Утечка GLM-6.0: следующий флагман Z.ai получит «полное самообучение» — что нам известно на данный момент

Вечером 31 августа 2026 года Z.ai (Zhipu) провела свой первый промежуточный отчётный звонок после листинга на Гонконгской бирже в январе — и основатель Тан Цзе (唐杰) использовал его часть, чтобы определить следующую базовую модель компании, впервые назвав её публично: GLM-6.0. Он позиционировал модель вокруг технического направления, которое Z.ai называет «Full Self-Training» (完全自训练) и которое, по его словам, соответствует тому, что на Западе называют RSI — рекурсивное самоулучшение. У GLM-6.0 нет даты выпуска, нет карты модели, нет API и нет независимых бенчмарков. Это материал о том, что нам известно на данный момент, о первом официальном подтверждении названия и направления, а не новость о запуске.

Что на самом деле сказали о GLM-6.0 в ходе звонка о доходах

Сообщение о звонке исходит от 观点网 (Guandian), гонконгского финансового издания, которое освещало его тем же вечером; сигнал был опубликован на X пользователем @dotey. Все детали о GLM-6.0 ниже приведены согласно отчёту Guandian о высказываниях Тан Цзе, и ни одна из них не была подтверждена ни заявлением Z.ai, ни модельной карточкой.

Согласно отчету, Тан Цзе определил GLM-6.0 как модель «Full Self-Training». Ключевая описанная им возможность — самоочищение: модель охватывает весь конвейер обучения — предварительное, промежуточное и последующее обучение — с целью полностью автономного обучения и самоэволюции. Заголовок не о новом количестве параметров; это утверждение о том, что модель возьмет на себя часть собственного обучения.

Он прямо говорил о самой сложной части. Самая большая проблема, по его словам, заключается не в масштабировании модели, а в том, сможет ли модель достичь самооценки — самостоятельно решать, когда прекратить обучение, и исправлять собственные ошибки. Он назвал это главной трудностью этого пути и ключевым направлением будущих исследований. Он также сказал, что в будущей работе над моделями этика и социальное управление будут учитываться как неотъемлемые аспекты проектирования, а не как запоздалая мысль.

В том же звонке прозвучала более широкая концепция Z.ai. Тан Цзе представил формулу — ценность бизнеса AGI равна потолку интеллекта × масштабу потребления токенов — и утверждал, что Z.ai должна «продавать задачи, а не модели». Что касается данных, он отметил, что отечественные корпуса для обучения больших моделей обычно находятся в диапазоне 30–50 триллионов токенов, а отдача от простого наращивания параметров снижается. Этот аргумент о «стене данных» является экономическим обоснованием самообучения: если объем текстов человеческого качества перестает расти, модели приходится генерировать и оценивать собственный обучающий сигнал.

Что на самом деле означает «Full Self-Training» (RSI)?

RSI — рекурсивное самосовершенствование — это семейство идей, в рамках которого модель улучшает процессы, делающие её умнее, замыкая цикл между обучением и обученным результатом. В наиболее сильной форме модель пишет или настраивает части собственного конвейера обучения, так что возможности накапливаются без участия инженера-человека на каждом шаге. Ведущие лаборатории писали об этом эссе; почти никто публично не привязывал к этому свою флагманскую модель. Позиционирование Z.ai в отчёте о доходах делает именно это, и именно поэтому эта фраза имеет значение ещё до появления какого-либо кода GLM-6.0.

Позиционирование возникло не на пустом месте. Оно было предвосхищено во внутреннем письме Тан Цзе сотрудникам от 11 июля 2026 года. В этом письме — «巨浪已来» («Великая волна уже пришла») — анонсировался план «Touch High» (摸高): два года стратегических инвестиций, отказ от краткосрочной монетизации ради следующей высоты AGI. В нем были названы четыре ключевых двигателя; один из них был полностью самообучающимся. В публикациях о письме этот двигатель описывался конкретно: создать фабрику высококачественных синтетических данных, использовать самоигру ИИ против ИИ для генерации знаний там, где человеческие данные заканчиваются, и — внутри безопасной песочницы — дать системе возможность переписывать собственный код, чтобы скорость эволюции больше не ограничивалась людьми-инженерами.

