Zhipu запускає та відкриває джерельний код багатомодальної моделі GLM-5.3-Flash

iconKuCoinFlash
Поділитися
AI summary iconКороткий зміст
Zhipu випустила та відкрила джерела GLM-5.3-Flash — першу нативну мультимодальну модель у серії GLM-5. Модель перевершує GLM-5.2 за продуктивністю, показуючи результати у програмуванні та Agent близькі до Claude Opus 4.8 при на 10% нижчій вартості. На основі мультимодального набору даних з 30T токенів вона використовує гібридну архітектуру уваги з розрідженим та лінійним компонентами. Перед випуском анонімна модель Ox-Alpha посіла перше місце в OpenCode та OpenRouter за тиждень. Усе навчання проводилося на домашніх чіпах. Тести DeepSWE показали 80% точність на 10 запитаннях, але знизилися до 63% на більшому зразку. Ваги тепер відкрито для розгортання через vLLM, SGLang та KTransformers. Новини на ланцюгу підкреслюють швидкий розвиток інфраструктури ШІ. Дані про інфляцію залишаються вторинною стурбованістю для розробників моделей.

Odaily Planet Daily: Команда Zhipu офіційно анонсувала запуск та відкриття коду GLM-5.3-Flash — першої нативної багатомодальної моделі серії GLM-5.

За даними, загальна продуктивність GLM-5.3-Flash перевищує GLM-5.2, а оцінки програмування та Agent наближаються до Claude Opus 4.8, при цьому ціна становить лише десяту частину від ціни GLM-5.2. Він також отримав нову базову модель, вперше введши у основну серію GLM гібридну архітектуру розрідженої та лінійної уваги, і був попередньо навчений на 30T токенів мультимодальних даних.

Чжіпу зазначила, що для збору широких та професійних відгуків користувачів перед офіційним запуском велике тестування було проведено з анонімною моделлю Ox-Alpha (у китайській спільноті відомою як Нюлай) на платформах OpenCode та OpenRouter. Ox-Alpha швидко стала найпопулярнішою моделлю тижня, встановивши рекордну кількість запитів на обох платформах. Усі ці запити підтримувалися обчислювальними ресурсами китайських чипів.

Раніше спільнота повідомляла, що DeepSWE від Ox Alpha показала результат 80% у тесті з малим обсягом даних, але там було лише 10 питань. Після розширення вибірки результат впав приблизно до 63%, а тестувальники самі виправили початкові заяви. Цей результат все ще належить до першої групи, але не такий вражаючий, як початкові 80%. Після відкриття ваг моделі розробники зможуть безпосередньо розгорнути її за допомогою фреймворків, таких як vLLM, SGLang, KTransformers, і не будуть залежати від API анонімних моделей.

Джерело:Показати оригінал
Відмова від відповідальності: Інформація на цій сторінці може бути отримана від третіх осіб і не обов'язково відображає погляди або думки KuCoin. Цей контент надається лише для загального інформування, без будь-яких запевнень або гарантій, а також не може розглядатися як фінансова або інвестиційна порада. KuCoin не несе відповідальності за будь-які помилки або упущення, а також за будь-які результати, отримані в результаті використання цієї інформації. Інвестиції в цифрові активи можуть бути ризикованими. Будь ласка, ретельно оцініть ризики продукту та свою толерантність до ризику, виходячи з ваших власних фінансових обставин. Для отримання додаткової інформації, будь ласка, зверніться до наших Умов використання та Розкриття інформації про ризики.