huawu矿业 / Z.ai 应用与训练方案
V2.0 · GPT-6 ASTRA · 2026.10.05
整合修订版 · 文档阶段
Astra评审依据 · 原始调研
由GPT-6 Astra综合原调研与独立评审编写。官方事实、方案建议与待确认事项分别标明；首期仍为模拟演示，后续真实模型试点另行推进。

huawu矿业 Z.ai 模型应用与专项训练方案 v2.0

编制：GPT-6 Astra
日期：2026年10月5日
状态：实施建议；尚未部署真实模型、运行训练或完成矿业任务效果测试

本版综合原始调研与独立评审，形成可直接讨论和推进的应用方案。型号、许可和框架信息采用已核验的官方资料；业务流程、试点规模及验收设计属于本方案建议；公司与 Z.ai 的具体合作资源、合同安排及真实任务效果仍待确认。

1. 决策建议

推荐以“可信资料与证据”为基础，用现成 Z.ai 模型完成识别、抽取、检索辅助和报告草稿；先在真实授权资料上证明任务价值，再决定是否开展专项训练。 公司应优先积累可复用的项目资料、专家标注、计算口径和评测集。专用权重是满足条件后的选项。

与 Z.ai 的深度合作，优先落在四项具体成果：可固定的模型版本与受控数据通道、针对矿业资料的联合评测、可复现的部署／训练支持，以及清楚的数据和训练成果归属。不预设公司已经获得 API、专属算力或联合训练资源。

首轮真实试点建议采用 GLM-OCR 处理需要识别的资料，GLM-5.3-Flash 作为合作服务的多模态质量候选，GLM-4.7-Flash 作为较小文本模型对照。前提是合作方实际能够提供、许可与数据处理条件适合。GLM-5.3 可作为疑难文本任务的追加对照；不要求同时接入所有型号。

首期范围保持不变：四个模拟案例的 UI 与决策支持演示，电脑和手机各自本地保存，不接入真实 AI、不上传真实矿业资料、不开展训练，不包含买家需求／销售管理和最终投资审批。 本方案中的真实模型工作属于后续独立试点，不构成当前演示的扩项。

2. 业务目标与系统职责

2.1 服务的业务模式

公司主要关注中国境内、尤其藏、川、滇三江成矿带的民营金属矿项目，也涉及海外项目；以勘探和待建阶段为主，无预设矿种偏好，通常同时推进少于10个项目。交易方式主要为矿权受让或持权公司股权收购。通过补充勘探、提高资源可信度、推进采选论证和矿权许可工作改善项目条件，再实现转让退出。海外项目的报告标准、单位和法律适用按具体项目核验，不直接套用中国境内项目口径。

系统应帮助团队回答：现有资料能支持什么判断，哪些信息尚不可信或缺失，下一步应验证什么，验证需要哪些条件与支出，以及不同结果会怎样改变后续安排。公司没有统一投资金额或收益门槛，系统不内置未经确认的固定门槛，也不把模型评分作为投资政策。

2.2 模型应承担的任务

任务 输出 控制方式
文档识别与抽取 勘查、化验、采选和矿权资料中的字段、表格、日期、单位及出处 保留原件和原始值；模型输出先进入待核验区。
证据查找 问题对应的页面、表格单元格、版本差异和缺失清单 先按项目与权限过滤；每个关键主张附可核对来源。
矛盾与疑点整理 同一数据的不同口径、过期材料、逻辑不一致和待复验事项 规则检测与模型提示结合；矛盾不直接等于造假。
增值任务建议 补勘、复验、采选论证和许可核查的任务草案 每项任务绑定未知、前置条件、费用依据及成功／失败判据。
情景说明 已确认参数与明确假设下的计算结果说明 确定性程序计算；模型只调用、解释和组织表达。
报告草稿 事实、未知、冲突、假设、风险、下一步任务 清晰区分信息状态，保留专家审核和修改记录。