Это сильное заявление, и его следует читать с надлежащей осторожностью: всё это компания описывает как свою цель. Ни одна лаборатория не продемонстрировала полное самообучение в масштабе frontier, а письмо представляет собой стратегический документ, а не бенчмарк.

Вызов, который назвал Тан Цзе, и есть честная часть.

Самое ценное в этом разговоре для читателя, пытающегося предсказать, будет ли GLM-6.0 иметь значение, — это то, что Тан Цзе охарактеризовал как трудное. Способность к самооценке — понимание того, когда остановить обучение, и автономное исправление ошибок — является основополагающим допущением всей ставки. Если модель не может надёжно оценивать собственные результаты, то синтетические данные и самоигра лишь усиливают шум, а «самообучение» вырождается в очень дорогой конвейер данных с человеком в качестве страховки.

Формулировка последовательна в обоих заявлениях: механизм письма рассматривает вычисления как топливо для эволюции; вызов, содержащийся в обращении, касается суждения, которое делает это топливо полезным. Он также подчеркнул принцип выбора размера — избегание модели, слишком большой для практического использования, — что важно, потому что ставка на самообучение — это не чистая ставка на масштабирование. Это значимый сигнал о том, чем GLM-6.0 не является: не просто «самая большая модель семейства GLM на данный момент».

Где GLM-6.0 находится в линейке

Z.ai сообщает, что семейство GLM прошло через шесть поколений за одиннадцать месяцев, а собственный показатель интеллекта компании вырос с 32 до 60. Текущий флагман — GLM-5.3, анонсированный в середине августа, с открытием API 19 августа и подтверждением открытых весов 28 августа. Это текстовая MoE-модель с 40 млрд активных параметров, окном контекста в 1 млн токенов и индексом интеллекта Artificial Analysis равным 60 — рекордным среди моделей с открытыми весами, — по цене $1,40 за миллион входных токенов и $4,40 за миллион выходных. Меньшая модель GLM-5.3-Flash выпущена под лицензией MIT, и Z.ai утверждает, что за первые шесть дней она привлекла 62 триллиона токенов (это данные вендора, а не независимое измерение).

Интересный вопрос — что случилось с GLM-5.5. Бóльшую часть августа аналитические отчёты, распространяемые Reuters и CGTN, сообщали, что флагманская модель GLM-5.5 появится «в августе» — но она не появилась. В ходе разговора о доходах следующее поколение было названо GLM-6.0, полностью минуя 5.5. Была ли 5.5 переименована, включена в 6.0 или никогда не существовала как официальный продукт, не подтверждено. Что этот разговор действительно устанавливает, так это официальную трактовку: базовой моделью следующего поколения является GLM-6.0.

Также не подтверждено: количество параметров, архитектура, цены или доступность GLM-6.0. Заявленный принцип Z.ai «не слишком большой, чтобы быть полезным» в сочетании с формулировкой о самообучении позволяет предположить, что интересное изменение может заключаться в парадигме обучения, а не в масштабе — но это предположение, а не информация.

Что подтверждено, а что нет

• Подтверждено, согласно отчету Guandian о телефонной конференции по доходам за 31 августа: Тан Цзе назвал GLM-6.0 базовой моделью следующего поколения; он позиционировал её как Full Self-Training; он описал самоочищение на всех этапах обучающего конвейера и самооценку как центральную задачу; а Z.ai сообщила о выручке за первое полугодие 2026 года в размере 954 млн юаней, что на 399,7% больше по сравнению с аналогичным периодом прошлого года, при этом бизнес API/MaaS составил 86,5% выручки, а чистый убыток составил 2,07 млрд юаней, сократившись на 12,1%.

• Подтверждено независимо от утечки: статус GLM-5.3 — индекс интеллекта AA 60, $1.40/$4.40, контекст 1M, только текст, открытые веса — измерено Artificial Analysis, а не Z.ai.

