Quel est le nombre de cartes d'accélération utilisées par Zhipu pour construire son service d'inférence ?

Zhipu utilise un cluster de plus de 100 000 cartes d'accélération IA nationales pour construire son service d'inférence.

Sur quel système fonctionne l'inférence de production de GLM-5.3-Flash ?

L'inférence de production de GLM-5.3-Flash fonctionne sur le système construit avec plus de 100 000 cartes d'accélération IA nationales.

Quelles tendances étaient les plus discutées dans les commentaires de Hacker News le jour de la publication du blog de Zhipu ?

Les commentaires de Hacker News discutaient des tendances de l'amélioration récursive de soi en IA et de la hausse des prix, confrontant l'histoire de l'autonomie en ingénierie et le ressenti du portefeuille des utilisateurs.

GLM révèle un cluster d'inférence auto-construit avec 100 000 cartes d'accélération nationales : distinguer la qualité de l'ingénierie de celle du réci

Suivi de l’actualité : Publication de tendances × Jugement technique × Conseils pratiques. Auteur : Yongliang

Le 17 septembre, le blog officiel de z.ai a publié « Toward Recursive Self-Improvement: How GLM Built Its Own Inference Infrastructure », figurant le même jour sur la liste des tendances de Hacker News avec 366 points. Le blog affirme que Zhipu a construit à partir de zéro un service d’inférence complet de niveau production sur un cluster de plus de 100 000 cartes d’accélération IA nationales ; toute l’inférence de production de GLM-5.3-Flash fonctionne sur ce système, et il est affirmé que personne n’avait auparavant déployé un cluster de cartes d’accélération nationales à cette échelle. Le blog place cet événement dans le cadre de l’« amélioration récursive de soi » (Recursive Self-Improvement) : l’IA aide les humains à construire des infrastructures d’IA, et les modèles de la prochaine génération seront entraînés sur des installations construites avec la participation de l’IA actuelle. Le même jour, le sujet le plus discuté dans les commentaires de HN était pourtant une autre affaire — la hausse des prix. L’histoire de l’autonomie en ingénierie et le ressenti du portefeuille des utilisateurs se sont confrontés sur la même liste de tendances ; nous lirons donc les deux ensemble dans cet épisode.

Ce qui s’est passé

Présentation des faits selon la chronologie.

Le 17 septembre, le billet de blog a été publié et est entré le même jour dans le classement des tendances de HN avec 366 points. Pour résumer le contenu central en une phrase : selon les déclarations officielles, Zhipu a construit à partir de zéro un service d’inférence de niveau production sur plus de 100 000 cartes d’accélération IA domestiques, et toute l’inférence de production de GLM-5.3-Flash tourne sur ce système.

Le blog a également raconté l’histoire d’une mise en ligne anonyme : selon les déclarations officielles, GLM-5.3-Flash a été mis en ligne sur OpenCode et OpenRouter sous le nom de code anonyme Ox-Alpha, devenant le plus utilisé sur les deux plateformes en une semaine et traitant plus de 62 000 milliards de tokens en six jours. En d’autres termes, sans même parler de l’échelle du cluster, ce modèle a déjà fait ses preuves sur le marché sur deux plateformes tierces sous une identité anonyme — selon la version officielle.

Communication officielle : Quatre points résumés

Le contenu autodéclaré par les officiels est résumé en quatre points, ci-dessous tous attribués à « selon le blog ».

Premier point, l’échelle et la qualité. Plus de 100 000 cartes d’accélération IA nationales, construction d’une inférence de niveau production à partir de zéro, toute l’inférence de production de GLM-5.3-Flash y est exécutée. Le blog rapporte quatre catégories de difficultés : mémoire vidéo et bande passante limitées des puces ; nouvelle architecture combinée à un contexte de 1M et au multimodal, la complexité augmentant simultanément ; écosystème logiciel immature ; support kernel incomplet et documentation manquante, certaines parties reposant sur des suppositions. La pile technologique autodéclarée comprend : parallélisme des tenseurs intra-nœud (linear attention et LM Head), ReplaySSM, quantification W8A8, quantification de cache en précision mixte INT8/FP8/BF16, Layer Split, architecture séparée EPD (Encode-Prefill-Decode). Cette liste est elle-même informative : elle esquisse grosso modo où se trouvent les défis à relever pour faire de l’inférence sur des cartes nationales.

