สเปกที่ Z.ai ประกาศเอง
- พารามิเตอร์รวม 320 พันล้าน แต่ส่วนที่ทำงานจริงต่อหนึ่งคำราว 18 พันล้าน พารามิเตอร์คือชิ้นส่วนความรู้ในสมองโมเดล
- เทรนมาด้วยข้อมูลแบบอ่านทั้งข้อความและรูปราว 30 ล้านล้านโทเคน โทเคนคือหน่วยคำที่โมเดลใช้อ่าน
- บริบทยาวได้ถึง 1 ล้านโทเคนตามคอนฟิกโมเดล แปลว่ายัดเอกสารยาว ๆ เข้าไปทีเดียวได้เยอะ
- ชั้นสมองแค่ 45 ชั้น น้อยกว่าตระกูลก่อนหน้า
- สมองออกแบบใหม่ ผสมวิธีมองข้อมูลแบบ sparse กับ linear เพื่อลดค่าตอนข้อมูลยาว บวกเทคนิคเสริมที่ย่อว่า mHC
- รันได้บนเครื่องมือ SGLang, vLLM และ TokenSpeed
คะแนนที่ Z.ai วัดเอง ยังไม่ใช่การวัดจากฝ่ายอิสระ
- งานเขียนโค้ดจริง DeepSWE v1.1 ได้ 63.4 ที่เดิม GLM-5.2 ได้ 46.2
- AutomationBench ได้ 48.8 ที่เดิมได้ 26.2
- Z.ai บอกว่าใกล้กับ Claude Opus 4.8 ในงานเขียนโค้ดและงานเอเจนต์
- Artificial Analysis Intelligence Index ได้ 57 โดยค่าใช้จ่ายราว 0.045 ดอลลาร์ต่อหนึ่งงานหลังส่วนลด
เกร็ดที่ควรรู้
- ก่อนเปิดชื่อจริง เคยปล่อยทดลองแบบไม่บอกว่าเป็นอะไร ใช้ชื่อ ox-alpha บน OpenCode และ OpenRouter โดยให้บริการบนชิปเอไอของจีน
- ใครไม่อยากโหลดมาใช้เอง มีบนคลาวด์ของ Z.ai ผ่าน API และ GLM Coding Plan โควต้าใช้ได้มากกว่า GLM-5.3 ราว 3 เท่า
- บน Hugging Face มีให้โหลดทั้งเวอร์ชัน FP8 และ BF16 ใบอนุญาต MIT คือใช้ฟรีได้รวมเชิงพาณิชย์
- อย่าสับสนกับ GLM-5.3 ตัวใหญ่ที่เปิดไปเมื่อ 14 ส.ค. ตัวนั้นยังไม่เปิดน้ำหนัก เพราะกำลังตรวจความปลอดภัยด้านไซเบอร์อยู่
สรุป
ถ้าอยากลองโมเดลอ่านรูปได้รุ่นใหม่โดยไม่ต้องกังวลเรื่องลิขสิทธิ์ GLM-5.3-Flash คือตัวที่โหลดมาลงเครื่องตัวเองได้ตอนนี้ แต่เลขสวย ๆ ทั้งหมดยังเป็นคำบอกของ Z.ai เอง รอคนนอกทดสอบซ้ำแล้วค่อยสรุปอะไรเต็มปากก็ยังไม่ช้า
แหล่ง: บล็อก Z.ai และ Hugging Face · 26 ส.ค. 2026