九章智算雲部署 GLM-5 與 DeepSeek R 系列，透過動態匹配 Generator 與 Trainer 實現 RL 訓推一致

據報導，九章智算雲已部署 GLM-5 系列與 DeepSeek R 系列等主流推理模型，透過將強化學習（RL）的 Generator、Environment 與 Trainer 納入統一工作流，解決動態匹配問題以實現「訓推一致」。 在模型表現上，智譜公告指出 GLM-5.3 與 GLM-5.2 在相同基座上推進 RL，其中 GLM-5.2 在 SWE-bench Pro 取得 62.1 分、Terminal-Bench 3.0 達到 81.0 分。此外，九章智算雲與中國人民大學 STILL 專案團隊聯合發布的研究顯示，DeepSeek-R1-Distill-Qwen-1.5B 透過持續 RL 迭代，在 AIME 2024 準確率達 39.33%，研究並指出透過動態更新 Reward Model 的 Cooper 方法可有效緩解 Reward Hacking。 在基礎設施效能方面，九章智算雲透過全局動態調度，在 MiniMax M2.1 229B 和 Qwen3-Coder-Next 80B 等模型上，首日速度提升 1.5 倍；隨流量變化，速度比靜態預測器再提升 1.25 倍。系統將在線投機者學習重新定義為生產環境中的異步 RL 問題，允許新權重熱插拔至伺服器，達成零停機時間。 底層架構上，該平台採用 DingoFS 分布式檔案底座、DFKV 分布式快取、全域零拷貝鏈路與 RDMA 高速網路，將 KV Cache 從單 GPU 臨時快取升級為可跨任務複用的狀態資源，藉此降低 RL 閉環中跨節點搬運與重複 Prefill 的非計算開銷。