模型不自动认证资源储量、矿权有效性、收购价格或投资收益，也不形成最终投资批准。资源评价、采选论证、法律判断和重要数据口径仍由相应专业人员确认。

3. 模型事实与候选组合

3.1 已核验的版本事实

本节为官方发布事实，不代表已经证明矿业适用性。MoE 的激活参数不能代替总权重规模进行硬件预算；开放权重也不代表普通电脑能够部署。

具体模型 官方标称规模与用途 权重许可与版本边界 本方案定位
GLM-OCR 0.9B；文档文字、表格、公式识别 模型 MIT；仓库代码 Apache-2.0；布局组件 PP-DocLayoutV3 为 Apache-2.0。[S6] 扫描件和复杂版面识别的优先候选。
GLM-5.3-Flash 320B 总参数、18B 激活；原生多模态 独立 MIT 权重许可；官方分别发布 FP8 与 BF16 版本。[S1][S2][S5] 经合作 API 或受控服务器测试图文和综合任务；属于大型模型。
GLM-4.7-Flash 30B 总参数、3B 激活；文本与工具调用 指定权重卡标 MIT。[S11] 较小文本模型对照，评估成本、隐私和受控部署可行性。
GLM-5.3 744B 总参数、40B 激活；文本模型 使用自定义 GLM-5.3 License；分别发布 FP8 与 BF16 权重。[S1][S4] 仅在需要时追加为疑难文本质量对照。
GLM-4.6V-Flash 9B；图文理解 权重卡标 MIT；所属 GLM-V 仓库已公告不再维护该仓库。[S3][S10] 有明确小型视觉部署需求时的备选，需落实维护责任。
GLM-4-9B-0414 9B；文本模型，有指定版本训练资料 权重卡标 MIT；官方说明其未获得32B版本同等智能体能力增强。[S9][S13] 仅作为窄任务训练可行性备选，不默认承担综合分析。

GLM-V 官方 README 的维护声明日期为2026年9月2日，并将新模型讨论引导至 GLM-5 仓库。[S3] 该声明不等于旧权重失效，也不等于其他框架停止支持，但需要在长期维护决策中明确记录。

3.2 许可证按版本处理

GLM-5.3-Flash 的 MIT 许可通常允许使用、修改和分发，并要求保留版权及许可声明；它没有要求必须公开公司自己的微调成果。[S5] 资料授权、第三方组件许可和合作合同仍独立适用。

GLM-5.3 的自定义许可明确允许使用、部署、微调和创建衍生作品，同时规定了特定商业条件：若被许可方或关联方经营“模型即服务”，且被许可方及关联方任意连续12个月累计总收入超过100亿美元，商业使用前须通过 Z.AI 安全审查；许可也列出了仅嵌入特定功能的终端产品等排除情形。[S4] 这不是所有商业使用均须审批。实际是否适用，应结合公司及关联主体和服务模式核对。

原版 GLM-5 权重卡为 MIT，不应将其许可外推到 GLM-5.3；GLM-5 仓库代码为 Apache-2.0，也不能替代各权重的许可。[S1][S12] 正式采用时需保存具体权重许可、提交号和组件清单。

3.3 首轮组合与收敛原则

环节 推荐起点 何时增加备选
原始资料读取 PDF 已有文字直接提取，电子表格直接读取；扫描件再使用 GLM-OCR 复杂表格／页面识别持续失败时，增加视觉模型交叉验证。
图文与报告整理 合作方实际可提供的 GLM-5.3-Flash 数据条款或资源不适合时，评估受控部署或较小视觉模型；不能先上传再补协议。
文本成本对照 GLM-4.7-Flash，使用同一证据包、输出结构与计算工具 仅当疑难文本仍明显不满足要求时，追加 GLM-5.3。
专项训练 先找稳定的识别／抽取错误，再选择已验证训练路径的模型 不因“已有教程”或“合作紧密”直接决定训练大型模型。

首轮控制在两到三个实际可获得的推理候选，加一个 OCR 方案。如果一个模型已经覆盖所需任务且代价可接受，就收敛到该方案。官方通用榜单、型号新旧和模型尺寸不能代替矿业任务评测。

3.4 训练支持与硬件证据

模型／系列 已核验的训练证据 仍需验证的事项
GLM-OCR 官方提供基于 LLaMA-Factory 的教程；LoRA 示例单卡显存≥8GB，名为 full 的示例≥24GB。后者冻结视觉编码器和跨模态投影器，只训练语言部分。[S7] 公司样本、分辨率、序列长度和批量下的实际显存、质量与耗时；不能称为全部参数均更新。
GLM-5系列 当前官方 README 列 Slime 0.3.0+，以及支持 SFT／PPO／GRPO 的 ms-swift 4.4.0+。[S1] 指定子型号及精度的具体配方、哪些模块可训练、是否支持目标 LoRA 方式、资源需求和产物加载。
GLM-4.5／Air 官方列第三方框架配置；LLaMA-Factory LoRA 示例分别使用16张／4张 H100。[S8] 这些仅说明已有训练路径，不是本项目的最低配置或报价。
GLM-4-9B-0414 官方表列 LoRA 约22GB单卡；ZeRO3 SFT 约55GB每卡、4卡；测试环境为 H100 80GB及512GB内存。[S9] 公司硬件、任务长度、框架版本及效果；官方也说明未在128K／1M长文本上验证相关微调脚本。
GLM-4.6V-Flash／4.7-Flash 已核验开放权重与推理入口；旧视觉仓库微调段落明确列的是4.5V和4.1V-9B-Thinking。[S3][S10][S11] 不能从相近型号外推训练兼容性；要求指定版本的配方及最小验证。

