Kebocoran GLM-6.0: Flagship Berikutnya dari Z.ai adalah 'Full Self-Training' — Apa yang Kita Ketahui Sejauh Ini

Pada malam tanggal 31 Agustus 2026, Z.ai (Zhipu) mengadakan telekonferensi laba interim pertamanya sejak tercatat di bursa Hong Kong pada bulan Januari — dan pendiri Tang Jie (唐杰) menggunakan sebagian acara tersebut untuk mendefinisikan model dasar perusahaan berikutnya, menamakannya secara resmi untuk pertama kalinya: GLM-6.0. Ia mengaitkan model tersebut dengan jalur teknis yang disebut Z.ai sebagai "Full Self-Training" (完全自训练), yang menurutnya sepadan dengan apa yang di Barat disebut RSI — peningkatan diri secara rekursif. GLM-6.0 belum memiliki tanggal rilis, model card, API, maupun benchmark independen. Ini adalah artikel tentang apa yang kita ketahui sejauh ini mengenai konfirmasi resmi pertama atas nama dan arah tersebut, bukan cerita peluncuran.

Apa yang sebenarnya dikatakan dalam panggilan pendapatan tentang GLM-6.0

Laporan panggilan tersebut berasal dari 观点网 (Guandian), sebuah media keuangan Hong Kong yang meliputnya pada malam yang sama; sinyal tersebut dimunculkan di X oleh @dotey. Setiap detail GLM-6.0 di bawah ini sesuai dengan laporan Guandian mengenai pernyataan Tang Jie, dan tidak ada satu pun yang telah dikonfirmasi oleh pengumuman Z.ai atau kartu model.

Menurut laporan tersebut, Tang Jie mendefinisikan GLM-6.0 sebagai model "Full Self-Training". Kemampuan inti yang ia jelaskan adalah pemurnian diri: model yang mencakup seluruh alur pelatihan — pra-pelatihan, pelatihan menengah, dan pasca-pelatihan — dengan tujuan pelatihan yang sepenuhnya otonom dan evolusi diri. Judul utama ini bukanlah jumlah parameter baru; melainkan klaim bahwa model akan mengambil alih bagian-bagian dari pelatihannya sendiri.

Dia sangat gamblang tentang bagian yang sulit itu. Tantangan terbesar, katanya, bukanlah memperbesar skala model, melainkan apakah model mampu mencapai penilaian diri — memutuskan sendiri kapan harus berhenti berlatih, dan mengoreksi kesalahannya sendiri. Dia menyebut hal itu sebagai kesulitan inti dari jalur tersebut dan arah kunci untuk penelitian masa depan. Dia juga mengatakan bahwa pengembangan model ke depan akan mengintegrasikan etika dan tata kelola sosial sebagai dimensi desain, bukan sekadar pemikiran belakangan.

Panggilan yang sama mengusung kerangka Z.ai yang lebih luas. Tang Jie memaparkan formula — nilai bisnis AGI sama dengan batas kecerdasan × skala konsumsi token — dan berargumen bahwa Z.ai seharusnya "menjual tugas, bukan model." Di sisi data, ia mencatat bahwa korpus pelatihan model besar domestik umumnya berada pada kisaran 30–50 triliun token, dan bahwa imbal hasil dari sekadar menumpuk parameter semakin berkurang. Argumen tembok data itulah motivasi ekonomi untuk pelatihan mandiri: jika teks berkualitas manusia berhenti bertambah, model harus menghasilkan dan menilai sinyal pelatihannya sendiri.

Apa yang sebenarnya dimaksud dengan "Full Self-Training" (RSI)

RSI — peningkatan diri rekursif — adalah keluarga gagasan di mana sebuah model meningkatkan proses yang membuatnya lebih pintar, menutup lingkaran antara pelatihan dan hasil pelatihan. Dalam bentuknya yang paling kuat, model menulis atau menyetel bagian-bagian dari pipa pelatihannya sendiri, sehingga kemampuannya terus bertambah tanpa insinyur manusia di setiap siklus. Laboratorium terdepan telah menulis esai tentang hal ini; hampir tidak ada yang secara publik mengaitkan produk unggulan yang dirilis dengannya. Posisi Z.ai dalam telekonferensi pendapatan melakukan persis hal itu, dan itulah sebabnya frasa ini penting bahkan sebelum kode GLM-6.0 ada.

Penentuan posisi ini tidak muncul tanpa dasar. Hal itu sudah tergambar dalam surat internal yang dikirim Tang Jie kepada staf pada 11 Juli 2026 — 《巨浪已来》 ("The Giant Wave Has Come") — yang mengumumkan rencana "Touch High" (摸高): dua tahun investasi strategis, mengesampingkan monetisasi jangka pendek, untuk merebut dataran tinggi AGI berikutnya. Surat itu menyebut empat mesin inti; salah satunya sepenuhnya belajar mandiri. Liputan atas surat tersebut menggambarkan mesin itu secara konkret: membangun pabrik data sintetis berkualitas tinggi, menggunakan pertarungan AI-lawan-AI (self-play) untuk menghasilkan pengetahuan di titik di mana data manusia mulai menipis, dan — di dalam sandbox keamanan — memberi sistem kemampuan untuk menulis ulang kodenya sendiri, sehingga kecepatan evolusi tidak lagi dibatasi oleh para insinyur manusia.

