GIGAZINE की रिपोर्ट Z.ai ने ओपन-वेट मॉडल के रूप में GLM-5.3 जारी किया

क्या हुआ?

GIGAZINE की रिपोर्ट है कि Z.ai ने 29 अगस्त, 2026 को जापान समयानुसार 00:00 बजे GLM-5.3 को एक ओपन-वेट मॉडल के रूप में जारी किया। यह मॉडल Hugging Face और मॉडलस्कोप के माध्यम से डाउनलोड करने, चलाने और अनुकूलित करने के लिए उपलब्ध है। GIGAZINE का कहना है कि Z.ai ने पहले घोषणा की थी कि वह सुरक्षा संवर्द्धन और सुरक्षा मूल्यांकन पूरा करने के बाद मॉडल को खोलेगा।

GIGAZINE की रिपोर्ट है कि Z.ai ने 29 अगस्त को जापान के समयानुसार 00:00 बजे GLM-5.3 को एक खुले मॉडल के रूप में जारी किया। रिपोर्ट में रिलीज को पहले के वादे की पूर्ति के रूप में वर्णित किया गया है: GLM-5.3 ने 14 अगस्त को सदस्यता और एपीआई सेवाओं की पेशकश शुरू की, और Z.ai ने कहा था कि सुरक्षा संवर्द्धन और सुरक्षा मूल्यांकन पूरा होने के बाद वजन उपलब्ध हो जाएगा। रिपोर्ट में Z.ai की घोषणा का हवाला दिया गया है कि मॉडल को डाउनलोड, चलाया और अनुकूलित किया जा सकता है। समय और रिलीज़ की घोषणा GIGAZINE द्वारा रिपोर्ट की गई है; यहां उनकी स्वतंत्र रूप से पुष्टि नहीं की गई है।

GIGAZINE के अनुसार, वज़न Hugging Face और मॉडलस्कोप के माध्यम से उपलब्ध हैं। रिपोर्ट में कहा गया है कि मॉडल 744 अरब कुल मापदंडों और 40 अरब सक्रिय मापदंडों के साथ विशेषज्ञों के मिश्रण की वास्तुकला का उपयोग करता है। वे आंकड़े मॉडल के समग्र और प्रति-अनुमान पैमाने का वर्णन करते हैं, लेकिन स्रोत सटीक वास्तुकला, प्रशिक्षण डेटा, प्रशिक्षण गणना, संदर्भ लंबाई, या अनुमान सेटिंग्स की व्याख्या नहीं करता है। GIGAZINE की यह भी रिपोर्ट है कि GLM-5.3 लाइसेंस के लिए $10 बिलियन से अधिक वार्षिक राजस्व वाले संगठनों को Z.ai द्वारा सुरक्षा समीक्षा से गुजरना आवश्यक है। लेख पूर्ण लाइसेंस पाठ प्रदान नहीं करता है या यह नहीं बताता है कि समीक्षा कैसे प्रशासित या लागू की जाएगी।

GIGAZINE की रिपोर्ट है कि पूर्ण मॉडल के लिए डेटा-सेंटर-स्तरीय AI बुनियादी ढांचे की आवश्यकता होती है। इसमें यह भी कहा गया है कि अनस्लोथ ने एक परिमाणित संस्करण जारी किया है और इसका UD-IQ2_M संस्करण 256GB एकीकृत मेमोरी वाले मैक पर या 24GB VRAM और 256GB RAM वाले पीसी पर चलने के लिए कहा गया है। ये रिपोर्ट किए गए संगतता दावे हैं, GIGAZINE द्वारा कोई स्वतंत्र परीक्षण नहीं। स्रोत परिमाणीकरण, अपेक्षित उत्पादन गति, बिजली उपयोग, सॉफ़्टवेयर आवश्यकताओं, या निरंतर कार्यभार के लिए कॉन्फ़िगरेशन व्यावहारिक है या नहीं, से प्रदर्शन हानि निर्दिष्ट नहीं करता है।

लेख में आगे बताया गया है कि आर्टिफिशियल एनालिसिस ने GLM-5.3 का मूल्यांकन इंटेलिजेंस इंडेक्स स्कोर 60 और एजेंट इंडेक्स स्कोर 59 के साथ किया। GIGAZINE का कहना है कि पहला स्कोर Claude Opus 4.8 से ऊपर था और दूसरा GPT-5.6 Sol और Grok 4.6 से आगे था। रिपोर्ट अंतर्निहित परीक्षण, नमूना आकार, आत्मविश्वास अंतराल, मॉडल सेटिंग्स या पूर्ण तुलना तालिका को पुन: पेश नहीं करती है। इसलिए इन तुलनाओं को स्वतंत्र रूप से स्थापित रैंकिंग के बजाय रिपोर्ट किए गए बेंचमार्क परिणामों के रूप में माना जाना चाहिए। GIGAZINE ने यह भी नोट किया कि Z.ai ने 26 अगस्त को छोटे GLM-5.3-Flash को एक खुले मॉडल के रूप में जारी किया, इसे ऑक्स अल्फा की पिछली पहचान से जोड़ा।

स्रोत विवरण: gigazine.net ↗

यह क्यों मायने रखता है?

