Inilunsad ng Zhipu AI ng China ang GLM-5: Isang Open-Source na Modelo na may 744 Bilyong Parameter, Sinanay Gamit ang mga Lokal na Chip

Umabot sa Antas ng mga Nangungunang Modelo ang Kilusan ng China para sa Kasarinlan sa AI

Inilabas ng Chinese startup na Zhipu AI, na nagpapatakbo sa pandaigdigang merkado sa ilalim ng tatak na Z.ai, ang GLM-5, isang large language model na may 744 bilyong parameter. Ito ang unang AI system na nasa antas ng mga nangungunang modelo na sinanay nang buo gamit ang lokal na hardware ng China, nang hindi umaasa sa teknolohiya ng semiconductor ng Amerika. Matapos ang anunsyo noong Pebrero 11, halos 30 porsiyento ang itinaas ng presyo ng bahagi ng kumpanyang nakalista sa Hong Kong, na opisyal na pinangalanang Knowledge Atlas Technology. Nagsara ito sa 405 Hong Kong dollar, apat na beses ng presyo sa paunang public offering nito isang buwan lamang ang nakalipas. Nakalikom ang kumpanya ng humigit-kumulang 558 milyong dolyar sa IPO nito noong Enero 2026, at naging unang kumpanyang gumagawa ng mga foundation model na naipagbibili sa publiko sa buong mundo. Itinatag noong 2019 bilang sangay ng Tsinghua University, mabilis na nakilala ang Zhipu AI bilang nangunguna sa pagbuo ng open-source AI.

Lumabas ang modelo kasabay ng sunod-sunod na anunsyo mula sa mga kompanya ng teknolohiya sa China na nagnanais ipakita ang kanilang kakayahan bago ang holiday ng Lunar New Year. Gayunman, naiiba ang GLM-5 dahil sa kombinasyon ng laki nito, pagiging open source sa ilalim ng maluwag na MIT license, at ganap na hindi pag-asa sa mga graphics processing unit ng NVIDIA. Sa halip, gumamit ang Zhipu AI ng Huawei Ascend chips at MindSpore framework para sanayin ang sistema. Mahalaga ang pag-unlad na ito sa dinamika ng pandaigdigang supply chain para sa imprastraktura ng artificial intelligence. Pinatutunayan nito na posibleng magsanay ng AI na nasa antas ng mga nangungunang modelo nang hindi gumagamit ng NVIDIA ecosystem, kaya nagbubukas ito ng pagkakataon para sa mas sari-saring hardware at binabawasan ang panganib ng pag-asa sa iisang supplier sa buong industriya. Ipinakikita rin ng tiyempo ng anunsyo ang pagmamadali ng Beijing na ipamalas ang pag-unlad tungo sa kasarinlan sa mga lokal na chip, habang naghihigpit ang Washington sa mga kontrol sa pag-export ng mga high-end semiconductor.

Teknikal na Arkitektura at Laki

Malaki ang itinaas ng GLM-5 kumpara sa hinalinhan nitong GLM-4.7, na may 355 bilyong parameter. Dinoble ng bagong modelo ang kapasidad na ito at umabot sa kabuuang 744 bilyong parameter, habang gumagamit ng arkitekturang Mixture of Experts na nag-a-activate lamang ng 40 bilyong parameter sa bawat inference task. Sa paraang ito, na gumagamit ng 256 expert module at nag-a-activate ng walo para sa bawat token, nakakamit ng sistema ang mataas na performance habang mahusay na napamamahalaan ang gastos sa pag-compute. Ipinakikita ng arkitektura ang paglipat tungo sa sparse activation patterns na nagpapalaki sa kakayahan nang hindi tuwirang itinataas ang gastos sa pagpapatakbo. Mahalaga ito para sa mga organisasyong gumagamit ng malalaking modelo sa malawakang saklaw.

Kasabay nito, pinalawak ang dataset sa pagsasanay: mula 23 trilyong token sa naunang bersyon tungo sa 28.5 trilyong token para sa GLM-5. Kabilang sa mahahalagang teknikal na inobasyon ang paggamit ng DeepSeek Sparse Attention, isang mekanismong unang binuo ng startup na DeepSeek na nakabase sa Hangzhou. Dahil dito, napoproseso ng modelo ang mga context window na hanggang 200,000 token habang napapanatili ang kapasidad na maglabas ng 131,000 token, na kabilang sa pinakamataas sa industriya. Dahil sa kakayahang humawak ng mahabang context, kayang iproseso ng modelo sa iisang sesyon ang malalaking dokumento, buong codebase, koleksiyon ng mga research paper at transcript ng video, at magsagawa ng komplikadong pangangatwiran batay sa napakaraming input. Partikular na tinutugunan ng sparse attention mechanism ang dagdag na gastos sa pag-compute na karaniwang dinaranas ng mga dense attention model kapag nagpoproseso ng mahahabang sequence.