硬件评估必须同时记录权重精度、框架版本、上下文、图像尺寸与页数、并发、缓存、卸载策略和延迟目标。GLM-4.5 官方表中的服务器内存要求或 GLM-5 示例的并行参数都只适用于对应配置，不能当作全部模型的普遍下限。[S8][S12] 本方案不据此给出采购配置、费用或工期承诺。

4. 数据、证据与计算的最小结构

4.1 从原件到可使用事实

建议流程为：原始资料 → 原文／表格提取 → 带出处的待核验字段 → 专家确认 → 确定性计算与证据检索 → 模型报告草稿。 任何一步出现关键缺失或冲突，都保留原值和问题状态，不自动填补为看似确定的数值。

每条关键事实至少保存以下内容：

类别 必要内容
业务对象 项目、持权主体、矿权／矿段／样品等具体对象、适用空间范围。
数值与口径 原始字段、原始值和单位；标准化值、换算规则及计算版本；干湿基、元素／氧化物等限定。
来源定位 文件名及版本、文件哈希、PDF物理页码与印刷页码、页内区域或表格单元格、原文片段。
时间与适用性 报告日期、取样／试验／估算日期、适用期间，以及是否被后续材料修订。
状态与责任 原报告陈述、专家确认、计算所得、情景假设、未知或冲突；提取模型版本、复核人及时间。

关键主张要分别检查来源是否存在、位置是否正确、内容是否支持结论。模型自报置信度只可作为待验证信号，不能直接转换成资源可信度或事实可靠性概率。

4.2 资源与采选口径

资源记录保留报告所用标准及版本、原始类别、估算日期和人员、边界品位、估算范围与主要前提。历史分类代码、中国资源储量类别与 JORC／CRIRSCO 等体系不得仅凭名称相似自动等同；找矿潜力、资源量与可开采储量分开记录。

具体中国标准、历史报告转换、评审备案与矿权许可要求，由矿业专家和法务按项目建立适用清单。本方案尚未完成藏、川、滇所有现行规定核查。JORC 官方规则介绍可用于理解其公开报告对象与版本管理，但不能据此认定中国境内项目必须或可以按 JORC 完成全部判断。[S14]

采选数据保留试验类型与规模、原矿性质、样品代表性、工艺流程、回收率、精矿品位、有害杂质和计价条件。实验室试验、扩大试验和工业生产指标不自动等效；多金属共伴生项目应检查收益是否重复计入。

4.3 确定性计算与强制检查

模型负责提取候选输入和解释结果；计算程序负责单位换算、公式执行及口径校验；专家负责确认输入与适用前提。首期仅展示既定规格中的计算项，后续新增财务指标须单独确认。

易错项 必须保留的区分或检查
矿业数量 矿石量、含金属量、可回收金属量与可销售／计价金属量分别记录；矿区总量与拟购权益份额分开。
单位与边界值 吨／万吨、克每吨／百分数、干基／湿基、元素／氧化物；区间、低于检测限、未检出和缺失不统一写成零。
品位与汇总 按适用权重计算平均品位；不能将不同吨位矿段简单平均，也不能混合不同范围重复加总。
交易结构 矿权受让与公司股权收购分别建口径；企业价值、股权价值、拟购比例与对价区分。
支出与负债 净债务、股东借款、资本金、勘探及论证支出、持有费用、税费、或有负债、修复义务及退出费用有来源；防止重复扣减。
未知与冲突 缺失关键输入、单位不明、来源冲突、范围不可比时停止自动代入，显示需核验内容。

最小独立单位算例：100万吨矿石、1%金属品位对应1万吨含金属量；100万吨矿石、2克／吨金品位对应2吨含金属量。两例仅验证单位与公式，不意味着这些金属均可采出或形成收入。计算模块检查与端到端输入选择测试均要保留，公式正确而输入选错同样判为失败。