यह रिलीज़ डेवलपर्स को एक बहुत बड़े मॉडल तक पहुंच प्रदान करती है जिसे GIGAZINE कुछ मूल्यांकनों में अग्रणी स्वामित्व प्रणालियों के साथ प्रतिस्पर्धी के रूप में वर्णित करता है। यह स्थानीय रूप से संचालित और अनुकूलित एआई के साथ प्रयोग का विस्तार कर सकता है, हालांकि रिपोर्ट की गई हार्डवेयर आवश्यकताएं अधिकांश व्यक्तियों और छोटे संगठनों के लिए पूर्ण मॉडल को अव्यवहारिक बनाती हैं।

ओपन-वेट एक्सेस परिवर्तन जो किसी मॉडल का निरीक्षण, अनुकूलन और तैनाती कर सकते हैं। डेवलपर्स होस्ट किए गए एपीआई के बाहर GLM-5.3 को चलाने में सक्षम हो सकते हैं, इसे विशेष अनुप्रयोगों के लिए अनुकूलित कर सकते हैं, या उन परिस्थितियों में इसका मूल्यांकन कर सकते हैं जो एक बंद सेवा के साथ अध्ययन करना मुश्किल है। इससे अनुसंधान पहुंच में सुधार हो सकता है और प्रदाता निर्भरता के बारे में चिंतित संगठनों के लिए एक और विकल्प तैयार हो सकता है। व्यावहारिक मूल्य रिलीज की पूर्णता, लाइसेंस शर्तों, टूलींग की गुणवत्ता और मॉडल के संचालन की लागत पर निर्भर करता है।

रिपोर्ट किया गया पैमाना उस खुलेपन पर भी सीमाएं लगाता है। 744 बिलियन-पैरामीटर मिश्रण-विशेषज्ञ मॉडल एक हल्के स्थानीय एप्लिकेशन के बराबर नहीं है, क्योंकि इसका वजन डाउनलोड करने योग्य है। GIGAZINE के डेटा-सेंटर-स्तरीय बुनियादी ढांचे के विवरण से पता चलता है कि पूरा मॉडल मुख्य रूप से अच्छी तरह से वित्त पोषित डेवलपर्स और संस्थानों के लिए सुलभ रहेगा। परिमाणित संस्करण पहुंच को व्यापक बना सकते हैं, लेकिन स्रोत स्वतंत्र रूप से उनकी गति, गुणवत्ता, विश्वसनीयता या कुल परिचालन लागत स्थापित नहीं करता है। हार्डवेयर पहुंच, मेमोरी क्षमता और सॉफ़्टवेयर अनुकूलता यह निर्धारित करेगी कि रिलीज़ विशिष्ट उपयोगकर्ताओं से परे उपयोगी है या नहीं।

प्रदर्शन के दावे मायने रखते हैं क्योंकि वे रिलीज़ को मालिकाना सीमांत मॉडल के संभावित प्रतियोगी के रूप में प्रस्तुत करते हैं, विशेष रूप से कोडिंग और एजेंटिक कार्यों के लिए। यदि स्वतंत्र रूप से पुन: प्रस्तुत किया जाता है, तो ऐसे परिणाम सॉफ्टवेयर विकास, स्वचालित वर्कफ़्लो और सुरक्षा अनुसंधान में ओपन-वेट सिस्टम के मामले को मजबूत कर सकते हैं। लेकिन समग्र सूचकांक वास्तविक तैनाती में विश्वसनीय प्रदर्शन की गारंटी नहीं है। स्रोत तथ्यात्मक सटीकता, विफलता दर, साइबर सुरक्षा व्यवहार, इनकार की निरंतरता, बहुभाषी गुणवत्ता, गोपनीयता सुरक्षा या उपयोगकर्ताओं के स्वयं के कार्यभार पर प्रदर्शन के बारे में कोई सबूत नहीं देता है।

लाइसेंस क्लॉज़ अन्यथा ओपन-वेट रिलीज़ में एक कम परिचित बाधा पेश करता है। GIGAZINE की रिपोर्ट है कि एक निर्दिष्ट राजस्व सीमा से ऊपर के संगठनों को Z.ai द्वारा सुरक्षा समीक्षा पास करनी होगी। यह बड़े वाणिज्यिक अपनाने वालों की खरीद और अनुपालन निर्णयों को प्रभावित कर सकता है, जबकि छोटे उपयोगकर्ताओं को विभिन्न दायित्वों के तहत छोड़ सकता है। स्रोत यह स्पष्ट नहीं करता है कि उपयोग से पहले समीक्षा अनिवार्य है या नहीं, आवेदकों को क्या जानकारी प्रदान करनी होगी, इसमें कितना समय लगता है, कौन से मानक लागू होते हैं, या यदि कोई संगठन उत्तीर्ण नहीं होता है तो क्या होगा। वे अज्ञात यह आकलन करने के लिए केंद्रीय हैं कि व्यवहार में रिलीज़ कितनी खुली है।

