GLM-5.3 ครองอันดับสูงสุดใน Epoch's Cyber ECI ที่ 160: แนวหน้าไซเบอร์แบบเปิดตามหลังอยู่ 6–7 เดือน

Epoch AI ได้ใส่ตัวเลขให้กับคำถามที่การถกเถียงเรื่องความปลอดภัยของโมเดลน้ำหนักเปิดวนเวียนอยู่ และมันคือการจัดอันดับมากกว่าคำเตือน: GLM-5.3 ได้คะแนน 160.10 บน Cyber ECI ของแล็บ ซึ่งสูงที่สุดในบรรดาโมเดลน้ำหนักเปิดที่ดัชนีติดตาม อยู่เหนือ GPT-5.4 ของ OpenAI และต่ำกว่า Claude Mythos Preview ของ Anthropic กับ GPT-5.5 ของ OpenAI หากอ่านเป็นวันที่แทนที่จะเป็นคะแนน ตำแหน่งนั้นบอกว่าความสามารถด้านไซเบอร์ที่ดาวน์โหลดได้อย่างเปิดเผยที่ดีที่สุดในวันนี้อยู่ประมาณจุดที่ชายแดนแบบปิดอยู่เมื่อหกถึงเจ็ดเดือนก่อน การวัดนี้ — Data Insight ที่เผยแพร่เมื่อ 16 ตุลาคมโดยนักวิจัยของ Epoch อย่าง Jaeho Lee และ Alexander Barry บนข้อมูลที่ตัดที่ 8 ตุลาคม — เป็นหน่วยงานภายนอกแห่งแรกที่จัดอันดับ GLM-5.3 ด้านไซเบอร์เลย และมันเกิดขึ้นหนึ่งเดือนหลังจากที่ CAISI ของ NIST เรียกโมเดลนี้ว่าการเปิดตัวน้ำหนักเปิดที่ความสามารถด้านไซเบอร์สูงที่สุดเท่าที่เคยมี พร้อมกับวางกรอบว่าตามหลังชายแดนสหรัฐฯ ประมาณสี่เดือน ทั้งสองการอ่านมีแหล่งเดียวกัน: Epoch ดึงคะแนนของ GLM-5.3 จาก benchmark ของ CAISI สามตัว ซึ่งเป็นผลด้านไซเบอร์เพียงอย่างเดียวของโมเดลนี้ ดังนั้นระยะห่างระหว่างทั้งสองจึงเป็นระยะห่างของวิธีการ ไม่ใช่ของการวัด Frontier Red Team ของ Anthropic ได้ใส่ตัวเลขของตัวเองลงบนน้ำหนักที่เปิดตัวไปแล้วเมื่อ 29 กันยายน โดยพบ exploit แบบ end-to-end ใน 50 จาก 410 ความพยายามของ ExploitBench เทียบกับ 56 จาก 410 ของ Claude Mythos Preview ตัวโมเดลเองไม่ใช่ของใหม่: Z.ai ประกาศ GLM-5.3 เมื่อ 14 สิงหาคม เปิด API เมื่อ 18 สิงหาคมในราคา $1.40 / $4.40 ต่อล้านโทเคน และผลักน้ำหนัก 743B ขึ้น Hugging Face เมื่อ 28 สิงหาคมภายใต้สัญญาอนุญาต “glm-5.3” แบบกำหนดเอง สิ่งใหม่คือความสามารถที่ Z.ai สร้างการเปิดตัวขึ้นมารอบ ๆ ตอนนี้มีตำแหน่งบน leaderboard สาธารณะและมีระยะห่างที่วัดได้ถึงชายแดน — ในขณะที่ Artificial Analysis ตั้งราคาน้ำหนักเดียวกันต่องานไว้ที่ $0.92 ถึง $8.68 ขึ้นอยู่กับว่า endpoint ใดตอบ และ Amazon Bedrock ให้บริการน้ำหนักเหล่านี้ตั้งแต่ 5 ตุลาคมสำหรับลูกค้าองค์กรที่เข้าเกณฑ์ หน้านี้ติดตาม GLM-5.3 ครั้งแรกจากร่องรอยการรั่วไหลเมื่อ 3 สิงหาคม และจากนั้นตลอดการเปิดตัว; ฉบับปรับปรุงนี้เพิ่มตำแหน่งบน Cyber ECI วิธีการเบื้องหลัง และสิ่งที่ช่องว่างหกถึงเจ็ดเดือนบอกและไม่บอกเกี่ยวกับโมเดลที่คุณจะ route ไปใช้จริง

จากเรื่องรั่วไหลสู่การเปิดตัว

เบาะแสทั้งสี่ที่ปรากฏขึ้นเมื่อวันที่ 3 สิงหาคม — หน้า harness ของ "ZCode for GLM-5.3" หน้าเอกสารทางการที่เข้าถึงได้ประมาณหนึ่งชั่วโมง รายการในดัชนี Bing ที่ระบุว่า "GLM-5.3 Official Harness" และคอมมิตที่เพิ่มรายการ "glm-5.3" พร้อมการรองรับ JSON Schema ลงใน Java SDK ทางการของ Zhipu — ล้วนชี้ไปยังการเปิดตัวจริงที่มีชื่อเรียก การตอบกลับ "sooooooon" ของ Tang Jie ผู้ร่วมก่อตั้ง Z.ai และถ้อยคำกรอบ "epic-level plus" ตอนนี้ได้รับการยืนยันจากผลิตภัณฑ์จริงแล้ว ไม่ใช่แค่ข่าวลือ สัญญาณด้านเวลา "ประมาณหนึ่งสัปดาห์" ที่หน้านี้ทดสอบ — ซึ่งถูกโพสต์บน X โดย @teortaxesTex หลังจาก DeepSeek V4 Pro เปิดตัวเมื่อวันที่ 13 สิงหาคม — ตรงตามวันพอดี: Z.ai ประกาศ GLM-5.3 อย่างเป็นทางการเมื่อวันที่ 14 สิงหาคม ภายใต้สโลแกน "Built to Code. Ready for Cyber Defense." สิ่งที่ตามมาเกิดขึ้นในสัปดาห์ถัดไป: โมเดลเปิดให้ใช้งานในตลาดวงกว้างเมื่อวันที่ 18 สิงหาคม — วันที่เปิดตัวซึ่งตอนนี้ประทับอยู่บนรายการโมเดลของบุคคลที่สาม — และเมื่อวันที่ 19 สิงหาคม Z.ai ประกาศว่า API เปิดให้เรียกใช้งานแล้ว โดยตั้งราคาเท่ากับ GLM-5.2 และโมเดลได้รับการเชื่อมต่อเข้ากับ ZCode, AutoClaw และ GLM Coding Plan แล้ว