Itu adalah pernyataan yang kuat, dan harus dibaca dengan kehati-hatian yang tepat: semuanya adalah perusahaan yang menggambarkan aspirasi. Tidak ada laboratorium yang telah menunjukkan pelatihan mandiri penuh pada skala frontier, dan surat tersebut adalah dokumen strategi, bukan tolok ukur.

Tantangan yang disebut Tang Jie adalah bagian yang jujur.

Hal paling berharga dalam panggilan tersebut, bagi pembaca yang mencoba memprediksi apakah GLM-6.0 akan berperan penting, adalah apa yang menurut Tang Jie sulit. Penilaian diri — mengetahui kapan harus berhenti berlatih dan mengoreksi kesalahan secara otonom — adalah asumsi penopang dari seluruh taruhan. Jika model tidak dapat menilai keluarannya sendiri secara andal, maka data sintetis dan permainan mandiri hanya akan memperkuat derau, dan "pelatihan mandiri" runtuh menjadi pipa data yang sangat mahal dengan pengaman manusia.

Framing-nya konsisten di kedua pernyataan: mesin surat tersebut memperlakukan komputasi sebagai bahan bakar evolusi; tantangan panggilan tersebut adalah tentang penilaian yang membuat bahan bakar itu berguna. Ia juga menekankan prinsip ukuran — menghindari model yang terlalu besar untuk digunakan — yang penting karena taruhan pelatihan mandiri bukan murni taruhan skala. Itu adalah sinyal yang berarti tentang apa yang GLM-6.0 bukan: bukan sekadar "model keluarga GLM terbesar sejauh ini."

Di mana posisi GLM-6.0 dalam lini tersebut

Z.ai melaporkan bahwa keluarga GLM telah melalui enam generasi dalam sebelas bulan, dengan ukuran kecerdasan internal perusahaan yang naik dari 32 menjadi 60. Produk unggulan saat ini adalah GLM-5.3, yang diumumkan pertengahan Agustus dengan API dibuka pada 19 Agustus dan open weights dikonfirmasi pada 28 Agustus. Model ini adalah MoE teks-ke-teks dengan 40 miliar parameter aktif, jendela konteks 1 juta token, dan Artificial Analysis Intelligence Index sebesar 60 — rekor tertinggi untuk open weights saat ini — dengan harga $1,40 per juta token input dan $4,40 per juta token output. GLM-5.3-Flash yang lebih kecil dirilis dengan lisensi MIT, dan Z.ai mengatakan model ini menarik 62 triliun token dalam enam hari pertamanya (angka dari vendor, bukan pengukuran independen).

Pertanyaan yang menarik adalah apa yang terjadi pada GLM-5.5. Selama hampir sepanjang Agustus, laporan analis yang disiarkan oleh Reuters dan CGTN menyebutkan bahwa model unggulan GLM-5.5 akan hadir "dalam bulan Agustus" — dan tidak muncul. Panggilan pendapatan tersebut menyebut generasi berikutnya GLM-6.0, melompati 5.5 sepenuhnya. Apakah 5.5 diubah namanya, digabungkan ke dalam 6.0, atau tidak pernah ada sebagai produk resmi masih belum dikonfirmasi. Yang ditetapkan oleh panggilan tersebut adalah pembacaan resmi: model dasar generasi berikutnya adalah GLM-6.0.

Juga belum dikonfirmasi: jumlah parameter, arsitektur, harga, atau ketersediaan apa pun untuk GLM-6.0. Prinsip yang dinyatakan Z.ai, "tidak terlalu besar untuk dapat digunakan," dikombinasikan dengan kerangka pelatihan mandiri, menunjukkan bahwa perubahan yang menarik mungkin adalah paradigma pelatihan, bukan skala — tetapi itu adalah inferensi, bukan informasi.

Apa yang sudah dikonfirmasi, apa yang belum

• Dikonfirmasi, berdasarkan laporan Guandian tentang panggilan pendapatan 31 Agustus: Tang Jie menamai GLM-6.0 sebagai model dasar generasi berikutnya; ia memposisikannya sebagai Full Self-Training; ia menggambarkan pemurnian diri di seluruh pipeline pelatihan dan penilaian diri sebagai tantangan utama; dan Z.ai melaporkan pendapatan H1 2026 sebesar ¥954M, naik 399,7% tahun ke tahun, dengan bisnis API/MaaS sebesar 86,5% dari pendapatan dan rugi bersih sebesar ¥2,07B, menyempit 12,1%.

• Dikonfirmasi secara independen dari kebocoran: status GLM-5.3 — AA Intelligence Index 60, $1.40/$4.40, konteks 1M, hanya teks, bobot terbuka — diukur oleh Artificial Analysis, bukan oleh Z.ai.