5. 证据检索与增值任务

5.1 项目隔离的检索

每次检索先限定使用人权限、项目和适用范围，再检索相关内容。证号、孔号、样品号、坐标和金额需要精确匹配，不能只依赖语义相似度。首轮建立全文关键词与元数据过滤基线，只有召回不足时才增加向量检索或重排。

文档切分保留标题、表头、脚注、相邻页及原图。问“资源量是多少”时，同时返回该数字的类别、范围、日期和假设，不能只返回孤立数字。较新的报告不必然覆盖旧报告全部范围；冲突材料并列呈现，由专家确定适用关系。

检索不到时输出缺失资料；找到证据但模型未正确使用时记为模型错误，两者分别归因。资料中的命令性文字只当文档内容，不能改变系统权限、触发外发或修改已确认事实。后续真实试点的模型工具先限制为检索和受控计算。

5.2 把增值计划写成可验证任务

每项任务应连接“当前未知—验证动作—结果影响”，避免只生成泛泛的补勘或论证清单。

任务字段 示例含义
待解决未知 样品是否代表拟收购范围、矿体连续性是否有充分依据、某采选指标是否适用于主要矿石类型。
所需证据 原始记录、补充取样、QA/QC、第三方复验、扩大试验、有效许可或权属材料。
执行条件 责任专业与主体、前置资料、场地和许可条件、依赖任务。
时间与费用 依据来源、估算区间与假设；模型没有报价依据时明确待估，不编造精确金额。
成功与失败 可观察的判据、专家确认方式、结果不达预期时的停止或调整路径。
对后续方案的影响 哪个未知被消除、哪些假设需要改变、是否值得继续投入或重新论证。

系统可展示逐项目的投入与退出情景、前提和净回收口径，帮助比较不同路径。它不引入统一公司收益门槛，不代替最终审批，也不扩展成买家匹配、客户管理或销售流程。

若卖方资料被证实造假，业务上允许通过独立重建数据、调整交易条件后重新评估项目。系统应保留原始资料、造假结论及其依据、独立重建的数据版本和各次评估历史，清晰标注每次评估所采用的证据；不得以新版本覆盖或删除原始记录。模型发现矛盾仅作为调查线索，不自动认定造假。

6. 数据处理、权限与合作成果

6.1 三种数据路径分别确定

场景 数据路径 条件
当前模拟演示 模拟内容在电脑或手机各自保存 不接真实模型，不建立跨设备同步假设；按既定演示范围交付。
后续合作 API 试点 经批准的资料或片段通过受控服务发送给约定模型服务方 明确数据所在地、留存、日志、备份、访问人员与训练用途；服务密钥不得内嵌浏览器。
后续私有／受控部署 资料、推理与存储在确认的公司或合作环境内流转 核对运维访问、监控、第三方组件、备份和模型更新渠道；“私有部署”不自动等于没有外部数据流。

“电脑和手机本地保存”只描述保存位置，不能推出调用 API 时资料不会离开设备。真实资料使用前，要把原件、OCR结果、切片、向量、提示、回复、标注、训练检查点、日志和备份都纳入数据清单。

资料权限按项目和人员控制；明确保留期限、删除及备份处理方式、子处理方、支持人员权限和能否用于服务商训练。地质资料涉及的保密、测绘地理信息或跨境要求，应按实际资料分类核验，不做统一的可上传或禁止上传推断。

6.2 合同明确成果归属与退出

合同至少分别列明原始资料、专家标注、合成样本、提示模板、评测集、训练代码与配方、适配器、合并权重、日志和业务输出的权利归属、使用范围及保密义务。基础模型原许可与公司训练成果安排同时保留。

需明确合作方能否将矿业样本或成果用于其他客户、公司能否导出并迁移、升级后能否继续运行旧版本，以及合同终止时数据和备份如何删除。若使用 API 输出训练较小模型，单独确认输出使用与蒸馏条款；不能以开放权重许可代替 API 合同授权。