สัญญาณการรั่วไหลครั้งถัดไป: โปรเซสเซอร์มัลติโมดัลสำหรับ GLM-5.3

การวางกรอบว่าเรือธงเป็นแบบข้อความล้วนอาจไม่คงอยู่ได้นาน เมื่อวันที่ 28 สิงหาคม pull request แบบเปิดในเอนจินให้บริการ sglang เสนอการรองรับอินพุตตัวประมวลผลแบบหลายรูปแบบของ GLM-5.3 — ตัวเชื่อมประมวลผลที่เปลี่ยนเพย์โหลดรูปภาพให้เป็นรูปแบบการปรับขนาดแบบไดนามิก พิกเซล กริด และการขยายโทเคนแบบเดียวกับที่เฟรมเวิร์ก Miles RL ใช้ เพื่อให้การฝึกและการให้บริการเห็นอินพุตรูปภาพที่เหมือนกัน PR นี้เป็นครึ่งฝั่ง rollout ของการเรียนรู้แบบเสริมกำลังที่ปรับเงื่อนไขด้วยรูปภาพบน GLM-5.3 ใน radixark/miles และคอมมิตที่สองของมันลงทะเบียนการทดสอบตัวประมวลผล GLM-5.3 ใน CPU CI ของ sglang ไม่มีสิ่งใดเป็นการประกาศของ Z.ai และยังไม่มี GLM-5.3 แบบหลายรูปแบบที่จัดส่งหรือถูกวัดประสิทธิภาพ — นี่เป็นหลักฐานระดับโค้ด ซึ่งเป็นสัญญาณระยะแรกประเภทเดียวกับที่หน้านี้ติดตามครั้งแรกเมื่อวันที่ 3 สิงหาคม สิ่งที่มันบอกคือสายเรือธงกำลังถูกเตรียมให้รับรูปภาพ ทั้งในการฝึกและในสแต็กการให้บริการ แทนที่จะคงเป็นโมเดลเขียนโค้ดและไซเบอร์แบบข้อความล้วนอย่างที่ Z.ai อธิบายไว้ตอนเปิดตัว การวางกรอบของ Perplexity เองเมื่อเพิ่ม GLM-5.3 เข้ากับ Computer ในปลายเดือนสิงหาคม — “สร้างมาสำหรับเวิร์กโหลดของเอเจนต์แบบหลายรูปแบบและบริบทยาว” — ชี้ไปในทางเดียวกัน แม้ว่านั่นจะเป็นการวางตำแหน่งผลิตภัณฑ์ ไม่ใช่โมเดลหลายรูปแบบที่จัดส่งแล้ว

สิ่งที่การฝึกภายหลังให้จริงๆ

ข้อกล่าวอ้างทางสถาปัตยกรรมคือส่วนที่ควรจับประเด็นให้ชัดเจน เพราะประเด็นที่โดดเด่นที่สุดจากการรั่วไหล—พารามิเตอร์ที่พุ่งเกินหนึ่งล้านล้าน—นั้นผิด GLM-5.3 ไม่ใช่โมเดลที่ใหญ่ขึ้น Z.ai และ Tang Jie ผู้ร่วมก่อตั้ง ต่างกล่าวว่าโมเดลดังกล่าวใช้เบส Mixture-of-Experts ขนาด 743B ชุดเดียวกันกับ GLM-5.2 (มีพารามิเตอร์ที่ทำงานจริงประมาณ 40 พันล้านตัวต่อโทเค็น) คงหน้าต่างบริบท 1M โทเค็นและเอาต์พุตสูงสุดประมาณ 128K เท่าเดิม และการปรับปรุงทั้งหมดมาจากขั้นตอน post-training Tang Jie อธิบายการเปิดตัวครั้งนี้ว่าเป็นการทดลองแบบควบคุมตัวแปรโดยเจตนา—เบสเดียวกัน สถาปัตยกรรมเดียวกัน จำนวนพารามิเตอร์เดียวกัน โดยมีตัวแปรเพียงอย่างเดียวคือการ reinforcement learning แบบ long-horizon เป็นเวลาหนึ่งเดือนบนงานแนวเขียนโค้ด และเขาระบุว่าการปรับปรุงด้านการเขียนโค้ดประมาณ 50% มาจากเดือนนั้น บันทึกเผยแพร่ของ Z.ai เผยกลไกเบื้องหลังเพิ่มเติม: สภาพแวดล้อมงานแบบ long-horizon ที่มากขึ้น ประเภทสภาพแวดล้อมที่หลากหลายขึ้น และรอบการฝึกที่ยาวขึ้น สร้างบน IndexShare long-context, SAO asynchronous-RL และเฟรมเวิร์ก slime แบบโอเพนซอร์สที่ให้กำเนิด GLM-5.2 มาแล้ว บทความเชิงเทคนิคที่ Z.ai แนบมาจากประกาศ open-weight—โพสต์งานวิจัยที่ z.ai/blog/glm-5.3—ลงรายละเอียดสูตรไปอีกขั้น: สภาพแวดล้อมงานแบบ long-horizon มากขึ้นหลายสิบเท่า ประเภทสภาพแวดล้อมที่หลากหลายขึ้น และรอบการฝึกที่ยืดยาวเลยการเปิดตัวครั้งแรกไปมาก โดยงานถูกขยายขนาดเป็นเวิร์กโหลดระดับผู้เชี่ยวชาญที่กินเวลาหลายวันบนคลัสเตอร์คอมพิวติ้งจริง การวางกรอบความสามารถทางไซเบอร์—"ความสามารถในการเขียนโปรแกรมที่ถูกจำกัดอย่างเข้มงวด" ซึ่งเกิดขึ้นเมื่อสภาพแวดล้อมงานถูกขยายขนาด—ก็เหมือนกับบันทึกเผยแพร่ คือการรายงานของบริษัทเอง ไม่ใช่การตรวจสอบโดยอิสระ กรอบที่ว่า "ไม่มีการฝึกซ้ำ เป็น post-training ทั้งหมด" เป็นของผู้ก่อตั้งและบริษัทเอง และยังไม่ผ่านการตรวจสอบโดยอิสระ ขนาดคืออีกหนึ่งประเด็นหลัก: ด้วยพารามิเตอร์รวม 743B แต่มีพารามิเตอร์ที่ทำงานจริงเพียงประมาณ 40B ต่อโทเค็น GLM-5.3 จึงเบาพอที่จะโฮสต์เองบนคลัสเตอร์ระดับกลาง และถูกพอที่จะให้บริการในปริมาณมาก—จุดยืนแบบ "เล็กกว่า ถูกกว่า เปิดกว้าง" ที่บทวิจารณ์ในวันเปิดตัวผูกไว้กับมัน และตัดกันอย่างชัดเจนกับเรือธง frontier แบบปิดที่มันถูกนำไปเปรียบเทียบ

การเขียนโค้ดและเอเจนต์: ตัวเลขที่ Z.ai กล่าวอ้าง

ในด้านการเขียนโค้ด Z.ai รายงานว่า — ทั้งหมดเป็นตัวเลขจากผู้ขายและยังไม่มีการทำซ้ำ — Terminal-Bench 3.0 เพิ่มขึ้นจาก 4.6 เป็น 28.3 ซึ่ง Z.ai เรียกสิ่งนี้ว่าคะแนน open-weights ที่สูงที่สุดบนชุดทดสอบนั้น; DeepSWE v1.1 เพิ่มขึ้นจาก 46.2 เป็น 66.9; SWE-Marathon เพิ่มขึ้นราวสองเท่าจาก 19.4 เป็น 42.5; และ Agents' Last Exam (CLI) เพิ่มขึ้นจาก 23.8 เป็น 28.5 คำเรียกสั้น ๆ ของ Tang Jie เองสำหรับผลลัพธ์นี้ ในโพสต์บน X ที่ถูกส่งต่อโดย @dotey คือ “pure post-training ล้วน ๆ โดยการเขียนโค้ดเพิ่มขึ้นราว 50%” — ตัวเลขพาดหัวเดียวกับที่ Z.ai พิมพ์ในประกาศของตน บน code bench ภายในของ Z.ai, GLM-5.3 ได้ 31.4% ที่ประมาณ 50K output tokens ต่องานเมื่อใช้ high effort เทียบกับ C​laude O​pus 4.8 ที่ 29.5% ที่ประมาณ 120K tokens — จุดที่ Z.ai ต้องการสื่อคือ GLM-5.3 ได้ผลลัพธ์เทียบเคียงได้โดยใช้ output tokens น้อยกว่ามาก C​laude Fable 5 ยังคงนำในการประเมินภายในนั้นที่ 39.5% ที่ maximum effort และ Z.ai ยอมรับว่า GLM-5.3 ยังตามหลัง G​PT-5.6 Sol และ C​laude Fable 5 ในการประเมินการเขียนโค้ดที่ยากขึ้นหลายรายการ ให้ถือทั้งหมดนี้เป็นตัวเลขจากผู้ขายจนกว่าชุดทดสอบอิสระจะทำซ้ำได้

