Back to top
  • 공유 แชร์
  • 인쇄 พิมพ์
  • 글자크기 ขนาดตัวอักษร
ลิงก์ถูกคัดลอกแล้ว

GLM-5.3 เปิดตัว ประสิทธิภาพโค้ดดิ้งดีขึ้น 50% ตามผลประเมินภายในของ Zhipu AI

Zhipu AI(02513.HK) เปิดตัวโมเดลภาษาขนาดใหญ่รุ่นใหม่ GLM-5.3 ที่เสริมความสามารถด้านการเขียนโค้ดให้แข็งแกร่งขึ้น โดยบริษัทระบุว่าจากผลประเมินภายใน ความสามารถด้านโค้ดดิ้งของ GLM-5.3 สูงกว่ารุ่นก่อนหน้าอย่าง GLM-5.2 ถึง 50%

สำนักข่าว Yicai (อี้ไฉ่) รายงานว่า Zhipu AI ได้เปิดตัว GLM-5.3 อย่างเป็นทางการแล้ว โดย GLM-5.3 ยังคงใช้โมเดลพื้นฐานเดียวกับ GLM-5.2 แต่บริษัทอธิบายว่าการขยายสเกลขั้นตอนหลังการฝึกฝน (post-training scaling) ช่วยยกระดับเพดานความสามารถของโมเดลให้สูงขึ้น

Zhipu AI ระบุว่า GLM-5.3 ทำคะแนนอันดับ 1 ในกลุ่มโมเดลโอเพนซอร์สจากการทดสอบมาตรฐานสาธารณะอย่าง Terminal Bench 3.0 และ Agents' Last Exam (CLI) อย่างไรก็ตาม ผลการทดสอบเบนช์มาร์กเป็นเพียงตัวชี้วัดอ้างอิงสำหรับเปรียบเทียบประสิทธิภาพระหว่างโมเดล ส่วนประสิทธิภาพที่ผู้ใช้รับรู้จริงในสภาพแวดล้อมพัฒนางานจริงอาจแตกต่างกันไปตามรูปแบบการใช้งานและโครงสร้างการเชื่อมต่อเครื่องมือ

การเปิดตัวครั้งนี้เกิดขึ้นท่ามกลางกระแสที่บริษัทพัฒนาโมเดลภาษาขนาดใหญ่ของจีนแข่งขันกันอย่างต่อเนื่องโดยชูจุดแข็งด้านการเขียนโค้ดและการทำงานแบบเอเจนต์ เอกสารเปิดตัวของ Zhipu AI ระบุว่า GLM-5.2 เป็นโมเดลเรือธงล่าสุดที่เปิดตัวเมื่อวันที่ 16 มิถุนายน ซึ่งหมายความว่าโมเดลรุ่นต่อมาถูกปล่อยออกมาในเวลาห่างกันเพียงประมาณสองเดือน ก่อนหน้านี้ TokenPost เคยรายงานว่า คำว่า GLM-5.3 เคยปรากฏขึ้นชั่วคราวในผลการค้นหาของ Bing มาแล้ว

การฝึกฝนขั้นหลัง (post-training) คือขั้นตอนที่เพิ่มข้อมูลและกระบวนการประเมินเฉพาะเข้าไปในโมเดลที่ผ่านการฝึกฝนล่วงหน้ามาแล้ว เพื่อยกระดับความสามารถในการทำงานเฉพาะด้าน การที่ Zhipu AI ชูประเด็นประสิทธิภาพด้านโค้ดดิ้งและผลประเมินเอเจนต์บนพื้นฐาน CLI ในการประกาศครั้งนี้ก็สอดคล้องกับทิศทางการพัฒนาดังกล่าว

Zhipu AI ระบุว่าจะเปิดให้เข้าถึงค่าน้ำหนัก (weights) ของโมเดล GLM-5.3 หลังการเปิดตัวไปแล้ว 2 สัปดาห์ เมื่อค่าน้ำหนักถูกเปิดเผย นักพัฒนาและภาคธุรกิจจะสามารถดาวน์โหลดโมเดลไปตรวจสอบโดยตรง หรือทดลองใช้งานในสภาพแวดล้อมของตนเองได้

<ลิขสิทธิ์ ⓒ TokenPost ห้ามเผยแพร่หรือแจกจ่ายซ้ำโดยไม่ได้รับอนุญาต>

บทความที่มีคนดูมากที่สุด

บทความที่เกี่ยวข้อง

ความคิดเห็น 0

ข้อแนะนำสำหรับความคิดเห็น

ขอบคุณสำหรับบทความดี ๆ ต้องการบทความติดตามเพิ่มเติม เป็นการวิเคราะห์ที่ยอดเยี่ยม

0/1000

ข้อแนะนำสำหรับความคิดเห็น

ขอบคุณสำหรับบทความดี ๆ ต้องการบทความติดตามเพิ่มเติม เป็นการวิเคราะห์ที่ยอดเยี่ยม
1