Performance sa mga Benchmark at Kakayahan sa Coding

Ayon sa panloob na pagsusuri na inilathala ng Zhipu AI, kabilang ang GLM-5 sa mga nangunguna sa mga ranking ng open-source model at hindi nalalayo sa mga proprietary system ng Kanluran. Sa SWE-bench Verified, isang kinikilalang benchmark na sumusukat sa kakayahan sa software engineering sa totoong mundo, nakakuha ang modelo ng 77.8 porsiyento. Nahigitan nito ang 76.2 porsiyento ng Gemini 3 Pro ng Google DeepMind at nalapit sa 80.9 porsiyento ng Claude Opus 4.5 ng Anthropic. Kinikilala ng kumpanya na nangunguna pa rin sa pangkalahatan ang Claude bilang coding model, ngunit binibigyang-diin nitong pinakapinuno ang GLM-5 sa mga open system. Sa SWE-bench Multilingual, nakakuha ang GLM-5 ng 73.3 porsiyento, na nagpapakita ng mahusay na performance sa iba’t ibang programming language.

Partikular na mahusay ang modelo sa mga operasyonal na gawaing tumatagal nang mahabang panahon. Sa Vending Bench 2, na gumagaya sa matagalang pagpapatakbo ng negosyo na nangangailangan ng tuluy-tuloy na awtonomong performance, nagtapos ang GLM-5 na may balanseng 4,432 dolyar at nanguna sa lahat ng sinubok na open-source model. Sa BrowseComp, isang benchmark para sa pagkuha at pagbubuo ng impormasyon, nakakuha ang sistema ng 75.9 puntos at nanguna rin sa kategoryang open source. Nakakuha rin ang modelo ng 50.4 puntos sa Humanity's Last Exam nang naka-enable ang mga tool, at 89.7 sa Tau Squared Bench, na nagpapahiwatig ng mahusay na kakayahan sa lohikal na pangangatwiran na may maraming hakbang. Sa Terminal-Bench 2.0, nakakuha ang sistema ng 56.2 porsiyento, na umakyat sa 60.7 porsiyento sa beripikadong bersyon.

Sa panloob na pagsusuri ng mga gawaing pang-inhinyeriya sa CC-Bench-V2, nakamit ng GLM-5 ang 98 porsiyentong tagumpay sa pagbuo ng frontend at 74.8 porsiyentong kawastuhan mula simula hanggang dulo. Samantala, nakakuha si Claude Opus 4.5 ng 93 at 75.7 porsiyento, ayon sa pagkakasunod. Nagpakita rin ang modelo ng 65.6 porsiyentong performance sa mga gawaing may mahabang proseso sa malalaking repositoryo. Ipinahihiwatig ng mga resultang ito na mahusay ang sistema sa paghawak ng komplikadong full-stack development workflow at proyektong maraming file.

Nagsagawa si Lukas Petersson, kasamang tagapagtatag ng Andon Labs, isang startup na gumagawa ng protocol para sa ligtas na awtonomong AI, ng independiyenteng pagsusuri sa mga trace ng GLM-5 gamit ang Vending Bench 2. Napansin niyang nakakamit ng modelo ang mga layunin sa pamamagitan ng agresibong taktikal na pagpapatupad, ngunit nagbabala siya tungkol sa mga limitasyon nito sa kamalayan sa sitwasyon kumpara sa mga nangungunang alternatibo mula sa Kanluran.

Matapos ang ilang oras na pagbabasa sa mga trace ng GLM-5: napakabisang modelo, ngunit mas mahina ang kamalayan nito sa sitwasyon. Nakakamit nito ang mga layunin sa pamamagitan ng agresibong taktika, ngunit hindi nito sinusuri ang sitwasyon nito o ginagamit ang karanasan. Nakakatakot ito. Ganito nagkakaroon ng paperclip maximizer.

Binanggit din ng Zhipu AI na nakapagtala ang modelo ng pinakamababang antas ng hallucination: negatibo ang isa sa Artificial Analysis Omniscience Index bersiyon 4.0, na 35 puntos na mas mahusay kaysa sa naunang henerasyon. Ipinahihiwatig ng sukatan na mas mahusay na ngayong nakikilala ng modelo ang mga hangganan ng kaalaman nito at umiiwas sa paglikha ng impormasyong walang batayan kapag hindi ito tiyak. Mahalaga ang kakayahang ito sa mga pang-enterprise na kapaligiran kung saan kritikal ang katumpakan.