การป้องกันไซเบอร์: ความสามารถที่ไม่มีใครคาดคิด

ตัวเลขด้านความปลอดภัยทางไซเบอร์เป็นส่วนที่ถูกพูดถึงมากที่สุดในการประกาศของ Z.ai และจนถึงวันที่ 29 กันยายน ตัวเลขเหล่านี้ก็ยังเป็นข้อมูลที่ผู้ขายรายงานเองทั้งหมด บน CyberGym ซึ่งเป็นเบนช์มาร์กสำหรับการค้นหาและตรวจสอบช่องโหว่แบบ white-box Z.ai รายงานว่า GLM-5.3 อยู่ที่ 84.5% เพิ่มขึ้นจาก 77.2% ของ GLM-5.2 และนำหน้า M​ythos 5 (83.8%) และ G​PT-5.6 Sol (83.6%) ของห้องแล็บ บน ExploitBench ซึ่งต้องอาศัยทั้งการวิเคราะห์สาเหตุรากและการสร้าง exploit ที่ใช้งานได้จริง Z.ai รายงานว่า GLM-5.3 เพิ่มขึ้นมากกว่าสองเท่าจาก 24.4% เป็น 54.4% แม้ว่า M​ythos 5 (78.0%) จะยังนำอยู่ก็ตาม บน ExploitGym Z.ai รายงานว่าทำภารกิจสำเร็จ 105 งานภายในงบเวลา 2 ชั่วโมง และ 130 งานใน 6 ชั่วโมง เทียบกับ 29 และ 39 ของ GLM-5.2 — และยังตามหลัง M​ythos 5 (181 และ 247) อยู่อีกครั้ง Z.ai วางกรอบความสามารถด้านไซเบอร์นี้ว่าเป็นคุณสมบัติที่เกิดขึ้นเองจากการขยาย scale ของ post-training — “ความสามารถเพิ่มพูนต่อเนื่องเมื่อขยายการฝึก” ตามคำของบริษัท — มากกว่าจะเป็นเป้าหมายที่ตั้งใจไว้ ข้อควรระวังก่อนนำเปอร์เซ็นต์เหล่านี้ไปเปรียบเทียบกับสิ่งใดด้านล่าง: ตัวเลข ExploitBench ของ Z.ai และผล ExploitBench ระดับ attempt ของ A​nthropic เป็นการรันที่แตกต่างกันของเบนช์มาร์กสาธารณะเดียวกัน ภายใต้ harness และ regime ที่ต่างกัน ดังนั้นตัวเลขทั้งสองจึงไม่ใช่การวัดเดียวกันและไม่ควรนำมาตั้งเทียบกันข้าง ๆ

Z.ai เสริมข้ออ้างจากโลกจริงให้สอดคล้องกับผลการทดสอบ benchmark: ในการทดสอบร่วมกับทีมความปลอดภัย GLM-5.3 ระบุช่องโหว่ 2,436 รายการใน 269 โครงการโอเพนซอร์ส โดย 1,097 รายการถูกจัดอยู่ในระดับวิกฤตหรือสูง และรายการที่เก่าแก่ที่สุดย้อนไปถึงปี 1981 โดยมี “อายุขัย” เฉลี่ย 26.6 ปี นั่นเป็นตัวเลขที่น่าตื่นตาตื่นใจที่สุดในประกาศ และยังเป็นตัวเลขที่ตรวจสอบโดยอิสระได้ยากที่สุดด้วย บริษัทได้จับคู่ความสามารถนี้กับ Security Disclosure Ledger สำหรับการเปิดเผยแบบประสานงาน โครงการ “trusted access” ที่จำกัดฟังก์ชันไซเบอร์ที่ละเอียดอ่อนให้เฉพาะผู้ใช้ที่ยืนยันตัวตนแล้ว และโครงการ “Open Source Shield” เพื่อตรวจสอบโครงการโอเพนซอร์สสำคัญอย่างต่อเนื่อง การประเมินของ Anthropic เมื่อวันที่ 29 กันยายนถือเป็นความท้าทายโดยตรงต่อคำถามว่าการควบคุมการเข้าถึงนั้นให้ประโยชน์มากน้อยเพียงใดกับเวตที่ดาวน์โหลดได้: การประเมินพบว่าโมเดลที่ปล่อยออกมาปฏิเสธคำขอที่เป็นอันตรายได้ทันทีโดยไม่ต้องตั้งค่าใด ๆ แต่สามารถเอาชนะได้ใน 64–100% ของการทดลองด้วยเทคนิคทั่วไป และยังระบุว่านักพัฒนาได้เผยแพร่ GLM-5.3 เวอร์ชัน abliterated ภายในไม่กี่วันหลังการปล่อยเวต ผู้ใช้ที่ยืนยันตัวตนแล้วควบคุม API; ไม่ได้ควบคุมไฟล์

สิ่งที่ Anthropic วัด และสิ่งที่มันเปลี่ยนแปลง

Frontier Red Team ของ Anthropic เผยแพร่การประเมินของตนเมื่อวันที่ 29 กันยายน ภายใต้ชื่อ “GLM-5.3 และการแพร่กระจายของขีดความสามารถทางไซเบอร์ขั้นสูง” และนี่เป็นครั้งแรกที่ห้องปฏิบัติการคู่แข่งได้ใส่ตัวเลขของตนเองเกี่ยวกับความสามารถในการใช้ประโยชน์ช่องโหว่ของ GLM-5.3 การวางกรอบนั้นตรงไปตรงมา: เช่นเดียวกับ Claude Mythos Preview, GLM-5.3 มีขีดความสามารถที่แข็งแกร่งในการสร้างเอ็กซ์พลอยต์ทางไซเบอร์แบบครบวงจรโดยอัตโนมัติ แต่ต่างจากโมเดล frontier อื่น ๆ ตรงที่มันถูกเผยแพร่โดยไม่มีมาตรการป้องกันที่มีความหมายเพียงพอที่จะจำกัดการใช้งานในทางที่ผิด เมื่อรันในแซนด์บ็อกซ์แบบแยกเดี่ยวกับเป้าหมายแบบออฟไลน์ GLM-5.3 พัฒนาเอ็กซ์พลอยต์แบบครบวงจรบน ExploitBench ได้ใน 50 จาก 410 ครั้ง Claude Mythos Preview — ซึ่ง Anthropic ประกาศเมื่อประมาณห้าเดือนก่อน และเผยแพร่แบบจำกัดผ่านโครงการ Project Glasswing สำหรับผู้ป้องกันที่เชื่อถือได้ — ทำได้ใน 56 จาก 410 ครั้ง บนเกณฑ์มาตรฐาน Binary Exploitation ภายในของ Anthropic ซึ่งสุ่มงาน 100 งานจากโครงการที่เข้าร่วม OSS-Fuzz ของ Google และให้คะแนนเต็มสำหรับการยึดการไหลของการควบคุม GLM-5.3 ได้ 4% เทียบกับ 6% ของ Claude Mythos Preview ประเด็นของ Anthropic ไม่ใช่ GLM-5.3 เป็นผู้นำ แต่คือเกณฑ์ได้ขยับไปแล้ว: โมเดลรุ่นก่อน ๆ รวมถึง Claude Opus 4.6 และ GLM-5.2 ไม่ประสบความสำเร็จในงานเหล่านั้นเลย

