据智谱（HK2513）消息，智谱（HK2513）AI今日面向部分企业客户推出GLM-5.1高速版API“GLM-5.1-highspeed”，其模型输出速度达到每秒400个token，刷新了当前全球大模型厂商API的速度上限。该版本首次在国产大模型中，将旗舰级模型能力与极致低延迟同时带入生产环境，无需为响应速度牺牲模型质量。
GLM-5.1高速版在完整保留GLM-5.1能力的基础上，实现了“即问即答”的响应速度，显著提升了AI编程、实时交互等高延迟敏感场景的体验。在长程任务中，该模型能在30秒内完成复杂网页生成；在Agent Swarm场景中，可瞬间调度50个不同人格并行回答。
速度提升带来了全新的应用体感和可能性。在实测中，模型写代码如同开启10倍速，能一边理解工程上下文一边持续生成代码与修改方案；在实时3D场景构建中，可根据文字输入瞬时建模，实现此前因延迟而无法实现的产品形态；它还能在用户提出需求的瞬间生成匹配的工具与交互，展现出新型操作系统的雏形。
GLM-5.1高速版的速度突破得益于其背后的TileRT高性能推理引擎。该引擎由智谱（HK2513）GLM团队与TileRT团队联合打造，在推理引擎、调度系统与底层基础设施三个层面进行了系统级优化：
1. 推理引擎层：针对GLM-5.1的架构特点重写了核心推理路径，提升了单卡吞吐能力。
2. 调度系统层：通过动态批处理、请求合并和KV缓存调度优化，显著降低高并发场景下的尾延迟。
3. 基础设施层：围绕推理集群部署、网络链路、负载均衡进行协同优化，确保400 TPS是稳定可用的生产级能力。
GLM-5.1高速版适用于AI编程、实时交互、商业决策、实时语音等对响应延迟要求极高的场景，现已面向智谱（HK2513）MaaS平台部分企业客户开放服务。智谱（HK2513）AI表示将持续推进推理引擎的工程优化，进一步扩大高速模型的服务能力。