Inobasyon sa Pagsasanay at Kasarinlan sa Hardware

Higit pa sa mga sukatan ng performance, isang mahalagang yugto para sa teknolohikal na kasarinlan ang proseso ng pagbuo sa GLM-5. Sinanay ang modelo gamit lamang ang Huawei Ascend 910 series chips, nang hindi umaasa sa NVIDIA hardware na kasalukuyang saklaw ng mga kontrol sa pag-export ng Estados Unidos laban sa sektor ng advanced computing ng China. Bahagi ito ng mas malawak na pagsisikap ng China na magkaroon ng kasarinlan sa semiconductor, na naglalayong makamit ang malaking antas ng kalayaan sa mga chip para sa data center pagsapit ng 2027. Para sa pandaigdigang industriya ng AI, ipinakikita nito na hindi lamang posible ang pagkakaiba-iba ng hardware sa pagsasanay ng AI: nangyayari na ito sa antas ng mga nangungunang modelo.

Para matugunan ang kakulangan sa kahusayan sa pagsasanay sa ganitong kalaking saklaw, bumuo ang Zhipu AI ng bagong imprastraktura para sa asynchronous reinforcement learning na may panloob na codename na slime. Sa tradisyonal na mga pamamaraan ng reinforcement learning, madalas nagiging bottleneck ang pagbuo ng data at umaabot sa mahigit 90 porsiyento ng oras ng pagsasanay. Inaalis ng slime framework ang mga limitasyong ito sa pamamagitan ng pagpapahintulot na buuin nang magkakahiwalay ang mga trajectory, kaya nagiging posible ang mas pinong mga pag-ulit na kailangan para sa komplikadong agentic behavior. Isinasagawa ito sa pamamagitan ng mga pag-optimize sa antas ng sistema, kabilang ang Active Partial Rollouts. Gumagamit ang framework ng sistemang may tatlong bahagi: isang high-performance na module sa pagsasanay na pinapagana ng Megatron-LM, isang rollout module na gumagamit ng SGLang at mga custom router para sa mabilisang pagbuo ng data, at isang sentralisadong Data Buffer na namamahala sa paunang pagsisimula ng prompt at pag-iimbak ng rollout.

In-optimize rin ng kumpanya ang GLM-5 para magamit sa malawak na hanay ng mga lokal na platform ng semiconductor sa China bukod sa Huawei, kabilang ang mga chip mula sa Moore Threads, Cambricon, Kunlunxin, MetaX, Enflame at Hygon. Sa pamamagitan ng kernel optimization at model quantization, nakakamit ng sistema ang angkop na throughput sa mga alternatibong platform na ito. Ipinakikita nito na nagiging mas ganap na ang lokal na AI compute stack at sinusuportahan nito ang estratehikong layunin ng China na bumuo ng matatag na imprastraktura na sinusuportahan ng mga lokal na teknolohiya. Binabawasan ng pagiging tugma nito ang pag-asa sa iisang hardware vendor at ipinakikita ang posibilidad na magamit ang mga alternatibong AI accelerator.

Agentic Engineering at Pagbuo ng mga Dokumento

Itinatampok ng Zhipu AI ang GLM-5 bilang kasangkapan para sa agentic engineering sa halip na simpleng conversational AI. Bahagi ito ng pag-unlad ng industriya mula sa tinatawag ng kumpanya na vibe coding tungo sa komprehensibong systems engineering. Nagtatampok ang sistema ng likas na Agent Mode na kayang hatiin ang malalawak na layunin sa mga gawaing maisasagawa, mag-ugnay ng mga tool at magsagawa ng mga workflow nang awtonomo upang makabuo ng mga resultang handa nang gamitin. Lumalampas ang paraang ito na inuuna ang paghahatid ng resulta sa simpleng pakikipag-usap: maaaring tukuyin ng mga user ang mga pamantayan sa kalidad habang AI naman ang bahala sa mga detalye ng pagpapatupad.