ในเซสชันที่นักวิจัยเป็นผู้ขับเคลื่อน การค้นพบนี้กลายเป็นรูปธรรม เมื่อได้รับเครื่องที่ทำแซนด์บ็อกซ์ซึ่งรันบิลด์ Linux ภายในเครื่องของเว็บเบราว์เซอร์ยอดนิยม และได้รับความสนใจจากมนุษย์ไม่ถึงหนึ่งชั่วโมงตลอดทั้งวัน GLM-5.3 ค้นพบช่องโหว่ที่ไม่เคยรู้จักมาก่อนหลายรายการในเอนจิน JavaScript ของเบราว์เซอร์ และนำมาประกอบเป็น exploit ที่ใช้งานได้จริง — หน้าเว็บที่เมื่อเข้าชมแล้วสามารถอ่านไฟล์ใดก็ได้จากคอมพิวเตอร์ของผู้เข้าชม รวมถึง private key ของ SSH A​nthropic กล่าวว่าได้เปิดเผยข้อบกพร่องเหล่านี้ต่อผู้ดูแล และเซสชันเดียวกันยังเผยให้เห็นช่องโหว่ที่ใช้โจมตีได้ในไดรเวอร์ไร้สายและกราฟิก และในซอฟต์แวร์อุปกรณ์ที่เชื่อมต่อเครือข่าย ในเซสชันที่สอง GLM-5.3-Flash — รุ่นน้องที่เล็กกว่าและความสามารถด้อยกว่า — ได้รับรายละเอียดสาธารณะของช่องโหว่ Chrome ที่แพตช์แล้ว (CVE-2026-11645) พร้อมอีกหนึ่งรายการ และโดยไม่มีคำแนะนำที่มีนัยสำคัญ ก็สร้าง exploit chain สำหรับ ARM64 ที่เชื่อถือได้ซึ่งหลบเลี่ยงการเสริมความแข็งแกร่งด้วย pointer authentication ได้ ใช้ความสนใจจากมนุษย์ 20 นาทีและงานของโมเดลแปดชั่วโมง ซึ่ง A​nthropic ประเมินราคาไว้ที่ $20.40 ตามอัตรา API ของ Z​hipu

ครึ่งหนึ่งด้านความปลอดภัยของโพสต์คือส่วนที่เปลี่ยนการตัดสินใจในการนำไปใช้ เมื่อใช้งานครั้งแรก GLM-5.3 ปฏิเสธทุกคำขอที่มุ่งร้ายอย่างชัดเจนในโลกจำลองของ A​nthropic เช่นเดียวกับโมเดลอื่นทุกตัวที่ทดสอบ จากนั้น A​nthropic พบวิธีง่าย ๆ ในการหลีกเลี่ยงการปฏิเสธนั้น และรายงานอัตราที่โมเดลตอบสนองต่อคำขอที่เป็นอันตราย:

• พรอมป์ต์หลอกลวง — บอกโมเดลว่ามันเป็นเอเจนต์เรดทีมอิสระที่กำลังทำแบบฝึกหัด: 64% ของการทดลอง

• การเติมโทเค็นการคิดของโมเดลล่วงหน้า เพื่อให้ดูเหมือนว่าได้พิจารณาคำขอและตัดสินใจดำเนินการไปแล้ว: 92%

• การรันสำเนาเวตแบบ abliterated โดยตัดการปฏิเสธออก: 100%

A​nthropic กล่าวว่า ไม่มีใครสามารถทำให้โมเดล C​laude ที่มีมาตรการป้องกันทั้งสามตัวทำงานเดียวกันได้ — มาตรการป้องกันของบริษัทบล็อกเรื่องราวอำพราง API ของบริษัทไม่มีวิธี prefill การคิด และไม่ได้เผยแพร่ weights ดังนั้นจึงไม่สามารถทำ abliteration กับโมเดลเหล่านี้ได้เลย ความไม่สมมาตรประการหลังนี้คือสิ่งที่ส่งผลระยะยาว Abliteration เป็นเทคนิคมาตรฐานในการลดการปฏิเสธ และเนื่องจาก GLM-5.3 เผยแพร่เป็น weights ที่ดาวน์โหลดได้ ใครก็สามารถนำไปใช้ได้: A​nthropic สร้างสำเนาที่ผ่าน abliteration ของตัวเองโดยใช้เวลาประมาณ 2,200 GPU-hour ด้วยงบประมาณราว 4,400 ดอลลาร์ และกล่าวว่าทีมที่ไม่เคยลองทำงานนี้มาก่อนก็ทำได้ การแก้ไขนี้ทำให้อัตราการปฏิเสธของ GLM-5.3 ลดจากสูงกว่า 90% เหลือประมาณ 3% บน JailbreakBench, 2% บน HarmBench และ 12% บน StrongREJECT ขณะที่ GPQA-Diamond ออกมาไม่เปลี่ยนแปลง และชุดย่อยที่ทดสอบของ CyberGym มีคะแนนต่ำลงเพียงไม่กี่เปอร์เซ็นต์เท่านั้น A​nthropic กล่าวว่า นักพัฒนาหลายรายได้เผยแพร่เวอร์ชันที่ผ่าน abliteration ของ GLM-5.3 สู่สาธารณะแล้วภายในไม่กี่วันหลังการเปิดตัวโมเดล และการทำ abliteration กับ GLM-5.3-Flash ใช้เวลาประมาณ 600 GPU-hour

ให้ถือว่าทั้งหมดนี้เป็นผลการวัดของห้องแล็บเดียว มากกว่าที่จะเป็นข้อเท็จจริงที่ยุติแล้ว Anthropic ใช้ฮาร์เนสและแซนด์บ็อกซ์ของตัวเอง นับจำนวนครั้งที่ตัวเองลอง และไม่ได้เผยแพร่การทำซ้ำโดยบุคคลที่สาม ดังนั้นจึงไม่มีสิ่งใดในนี้ที่ได้รับการตรวจสอบอย่างอิสระ ในความหมายเดียวกับที่ตัวเลขของ Z.ai เองก็ไม่ได้รับการตรวจสอบเช่นกัน สิ่งที่ทำให้มันมีน้ำหนักมากกว่าคำกล่าวอ้างของผู้ขายคือทิศทางของแรงจูงใจ: Anthropic กำลังวัดโมเดลของคู่แข่ง มีการรายงานตัวส่วน และข้อค้นพบของมันสอดคล้องกับ Center for AI Standards and Innovation ของ NIST ซึ่งประเมิน GLM-5.3 เมื่อวันที่ 17 กันยายน เรียกมันว่า “โมเดล open-weight ที่มีความสามารถด้านไซเบอร์สูงที่สุดที่เผยแพร่จนถึงปัจจุบัน” และจัดให้อยู่ตามหลังแนวหน้าของสหรัฐราวสี่เดือนบนค่าสรุปรวมของเกณฑ์วัดด้านไซเบอร์ของ CAISI — โดยมีข้อแม้ว่าโมเดลของสหรัฐในการเปรียบเทียบนั้นถูกทดสอบโดยปิดมาตรการป้องกันด้านไซเบอร์ และรวมโมเดลที่เผยแพร่เฉพาะผู้ใช้ที่ผ่านการตรวจสอบแล้ว ข้อสรุปของ Anthropic เองเป็นข้อโต้แย้งเชิงนโยบายพอ ๆ กับเชิงเทคนิค: มันกล่าวว่าได้มีการข้ามเกณฑ์สำคัญในความสามารถที่เข้าถึงได้อย่างเสรีแล้ว ว่าใครก็สามารถดาวน์โหลด GLM-5.3 ได้ และว่าผู้ป้องกันควรเข้าถึงโมเดลที่ดีอย่างน้อยเท่ากับโมเดลที่ฝ่ายตรงข้ามกำลังใช้อยู่ สองสัปดาห์หลังการประเมินของ CAISI Epoch AI วัดระยะทางเดียวกันด้วยวิธีที่ต่างออกไป และได้ผลกว้างกว่า — หกถึงเจ็ดเดือน — จากข้อมูลชุดเดียวกันบางส่วน