7. 分阶段实施与交付

试点数量是安排工作的建议起点，不是训练足量标准、统计保证或效果承诺。资料不足时先缩小结论范围，不用模拟样本补出虚假的泛化成绩。

阶段 主要工作 交付物 进入下一阶段的条件
阶段0：既定模拟演示 四模拟案例的资料、证据入口、未知、冲突、情景及本地保存体验 可在电脑和手机各自使用的演示；既定计算与交互检查 界面、流程、保存和计算符合首期规格；此阶段不评价真实模型质量。
阶段1：授权评测包 建议先选约12—20个历史项目、200—400页重点资料、100—200个专家问题；覆盖勘探／待建、两种交易方式、资料质量与不利结果 数据权利清单、字段字典、标注规则、封存测试集与错误严重度 专家认可标签；项目隔离完成；资料处理权限清楚；业务验收门槛预先确定。
阶段2：无训练基线 同批任务比较人工／规则、现成模型和检索增强；用标准证据包与实际检索两种输入定位瓶颈 模型对比、错误归因、完整项目成本与复核工时、推荐方案 选择实际可用方案；若现成方案足够，直接进入有限使用，不启动训练。
阶段3：可选专项训练 只选一项反复失败且可训练的任务，如特定化验表识别或带引用字段抽取 固定底模与配方、训练记录、适配器／权重、同底模对照、回滚版本 通过六项立项门槛；未见项目的目标错误稳定减少，重大错误不恶化，总成本收益成立。
阶段4：有限真实使用 模型产物先作为待核验草稿；记录采用、修改、驳回、人工接管和异常 有限范围运行记录、专家复核机制、回归测试与版本台账 满足约定门槛后再扩围；重大漏错、项目串用、版本不可复现等问题触发暂停扩围和回滚。

业务负责人确定流程和可接受代价；矿业、采选与法务专家确认各自标签；技术人员负责数据路径、计算、检索和可复现评测；Z.ai 合作方提供约定的模型、资源和工程支持。责任人应在阶段1明确，不把事实判定全部留给模型。

8. 评测数据、指标与验收

8.1 数据构成与隔离

按项目将全部报告版本、页图、表格、摘要及衍生问答放在同一数据集合；高度相关矿区、矿床和复制模板报告也应检查泄漏。训练、验证和测试分别管理，封存测试集不用于提示调优、模型选择或训练样本构造。项目数量允许时，增加新时段或新地区的外部测试。

每条金标准保留原件、支持位置、正确输出、允许答案、缺失原因、严重度与专家依据。高影响资源、权益和法规样本建议两人独立标注后仲裁。模型生成内容可用于测试格式和异常输入，不能直接当成事实金标准。

测试包必须包含容易失败的情况：模糊小数点、跨页表格、错误单位、混合资源类别、旧报告、许可缺失或过期线索、样品与矿段混用、债务重复计算、相互矛盾、没有答案、不利项目以及文档内嵌指令。地质图的图例、比例尺、坐标参考和空间范围单独测试，不将一般页面理解当作可靠空间建模能力。

8.2 指标定义

能力 指标与判分重点
OCR／表格 关键数字和单位精确匹配、行列归属、跨页表头和脚注关联、漏行与小数点错位；金额、吨位、品位和日期单列。
字段抽取 字段准确率与召回，按文档类型、质量、矿种和严重度拆分；原始值、规范化值、空值和检测限分别判分。
证据检索 前 k 个结果是否包含专家所需证据、多来源证据覆盖、授权范围外项目资料是否混入；固定 k 和过滤条件比较。
引用与事实 可定位率、证据支持率、关键主张引用覆盖、无依据关键主张数；专家裁定，模型裁判只辅助筛查。
疑点与风险 对测试集已知重大风险的召回、误报、冲突来源完整性；不把测试集召回解释为发现所有现实未知风险。
计算与交易口径 独立算例通过、单位与权益选择、债务和费用去重、异常输入拦截；计算器与端到端输入选择分别检查。
未知与拒答 缺证据时是否暂停，有证据时是否错误拒答，冲突时是否保留各来源；同时约束过度作答与过度拒答。
专家可用性 任务可执行性、前置条件完整性、采用率、复核工时和返工；盲评隐藏模型名称，记录专家分歧。
成本与性能 每完整项目的推理、失败重试和人审成本，首次可用结果时延、长尾等待与峰值资源；不只比较短问答单价。

所有比例报告分母、项目数量、分层结果和适用范围；尽量提供不确定区间。不能将同一项目数百个相似字段当成数百个独立项目。不同方案在同一封存数据上配对比较，记录模型版本、精度、思考参数、上下文和工具设置。

8.3 验收规则

建议对固定重大错误测试集要求零项未被提示或拦截的重大错误，例如把1%按1计算、自动将资源量升级为储量、虚构关键矿权结论、使用其他项目资料。发现一项就修正并复查受影响任务。这是该测试集的验收规则，不是对真实世界零错误的保证。

