GIGAZINE รายงานว่า Z.ai เปิดตัว GLM-5.3 เป็นโมเดลน้ำหนักเปิด

เกิดอะไรขึ้น

GIGAZINE รายงานว่า Z.ai เปิดตัว GLM-5.3 ในรูปแบบน้ำหนักเปิด ณ เวลา 00:00 น. ตามเวลาญี่ปุ่น ในวันที่ 29 สิงหาคม 2026 โมเดลดังกล่าวพร้อมให้ดาวน์โหลด เรียกใช้ และปรับแต่งผ่าน Hugging Face และ ModelScope GIGAZINE กล่าวว่า Z.ai ได้ประกาศก่อนหน้านี้ว่าจะเปิดโมเดลนี้หลังจากเสร็จสิ้นการปรับปรุงความปลอดภัยและการประเมินความปลอดภัย

GIGAZINE รายงานว่า Z.ai เปิดตัว GLM-5.3 ในรูปแบบเปิดในเวลา 00:00 น. ตามเวลาญี่ปุ่นของวันที่ 29 สิงหาคม รายงานดังกล่าวอธิบายว่าการเปิดตัวนี้เป็นการปฏิบัติตามคำสัญญาก่อนหน้านี้: GLM-5.3 เริ่มเสนอการสมัครสมาชิกและบริการ API ในวันที่ 14 สิงหาคม และ Z.ai ได้กล่าวว่าน้ำหนักจะพร้อมใช้งานหลังจากการปรับปรุงความปลอดภัยและการประเมินความปลอดภัยเสร็จสิ้น รายงานกล่าวถึงการประกาศของ Z.ai ว่าสามารถดาวน์โหลด เรียกใช้ และปรับแต่งโมเดลได้ GIGAZINE รายงานกำหนดเวลาและการประกาศวางจำหน่าย สิ่งเหล่านี้ไม่ได้รับการยืนยันโดยอิสระที่นี่

จากข้อมูลของ GIGAZINE ตุ้มน้ำหนักมีจำหน่ายผ่าน Hugging Face และ ModelScope รายงานระบุว่าโมเดลนี้ใช้สถาปัตยกรรมแบบผสมผสานของผู้เชี่ยวชาญ โดยมีพารามิเตอร์ทั้งหมด 744 พันล้านพารามิเตอร์ และพารามิเตอร์ที่ใช้งานอยู่ 40 พันล้านพารามิเตอร์ ตัวเลขเหล่านี้อธิบายขนาดโดยรวมและต่อการอนุมานของโมเดล แต่แหล่งที่มาไม่ได้อธิบายสถาปัตยกรรม ข้อมูลการฝึกอบรม การคำนวณการฝึกอบรม ความยาวบริบท หรือการตั้งค่าการอนุมานที่แน่นอน GIGAZINE ยังรายงานด้วยว่าใบอนุญาต GLM-5.3 กำหนดให้องค์กรที่มีรายได้ต่อปีสูงกว่า 10 พันล้านดอลลาร์ต้องได้รับการตรวจสอบด้านความปลอดภัยโดย Z.ai บทความนี้ไม่ได้ให้ข้อความใบอนุญาตฉบับเต็มหรืออธิบายว่าจะจัดการหรือบังคับใช้การทบทวนอย่างไร

GIGAZINE รายงานว่าโมเดลเต็มต้องใช้โครงสร้างพื้นฐาน AI ระดับศูนย์ข้อมูล นอกจากนี้ยังกล่าวอีกว่า Unsloth ได้เปิดตัวเวอร์ชันเชิงปริมาณและเวอร์ชัน UD-IQ2_M ระบุว่าทำงานบน Mac ที่มีหน่วยความจำรวม 256GB หรือบนพีซีที่มี VRAM 24GB และ RAM 256GB สิ่งเหล่านี้เป็นการอ้างสิทธิ์ด้านความเข้ากันได้ที่รายงาน ไม่ใช่การทดสอบอิสระโดย GIGAZINE แหล่งที่มาไม่ได้ระบุการสูญเสียประสิทธิภาพจากการหาปริมาณ ความเร็วในการสร้างที่คาดหวัง การใช้พลังงาน ข้อกำหนดของซอฟต์แวร์ หรือการกำหนดค่านั้นใช้งานได้จริงสำหรับเวิร์กโหลดที่ยั่งยืนหรือไม่

