Z.ai เปิดตัว GLM-5.3 โดดเด่นด้านการเขียนโค้ดซับซ้อนและการทำงานระยะยาว
Z.ai ปล่อยโมเดล GLM-5.3 ผ่าน API และแผนบริการโค้ด โดยไม่ต้องฝึกฝนโมเดลฐานใหม่ พร้อมโชว์ผลทดสอบที่ก้าวกระโดด
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
- Z.ai เปิดตัวโมเดล GLM-5.3 ผ่าน API, GLM Coding Plan และ ZCode แล้วในขณะนี้
- น้ำหนักโมเดลยังไม่ถูกปล่อยออกมา โดยคาดว่าจะเผยแพร่หลังการประเมินความปลอดภัยราวสองสัปดาห์
- ผลคะแนนการทดสอบด้านการเขียนโค้ดและการวางแผนระยะยาวเพิ่มขึ้นอย่างก้าวกระโดดจากรุ่น GLM-5.2
- การพัฒนาเกิดขึ้นโดยไม่ได้วางแผนล่วงหน้าจากการเพิ่มข้อมูลค้นหาช่องโหว่แต่ความสามารถขยายตัวต่อเนื่อง
บริษัท Z.ai ได้ประกาศเปิดตัวโมเดลปัญญาประดิษฐ์รุ่นใหม่ล่าสุดในชื่อ GLM-5.3 โดยเปิดให้ใช้งานแล้วผ่านทาง Z.ai API, แผนบริการ GLM Coding Plan และ ZCode แม้ว่าในขณะนี้จะยังไม่มีการเปิดเผยน้ำหนักของโมเดล (Weights) ออกมาสู่สาธารณะ แต่ทางบริษัทได้ระบุว่าจะดำเนินการเผยแพร่น้ำหนักดังกล่าวหลังจากกระบวนการประเมินความปลอดภัยและการเสริมความแข็งแกร่งของระบบเสร็จสิ้นลง ซึ่งคาดว่าจะใช้เวลาประมาณสองสัปดาห์หลังจากการเปิดตัว
ในด้านผลการทดสอบประสิทธิภาพบนชุดประเมินต่างๆ โมเดล GLM-5.3 แสดงให้เห็นถึงการพัฒนาที่ดีขึ้นอย่างชัดเจนเมื่อเปรียบเทียบกับรุ่นก่อนหน้าอย่าง GLM-5.2 โดยมีตัวเลขผลการทดสอบที่น่าสนใจดังต่อไปนี้
ภาพประกอบจากคลังภาพสต็อก ไม่ใช่ภาพจากเหตุการณ์จริง
สำหรับการทดสอบภายในของบริษัทที่เรียกว่า Z.ai Code Bench นั้น ทาง Z.ai รายงานว่ามีประสิทธิภาพที่ดีขึ้นถึง 50 เปอร์เซ็นต์เมื่อเทียบกับรุ่น GLM-5.2 โดยทำคะแนนได้ 31.4 เปอร์เซ็นต์ ที่อัตราการสร้างโทเค็นประมาณ 50,000 โทเค็นต่อหนึ่งงาน ในขณะที่คู่แข่งอย่าง Claude Opus 4.8 ทำคะแนนได้ 29.5 เปอร์เซ็นต์ ที่ 120,000 โทเค็น และ Claude Fable 5 ยังคงครองตำแหน่งผู้นำด้วยคะแนน 39.5 เปอร์เซ็นต์ที่ความพยายามสูงสุด อย่างไรก็ตาม บนชุดทดสอบสาธารณะ โมเดล GLM-5.3 ยังคงตามหลัง GPT-5.6 Sol และ Fable 5 อยู่ในบางการประเมินด้านการเขียนโค้ดที่ยากขึ้น โดยทุกตัวเลขสถิติได้รับการยืนยันจากผู้พัฒนาพร้อมเอกสารประกอบการตั้งค่าบริบทและพารามิเตอร์
การเปิดตัว GLM-5.3 สะท้อนให้เห็นถึงแนวโน้มการพัฒนาความสามารถของโมเดลภาษาขนาดใหญ่ที่บางครั้งอาจเกิดจากการผสมผสานชุดข้อมูลเฉพาะทาง เช่น ข้อมูลการค้นหาช่องโหว่ระบบ ซึ่งเดิมทีทีมงานคาดหวังเพียงแค่การปรับปรุงเหตุผลสำหรับข้อบกพร่องเดี่ยว แต่กลับส่งผลให้โมเดลมีความสามารถในการวางแผนเชื่อมโยงเป็นห่วงโซ่การโจมตีที่ซับซ้อนขึ้นโดยอัตโนมัติเมื่อขยายสเกลการฝึกฝน นี่เป็นตัวอย่างที่แสดงให้เห็นว่าพฤติกรรมของ AI สามารถเติบโตเกินความคาดหมายดั้งเดิมของผู้พัฒนาได้
ทาง Z.ai เปิดเผยว่าการเติบโตครั้งนี้เกิดขึ้นโดยไม่ได้วางแผนไว้ล่วงหน้า เมื่อบริษัทได้เพิ่มข้อมูลการค้นหาช่องโหว่เข้าไปโดยหวังเพียงแค่การให้เหตุผลที่ดีขึ้นสำหรับข้อบกพร่องเดี่ยว แต่ผลลัพธ์กลับกลายเป็นว่าความสามารถของโมเดลขยายตัวอย่างต่อเนื่องจนสามารถสร้างแผนการที่สอดคล้องกันตลอดทั้งห่วงโซ่การโจมตีที่สมบูรณ์ได้
ตัวเลขการทดสอบด้านความปลอดภัยและการตรวจสอบช่องโหว่ก็สะท้อนภาพที่ชัดเจนเช่นกัน:
- CyberGym ขยับจาก 77.2 เปอร์เซ็นต์ เป็น 84.5 เปอร์เซ็นต์ ซึ่งแซงหน้า Mythos 5 ที่ทำได้ 83.8 เปอร์เซ็นต์ และ GPT-5.6 Sol ที่ 83.6 เปอร์เซ็นต์
- ExploitBench ขยับจาก 24.4 เปอร์เซ็นต์ เป็น 54.4 เปอร์เซ็นต์ ในขณะที่ Mythos 5 อยู่ที่ 78.0 เปอร์เซ็นต์
- ExploitGym ระบุว่า GLM-5.3 สามารถทำภารกิจสำเร็จ 105 งานภายในเวลาสองชั่วโมง และ 130 งานในเวลาหกชั่วโมง
ที่มา: MarkTechPost
พบข้อมูลผิดพลาดในบทความนี้? แจ้งปัญหาบทความนี้
ความคิดเห็น
แสดงความคิดเห็น