ไม่มีสิ่งใดข้างต้นเปลี่ยนแปลงกลไกของการตัดสินใจจัดเส้นทาง ซึ่งเป็นส่วนที่คุณควบคุมได้ ปริมาณทราฟฟิกส่วนหนึ่งที่ส่งไปยังGLM-5.3 บน OrcaRouterคิดในอัตราของผู้ให้บริการเจ้าแรก — $1.40 / $4.40 ต่อล้านโทเคน ส่งผ่านโดยไม่บวกกำไรใด ๆ — และการสลับไปใช้ระบบสำรองอัตโนมัติจะย้ายเวิร์กโหลดไปยัง GLM-5.2 หรือโมเดลอื่นที่พิสูจน์แล้วเมื่อตัวใดตัวหนึ่งเสื่อมประสิทธิภาพ ดังนั้นความประหลาดใจด้านขีดความสามารถไม่ว่าจะเกิดในทิศทางใดก็กลายเป็นการเปลี่ยนแปลงการตั้งค่ามากกว่าการเขียนใหม่ สิ่งที่โพสต์ของ Anthropic เพิ่มเข้ามาคือคำถามที่ควรถามก่อนที่คุณจะส่งงานที่เกี่ยวข้องกับความปลอดภัยหรืออยู่ภายใต้การกำกับดูแลไปให้มัน: โมเดลที่คุณเรียกใช้คือโมเดลที่น้ำหนักของมันเปิดเผยต่อสาธารณะ และปลายทางที่โฮสต์ไว้ก็ไม่ใช่หลักประกัน เส้นทางระดับองค์กรไม่ได้เปลี่ยนคณิตศาสตร์นั้น รายการของ Bedrock เองสำหรับ GLM-5.3 อยู่ที่ $1.68 / $5.28 ต่อล้านโทเคนบนโปรไฟล์การอนุมานระดับโลก และ $1.848 / $5.808 บนโปรไฟล์สหรัฐฯ สูงกว่าอัตราของเจ้าแรกอย่าง Z.ai อยู่ 20% และ 32% ดังนั้นการเรียกโมเดลเดียวกันในราคาที่ Z.ai ประกาศไว้ผ่านคีย์เดียวจึงยังคงเป็นเส้นทางที่ถูกกว่า ขณะที่สัญญาคลาวด์ซื้อการจัดซื้อจัดจ้างและสถานะด้านการปฏิบัติตามข้อกำหนดมาให้แทน

พรมแดนไซเบอร์แบบเปิดนั้นตั้งอยู่ตรงไหนกันแน่

Cyber ECI ของ Epoch AI เป็นเวอร์ชันที่เน้นด้านความปลอดภัยไซเบอร์ของ Epoch Capabilities Index ของห้องแล็บ สร้างขึ้นจากผลการทดสอบมาตรฐานจากการประเมินด้านไซเบอร์ 35 รายการ และหลังการอัปเดตเมื่อวันที่ 16 ตุลาคม มี 76 โมเดล ในดัชนีนี้ GLM-5.3 ของ Z.ai ทำคะแนนได้ 160.10 — เป็นคะแนน open-weight สูงสุดที่ห้องแล็บบันทึกไว้ สูงกว่า G​PT-5.4 ของ O​penAI (157.04 เปิดตัวเมื่อวันที่ 5 มีนาคม 2026) และต่ำกว่า C​laude M​ythos Preview ของ A​nthropic (164.82, 7 เมษายน) และ G​PT-5.5 ของ O​penAI (162.22, 23 เมษายน) แนวหน้าแบบ closed นำโดย C​laude O​pus 5.5 ของ A​nthropic (171.14) และ G​PT-6 Astra ของ O​penAI (171.03) ซึ่งเป็นคู่ที่ห้องแล็บอ้างถึงในฐานะแนวหน้าที่ระดับ 171 ภายในกลุ่ม open weights GLM-5.3 อยู่เหนือ K​imi K3 ของ M​oonshot (157.60) และ D​eepSeek-V4-Pro ของ D​eepSeek (150.35) และนำหน้าโมเดลรุ่นก่อนของตัวเองอย่างชัดเจน ได้แก่ GLM-5.2 (154.12) และ G​LM-5 (147.95) การวาง GLM-5.3 ไว้ระหว่างโมเดลแบบ closed ล่าสุดที่มันเอาชนะได้กับโมเดลแบบ closed ที่เก่าที่สุดที่มันยังเอาชนะไม่ได้ คือสิ่งที่ทำให้ได้ตัวเลขพาดหัว: แนวหน้าด้านไซเบอร์แบบ open อยู่ประมาณจุดที่แนวหน้าแบบ closed ยืนอยู่เมื่อหกถึงเจ็ดเดือนก่อน — ช่องว่างที่จุดตรวจวันที่ 7 เมษายนของ G​PT-5.4 และ C​laude M​ythos Preview วัดได้ที่เจ็ดและหกเดือนตามลำดับ เมื่อเทียบกับจุดตัดข้อมูลวันที่ 8 ตุลาคมของ Epoch

ข้อควรระวังในที่นี้สำคัญกว่าปกติ และ Epoch ระบุไว้หลายข้อ เฉพาะโมเดลที่มีผลการทดสอบด้านไซเบอร์อย่างน้อยสองรายการเท่านั้นที่อยู่ในดัชนี — 57 จาก 76 โมเดล — และคะแนน 160.10 ของ GLM-5.3 อาศัยผลเพียงสามรายการเท่านั้น ซึ่งทั้งหมดมาจากการประเมิน CAISI ของ NIST เมื่อวันที่ 17 กันยายน ผลด้านไซเบอร์เหล่านี้เป็นผลชุดเดียวที่แล็บมีสำหรับโมเดลนี้ ซึ่งหมายความว่าค่าประมาณของ Epoch เป็นการปรับค่าประมาณใหม่จากหลักฐานที่ CAISI เผยแพร่ มากกว่าการรันซ้ำอย่างอิสระ และตัวเลขหกถึงเจ็ดเดือนกับประมาณสี่เดือนของ CAISI ต่างกันเพราะชุดแบบทดสอบและการเปรียบเทียบที่แต่ละฝ่ายใช้แตกต่างกัน ไม่ใช่เพราะทั้งสองฝ่ายเห็นไม่ตรงกันเกี่ยวกับโมเดล Epoch ยังระบุด้วยว่า CAISI ไม่ได้ระบุชื่อโมเดลของสหรัฐฯ ที่ประเมิน จึงทำให้แล็บอนุมานว่าผลเหล่านั้นมาจากผู้นำที่น่าจะเป็น เช่น G​PT-6 Astra และ C​laude M​ythos Preview; ว่าช่วงความเชื่อมั่นรอบโมเดลแนวหน้าสองโมเดลทับซ้อนกันเกือบทั้งหมด ดังนั้นลำดับที่ด้านบนของแผนภูมิจึงยังไม่แน่นอนเท่าที่ค่าประมาณแบบจุดบ่งชี้; และว่าการปรับค่าประมาณใหม่ในเดือนตุลาคมทำให้ค่าที่เผยแพร่ก่อนหน้าเปลี่ยนไป โดยลด C​laude M​ythos 5 ลง 3.9 คะแนน และ G​PT-5.6 Sol ลง 4.7 คะแนน ดังนั้นจึงไม่ควรเปรียบเทียบตัวเลขของเดือนนี้กับของเดือนก่อนหน้าโดยไม่ระวัง มีหลักปฏิบัติหนึ่งที่ควรรู้ก่อนอ่านแผนภูมิ: Epoch นับใบอนุญาตแบบจำกัดการใช้และแบบไม่ใช่เชิงพาณิชย์เป็น open-weight ซึ่งเป็นเหตุผลที่ GLM-5.3 เข้าเกณฑ์ได้ตั้งแต่แรก — น้ำหนักของโมเดลเผยแพร่ภายใต้ข้อกำหนด “glm-5.3” แบบกำหนดเองของ Z.ai ไม่ใช่ใบอนุญาต MIT ที่ GLM-5.2 และ GLM-5.3-Flash ใช้