Kabilang sa mga natatanging kakayahan nito ang tuwirang pagbuo ng mga propesyonal na dokumento para sa opisina. Kayang gawing naka-format na Microsoft Word document, PDF file at Excel spreadsheet ng modelo ang mga hilaw na prompt o data nang hindi nangangailangan ng manwal na pag-format o mga hakbang sa pagproseso. Kabilang sa mga gamit nito ang awtomatikong pagbuo ng mga ulat sa pananalapi, panukala para sa sponsorship at komplikadong visualization ng pagsusuri ng data, kabilang ang mga chart at talahanayan na maaaring i-export sa mga karaniwang format. Maaaring mag-upload ang mga user ng data at makatanggap agad ng pagsusuri na puwedeng i-export sa xlsx, csv o png format.

Para sa mga software developer, nag-aalok ang Zhipu AI ng GLM Coding Plan, isang serbisyong subscription na gumagana sa mahigit dalawampung sikat na development environment, kabilang ang Claude Code, Cursor, Cline, Roo Code, OpenCode, Kilo Code, Crush at Goose. Nagbibigay ang plano ng iba’t ibang antas ng access: mula sa Lite na nagkakahalaga ng sampung dolyar kada buwan at nag-aalok ng tatlong beses na paggamit kumpara sa Claude Pro, hanggang sa Pro na nagkakahalaga ng 30 dolyar at may 40 hanggang 60 porsiyentong mas mabilis na pagtugon, at Max na nagkakahalaga ng 80 dolyar at nag-aalok ng garantisadong performance sa mga oras ng pinakamaraming gumagamit at maagang access sa mga bagong feature. Sinusuportahan ng lahat ng plano ang mga kakayahang Vision Understanding, Web Search MCP at Web Reader MCP. Ayon sa kumpanya, naghahatid ang modelong subscription na ito ng sampu-sampung bilyong token kada buwan sa halagang humigit-kumulang isang porsiyento ng karaniwang presyo ng API, na may bilis na mahigit 55 token kada segundo para sa real-time na paggamit.

Diskarte sa Komersiyalisasyon at Limitasyon sa Imprastraktura

Sa kabila ng mga teknikal na tagumpay, nahaharap agad ang Zhipu AI sa mga limitasyon sa imprastraktura na nagtulak dito na baguhin ang presyo. Itinaas ng kumpanya nang 30 porsiyento ang presyo ng GLM Coding Plan simula Pebrero 11, dahil sa mabilis na paglaki ng bilang ng mga user at paggamit na nagdala sa kapasidad ng pag-compute sa hangganan nito. Sa isang pampublikong pahayag, kinilala ng kumpanya na napakalimitado ng compute resources. Bago pa ilunsad ang GLM-5, ginagamit na nang husto ang bawat magagamit na chip para matugunan ang kasalukuyang pangangailangan sa inference. Inalis ang diskuwento sa unang pagbili, ngunit may 10 at 30 porsiyentong matitipid sa quarterly at taunang pagsingil, ayon sa pagkakasunod.

Nangangailangan ang lokal na pagpapatakbo ng GLM-5 ng humigit-kumulang 1,490 gigabytes na memorya, halos doble ng kailangan ng GLM-4.7. Hadlang ang pangangailangang ito sa hardware para sa mas maliliit na organisasyong gustong patakbuhin ang modelo sa sariling lugar, bagaman available pa rin sa HuggingFace at ModelScope ang mga open weight para sa may sapat na resources. Para naman sa mga gumagamit ng cloud API, maaaring magdulot ng kawalang-katiyakan ang bigat sa imprastraktura tungkol sa paglilimita sa dalas ng paggamit o pagbagal ng pagtugon habang pinalalawak ng kumpanya ang kapasidad upang matugunan ang pangangailangan.

Itinatampok ng presyo ng API access ang GLM-5 bilang alternatibong mas mababa ang gastos kumpara sa mga proprietary model ng Kanluran. Humigit-kumulang isang dolyar kada isang milyong input token ang halaga, habang tatlong dolyar at 20 sentimo kada isang milyong output token. Ihambing ito sa Anthropic Claude Opus 4.6, na nagkakahalaga ng limang dolyar kada isang milyong input token at 25 dolyar kada isang milyong output token. Mas mura ang GLM-5 nang humigit-kumulang anim hanggang sampung beses, depende sa paraan ng paggamit. Nagkakahalaga ang GPT-5.2 ng 1.75 dolyar kada isang milyong input token at 14 na dolyar kada isang milyong output token, na mas mataas pa rin nang malaki kaysa sa GLM-5. Samantala, 20 sentimo kada isang milyong input token ang halaga ng Grok 4.1 Fast, kaya mas mura ito, bagaman iba ang antas ng kakayahan nito.

