Zhipu เปิดตัวและเปิดรหัสแหล่งที่มาของโมเดลหลายรูปแบบ GLM-5.3-Flash

iconKuCoinFlash
แชร์
AI summary iconสรุป
Zhipu เปิดตัวและเปิดซอร์ส GLM-5.3-Flash ซึ่งเป็นโมเดลแบบมัลติโมดัลแบบดั้งเดิมตัวแรกในซีรีส์ GLM-5 โมเดลนี้มีประสิทธิภาพดีกว่า GLM-5.2 โดยคะแนนด้านการเขียนโปรแกรมและ Agent ใกล้เคียงกับ Claude Opus 4.8 แต่มีต้นทุนต่ำกว่า 10% ใช้ชุดข้อมูลมัลติโมดัลขนาด 30T โทเค็น และใช้การออกแบบการให้ความสนใจแบบไฮบริดแบบกระจาย-เชิงเส้น ก่อนเปิดตัว โมเดล Ox-Alpha ที่ไม่เปิดเผยชื่ออยู่อันดับหนึ่งใน OpenCode และ OpenRouter สำหรับสัปดาห์นั้น การฝึกอบรมทั้งหมดใช้ชิปภายในประเทศ การทดสอบ DeepSWE แสดงความแม่นยำ 80% จากคำถาม 10 ข้อ แต่ลดลงเหลือ 63% เมื่อใช้ตัวอย่างขนาดใหญ่กว่า น้ำหนักโมเดลตอนนี้เปิดให้ใช้งานผ่าน vLLM, SGLang และ KTransformers ข่าวบนบล็อกเชนเน้นความก้าวหน้าอย่างรวดเร็วในโครงสร้างพื้นฐานด้าน AI ข้อมูลเงินเฟ้อยังคงเป็นประเด็นรองสำหรับนักพัฒนาโมเดล

Odaily Star Daily รายงานว่า Zhipu ได้ประกาศเปิดตัวและเปิดแหล่งที่มาของ GLM-5.3-Flash ซึ่งเป็นโมเดลหลายโมดัลตัวแรกของซีรีส์ GLM-5

ตามข้อมูลที่มี ประสิทธิภาพโดยรวมของ GLM-5.3-Flash ดีกว่า GLM-5.2 การประเมินด้านการเขียนโปรแกรมและ Agent ใกล้เคียงกับ Claude Opus 4.8 แต่มีราคาเพียงหนึ่งในสิบของ GLM-5.2 นอกจากนี้ยังใช้โมเดลพื้นฐานใหม่ ซึ่งเป็นครั้งแรกที่นำสถาปัตยกรรมผสมระหว่างการให้ความสำคัญแบบกระจายและแบบเชิงเส้นมาใช้ในซีรีส์หลักของ GLM และได้รับการฝึกล่วงหน้าด้วยข้อมูลมัลติมีเดีย 30T Token

ซีจีกล่าวว่า เพื่อรวบรวมข้อเสนอแนะที่กว้างขวางและมืออาชีพจากผู้ใช้จำนวนมาก ก่อนการเปิดตัวอย่างเป็นทางการ ได้ดำเนินการทดสอบขนาดใหญ่บน OpenCode และ OpenRouter โดยใช้โมเดลแบบไม่เปิดเผยชื่อ Ox-Alpha (ซึ่งชุมชนจีนเรียกว่า นิวไล) Ox-Alpha ได้รับความนิยมสูงสุดในสัปดาห์นั้น และทำสถิติใหม่ในการเรียกใช้งานบนแพลตฟอร์มทั้งสอง โดยปริมาณการร้องขอเหล่านี้ทั้งหมดได้รับการสนับสนุนด้วยพลังการประมวลผลจากชิปภายในประเทศ

ก่อนหน้านี้ ชุมชนเคยรายงานผลการทดสอบ DeepSWE ของ Ox Alpha ด้วยตัวอย่างขนาดเล็กที่ได้คะแนน 80% แต่การทดสอบดังกล่าวมีเพียง 10 ข้อ เมื่อขยายขนาดตัวอย่าง ผลคะแนนลดลงเหลือประมาณ 63% และผู้ทดสอบได้แก้ไขคำแถลงเริ่มต้นของตนเองอย่างสมัครใจ ผลลัพธ์นี้ยังคงอยู่ในกลุ่มชั้นนำ แต่ไม่ได้สูงเกินไปเหมือนกับคะแนน 80% ที่รายงานครั้งแรก หลังจากเปิดเผยน้ำหนักแบบโอเพนซอร์ส นักพัฒนาสามารถใช้เฟรมเวิร์กต่างๆ เช่น vLLM, SGLang, KTransformers เพื่อปรับใช้ด้วยตนเอง โดยไม่จำเป็นต้องผ่าน API ของโมเดลที่ไม่เปิดเผยตัวตน

คำปฏิเสธความรับผิดชอบ: ข้อมูลในหน้านี้อาจได้รับจากบุคคลที่สาม และไม่จำเป็นต้องสะท้อนถึงมุมมองหรือความคิดเห็นของ KuCoin เนื้อหานี้จัดทำขึ้นเพื่อวัตถุประสงค์ในการให้ข้อมูลทั่วไปเท่านั้น โดยไม่มีการรับรองหรือการรับประกัน และจะไม่ถูกตีความว่าเป็นคำแนะนำทางการเงินหรือการลงทุน KuCoin จะไม่รับผิดชอบต่อความผิดพลาดหรือการละเว้นในเนื้อหา หรือผลลัพธ์ใดๆ ที่เกิดจากการใช้ข้อมูลนี้ การลงทุนในสินทรัพย์ดิจิทัลอาจมีความเสี่ยง โปรดประเมินความเสี่ยงของผลิตภัณฑ์และความเสี่ยงที่คุณยอมรับได้อย่างรอบคอบตามสถานการณ์ทางการเงินของคุณเอง โปรดดูข้อมูลเพิ่มเติมได้ที่ข้อกำหนดการใช้งานและเอกสารเปิดเผยข้อมูลความเสี่ยงของเรา