Deuxième point, les chiffres. Le blog indique que les performances de bout en bout ont augmenté d’environ 3× par rapport à la ligne de base initiale ; l’utilisation du matériel et le coût par token « ont atteint un niveau comparable à celui des GPU NVIDIA grand public » (propos officiels).

Troisième point, le narratif de l’Agent. Le blog affirme qu’une grande partie du travail a été effectuée par l’Infra Agent propulsé par GLM-5.3, passant de la première exécution réussie à la préparation pour la production en moins de deux semaines ; les partenaires de sécurité ont découvert des milliers de vulnérabilités dans des bases de code réelles en utilisant GLM ; GLM-5.3 est le partenaire de codage quotidien de l’équipe, « progresse régulièrement vers notre remplacement » (propos officiels).

Quatrième point, le cadre RSI. Le titre du blog est « Vers l’auto-amélioration récursive » : GLM aide les humains à construire des infrastructures IA, ce qui va changer la façon dont les modèles de la prochaine génération sont entraînés ; accompagné d’un programme d’accès de confiance (trusted access program), ouvrant les capacités aux partenaires de recherche en sécurité.

L’autre moitié lucide

Premier point : 3× est relatif à sa propre ligne de base initiale. « Amélioration d’environ 3× par rapport à la ligne de base initiale » — la ligne de base est la première version construite par l’équipe elle-même, et 3× est un nombre relatif à elle-même. Cela indique que ce système a fait l’objet d’optimisations assidues cette année, mais n’indique pas sa position dans le système de coordonnées de l’industrie. Publier un nombre relatif comme bulletin de notes n’est pas une erreur en soi, mais le lecteur doit effectuer automatiquement une conversion : plus le point de départ est bas, plus la valeur réelle du même 3× est différente. Le blog officiel ne fera pas ce calcul pour vous.

Deuxième point : « Comparable aux GPU NVIDIA grand public » manque un objet de comparaison. De quel modèle, de quelle génération, sous quelle charge et avec quelle précision s’agit-il pour les « GPU NVIDIA grand public » ? Le blog ne le donne pas. Ce n’est pas de la maniaquerie textuelle : « comparable » est une conclusion de comparaison, et une conclusion de comparaison doit comporter un objet de comparaison, sinon ce n’est qu’un adjectif qui ressemble à une conclusion. La partie vérifiable par le lecteur est nulle, tout ce qui est perçu, c’est le ton.

Troisième point : RSI est un cadre, pas une conclusion. L’amélioration récursive de soi a une signification technique stricte : l’IA s’améliore elle-même, et la vitesse d’amélioration s’accélère d’elle-même. Ce qui se passe réellement dans le blog est : l’optimisation de l’ingénierie d’inférence (quantification, parallélisme, stratégies de cache), ajoutée au développement d’infrastructures assisté par des agents. C’est de l’ingénierie solide, mais ce n’est pas « l’IA créant de l’IA ». Intégrer l’ingénierie d’inférence standard dans un récit grandiose est l’action standard des blogs de fournisseurs actuels — le poids de la terminologie détermine la portée de l’histoire, et le lecteur reçoit selon le poids de l’histoire mais obtient des résultats selon le poids de l’ingénierie, créant un décalage entre les deux. Identifier ce décalage est plus utile que de débattre de la validité du RSI.