บทความรายงานเพิ่มเติมว่า Artificial Analysis ประเมิน GLM-5.3 ด้วยคะแนน Intelligence Index 60 และคะแนน Agentic Index 59 GIGAZINE กล่าวว่าคะแนนแรกสูงกว่า Claude Opus 4.8 และคะแนนที่สองแซงหน้า GPT-5.6 Sol และ Grok 4.6 รายงานจะไม่สร้างการทดสอบพื้นฐาน ขนาดตัวอย่าง ช่วงความเชื่อมั่น การตั้งค่าแบบจำลอง หรือตารางการเปรียบเทียบที่สมบูรณ์ ดังนั้นการเปรียบเทียบเหล่านี้จึงควรถือเป็นผลลัพธ์เกณฑ์มาตรฐานที่รายงาน แทนที่จะเป็นการจัดอันดับที่เป็นอิสระ GIGAZINE ยังตั้งข้อสังเกตอีกว่า Z.ai ได้เปิดตัว GLM-5.3-Flash ที่เล็กกว่าในรูปแบบเปิดเมื่อวันที่ 26 สิงหาคม โดยเชื่อมโยงกับการระบุ Ox Alpha ก่อนหน้านี้

รายละเอียดที่มา: gigazine.net ↗

ทำไมมันถึงสำคัญ

การเปิดตัวครั้งนี้ช่วยให้นักพัฒนาสามารถเข้าถึงโมเดลขนาดใหญ่มากซึ่ง GIGAZINE อธิบายว่าสามารถแข่งขันกับระบบที่เป็นกรรมสิทธิ์ชั้นนำในการประเมินบางส่วน ซึ่งสามารถขยายการทดลองกับ AI ที่ดำเนินการในพื้นที่และปรับแต่งเองได้ แม้ว่าข้อกำหนดด้านฮาร์ดแวร์ที่รายงานจะทำให้โมเดลแบบเต็มไม่สามารถใช้งานได้สำหรับบุคคลส่วนใหญ่และองค์กรขนาดเล็ก

การเปลี่ยนแปลงการเข้าถึงแบบ Open Weight ที่สามารถตรวจสอบ ปรับใช้ และปรับใช้โมเดลได้ นักพัฒนาอาจสามารถรัน GLM-5.3 ภายนอก API ที่โฮสต์ ปรับแต่งสำหรับแอปพลิเคชันเฉพาะ หรือประเมินภายใต้เงื่อนไขที่ยากต่อการศึกษาด้วยบริการแบบปิด ที่สามารถปรับปรุงการเข้าถึงการวิจัยและสร้างทางเลือกอื่นสำหรับองค์กรที่เกี่ยวข้องกับการพึ่งพาผู้ให้บริการ มูลค่าในทางปฏิบัติขึ้นอยู่กับความสมบูรณ์ของรุ่น เงื่อนไขใบอนุญาต คุณภาพของเครื่องมือ และค่าใช้จ่ายในการใช้งานโมเดล

ขนาดที่รายงานยังกำหนดข้อจำกัดเกี่ยวกับการเปิดกว้างดังกล่าวด้วย โมเดลแบบผสมของผู้เชี่ยวชาญที่มีพารามิเตอร์ 744 พันล้านพารามิเตอร์ไม่เทียบเท่ากับแอปพลิเคชันในพื้นที่แบบ Lightweight เพียงเพราะสามารถดาวน์โหลดน้ำหนักได้ คำอธิบายของโครงสร้างพื้นฐานระดับศูนย์ข้อมูลของ GIGAZINE ชี้ให้เห็นว่ารูปแบบเต็มจะยังคงสามารถเข้าถึงได้โดยนักพัฒนาและสถาบันที่ได้รับทุนสนับสนุนเป็นหลัก เวอร์ชันเชิงปริมาณอาจขยายการเข้าถึง แต่แหล่งที่มาไม่ได้กำหนดความเร็ว คุณภาพ ความน่าเชื่อถือ หรือต้นทุนการดำเนินงานทั้งหมดโดยอิสระ การเข้าถึงฮาร์ดแวร์ ความจุหน่วยความจำ และความเข้ากันได้ของซอฟต์แวร์จะกำหนดว่าการเผยแพร่นี้มีประโยชน์มากกว่าผู้ใช้เฉพาะทางหรือไม่