• Не подтверждено: что GLM-6.0 существует как поставляемый продукт; какая-либо дата выпуска; параметры, архитектура или цены; пропущена ли GLM-5.5 или переименована; какой-либо бенчмарк; какая-либо доступность через любого провайдера.

• Оговорка об единственном источнике: цитаты GLM-6.0 опираются на сообщение одного издания о звонке. По состоянию на момент написания Z.ai не выпускал собственных заявлений о GLM-6.0.

Что разработчику следует делать сейчас

Ничто в этом сигнале не должно повлиять на производственное решение сегодня, потому что нет GLM-6.0, который можно было бы вызвать. Правильная реакция на подтверждение дорожной карты — оставить вариант открытым, а не менять платформу.

Полезно отметить, что изменится, если появится самообучающийся флагман. Ценообразование семейства GLM уже несколько поколений флагманских моделей держится на стабильных $1,40/$4,40 за миллион токенов, что позволяет ему выигрывать у ведущих закрытых лабораторий по цене, хотя по независимым индексным оценкам оно от них отстаёт. GLM-6.0, которая действительно обучает себя, проверит потолок открытых весов так, как не смог ни один запуск отдельной модели, — и первое место, где этот вопрос получит ответ, — появится ли она в каталоге провайдера по разумной цене и с настоящим резервированием вокруг неё.

Если и когда GLM-6.0 появится в каталоге, правило ценообразования на OrcaRouter простое: цена поставщика по прайс-листу передаётся без наценки, действует с того же дня — без пересмотра условий и без второго контракта. Это то же правило, по которому GLM-5.3 уже работает на платформе, где текущий флагман предлагается по цене $1.26 / $3.96 за миллион токенов (скидка 10% на запуске от прайсовых $1.40 / $4.40), всё через один API для 200+ моделей. И непроверенная модель с такой смелой дорожной картой, как RSI, — это как раз случай для маршрутизации по результатам, а не по именам: направьте часть трафика на новую модель с автоматическим переключением на проверенную — GLM-5.3, DeepSeek V4 Pro или GPT-5.6 Sol — чтобы модель, которая окажется переоценённой, переходила на запасной вариант вместо того, чтобы работать с ошибками. Когда GLM-6.0 ещё нет для маршрутизации, эквивалентная подготовка — это наличие правила маршрутизации, написанного до появления модели.

Что посмотреть дальше

• Дата выпуска. Цикл выпуска флагманских моделей Z.ai составлял примерно два месяца между поколениями; в ходе звонка дата не была названа, и модель «полного самообучения» может вообще не следовать обычному циклу.

• Первый конкретный объект: карточка модели, выпуск весов или идентификатор API. Как только GLM-6.0 получит идентификатор API, слух станет проверяемым.

• Судьба GLM-5.5. Если GLM-5.5 появится первой, интерпретация дорожной карты меняется; если она хранит молчание, более вероятной становится версия, что «6.0 перескочила номер».

• Ответят ли другие лаборатории. RSI обычно обсуждается в эссе, а не на звонках о прибылях; если крупная лаборатория публично свяжет самообучение с флагманской моделью, такая трактовка перестанет быть особенностью Z.ai и станет трендом.

• Первый независимый результат. Текущий максимум среди моделей с открытыми весами в Artificial Analysis Intelligence Index — 60 (GLM-5.3, наравне с Kimi K3). Событие, которое действительно имеет значение, — это GLM-6.0, который преодолеет этот показатель на независимой платформе; всё, что до этого, — лишь дорожная карта.

Ничто из этого не является запуском. GLM-6.0 — это название и направление, подтверждённое публично в ходе отчётного звонка, и пока не существует ничего более конкретного. Но именно направление и есть главная история: крупная лаборатория с открытыми весами публично поставила свой следующий флагман на то, что модель научится обучать себя сама, и заранее назвала самую трудную часть — суждение, а не масштаб. Это тот сигнал, который стоит зафиксировать до появления даты релиза, потому что в тот момент, когда у GLM-6.0 появится карточка модели, вопрос перестанет быть в том, говорит ли Z.ai всерьёз, и станет вопросом о том, работает ли это.