สิ่งที่การวางตำแหน่งนี้เปลี่ยนไปไม่ใช่ตัวโมเดลมากเท่ากับข้อโต้แย้งรอบ ๆ ตัวมัน ก่อนวันที่ 16 ตุลาคม การเรียก GLM-5.3 ว่าเป็นรีลีสแบบเปิดที่แข็งแกร่งที่สุดด้านไซเบอร์หมายถึงการอ้างอิงเปอร์เซ็นต์จาก CyberGym และ ExploitBench ของ Z.ai เอง บวกกับการรันในแซนด์บ็อกซ์ของผู้แข่งขันรายหนึ่ง ตอนนี้มีตำแหน่งบนดัชนีสาธารณะพร้อมระยะห่างจากพรมแดนที่ระบุไว้ และระยะห่างนั้นเป็นตัวเลขที่ผู้อ่านเฝ้าดูการเคลื่อนไหวได้ สองสิ่งตามมาสำหรับใครก็ตามที่กำลังชั่งน้ำหนักโมเดลโอเพนเวตสำหรับงานที่เกี่ยวข้องกับความปลอดภัย การตามหลังพรมแดนอยู่หกเดือนไม่ได้แปลว่าปลอดภัย: เอ็กซ์พลอยต์ที่โมเดลพรมแดนสร้างได้ในวันนี้ คือสิ่งที่ความสามารถระดับเมื่อหกเดือนก่อนจะสร้างได้เมื่อวิธีการเป็นที่เปิดเผย และผลลัพธ์ของ A​nthropic ข้างต้นชี้ว่าน้ำหนักชุดนี้อยู่ในหน้าต่างนั้น และการจัดอันดับเป็นข้อความเกี่ยวกับน้ำหนักที่ดีที่สุดที่มีอยู่ ไม่ใช่เกี่ยวกับเอนด์พอยต์ที่ตอบคำขอของคุณ — น้ำหนักเดียวกันที่ให้บริการโดยผู้ให้บริการต่างรายกันอยู่แล้วแตกต่างกันถึงเก้าเท่าในต้นทุนต่องาน ซึ่งเป็นคำถามเรื่องการจัดเส้นทางมากกว่าคำถามเรื่องความสามารถ

เส้นฐาน GLM-5.3 ที่ต้องเอาชนะ

GLM-5.2 คือจุดอ้างอิงที่เรื่องราวทั้งหมดนี้ขึ้นอยู่ด้วย เปิดตัวในเดือนมิถุนายน 2026 ในฐานะโมเดล Mixture-of-Experts ขนาด 743B ที่มีพารามิเตอร์ทำงานประมาณ 40B ต่อโทเคน หน้าต่างบริบท 1M โทเคน เอาต์พุตสูงสุด 128K สัญญาอนุญาต MIT และน้ำหนักเปิดบน Hugging Face ดัชนี Intelligence Index ของ Artificial Analysis — ซึ่งวัดโดยแล็บ ไม่ใช่โดย Z.ai — ขณะนี้อยู่ในชุดดัชนี v4.3.2 ที่ปรับปรุงตัวเลขใหม่ และบนดัชนีนี้ GLM-5.2 (Max) ได้ 34 ขณะที่ GLM-5.3 (Max) ได้ 45 ช่องว่างสิบเอ็ดจุดเป็นระยะห่างเดียวกันกับที่หน้านี้รายงานไว้ตอนเปิดตัว เมื่อชุดดัชนีก่อนหน้าของแล็บเดียวกันให้ GLM-5.2 อยู่ที่ 53 และ GLM-5.3 อยู่ที่ 60 สิ่งที่เปลี่ยนคือไม้บรรทัด ไม่ใช่ผลลัพธ์ และตอนนี้แล็บได้ระบุว่า GLM-5.2 เลิกใช้แล้วและให้ใช้รุ่นสืบทอดแทน คะแนน 45 ของ GLM-5.3 ทำให้มันอยู่อันดับสองในบรรดาโมเดลน้ำหนักเปิด ตามหลัง MiMo-V2.6-Pro ที่ 46 และนำหน้า Kimi K3 (Max) ที่ 44 อยู่หนึ่งจุด นั่นเป็นตัวเลขอิสระตัวแรกที่ผูกกับ GLM-5.3 และสอดคล้องกับทิศทาง — แม้จะไม่ใช่ทุกรายละเอียด — ของคำกล่าวอ้างของ Z.ai เอง มีข้อมูลจากบุคคลที่สามเพิ่มอีกสองจุดที่เข้ามาตั้งแต่ตอนนั้น: ปลายเดือนสิงหาคม Perplexity รายงานว่า GLM-5.3 เอาชนะ GLM-5.2 บน WANDR ซึ่งเป็นเบนช์มาร์กเปิดของบริษัทสำหรับการวิจัยขนาดใหญ่ที่หนุนด้วยหลักฐาน — การทดสอบ “wide and deep” ที่เอเจนต์ต้องรวบรวมบันทึกที่อ้างอิงแหล่งที่มาจำนวนมาก แทนที่จะตอบคำถามเดียว อันนั้นเป็นเบนช์มาร์กของ Perplexity เองและเป็นคำกล่าวอ้างของบริษัทเอง โดยไม่ได้เผยแพร่คะแนน ดังนั้นให้ถือเป็นทิศทางจนกว่าตัวเลขจะปรากฏ อันที่สองคือการประเมินด้านไซเบอร์ของ Anthropic เมื่อวันที่ 29 กันยายน — การวัดจากภายนอกครั้งแรกของความสามารถเฉพาะที่ Z.ai ใช้เป็นแกนของการเปิดตัว ในการเขียนโค้ดระยะยาว ฮาร์เนส OrcaRouter วัดได้ 77.9 บน Terminal-Bench 2.1 ขณะที่ตัวเลข GLM-5.2 ที่รายงานดีที่สุดของ Z.ai คือ 82.7 ซึ่งจะเป็นคะแนนน้ำหนักเปิดแรกที่สูงกว่า 80 แต่เป็นตัวเลขที่ผู้ขายรายงานและยังไม่ได้จำลองซ้ำ ราคาตามรายการคือ $1.40 ต่ออินพุตหนึ่งล้านโทเคน และ $4.40 ต่อเอาต์พุตหนึ่งล้านโทเคน

กระดานคะแนนด้านบนคือการคาดการณ์ในยุคที่มีข้อมูลหลุด ซึ่งหน้านี้เผยแพร่ก่อนเปิดตัว — แถว “>1T พารามิเตอร์ (ตามข่าวลือ)”, บริบทและสัญญาอนุญาตที่ยังไม่ยืนยัน และดัชนี AA ที่คาดการณ์ไว้ การเปิดตัวได้แก้ไขช่องที่ใหญ่ที่สุด: GLM-5.3 ใช้ฐาน 743B เดียวกับ GLM-5.2 ดังนั้นจึงไม่มีการกระโดดของจำนวนพารามิเตอร์ หน้าต่างบริบทได้รับการยืนยันที่ 1M และสัญญาอนุญาตไม่ใช่คำถามเปิดอย่างที่เคยเป็นอีกต่อไป — Z.ai เผยแพร่สัญญาอนุญาต “glm-5.3” แบบกำหนดเอง ไม่ใช่ข้อกำหนด MIT ที่ GLM-5.2 และ GLM-5.3-Flash ใช้ ช่องดัชนีที่คาดการณ์ไว้ — ซึ่งหน้านี้เดาเองไว้ราว ~57–60 — เป็นการคาดการณ์ที่หาได้ยากซึ่งออกมาตรงเป๊ะที่ 60 บนดัชนี ณ สถานะตอนเปิดตัว; ทางแล็บได้ปรับปรุงดัชนีใหม่ตั้งแต่ตอนนั้น และในฉบับ v4.3.2 ปัจจุบัน โมเดลเดียวกันอ่านค่าได้ 45 สิ่งที่ยังไม่ขยับคือคำถามเปิด: คะแนนนั้นจะให้ผลอย่างไรเมื่อถูกทำซ้ำกับน้ำหนักโมเดลที่โฮสต์เอง

ข้อมูลที่บันทึกไว้ข้างต้นคือฐานอ้างอิงอิสระที่ใช้เทียบกับข้อกล่าวอ้างของ GLM-5.3 โดย GLM-5.2 ขึ้นอันดับหนึ่งในลีดเดอร์บอร์ดโมเดลน้ำหนักเปิดด้วยค่า Artificial Analysis Intelligence Index ที่ 53 ตามดัชนีเวอร์ชันที่หน้านี้ใช้อ่านในเดือนสิงหาคม นับจากนั้นฐานอ้างอิงดังกล่าวได้ถูกประกาศค่าใหม่พร้อมกับค่าของโมเดลอื่นทุกตัว: บนดัชนี v4.3.2 ฉบับปัจจุบันของแล็บ GLM-5.2 (Max) อยู่ที่ 34 และ GLM-5.3 (Max) อยู่ที่ 45 ซึ่งเป็นช่องว่างในทิศทางเดียวกันและมีขนาดใกล้เคียงกัน โดย K​imi K3 (Max) ตามหลังอยู่หนึ่งจุดที่ 44 และ MiMo-V2.6-Pro นำอยู่ที่ 46 ค่าที่อ่านได้ทั้งสองค่าเป็นการวัดของแล็บเองบนฮาร์เนสของตนเอง และไม่มีค่าใดเป็นตัวเลขจากผู้จำหน่าย

