炒股到现在最对不起的，就是家人。
而智谱的这一轮暴跌，确实已经到需要认真向家人解释的程度了。
7月17日（周五），智谱收跌28.49%，股价报1107港元，单日市值蒸发超过2000亿港元。
7月20日（周一），股价盘中再度跌超16%，跌破1000港元。若按6月22日盘中2980港元的历史高点计算，累计最大回撤已超过66%。
对于智谱的这波“回撤”，外界已经有很多说法，但最扎眼的导火索可能来自同行。
7月16号，月之暗面放出了Kimi K3。总参数2.8万亿，原生支持视觉理解和100万Token上下文，Kimi称它为全球首个开源的3万亿级模型。
接下来的几天，大家都知道了。
不过，也就是这周开盘前一天，有网友跑到智谱首席科学家唐杰的微博评论区，追问在千问、Kimi接连完成史诗级进化后，智谱还有戏吗？
唐杰只回了一句：史诗级Plus。
模型名没有，发布时间没有，参数规模也没有，气氛这一块先给足了。
不过，顺着这条评论往上翻，还真能找到一条技术线索。
唐杰微博原po里介绍的，是智谱与清华团队的一篇论文——
IndexCache: Accelerating Sparse Attention via Cross-Layer Index Reuse。
论文3月挂上arXiv，7月被COLM接收。
在po文里，唐杰表示IndexCache只改几行代码，就能把DSA留下的一笔隐性开销削掉。
按理说，一篇3月上线的论文，到了7月又被单独拎出来，本来就有点显眼，再加上唐杰这种大佬，现在也很少单独宣传某篇工作。
细思之下，史诗级Plus的回应恰好出现在这条技术帖下面。
这……上下文顿时变得微妙起来。
所以，这篇论文和史诗级Plus，到底有什么关系？
IndexCache
简单来说，IndexCache并不是一种新的注意力机制，它主要面向的是长上下文推理，解决DSA在上下文变长后，索引器反而成为计算瓶颈的问题。
以往DSA的思路，是在每层注意力前放一个轻量级索引器。
索引器先从完整上下文里挑出最重要的部分Token，让主注意力只处理这些Token，从而大幅降低计算量。
但问题在于，虽然主注意力不用再看完整上下文，但索引器仍要扫描一遍，而且模型的每一层都要重新扫描。
由此，上下文越长，索引器越容易从省算力的帮手，变成新的计算瓶颈。
在论文测试的30B模型中，上下文拉到200K时，索引器已经占掉81%的预填充时间。
IndexCache的创新之处就在于抓住了这个明显的重复动作。
相邻模型层选出的重要Token高度相似，top-k索引重合率达到70%到100%。既然几层挑出的结果差不多，就没必要每层都重新算。
所以，它的核心思路就是：少数层负责计算索引，其他层直接复用。
在具体实现方面，模型只保留少数索引器，算出top-k后缓存；其余层跳过计算，直接沿用最近的结果。
对现有模型，可以根据损失变化搜索哪些层适合保留。
训练新模型时，则让一个索引器同时学习服务后面几层。推理代码只需增加一次条件判断，也不额外占用GPU显存。
实验效果上，在30B模型上，IndexCache最多能砍掉75%的索引器计算，模型效果基本不变。
200K上下文下，生成第一个Token前的速度最高提升1.82倍，后续出字速度提升1.48倍。
在GLM-5上的初步实验中，砍掉一半索引器计算后，长上下文和推理能力也基本保持不变。
到这，这篇论文的内容也就差不多结束了，但这和史诗级plus有啥关系？
GLM-5.2已经用过了
虽然唐杰在微博里说史诗级plus，但略显遗憾的是，这篇工作的核心思路其实已经在一个月前发布的GLM-5.2里用过了。
在GLM-5.2里，这套思路名叫IndexShare。
具体的，GLM-5.2每四个Transformer层共享一个索引器。第一层负责选出top-k索引，后面三层直接复用。
这和IndexCache的核心思路基本一致。上面的论文给出免训练搜索、多层蒸馏和完整实验，GLM-5.2则把四层共享一次索引真正装进了模型。
靠着IndexShare等改动，GLM-5.2把上下文窗口推到100万Token。在100万上下文下，每Token计算量降低2.9倍。
而这种工程优化释放出的信号，不是智谱准备换掉DSA，而是还在沿着这条路线继续榨效率。
对模型厂商来说，能不能支持百万Token是一回事，能不能以可接受的成本真正用起来，又是另一回事，而IndexShare就表明智谱仍在通过跨层复用压低长上下文的推理成本。
难不成？这GLM-5.3，又是极致的性价比？？
One more thing
除了模型软件侧的优化外，刚刚，智谱又落下了一块更重的拼图。
据悉，就在今天7月21日，智谱已落地1GW级国产AI算力数据中心，并全部采用国产AI芯片。
与此同时，智谱还完成了对国产AI异构算力软件公司中科加禾（XCore Sigma）的收购。后者源自中科院计算所编译实验室，长期研究异构算力软件栈和编译优化，被业内视为国内顶尖AI Infra团队之一。
两项动作，一个解决算力从哪里来，一个解决算力怎样用得更彻底。
1GW国产算力为大模型训练提供资源，中科加禾则通过编译器、Runtime和推理引擎，提高不同国产芯片的利用率，降低模型训练与推理成本。
从IndexCache、IndexShare，再到国产算力中心和AI Infra收购，智谱最近补的似乎不只是一款模型，而是从芯片、软件栈到模型的整条链路。
这些动作和史诗级Plus有没有关系，目前还没有答案。
但留给智谱的悬念，显然又多了一层。
史诗级plus，你快来吧！
参考链接
[1]https://arxiv.org/abs/2603.12201
[2]https://z.ai/blog/glm-5.2
文章来自于"量子位"，作者 "henry"。
