IndexShare
IndexShare 是一种稀疏注意力 (sparse attention) 的省算力打法：把原本每层都要重新算一遍的 token 选择 indexer，改成几层共用一个，省掉的正是上下文拉到几十万 token 以后占大头的那部分冗余计算。
智谱 AI 旗下的 Z.ai 在 GLM-5.2 技术博客 里公布了这个做法，发布时间是 2026 年 6 月 17 日，离这个 7530 亿参数模型上线只过了 4 天。做法是每 4 层稀疏注意力共用一个 indexer，1M token 上下文下单 token 的 FLOPs 直接砍掉 2.9 倍，同一套共享思路还把 MTP 投机解码的接受长度拉高了最多 20%。
GLM-5.2 把每 4 层稀疏注意力分成一组，共用一个 indexer，不再每层都重新做一遍 top-k 选择。原本每层都要跑的点积 + top-k 计算，现在 4 层只用算一次。智谱 AI 说，正是这一步优化才让 1M token 推理的成本降到能直接把它设成默认上下文窗口。
像送外卖的骑手先把路线摸清楚一次，接下来的四单都照着这条路线走，不用每一单都重新翻地图。
智谱 AI 自己把这项优化写进了英文博客，随后 Raschka 那种硬核架构解读、VentureBeat 的跑分对比也都跟上了——但页面列出的信源里没有一篇中文，这块技术拆解目前中文那边基本是空的。搜索量目前很薄、竞争也低 (页面上是 Google Trends 的粗略估算，别当精确数)，现在写还来得及，只是这词技术门槛不低，写的人得真正搞懂稀疏注意力这套架构，写浅了留不住这批读者。
搜索热度
-
萌芽0–7 天
-
初现 ← 当前8–30 天
-
验证中31–90 天
-
上升91–180 天
-
成熟180 天以上
为什么是现在火？
Z.ai 2026 年 6 月 13 日放出的开源权重 GLM-5.2，让 IndexShare 成了今年被讨论最多的注意力效率优化：4 层共用一个稀疏注意力 indexer，1M token 上下文下单 token FLOPs 砍掉 2.9 倍。GLM-5.2 号称编程跑分打平 Claude Opus 4.8、超过 GPT-5.5，API 价格却只是零头，靠的就是这项技术。
前景
未来 6 个月的信号走势和商业化节奏。
智谱这套 indexer 共享打法，赶上了 DeepSeek Sparse Attention 被全行业采纳的这波节奏，两个季度内大概率会有别的实验室做出同类打法、另起一个名字。
风险 · 如果 DSA 这套路线最后输给别的稀疏注意力设计，IndexShare 就只是 GLM 自己的一个小注脚，成不了行业通用词汇。
类比 · MTP (multi-token prediction) · Grouped-Query Attention (GQA) · Mixture-of-Experts (MoE)
-
现在科普内容的搜索结果页还很空
目前只有 ML 博客在写，还没有专门的对比文章或工具类内容。
-
3-6 个月同行实验室开始跟进这套打法
DeepSeek、Kimi、MiniMax 大概率会在下一代模型里试这套 indexer 共享方案。
-
6-12 个月成为架构标配词汇
如果被广泛采用，以后模型对比文章里会像提 MoE、GQA 一样顺手提到它。
“IndexShare” 的竞争与机会 Placeholder
Needs at least one tracked query to compute — run enrich-trends or enrich-autocomplete to populate.
“IndexShare” 能做的点子
把这个词做成文章、网站、产品、帖子、邮件、视频或课程，随便挑一张卡片就能开干。
『IndexShare 是什么』这类大白话搜索词，目前排上去的都是 ML 博客的硬核文章，还没有面向普通读者的深度科普。这个词目前还圈在 Raschka 那种技术长文里，SEO 窗口还是空的。
把 IndexShare 和 Multi-Token Prediction、Grouped-Query Attention 放在一起对比，正好接住工程师选推理框架时常搜的『X vs Y』这类词。
自己搭环境的人在 mlx-lm 上经常撞见『缺少 per-layer indexer params』这个加载报错，得有一篇讲清楚 IndexShare 每层权重要求的实操指南，才能在消费级显卡上把 GLM-5.2 跑起来。
vLLM/SGLang/mlx-lm 用户经常因为缺 per-layer indexer params 而加载失败，还没有明确提示——给独立跑开源模型的基础设施工程师做一个部署前的检查工具，能补上这个坑。
GLM-5.3 还没发布，已经有三家实验室在抄智谱这套 4 层共享 indexer 的打法。
别的头部实验室还在把『1M 上下文』当参数表上的数字卖，GLM-5.2 已经把真正让它跑得起来的那处架构改动做出来了。
我喂给它一个 80 万 token 的代码库，每次响应都拿 Claude Opus 4.8 对照计时，省下来的算力刚好出现在文档说的那些地方，别的地方没有。
大家在搜什么 Placeholder
Long-tail queries to rank for — SERP-verified volumes pending enrichment.