其余指标由业务和专家在阶段1确定可接受误报、复核工时、等待时间和预算门槛，然后封存测试集。本方案不在缺少基线时给出“95%／99%准确率”或节省费用承诺。

专项训练仅在未见项目上改善目标错误、关键能力不退步且总体代价可接受时通过。只有语言更流畅、训练损失下降或训练同类样本表现更好，都不足以支持上线。

9. 专项训练的六项门槛

六项同时成立，才启动阶段3；否则继续改进资料、提取、检索、规则或现成模型配置。

  1. 错误可定位。 同类问题跨多个项目稳定出现，已经确认主要来自模型行为，不是缺少原件、识别错误、检索漏召回或公式错误。
  2. 基线已充分。 提示、结构化约束、规则与检索形成可复现对照，仍有值得解决的能力差距。
  3. 样本可用。 目标样本合法可用且经专家确认，项目隔离完成，封存测试集不参与调优。
  4. 配方可运行。 指定模型版本、精度、训练模块、框架、算力和产物加载路径通过最小验证，责任与预算明确。
  5. 收益可验收。 预先约定目标指标、重大错误不得恶化的条件、总成本上限和停止条件；微调与同底模、同检索、同工具基线比较。
  6. 成果可控制。 数据、日志、适配器和合并权重归属清晰，可导出、复现和迁移，并保留未微调版本及回滚路径。

优先选择识别、结构化抽取、证据标注等边界清楚的任务。SFT 是训练目标，LoRA 是参数更新方式，两者可以组合使用；不将其误写为必须依次升级的阶段。

DPO 只在专家偏好稳定、事实与证据已可靠时另行评估；偏好训练不能替代资源分类或法律事实的专业判断。强化学习与继续预训练均不列为默认阶段。继续预训练需另有证据证明广泛的领域语言理解缺陷、足够且授权清楚的语料、独立可测的收益和可承担的资源条件。

10. 与 Z.ai 的合作确认清单

主题 需要确认的内容 应形成的具体结果
实际可用版本 API ID、开放权重版本、精度、图片及上下文限制、结构化输出和工具调用能力 可用型号与能力清单，不能从权重名称猜测 API。
资源与部署 双方 GPU／NPU、内存、存储、网络；指定页数、并发及延迟要求下如何运行 工作负载明确的配置、压测记录、预算和责任人。
训练支持 每个指定子型号支持何种训练；哪些模块更新；FP8／BF16如何选择；产物如何使用 可复现配方、版本锁定、最小训练及加载验证。
联合评测 是否接受矿业专家建立的测试集、失败样本、任务级指标和基线比较 评测协议、错误归因、门槛与验收责任。
数据处理 服务地域、存储、日志、保留与删除、备份、子处理方及支持人员访问；是否用于服务商训练 数据流图及可执行条款，需要不训练约束时明确写入合同。
成果权利 原件、标签、合成数据、提示、评测集、适配器、合并权重和日志的归属与复用范围 权利清单、保密边界及其他客户复用限制。
教师输出 API输出能否用于公司训练或蒸馏，是否涉及其他模型条款 对输出使用范围的明确授权。
运维与退出 旧版本支持期、升级通知、能否固定版本、回滚、导出迁移和删除 支持与变更机制、回归要求、退出交付和删除安排。

合作确认后的首个决策是选定一个资料类型、一个明确任务和一套封存评测包，完成无训练基线。达到要求则进入有限使用；只有跨过六项门槛才投入专项训练。

11. 证据、版本与适用界限

11.1 已核验的官方来源

以下为本方案事实依据。核心新版本与仓库链接采用本次核验提交，便于复核；正式采购或签约仍应保存当时许可文件与版本清单。

11.2 版本台账与待确认边界

真实试点的每次结果至少记录：权重或 API 版本、精度、分词器与聊天模板、推理及训练框架、上下文和图片设置、思考参数、检索配置、计算规则版本、输入资料版本。GLM-5.3系列官方说明 reasoning_effort 默认 max；质量、成本和延迟对比须记录该设置。[S1][S2]

本方案尚未核实公司的合作合同、实际 API 型号和限额、算力供给、真实矿业准确率、训练与运行成本、最新子型号的逐项训练配方、私有部署全部依赖许可及具体矿权的标准／法规适用性。上述事项进入阶段1或相应合作确认，不由本方案替代。

本版提供的是有证据边界的实施路线，不是模型效果、资源真实性、法律有效性或投资收益的保证。