image 刚看到智谱的GLM-5.1高速版跑到400 token/s，这个数字在国产模型里确实炸裂。要知道，之前主流大模型推理速度多在50-100 token/s徘徊，400意味着延迟从秒级降到毫秒级，对实时交互场景是质变。技术上，我猜他们用了更激进的量化、稀疏化或并行调度，甚至可能裁剪了注意力头，但这通常以精度或上下文长度为代价。个人经验，去年我调参时试过类似优化，速度翻倍但MMLU掉了3个点，所以好奇GLM-5.1在GSM8K或HumanEval上是否也维持了同等水平？另外，这种速度提升对端侧部署是利好，但云上成本呢？如果推理快但内存占用暴增，实际性价比可能打折扣。行业看，这波节奏会逼着其他厂商跟进，比如百度、阿里可能加速推出类似“闪电版”。但更值得讨论的是：当速度不再是瓶颈，模型能力差距（如逻辑、多模态）会成为新战场。大家觉得，400 token/s能否让国产模型在Chatbot Arena上翻盘？还是说，这更多是工程炫技？