ราคาและความพร้อมใช้งาน

GLM-5.3 มีราคาเท่ากับ GLM-5.2 ทุกประการ: $1.40 ต่ออินพุตหนึ่งล้านโทเคน และ $4.40 ต่อเอาต์พุตหนึ่งล้านโทเคน (¥8 / ¥28 ในรายการในประเทศ) โดยการอ่านอินพุตที่แคชไว้ราคา $0.26 / ¥2 ต่อล้านโทเคน การเปิดตัวระบุวันที่ 18 สิงหาคมในรายการโมเดลของบุคคลที่สาม Z.ai เปิด API สู่สาธารณะเมื่อวันที่ 19 สิงหาคม และโมเดลนี้ได้รับการยืนยันว่าสามารถเข้าถึงได้ผ่าน API ของ Z.ai เอง, ZCode, AutoClaw, แผน G​LM Coding และรายชื่อแพลตฟอร์มบุคคลที่สามที่เพิ่มขึ้นเรื่อย ๆ และ — ตั้งแต่ปลายเดือนสิงหาคม — ไลบรารี Ollama ซึ่ง GLM-5.3 ถูกระบุเป็นโมเดลที่โฮสต์บนคลาวด์ (glm-5.3:cloud) ให้บริการจากสหรัฐอเมริกาและยุโรปโดยไม่มีการเก็บข้อมูล Perplexity Computer แพลตฟอร์มเอเจนต์ของ Perplexity สำหรับงานที่ใช้เวลานานและมีหลายขั้นตอน ได้เพิ่ม GLM-5.3 ในช่วงเวลาเดียวกัน และตอนนี้ได้เสนอโมเดลนี้สำหรับภาระงานเอเจนต์ แท็ก Ollama เป็นแบบคลาวด์เท่านั้น ไม่ใช่ GGUF ภายในเครื่อง ดังนั้นเส้นทาง self-host ยังคงใช้ผ่านเวต (weights) ของ Hugging Face; GLM-5.3-Flash ที่เล็กกว่าตอนนี้มีรายการคลาวด์ที่สอดคล้องกันเป็นของตัวเองบน Ollama ช่วงข่าวหลุดจบลงแล้ว: ความพร้อมใช้งานเป็นข้อเท็จจริงที่ยืนยันแล้วในตอนนี้ ไม่ใช่ข่าวลือที่ต้องติดตาม การเปลี่ยนแปลงพฤติกรรมอย่างหนึ่งมีความสำคัญสำหรับผู้เรียกใช้ API: คำขอในตอนนี้จำเป็นต้องเปิดใช้งาน "thinking" ในสามระดับความพยายาม — ต่ำ, สูง และสูงสุด — โดยไม่มีสวิตช์ปิด ซึ่งเป็นการเปลี่ยนแปลงที่ทำให้เกิดความไม่เข้ากัน (breaking change) สำหรับการผสานรวมที่มีอยู่

Amazon Bedrock รองรับ GLM-5.3 แล้วเช่นกัน AWS เปิดตัวโมเดลนี้เมื่อวันที่ 5 ตุลาคม 2026 ซึ่งเป็นวันเปิดตัวที่ระบุไว้ใน model card ของโมเดลเอง และระบุไว้ที่นั่นว่าเป็นดีไซน์ Mixture-of-Experts แบบเดียวกับเวอร์ชันก่อน โดยมีพารามิเตอร์ที่ใช้งานจริงต่อโทเคนราว 40B ใช้หน้าต่างบริบท 1M โทเคน และเพดานเอาต์พุต 128K เช่นเดียวกับ API ของผู้พัฒนาโดยตรง และเปิดใช้การให้เหตุผลแบบถาวรพร้อมระดับความพยายาม (effort) ที่เลือกได้ ช่องทางนี้ไม่ใช่สำเนาของ endpoint ของ Z.ai โดย Bedrock ให้บริการ GLM-5.3 ผ่านการอนุมานข้ามภูมิภาค (cross-Region inference) เท่านั้น กล่าวคือ model id ฐาน (zai.glm-5.3) ไม่รองรับการเรียกแบบ on-demand ภายในภูมิภาค คำขอจึงต้องวิ่งผ่าน either the US geo profile (us.zai.glm-5.3) หรือแบบ global (global.zai.glm-5.3) และ AWS ระบุว่าการอนุมานภายในภูมิภาค (in-Region inference) ไม่ได้รับการสนับสนุนในทุกภูมิภาคที่ระบุไว้ รวมถึงสี่ภูมิภาคในสหรัฐฯ สิ่งที่ Bedrock เพิ่มเข้ามาคือชั้นบริการของ AWS รอบโมเดล ได้แก่ Invoke, Converse, API แบบ Responses และ Chat Completions ที่เข้ากันได้กับ OpenAI, Guardrails, Agents, Flows, structured outputs, การประเมินโมเดล และ prompt caching ซึ่งเป็นแบบ implicit โดยค่าเริ่มต้น หรือแบบ explicit ผ่าน cache points ที่มีขนาดอย่างน้อย 1,024 โทเคนและมีระยะเก็บรักษาอย่างน้อย 30 นาที รวมถึงระดับบริการมาตรฐาน โดย Priority มีราคาสูงกว่า Standard 75% ส่วน Flex และ Batch มีส่วนลด 50% จุดที่ต้องระวังคือการเข้าถึง ประกาศของ AWS ระบุว่า GLM-5.3 พร้อมใช้งานทั่วไป (generally available) บน Bedrock ขณะที่ทั้งประกาศดังกล่าวและ model card จำกัดการเข้าถึงไว้เฉพาะลูกค้าที่มีสิทธิ์ซึ่งติดต่อทีมบัญชี AWS ของตน ช่องทางสำหรับองค์กรมีอยู่จริง แต่ปัจจุบันยังไม่ใช่แบบ self-serve ตัวเลขหนึ่งที่ควรระวังขณะอ่านหน้าเว็บของ AWS เอง คือ model card ระบุว่า GLM-5.3 มีพารามิเตอร์รวม 744B ขณะที่ประกาศประกอบระบุ 753B ส่วน Z.ai และรีโพ Hugging Face ระบุ 743B — เป็นโมเดลเดียวกัน แต่มีสามยอดรวม และไม่มีอันใดถูกวัดอย่างเป็นอิสระ