make et-enrich-trends to populate real queries.“IndexShare” 的搜索结果
现在搜索的人会看到的页面：自然结果在上，有人投广告就显示在那。广告多少是实时的商业化信号。
常见问题
什么是 IndexShare？
IndexShare 是一种稀疏注意力 (sparse attention) 的省算力打法：把原本每层都要重新算一遍的 token 选择 indexer，改成几层共用一个，省掉的正是上下文拉到几十万 token 以后占大头的那部分冗余计算。
IndexShare 为什么现在火？
Z.ai 2026 年 6 月 13 日放出的开源权重 GLM-5.2，让 IndexShare 成了今年被讨论最多的注意力效率优化：4 层共用一个稀疏注意力 indexer，1M token 上下文下单 token FLOPs 砍掉 2.9 倍。GLM-5.2 号称编程跑分打平 Claude Opus 4.8、超过 GPT-5.5，API 价格却只是零头，靠的就是这项技术。
IndexShare 是什么时候出现的？
约于 2026-06-17 公开出现（截至 2026-07-04 约 17 天前）。EarlyTerms 最早于 2026-06-18 记录到信号。
相关词
同一领域里的其他词：别名、子类、竞品，以及值得接着看的邻近词。
- 属于 GLM-5.2 GLM-5.2 是智谱 AI（Z.ai）发布的开源 MoE 大模型，744B 参数，专门针对长任务编程和自主工程场景，MIT 协议。其 IndexShare 架构在百万 token 上下文窗口下把单 token 计算量压低了 2.9 倍，超长上下文不是噱头，真能用起来。 →
- 竞品 Claude Opus 4.8 Claude Opus 4.8 是 Anthropic 于 2026 年 5 月 28 日发布的最新旗舰大模型，定价维持不变（$5/$25 per million tokens）。相比 Opus 4.7，这版在 agent… →
- 竞品 GPT-5.5 GPT-5.5 是 OpenAI 于 2026 年 4 月 23 日发布的前沿大模型。这是 GPT-4.5 之后首次完整重训的基础模型，此前 GPT-5.x 系列的每个版本都只是在同一套权重上做后训练迭代。这次从头重训，目标是自主完成多步骤的 agentic 任务，单… →
- 竞品 Kimi K2.6 Kimi K2.6 是 Moonshot AI 于 2026 年 4 月 20 日发布的开权重旗舰模型，1T 参数的 Mixture-of-Experts 架构（32B 激活，384 个专家，256K 上下文，原生多模态），在 Hugging Face 以… →
- 竞品 MiniMax-M3 MiniMax M3 是上海 MiniMax (稀宇科技) 发布的一款 428B 参数 MoE 大模型，每次推理激活 22B 参数。它是首个在单一架构里同时具备三项能力的开源权重模型：前沿级代码水平、100 万 token 上下文窗口、原生多模态输入。 →
- 相关 MTP MTP (Multi-Token Prediction，多 token 预测) 是一种推理加速技术：用一个轻量级的 drafter 模型同时预测接下来的几个 token，再由更大的目标模型在一次前向传播里集中验证，吞吐量提升 2–3 倍，质量不变。 →
- 相关 DeepSeek V4 Pro DeepSeek V4 Pro 是 DeepSeek V4 系列的旗舰档：1.6 万亿参数、49 亿激活参数的 MoE 大模型，上下文窗口 100 万 token，MIT 许可开源。截至 2026 年 4 月，这是全球参数量最大的开放权重模型，在编程 benchmark… →
- 相关 Context Window Context window 是大模型在一次推理里能读入和处理的 token 总量上限。2025 到 2026 年间，这个词完成了一次身份转变：从当初「8K 还是 1M」的规格对比项，变成了 agent 团队每次会话都要主动预算、监控、并为之付钱的工程资源。 →
- 相关 Context Rot Context Rot 指大模型输出质量随输入长度增加而出现的可测量衰退，即便提示词还远没触及广告宣传的 context window 上限。模型处理第 10,000 个 token 的可靠程度，远不如处理第 100… →
- 相关 Agentic Coding Agentic coding 是让 AI agent 自主完成开发任务的工作方式：agent 自己规划、写代码、跑测试、读报错、修改，一轮轮迭代直到跑通，不需要人在每一步之间点头。这和 autocomplete 式的「AI pair… →
- 相关 Coding Agents Coding Agents 是一类 AI 编程工具的品类名。这类工具能自主完成代码工作：读仓库、想改法、改文件、跑测试、开 PR，而不是像 2021 年那批 copilot 只在光标处补几行。 →
- 相关 GLM-5.1 GLM-5.1 是 Z.ai 发布的 7540 亿参数开权重大模型，专为 agentic 工程和长周期编程任务设计。它是 GLM-5 的训练后升级版，共用同一套 Mixture-of-Experts Dynamic Sparse Architecture，以 MIT 许可证发布。 →
来源
这份报告引用的一手链接，点开任意一条都能自己核对。
- 01 Z.ai — GLM-5.2: Built for Long-Horizon Tasks (官方博客) z.ai ↗
- 02 Sebastian Raschka — GLM-5.2 的 IndexShare 架构解读笔记 sebastianraschka.com ↗
- 03 MindStudio — 《什么是 Index Share？》 mindstudio.ai ↗
- 04 VentureBeat — Z.ai 开源权重的 GLM-5.2，用六分之一成本打赢 GPT-5.5 venturebeat.com ↗
- 05 Hacker News — 《GLM 5.2 在我们的跑分里赢了 Claude》 news.ycombinator.com ↗
- 06 GitHub zai-org/GLM-5 Issue #94 — IndexShare 压力测试提案 github.com ↗
- 07 PhantomByte — 《1M 上下文的海市蜃楼：IndexShare 到底兑现了什么》 articles.phantom-byte.com ↗