenRouter）评价这次匿名发布”非常出色”。

从定位看，Ox Alpha 是一款面向编程与智能体任务的推理模型，可同时处理文本、图像与视频输入，上下文窗口达到 1,048,576 个 token（约 100 万）。目前向所有用户免费开放一周，之后的定价尚未公布。

其代号取自近期国内上映的电影《牛来》（Niu Lai）。这种”先匿名、后认领”的发布方式，延续了阿里巴巴、小米今年以来的做法：先观察模型在真实场景中的表现，再决定是否正式公布。

本月早些时候，Z.AI 刚发布旗舰模型 GLM-5.3，称其在部分基准上已可媲美 Anthropic 的 Fable 5。在编程基准 DeepSWE 上，Ox Alpha 在完整 113 题跑分中完成 66 题、得分 58.4%，接近 Anthropic Claude Opus 4.8 的 59%。据 VentureBeat 数据，GLM-5.3 通过 Z.AI API 调用的价格为每百万输入 token 1.40 美元、输出 4.40 美元；其 GLM-5.3-Flash 权重已以 MIT 许可发布于 Hugging Face，总参数 3210 亿、激活参数 180 亿。

Z.AI 于 2026 年 1 月 8 日在港交所上市，并将于周一发布上市以来首份详细半年财报。开源权重意味着开发者既能基于模型自行构建应用，也能检视乃至移除其安全护栏。在多家美国对手收紧闭源模型的背景下，中国开源大模型正以更低的成本与开放权重参与全球竞争。

8 月 14 日，智谱发布新一代旗舰模型 GLM-5.3。与上一个版本 GLM-5.2 相比，新模型的基座并没有更换，全部提升来自后训练阶段的强化学习——智谱称其为「后训练 Scaling」：依托 IndexShare、SAO 以及新一代 Slime 框架，在完全相同的基座上把训练时长、任务环境种类与长程任务规模都做了大幅扩展。用官方的话说，这个基座的智能上界还远未被开发完。

在内部体感评测中，GLM-5.3 的编程能力较前代提升约 50%，在多项公开基准上登顶开源模型第一。智谱将其定位为「为编程而生，为网络防御就绪」，并称其编程与智能体能力已接近 Claude Fable 5，编程体感超过其他国产模型。

基准分数：编程与安全双双跃升

具体来看，在衡量真实终端环境复杂任务完成的 Terminal-Bench 3.0 上，GLM-5.3 得分从 4.6 提升到 28.3；在长程软件工程与持续代码修改的 DeepSWE v1.1 上，从 46.2 提升到 66.9；在跨工具协作与长程任务的 Agents Last Exam 上，从 23.8 提升到 28.5；在覆盖 44 种职业真实知识工作的 GDPval-AA v2 中得分 1769，呈现出基于编程能力涌现出的专业任务执行力。

网络安全是这一版最突出的新增方向。在白盒代码审查与漏洞发现任务中，GLM-5.3 的表现与闭源标杆 Mythos 5 持平；在漏洞验证基准 CyberGym 中取得 84.5% 的成绩，高于 GLM-5.2 的 77.2%，也略高于 Mythos 5 的 83.8% 与 GPT-5.6 Sol 的 83.6%。在 Z.ai Code Bench 高档位端到端测试中，其准确率达到 31.4%，超过 Claude Opus 4.8 最高档位的 29.5%。

两周后开源，工具链同日上线

智谱表示，GLM-5.3 的全部提升都来自后训练，因此模型权重将在发布约两周后开放，前提是完成必要的安全评估与加固，以限制其潜在的攻击能力、保留防御价值。这是智谱（Z.ai）十三个月内发布的第七款旗舰模型。

与模型同步，智谱官方编程工具 ZCode、效率工具 AutoClaw 已于发布当日上线，GLM Coding Plan 面向全量用户开放订阅；Trae、扣子、WorkBuddy/CodeBuddy、Qoder、CatPaw、JoyCode、OpenCode 等多家编码平台也获得抢先体验资格。

来源：智谱官方公告（经 IT之家、澎湃新闻、新浪科技、AI Release Tracker 等转述与整理）