Quatrième point : L’écart de température le même jour. Le blog raconte une histoire d’accessibilité et d’autonomie en matière de puissance de calcul ; le même jour, l’expérience des utilisateurs dans la section commentaires de HN est une hausse des prix et un resserrement des quotas — selon les commentaires, le tarif intermédiaire est passé d’environ 20 $/mois à environ 80 $/mois, l’ancien forfait Max (360 $/an) a été retiré, le Max actuel est d’environ 168 $/mois, ce qui équivaut selon la documentation officielle à environ 1100 $ de quota GLM-5.3, et plusieurs utilisateurs se plaignent des restrictions de quota serrées. Il faut préciser : il s’agit pour l’instant de propos issus des commentaires et de la documentation, aucune annonce officielle de prix n’a encore été vue. Mais l’écart de ressenti est réel — plus le récit sur l’infrastructure est grandiose, plus les utilisateurs vérifieront la promesse d’accessibilité avec la grille tarifaire. Deux informations apparaissent le même jour ; lire l’une ou l’autre isolément donne une vision biaisée, les lire ensemble donne un sens complet.

Cinquième point : La position. Le cluster de 100 000 cartes repose actuellement uniquement sur des autodéclarations officielles, sans aucune confirmation par un tiers ou un client. Clarifions la position : si c’est vrai, c’est un accomplissement technique de niveau factuel ; la production et le déploiement de cartes nationales de cette ampleur et de cette difficulté sont une bataille rude et concrète, qui ne devrait pas être effacée par un simple mot de « communication » ; mais l’autre face de l’audit est tout aussi valable — 100 000 cartes, 3×, deux semaines, 62 000 milliards de tokens, des milliers de vulnérabilités, tous les chiffres clés sont actuellement des autodéclarations officielles, sans qu’aucun ne puisse être vérifié par un tiers. Ne pas dénigrer, ni accepter aveuglément. Cela ne s’applique pas seulement à cette entreprise, c’est l’attitude par défaut pour lire n’importe quel blog de fournisseur.

À surveiller

Premièrement, la confirmation indépendante de l’échelle du cluster. Une confirmation par un tiers concernant les 100 000 cartes apparaîtra-t-elle — suivi par les médias étrangers, preuves côté client, vérification indépendante par la communauté technique. Actuellement, c’est zéro ; c’est le chiffre qui pèse le plus lourd dans tout le texte, mais aussi celui qui manque le plus de confirmation.

Deuxièmement, l’annonce officielle de la tarification. La hausse de prix circulant dans les commentaires se traduira-t-elle par une mise à jour de la page de tarification officielle. Si elle se concrétise, l’« écart » mentionné précédemment passe du niveau des commentaires au niveau officiel, rendant les fondations de la discussion plus solides.

Troisièmement, la clarification du « comparable ». La partie officielle rendra-t-elle publics l’objet de la comparaison et les conditions de charge. Même s’il ne s’agit que d’une phrase « sous un certain modèle, sous une charge typique », cette conclusion commence seulement à entrer dans le domaine du débat.

Quatrièmement, le suivi par les médias étrangers. Actuellement, les sources de l’ensemble du texte ne proviennent que du blog officiel et de HN. Si des médias comme The Information, Bloomberg, SCMP relancent l’information, surtout si une vérification technique indépendante apparaît, le degré de certitude des faits correspondants peut être élevé.

Conclusion

Si les 100 000 cartes d’accélération nationales peuvent être confirmées de manière indépendante, la portée technique de cette affaire n’a besoin d’aucun embellissement narratif ; elle mérite d’être consignée en soi. C’est la partie narrative qu’il faut relativiser : 3× est une valeur relative, « équivalent » n’a pas de point de comparaison, et RSI est un habillage de framework. La qualité technique et la qualité narrative sont à considérer séparément — la première attend la confirmation d’une tierce partie, la seconde peut être lue dès maintenant comme un audit. Les blogs des fournisseurs sont à la fois des espaces publicitaires et des archives techniques ; la différence ne réside pas chez l’éditeur, mais dans le fait que le lecteur effectue ou non cette étape de division.

Sources

Blog officiel de z.ai 2026-09-17 « Toward Recursive Self-Improvement: How GLM Built Its Own Inference Infrastructure » (Les chiffres clés proviennent des déclarations officielles)
Discussion du même jour sur Hacker News (366 points) : tarifs mentionnés dans les commentaires, expérience des quotas et points de vue tels que « un événement de la taille d’une petite planète pour les laboratoires d’IA occidentaux » (points de vue, non des faits)
Documentation officielle de z.ai : détails des quotas du forfait Max (rapporté via des commentaires HN)