ज़िपु एआई के वैज्ञानिक विभाग के प्रमुख, तान ज़े, द्वारा पहले X पर उपयोगकर्ताओं के सवालों का जवाब 'जल्द ही' कहकर देने के बाद, आधिकारिक तौर पर मॉडल का संस्करण तकनीकी ब्लॉग Z.ai के माध्यम से कुछ ही घंटों के भीतर जारी कर दिया गया। संकेत से रिलीज तक यह बदलाव कुछ ही घंटों में होना बड़े मॉडलों के क्षेत्र में एक दुर्लभ घटना है।
GLM-5.3 मॉडल को एक सार्वभौमिक उपकरण के रूप में नहीं, बल्कि कोडिंग और सुरक्षा कार्यों पर अधिकतम ध्यान केंद्रित करने वाले उत्पाद के रूप में प्रस्तुत किया गया है। कोडिंग के क्षेत्र में प्रदर्शन में महत्वपूर्ण वृद्धि देखी गई है: SWE-Marathon मीट्रिक 19.4 से बढ़कर 42.5 हो गया, और FrontierSWE 67.5 से बढ़कर 78.1 हो गया। इसके अलावा, वास्तविक लिनक्स टर्मिनल में बहु-चरणीय संचालन का अनुकरण करने वाले टर्मिनल बेंच 3.0 बेंचमार्क पर, GLM-5.3 ने 28.3 का परिणाम प्राप्त किया, जो GLM-5.2 के 4.6 के परिणाम की तुलना में पांच गुना उछाल है। यह प्रगति केवल पोस्ट-ट्रेनिंग के माध्यम से हासिल की गई थी, जबकि मूल मॉडल के समान पैरामीटर संख्या बनाए रखी गई थी।
सुरक्षा के क्षेत्र में परिणाम और भी प्रभावशाली हैं। साइबरजिम बेंचमार्क मॉडल की कमजोरियों को खोजने और उनका उपयोग करने की क्षमता का परीक्षण करता है, जो एक व्हाइट-हैट हैकर के रूप में कार्य करता है। GLM-5.3 ने परीक्षण किए गए सभी मॉडलों में पहला स्थान प्राप्त किया, 84.5 का स्कोर प्राप्त किया। Z.ai ने सुरक्षा जानकारी का एक रजिस्टर भी जारी किया, जिसमें 269 ओपन-सोर्स परियोजनाओं में 2,436 समस्याओं की पहचान की गई थी, जिनमें से 1,097 गंभीर या उच्च गंभीरता की थीं। पता लगने से पहले कमजोरियों का औसत जीवनकाल 26.6 वर्ष था, जो कोड की घातीय वृद्धि के सामने पारंपरिक ऑडिट की सीमाओं को रेखांकित करता है।
एजेंट की क्षमताओं में GLM-5.3 में प्रयास स्तर (Effort Level) तंत्र को लागू करके भी सुधार हुआ है। यह तंत्र 'सोचता नहीं' से लेकर 'अधिकतम' तक चार स्तरों की तर्क गहराई प्रदान करता है। आधिकारिक वक्र दिखाते हैं कि निम्न स्तर पर सटीकता लगभग 24.5% से बढ़कर अधिकतम स्तर पर 34.5% हो जाती है, जो GLM-5.2 के लगभग सपाट वक्र से काफी अलग है, जो लगभग 20% से 23.5% तक बढ़ रहा था। एजेंट परीक्षणों में GLM-5.3 ने उच्च परिणाम दिखाए: Toolathlon Verified 73.0, AutomationBench 48.2, Agents' Last Exam 28.5, HLE with Tools 62.5 और GDPVal-AA v2 1769, जबकि पहले स्तर पर स्थान प्राप्त किया।
ज़िपु ने यह भी बताया कि अगली बड़ी संस्करण पूरी तरह से नई वास्तुकला पर बनाया जाएगा जिसमें दोगुने पैरामीटर होंगे, जो Fable 5 पर केंद्रित होगा। इस प्रकार, GLM-5.3 एक बड़े रिलीज से पहले एक मध्यवर्ती चरण प्रतीत होता है। 'जल्द ही' की कहानी जारी रही: उसी दिन किसी ने X पर तान ज़े से GLM-6 के बारे में पूछा, और उनका जवाब फिर से 'जल्द ही' था, जिससे हाल ही में GLM-5.3 की तेज रिलीज के बाद लोगों का अधिक विश्वास बढ़ा है।