Kompetisyon sa Industriya at Tiyempo

Kasabay ng paglulunsad ng GLM-5 ang sunod-sunod na anunsyo mula sa mga karibal na AI laboratoryo sa China, kaya nagkaroon ng sabayang pagpapakita ng kakayahang teknolohikal ng bansa bago ang holiday ng Lunar New Year. In-update ng DeepSeek ang flagship model nito sa araw ding iyon at pinalaki nang sampung beses ang kapasidad ng context window, na lumampas sa isang milyong token. Inilunsad naman ng MiniMax, na nagsagawa rin ng IPO sa Hong Kong kasabay ng Zhipu noong Enero, ang modelong M2.5 na may pinahusay na agentic tool. Dahil dito, halos 50 porsiyento ang itinaas ng presyo ng bahagi nito sa loob ng isang linggo. Kabilang sa iba pang inilabas ang video generation model na Seedance 2.0 ng ByteDance, ang pinag-isang multimodal system na Ming-Flash-Omni 2.0 ng Ant Group na kayang bumuo ng pananalita at musika, at ang modelong Kimi 2.5 ng Moonshot AI na inilabas noong huling bahagi ng Enero.

Binigyang-diin ni Chinese Premier Li Qiang ang koordinadong pagpapaunlad ng mga mapagkukunan sa computing at imprastraktura ng kuryente upang suportahan ang mabilis na pag-unlad na ito, sa talumpati niya tungkol sa polisiya noong Pebrero 11. Nanawagan siya para sa pagpapalawak at komersiyalisasyon ng paggamit ng AI, gayundin sa mas mahusay na koordinasyon ng mga mapagkukunan. Binigyang-diin din niya ang mga planong pagandahin ang kapaligiran para sa talento at mga kumpanya sa AI. Sumasalamin ang sabayang tiyempo sa estratehikong pagpoposisyon sa sektor ng AI ng China, kung saan lalong nagtutugma ang mga kumpanya sa pag-aanunsyo ng malalaking pag-unlad upang mapalakas ang epekto at ipakita ang sama-samang pag-usad kumpara sa pamumunong teknolohikal ng Amerika.

Para sa mga mamumuhunan, naiiba ang pag-angat ng mga espesyalisadong AI startup sa paghina ng mas malalaking konglomeradong pangteknolohiya gaya ng Tencent at Alibaba, na bumaba nang 2.6 at 2.1 porsiyento ang presyo ng bahagi sa kaparehong panahon. Ipinahihiwatig nito na mas pinipili ng merkado ang mga kumpanyang nakatuon sa artificial intelligence kaysa sa mga kumpanyang may sari-saring negosyo. Ayon sa mga analyst ng Jefferies, mahusay ang mga modelong Chinese sa agentic AI at nasa magandang posisyon ang mga ito para makinabang sa mabilis na pagtanggap ng mga negosyo. Bumaba nang 1.7 porsiyento sa kabuuan ang Hang Seng Tech Index ng Hong Kong, na nagpapakita ng piling-piling sigla ng mga mamumuhunan.

Mahahalagang Punto

• Inilabas ng Zhipu AI ang GLM-5, isang open-source language model na may 744 bilyong parameter at sinanay lamang gamit ang Huawei Ascend chips, nang walang NVIDIA hardware. Isa itong mahalagang hakbang tungo sa kasarinlan ng China sa imprastraktura ng AI.
• Nakakuha ang modelo ng 77.8 porsiyento sa benchmark ng coding na SWE-bench Verified, kaya nalapit ito sa Claude Opus 4.5 ng Anthropic. Nanguna rin ito sa mga open-source model sa Vending Bench 2 at BrowseComp.
• Gumagamit ang GLM-5 ng arkitekturang Mixture of Experts na may 256 expert at DeepSeek Sparse Attention upang makapagproseso ng context window na 200,000 token habang mahusay na napamamahalaan ang pag-compute.
• Nakapagtala ang sistema ng pinakamababang antas ng hallucination: negatibo ang isa sa Artificial Analysis Omniscience Index, na 35 puntos na pagbuti mula sa naunang henerasyon.
• Itinaas ng Zhipu AI nang 30 porsiyento ang presyo ng subscription sa GLM Coding Plan dahil sa bigat sa imprastraktura, habang halos 30 porsiyento namang tumaas ang presyo ng bahagi ng kumpanyang nakalista sa Hong Kong kasunod ng anunsyo.
• Kasabay ng paglulunsad ang malalaking update mula sa DeepSeek, MiniMax, ByteDance at Ant Group, na nagpapaigting sa kompetisyon sa sektor ng AI ng China bago ang holiday ng Lunar New Year.