คำกล่าวอ้างด้านประสิทธิภาพมีความสำคัญเนื่องจากพวกเขาวางกรอบการเปิดตัวในฐานะคู่แข่งที่มีศักยภาพสำหรับโมเดลขอบเขตที่เป็นกรรมสิทธิ์ โดยเฉพาะอย่างยิ่งสำหรับงานเขียนโค้ดและเอเจนต์ หากทำซ้ำอย่างอิสระ ผลลัพธ์ดังกล่าวอาจเสริมความแข็งแกร่งให้กับระบบ open-weight ในการพัฒนาซอฟต์แวร์ เวิร์กโฟลว์อัตโนมัติ และการวิจัยด้านความปลอดภัย แต่ดัชนีคอมโพสิตไม่ได้รับประกันประสิทธิภาพที่เชื่อถือได้ในการปรับใช้จริง แหล่งที่มาไม่ได้ให้หลักฐานเกี่ยวกับความถูกต้องของข้อเท็จจริง อัตราความล้มเหลว พฤติกรรมความปลอดภัยทางไซเบอร์ ความสอดคล้องของการปฏิเสธ คุณภาพหลายภาษา การปกป้องความเป็นส่วนตัว หรือประสิทธิภาพการทำงานกับปริมาณงานของผู้ใช้เอง

ส่วนคำสั่งใบอนุญาตแนะนำข้อจำกัดที่คุ้นเคยน้อยกว่าในการเปิดตัวแบบ open-weight GIGAZINE รายงานว่าองค์กรที่อยู่เหนือเกณฑ์รายได้ที่ระบุจะต้องผ่านการตรวจสอบความปลอดภัยโดย Z.ai ซึ่งอาจส่งผลต่อการตัดสินใจด้านการจัดซื้อและการปฏิบัติตามกฎระเบียบของผู้ใช้เชิงพาณิชย์รายใหญ่ ในขณะเดียวกันก็ทำให้ผู้ใช้รายเล็กอยู่ภายใต้ภาระหน้าที่ที่แตกต่างกัน แหล่งที่มาไม่ได้ชี้แจงว่าจำเป็นต้องมีการตรวจสอบก่อนใช้งานหรือไม่ ข้อมูลอะไรบ้างที่ผู้สมัครต้องระบุ ใช้เวลานานแค่ไหน ใช้มาตรฐานใด หรือจะเกิดอะไรขึ้นหากองค์กรไม่ผ่าน สิ่งที่ไม่ทราบเหล่านี้เป็นส่วนสำคัญในการประเมินว่าการเผยแพร่นั้นเปิดกว้างเพียงใดในทางปฏิบัติ

จะดูอะไรต่อไป.

คำถามหลักคือว่าประสิทธิภาพที่รายงานสามารถทำซ้ำได้โดยอิสระหรือไม่ ใบอนุญาตนั้นใช้งานได้ในทางปฏิบัติอย่างไร และมีหลักฐานด้านความปลอดภัยใดบ้างที่มาพร้อมกับการเผยแพร่ GIGAZINE ไม่ได้จัดเตรียมวิธีการประเมินพื้นฐาน การค้นพบด้านความปลอดภัยโดยละเอียด หรือการยืนยันโดยอิสระเกี่ยวกับความสามารถที่อ้างสิทธิ์ของแบบจำลอง