ByteDance के संस्थापक झांग यिन दो सप्ताह पहले बीजिंग में कंपनी के मुख्यालय गए थे और उन्होंने सीड एआई अनुसंधान टीम को एक संदेश भेजा, जिसे सार्वजनिक रुख माना जा सकता है। झांग ने टीम को बताया कि डिस्टिलेशन विधि का अब उपयोग नहीं किया जाएगा। उन्होंने उल्लेख किया कि एक छोटी मॉडल को प्रशिक्षित करने के लिए एक बड़ी प्रतिस्पर्धी मॉडल का उपयोग करने से बेंचमार्क स्कोर तेजी से बढ़ सकते हैं, लेकिन यह दीर्घकालिक तकनीकी सफलताओं को सीमित करता है। झांग ने वास्तविक क्षमता बनाने या कृत्रिम बुद्धिमत्ता विकास का अनुकरण बंद करने की आवश्यकता पर जोर दिया।
यह घोषणा महत्वपूर्ण है क्योंकि पिछले अठारह महीनों में ओपन-सोर्स चीनी मॉडलों की लहर का एक अनौपचारिक आधार डिस्टिलेशन था। ओपनरूटर में शीर्ष दस में आने का सबसे किफायती तरीका उन्नत विदेशी मॉडल से एपीआई कॉल किराए पर लेना, बड़े पैमाने पर लेबल वाले कॉर्पस उत्पन्न करना और फिर इन डेटा पर एक छोटी मॉडल को प्रशिक्षित करना था। अब झांग यिन ने इस पर ध्यान दिया है और इसे चीन की सबसे बड़ी एआई अनुसंधान टीमों में से एक में दर्ज किया है।
संरचनात्मक परिवर्तन स्पष्ट रूप से मध्य वर्ष की आम बैठक में 6 अगस्त को बताए गए थे। सीईओ लियांग रुबो ने घोषणा की कि Doubao और Douyin अब कंपनी की दो मुख्य 'मोटी रेखाएं' हैं। Doubao केवल मॉडल के ऊपर एक रैपर होने से अधिक हो गई; यह Douyin के बराबर एक प्रमुख व्यावसायिक दिशा बन गई। Doubao के उत्पाद प्रमुख झाओ ची को पहली बार मुख्य मेज पर पदोन्नत किया गया। Feishu और Doubao उत्पादों को एक एकीकृत Doubao टीम में मिला दिया गया, और पूर्व Feishu प्रमुख शीए शिन अब झाओ को रिपोर्ट करते हैं। Volcano Engine और Feishu GTM को तान दाई के नेतृत्व में रचनात्मकता सेवा प्लेटफॉर्म में मिला दिया गया। यह 2021 में BU की समीक्षा के बाद ByteDance का B-साइड का सबसे बड़ा पुनर्गठन है।
रणनीतिक तर्क में बदलाव आया है। आम बैठक में एआई को सुविधाओं की दौड़ के बजाय AGI पर दांव के रूप में प्रस्तुत किया गया था। लियांग ने 'चीनी नवाचारों' की अवधारणा की सीधे आलोचना की, यह तर्क देते हुए कि अगली पीढ़ी का प्रदर्शन बुनियादी ढांचा इस बात से निर्धारित होगा कि उद्यम में एजेंट का प्रवेश बिंदु किसके पास है। हाल ही में अलीबाबा ने QoderWork, Wukong और MuleRun को Qwen Office में समेकित किया है। टेंसेंट ने अपने स्किलहब को उच्च रणनीति स्तर तक बढ़ाया है। ByteDance का जवाब Feishu को Doubao के साथ विलय करना और प्रवेश बिंदु के रूप में एजेंट का उपयोग करना है।
वित्तीय तर्क भी उतना ही उल्लेखनीय है। जैसा कि लेटपोस्ट ने बताया, पहले छमाही में Doubao का दैनिक राजस्व एक मिलियन युआन से कम था, जबकि कंप्यूटिंग पर दैनिक खर्च कई दसियों मिलियन तक पहुंच रहा था। जून में 68, 200 और 500 युआन प्रति माह की कीमत पर प्रो नामक भुगतान किए गए स्तर का शुभारंभ पहला वाणिज्यिक प्रयोग था। झांग यिन द्वारा डिस्टिलेशन पर प्रतिबंध इसी गणना का एक दीर्घकालिक संस्करण है। सस्ते मॉडल, जो किराए पर ली गई क्षमता के कारण जीतते हैं, B-साइड के कंप्यूटिंग खर्च को कवर नहीं कर सकते हैं। ByteDance के लिए एआई अब उधार लेने के बजाय निर्माण का मतलब है।