आगे क्या देखना है

मुख्य प्रश्न यह हैं कि क्या रिपोर्ट किए गए प्रदर्शन को स्वतंत्र रूप से पुन: प्रस्तुत किया जा सकता है, व्यवहार में लाइसेंस कितना उपयोगी है, और रिलीज के साथ कौन से सुरक्षा साक्ष्य हैं। GIGAZINE अंतर्निहित मूल्यांकन पद्धति, विस्तृत सुरक्षा निष्कर्ष, या मॉडल की दावा की गई क्षमताओं की स्वतंत्र पुष्टि प्रदान नहीं करता है।

सबसे पहले, स्वतंत्र मूल्यांकनों पर नज़र रखें जो कार्य परिभाषाएँ, संकेत, मॉडल सेटिंग्स, हार्डवेयर कॉन्फ़िगरेशन और त्रुटि विश्लेषण प्रकाशित करते हैं। GIGAZINE का खाता सूचकांक स्कोर और तुलना देता है लेकिन यह निर्धारित करने के लिए आवश्यक साक्ष्य नहीं देता है कि GLM-5.3 के रिपोर्ट किए गए लाभ व्यापक, सांख्यिकीय रूप से सार्थक या बेंचमार्क चयन के प्रति संवेदनशील हैं या नहीं। कोडिंग, तर्क, उपकरण उपयोग और सुरक्षा कार्यों में पुनरुत्पादित परीक्षण एकल समग्र स्कोर की तुलना में अधिक जानकारीपूर्ण होगा।

दूसरा, देखें कि डेवलपर्स पूर्ण मॉडल और मात्राबद्ध रिलीज को कैसे संभालते हैं। उपयोगी रिपोर्टिंग में वास्तविक मेमोरी उपयोग, थ्रूपुट, विलंबता, बिजली की आवश्यकताएं, सॉफ़्टवेयर समर्थन और परिमाणीकरण के बाद गुणवत्ता में परिवर्तन स्थापित होना चाहिए। स्रोत रिपोर्ट में हार्डवेयर कॉन्फ़िगरेशन बताए गए हैं लेकिन स्वतंत्र रूप से उनकी पुष्टि नहीं की गई है। यह यह भी नहीं बताता है कि क्या डाउनलोड करने योग्य फ़ाइलों में तैनाती के लिए आवश्यक सभी घटक शामिल हैं या क्या उपयोगकर्ताओं को अतिरिक्त स्वामित्व सेवाएँ प्राप्त करनी होंगी।

तीसरा, GLM-5.3 लाइसेंस के कार्यान्वयन पर नजर रखें। 10 बिलियन डॉलर से अधिक वार्षिक राजस्व वाले संगठनों के लिए रिपोर्ट की गई सुरक्षा-समीक्षा आवश्यकता एक महत्वपूर्ण व्यावहारिक बाधा या अनुपालन दायित्व बन सकती है। बड़े संगठनों द्वारा मॉडल को पारंपरिक ओपन-वेट निर्भरता के रूप में मानने से पहले पूर्ण शर्तों, परिभाषाओं, समीक्षा प्रक्रिया और प्रवर्तन तंत्र की जांच की जानी चाहिए। छोटे उपयोगकर्ताओं को यह भी जांचना चाहिए कि क्या अन्य प्रतिबंध लागू होते हैं।

अंत में, सुरक्षा दस्तावेज़ीकरण और घटना रिपोर्ट पर नज़र रखें। GIGAZINE का कहना है कि रिलीज़ में सुरक्षा संवर्द्धन और सुरक्षा मूल्यांकन का पालन किया गया है, लेकिन लेख उन मूल्यांकनों का वर्णन नहीं करता है या उनके परिणाम प्रकाशित नहीं करता है। महत्वपूर्ण अज्ञात में परीक्षण की गई दुरुपयोग श्रेणियां, रेड-टीम कवरेज, डाउनलोड करने योग्य भार में सुरक्षा उपाय, साइबर-संबंधित क्षमताओं को संभालना और कमजोरियों की रिपोर्ट करने की प्रक्रिया शामिल है। जब तक वह जानकारी उपलब्ध नहीं हो जाती, रिलीज़ एक शक्तिशाली मॉडल तक पहुंच प्रदर्शित करती है, न कि यह प्रमाण देती है कि यह उच्च-प्रभाव वाले उपयोग के लिए सुरक्षित या भरोसेमंद है।

संबंधित मार्गदर्शिकाएँ एवं प्रश्नोत्तरी