智谱今日（5 月 22 日）宣布推出高速版 API GLM-5.1-highspeed，输出速度达到 400 tokens/s，刷新全球大模型厂商 API 的速度上限。1

长期以来，"高速"几乎等于"轻量"——高速模型几乎总是小参数模型，旗舰能力被迫让步。GLM-5.1-highspeed 打破了这一惯例，首次将旗舰级能力与低延迟同时带入生产环境。2

速度的来源有三层：

背后的关键是 GLM 团队与 TileRT 团队联合打造的 TileRT 推理架构：在编译期（AOT）将整个计算图静态编排为一个常驻 GPU 的 persistent Engine Kernel，算子间中间结果经由 Register、Shared Memory 与 L2 Cache 直传，host 调度与跨算子同步压进同一个常驻 kernel 内完成。多卡层面，TileRT 将 Warp Specialization 的思路外推到 8 卡 NVL 拓扑，不同 GPU rank 按计算密度与数据依赖被特化为不同 worker。2

量子位实测数据显示：代码生成效率提升约 10 倍，可同步理解工程上下文并输出完整方案；3D 场景建模可实现文字输入与场景实时联动；还能即时生成匹配需求的工具与交互逻辑。1

GLM-5.1-highspeed 当前适用场景：AI 编程、实时交互、商业决策、实时语音等对响应延迟要求高的领域。目前已面向智谱 MaaS 平台部分企业客户开放。