• Belum dikonfirmasi: bahwa GLM-6.0 ada sebagai produk yang dirilis; tanggal rilis apa pun; parameter, arsitektur, atau harga; apakah GLM-5.5 dilewati atau diubah namanya; tolok ukur apa pun; ketersediaan apa pun melalui penyedia mana pun.

• Peringatan sumber tunggal: kutipan GLM-6.0 bertumpu pada laporan satu media tentang panggilan tersebut. Hingga tulisan ini dibuat, Z.ai belum mengeluarkan pengumuman sendiri tentang GLM-6.0.

Apa yang harus dilakukan seorang pengembang sekarang

Tidak ada apa pun dalam sinyal ini yang seharusnya mengubah keputusan produksi hari ini, karena tidak ada GLM-6.0 untuk dipanggil. Respons yang tepat terhadap konfirmasi peta jalan adalah tetap membuka opsi, bukan mengganti platform.

Hal yang berguna untuk dicatat adalah apa yang akan berubah jika produk unggulan yang melatih diri sendiri dirilis. Harga keluarga GLM telah bertahan stabil di $1,40/$4,40 per juta token di seluruh generasi unggulan terbarunya, menekan lab tertutup terdepan dari segi harga sementara tertinggal dari mereka dalam skor indeks independen. GLM-6.0 yang benar-benar melatih dirinya sendiri akan menguji batas bobot terbuka dengan cara yang belum pernah dilakukan peluncuran model tunggal mana pun — dan tempat pertama pertanyaan itu terjawab adalah apakah ia muncul di katalog penyedia dengan harga yang wajar dan failover nyata di sekitarnya.

Jika dan ketika GLM-6.0 muncul dalam katalog, aturan penetapan harga di OrcaRouter sederhana: harga daftar penyedia diteruskan tanpa markup, aktif di hari yang sama — tanpa negosiasi ulang dan tanpa kontrak kedua. Itu adalah aturan yang sama yang dijalankan GLM-5.3 di platform, di mana model unggulan saat ini dilayani dengan harga $1,26 / $3,96 per juta token (diskon peluncuran 10% dari daftar $1,40 / $4,40), semuanya melalui satu API untuk 200+ model. Dan model yang belum terbukti dengan peta jalan seberani RSI adalah kasus yang tepat untuk perutean berdasarkan hasil daripada nama: arahkan sebagian lalu lintas ke model baru dengan failover otomatis ke model yang sudah terbukti — GLM-5.3, DeepSeek V4 Pro, atau GPT-5.6 Sol — sehingga model yang ternyata terlalu dilebih-lebihkan akan turun ke cadangan alih-alih mengirimkan hasil yang rusak. Ketika belum ada GLM-6.0 untuk dirutekan, persiapan yang setara adalah memiliki aturan perutean yang ditulis sebelum model itu ada.

Tontonan Berikutnya

• Tanggal rilis. Irama perilisan produk andalan Z.ai kira-kira dua bulan antara satu generasi ke generasi berikutnya; panggilan tersebut tidak menyebutkan tanggal, dan model dengan "full self-training" mungkin tidak mengikuti irama normal sama sekali.

• Objek konkret pertama: kartu model, rilis bobot, atau ID API. Begitu GLM-6.0 mendapatkan pengenal API, rumor tersebut menjadi dapat diuji.

• Nasib GLM-5.5. Jika GLM-5.5 muncul lebih dulu, pembacaan peta jalan berubah; jika tetap diam, pembacaan "6.0 melewati angka tersebut" adalah cerita yang lebih mungkin.

• Apakah laboratorium lain menjawab. RSI biasanya dibahas dalam esai, bukan dalam panggilan pendapatan; jika laboratorium besar secara publik mengaitkan pelatihan mandiri dengan produk unggulan, pembingkaian tersebut tidak lagi menjadi keunikan Z.ai dan menjadi tren.

• Skor independen pertama. Rekor tertinggi open-weights saat ini pada Artificial Analysis Intelligence Index adalah 60 (GLM-5.3, seri dengan Kimi K3). GLM-6.0 yang melampaui itu pada papan independen adalah peristiwa yang penting — semua sebelumnya hanyalah peta jalan.

{{1}}Tidak ada satu pun dari ini yang merupakan peluncuran.{{/1}} GLM-6.0 adalah sebuah nama dan arah, {{2}}yang dikonfirmasi secara resmi dalam panggilan pendapatan{{/2}}, dan belum ada hal yang lebih konkret. {{3}}Tetapi arah itulah ceritanya:{{/3}} sebuah lab open-weights besar secara terbuka mempertaruhkan produk unggulan berikutnya pada model yang belajar melatih dirinya sendiri, dan menyebut bagian tersulitnya di awal — {{4}}penilaian, bukan skala.{{/4}} Itulah jenis sinyal yang layak dicatat sebelum memiliki tanggal rilis, karena begitu GLM-6.0 mendapatkan kartu model, pertanyaannya berhenti menjadi apakah Z.ai bersungguh-sungguh dan {{5}}mulai menjadi apakah hal itu berhasil.{{/5}}