ขั้นแรก ให้เฝ้าดูการประเมินอิสระที่เผยแพร่คำจำกัดความของงาน ข้อความแจ้ง การตั้งค่าโมเดล การกำหนดค่าฮาร์ดแวร์ และการวิเคราะห์ข้อผิดพลาด บัญชีของ GIGAZINE ให้คะแนนดัชนีและการเปรียบเทียบ แต่ไม่ใช่หลักฐานที่จำเป็นในการพิจารณาว่าข้อดีที่รายงานของ GLM-5.3 นั้นกว้าง มีความหมายทางสถิติ หรือละเอียดอ่อนต่อการเลือกเกณฑ์มาตรฐานหรือไม่ การทดสอบที่ทำซ้ำได้ทั่วทั้งการเขียนโค้ด การใช้เหตุผล การใช้เครื่องมือ และงานด้านความปลอดภัยจะมีข้อมูลมากกว่าคะแนนรวมเพียงคะแนนเดียว

ประการที่สอง ดูว่านักพัฒนาจัดการกับโมเดลเต็มและรีลีสเชิงปริมาณอย่างไร การรายงานที่เป็นประโยชน์ควรกำหนดการใช้หน่วยความจำจริง ปริมาณงาน เวลาแฝง ความต้องการพลังงาน การสนับสนุนซอฟต์แวร์ และการเปลี่ยนแปลงคุณภาพหลังจากการหาปริมาณ รายงานแหล่งที่มาระบุการกำหนดค่าฮาร์ดแวร์แต่ไม่ได้ยืนยันโดยอิสระ นอกจากนี้ยังไม่ได้ระบุว่าไฟล์ที่ดาวน์โหลดได้มีส่วนประกอบทั้งหมดที่จำเป็นสำหรับการปรับใช้หรือไม่ หรือผู้ใช้จะต้องได้รับบริการที่เป็นกรรมสิทธิ์เพิ่มเติมหรือไม่

ประการที่สาม ดูการใช้งานใบอนุญาต GLM-5.3 ข้อกำหนดการตรวจสอบความปลอดภัยที่รายงานสำหรับองค์กรที่มีรายได้ต่อปีสูงกว่า 1 หมื่นล้านดอลลาร์อาจกลายเป็นอุปสรรคในทางปฏิบัติหรือภาระผูกพันในการปฏิบัติตามข้อกำหนดที่สำคัญ ข้อกำหนด คำจำกัดความ กระบวนการตรวจสอบ และกลไกการบังคับใช้ทั้งหมดจำเป็นต้องได้รับการตรวจสอบก่อนที่องค์กรขนาดใหญ่จะถือว่าแบบจำลองเป็นแบบ open-weight ทั่วไป ผู้ใช้รายเล็กควรตรวจสอบว่ามีข้อจำกัดอื่นๆ หรือไม่

สุดท้าย ให้คอยดูเอกสารด้านความปลอดภัยและรายงานเหตุการณ์ GIGAZINE กล่าวว่าการเปิดตัวดังกล่าวเป็นไปตามการปรับปรุงความปลอดภัยและการประเมินความปลอดภัย แต่บทความนี้ไม่ได้อธิบายการประเมินเหล่านั้นหรือเผยแพร่ผลลัพธ์ สิ่งที่ไม่ทราบที่สำคัญ ได้แก่ หมวดหมู่การใช้งานในทางที่ผิดที่ได้รับการทดสอบ ความครอบคลุมของทีมแดง การป้องกันในน้ำหนักที่ดาวน์โหลดได้ การจัดการความสามารถที่เกี่ยวข้องกับไซเบอร์ และกระบวนการในการรายงานช่องโหว่ จนกว่าข้อมูลดังกล่าวจะพร้อมใช้งาน การเผยแพร่นี้แสดงให้เห็นถึงการเข้าถึงโมเดลที่มีประสิทธิภาพ ไม่ใช่ข้อพิสูจน์ว่าปลอดภัยหรือเชื่อถือได้สำหรับการใช้งานที่มีผลกระทบสูง

คำแนะนำและแบบทดสอบที่เกี่ยวข้อง