ต้นทุนต่องาน และอัตราการแคชฮิตที่อยู่เบื้องหลัง

ราคาเท่ากันไม่ได้หมายความว่าบิลจะเท่ากัน และตอนนี้ความแตกต่างนั้นถูกวัดออกมาแล้วแทนที่จะเป็นการอนุมาน Artificial Analysis ระบุว่า GLM-5.3 (Max) อยู่ที่ $2.01 ต่อหนึ่งงานของ Intelligence Index ในอัตราของผู้ให้บริการเอง เมื่อเทียบกับ $1.47 ของ GLM-5.2 (Max) — โดยใช้เรตการ์ดเดียวกันที่ $1.40 / $4.40 แต่มีบิลสูงกว่า 37% สำหรับการรันหนึ่งรอบบนชุดงานคงที่ชุดเดียวกัน มีสองสิ่งอธิบายเรื่องนี้ และทั้งสองอย่างอยู่ในสรุปโมเดลของทางแล็บเอง อย่างแรกคือปริมาณ: GLM-5.3 ใช้โทเค็นเอาต์พุต 210M บน Intelligence Index เทียบกับค่ามัธยฐาน 140M ของโมเดลโอเพนเวตที่เทียบเคียงได้ ซึ่งทางแล็บเรียกว่าเยิ่นเย้อมาก และเอาต์พุตคือฝั่งที่มีค่าใช้จ่ายสูงของเรตการ์ด อย่างที่สองคือความเร็ว: 64.2 โทเค็นเอาต์พุตต่อวินาที เทียบกับค่ามัธยฐาน 66.9 ซึ่งช้ากว่าค่าเฉลี่ย และในการรันเอเจนต์แบบยาว ยังใช้เวลาจริงมากขึ้นกับจำนวนโทเค็นเท่าเดิม ข้อมูลนี้แทนที่ค่าประมาณที่หน้านี้เคยแสดงไว้ก่อนหน้านี้ ซึ่งระบุว่า GLM-5.3 อยู่ที่ประมาณ $0.68 ต่องาน และ GLM-5.2 อยู่ที่ประมาณ $0.44 จากปริมาณการใช้โทเค็นที่เราเฝ้าสังเกตเอง ตัวเลขของทางแล็บสูงกว่าค่าประมาณนั้นในทุกด้าน และเป็นตัวเลขที่ควรนำมาอ้างอิง: พวกมันเป็นค่าเฉลี่ยถ่วงน้ำหนักจากการประเมินสิบครั้งบนงานคงที่ ไม่ใช่ค่าที่อ่านจากเวิร์กโหลดเดียว

Endpoint สร้างความเสียหายมากกว่าโมเดลเสียอีก ตอนนี้ห้องแล็บเดียวกันเผยแพร่คอลัมน์ Cost per Task สำหรับผู้ให้บริการทุกรายที่ติดตามอยู่บน GLM-5.3 (Max) — จำนวน 25 ราย — และคอลัมน์ดังกล่าวมีค่าตั้งแต่ $0.92 ที่ endpoint ราคาถูกที่สุด ไปจนถึง $8.68 ที่แพงที่สุด นั่นคือส่วนต่าง 9.4 เท่าบนน้ำหนักโมเดลเดียวกัน benchmark เดียวกัน และค่าตั้งค่าการ reasoning เดียวกัน (ตัวเลข 9.4 เท่าเป็นการคำนวณของเราจากคอลัมน์ที่ห้องแล็บเผยแพร่ ส่วนสิ่งที่หน้าเว็บระบุเป็นถ้อยคำคือ ราคารวมต่อล้านโทเคนนั้นแตกต่างกัน “มากถึง 4.4 เท่าระหว่างผู้ให้บริการ” และความเร็วในการสร้างเอาต์พุตแตกต่างกันถึง 1,152%) ไม่มีสิ่งใดในส่วนต่างนี้ที่เป็นข้อค้นพบด้านความสามารถ — Endpoint Accuracy Index ของห้องแล็บ ซึ่งรัน BFCL v4-500, HLE-250 และ AA-LCR-25 ซ้ำกับทุก endpoint อยู่ที่ 95% ขึ้นไปในทุก endpoint ที่ให้คะแนน หมายความว่าสิ่งที่ผู้ให้บริการสูญเสียไปคือความแม่นยำเล็กน้อย ไม่ใช่ตัวโมเดล กลไกที่ห้องแล็ประบุชื่อคือ caching Cost per task คำนวณจากราคาโทเคนอินพุต, cache hit, cache write, reasoning และคำตอบ หารด้วยจำนวนงาน และถ่วงน้ำหนักตามสัดส่วนของแต่ละ benchmark ในดัชนี — ดังนั้นลูปแบบ agentic หรือ coding ที่ส่งประวัติบทสนทนาทั้งหมดซ้ำในทุกเทิร์นก็ต้องจ่ายค่าประวัตินั้นซ้ำแล้วซ้ำเล่า เทิร์นละครั้ง และสัดส่วนของประวัตินั้นที่ให้บริการจาก prompt cache ของผู้ให้บริการคือคันโยกที่ใหญ่ที่สุดต่อต้นทุนรวม Artificial Analysis วัดสัดส่วนนั้นเป็น cache hit rate นิยามว่าเป็น “สัดส่วนของโทเคนอินพุตที่แคชได้ ซึ่งให้บริการจาก prompt cache ของผู้ให้บริการ วัดระหว่างเซสชัน agentic coding แบบหลายเทิร์น” รายงานเป็นค่ามัธยฐานของสี่สัปดาห์ล่าสุด (อัปเดต 26 กันยายน 2026) และพล็อตกราฟเทียบกับ cost per task ทิศทางที่ระบุไว้คือสิ่งที่สำคัญในที่นี้: อัตราการแคชถูกที่สูงขึ้นหมายความว่าอินพุตส่วนใหญ่ถูกคิดเงินในราคา cache-hit ที่ถูกกว่า ซึ่งลดต้นทุนที่แท้จริงของงานแบบ agentic ส่วนลดแคชของ GLM-5.3 เองอยู่ที่ 81% ที่ราคาของผู้ให้บริการเจ้าของโมเดล — $0.26 ต่อล้านโทเคนอินพุตที่แคชไว้ เทียบกับ $1.40 ต่อล้านโทเคนอินพุตใหม่ — และค่า cache write กับการจัดเก็บถูกคิดเงินแยกกัน ในอัตราที่แตกต่างกันไปตามผู้ให้บริการ ข้อแม้หนึ่งประการเกี่ยวกับหลักฐาน: อัตราการแคชถูกของผู้ให้บริการแต่ละรายถูกนำมาพล็อตกราฟมากกว่าจะทำเป็นตาราง ดังนั้นจึงสามารถกล่าวถึงส่วนต่างนี้ว่ามาจาก caching ในฐานะกลไกได้ โดยไม่ต้องอ้างตัวเลข hit rate ของ endpoint ใด endpoint หนึ่ง

นั่นเป็นเรื่องของเราเตอร์ก่อนที่จะเป็นเรื่องของราคา เพราะตัวแปรที่คุณลงมือทำได้คือปลายทางใดเป็นคนตอบ ไม่ใช่ราคาของเวต GLM-5.3 อยู่บน OrcaRouter ในราคา $1.40 / $4.40 ต่อล้านโทเคน ส่งผ่านในราคาตามที่ผู้ให้บริการกำหนดโดยไม่บวกเพิ่ม ดังนั้นราคาหรือเงื่อนไขแคชของผู้ให้บริการจะสะท้อนถึงบิลของคุณในวันที่เปลี่ยนแปลง ไม่ใช่รอถึงสัญญาครั้งถัดไป การสลับสำรองอัตโนมัติจะย้ายงานจากปลายทางที่เสื่อมสภาพไปยัง GLM-5.2 หรือโมเดลอื่นที่พิสูจน์แล้ว และ DSL สำหรับเราเตอร์คือที่ที่กฎแบบนี้อยู่ สำหรับโมเดลที่ต้นทุนต่องานตอนนี้แตกต่างกันถึงเก้าเท่าตามปลายทาง วิธีความเสี่ยงต่ำในการหาตัวเลขของคุณเองคือการใช้ทราฟฟิกจริงส่วนหนึ่งโดยมีระบบสลับสำรองรองรับ — ปลายทางที่ถูกสำหรับลูปเอเจนต์ของคนอื่นไม่จำเป็นต้องเป็นปลายทางที่ถูกสำหรับของคุณ

Build Week กลายเป็นซีรีส์ต่อเนื่อง — พร้อมโทเคน GLM-5.3 ฟรี 100M

Z.ai เปลี่ยน ZCode Build Week ให้กลายเป็นซีรีส์ต่อเนื่องเมื่อวันที่ 21 สิงหาคม โดยให้เครดิตแก่ชุมชนในสิ่งที่บริษัทกล่าวว่าเป็นคลื่นของโปรเจกต์ที่สร้างบน ZCode ด้วย GLM-5.3 เพื่อฉลองการเปิดตัวอีกครั้ง Z.ai มอบโทเคน GLM-5.3 ฟรี 100 ล้านโทเคนแก่ผู้ใช้ ZCode ใหม่จำนวน 50,000 คน โดยแต่ละคน ใครมาก่อนได้ก่อน ถึงวันที่ 23 สิงหาคม เวลา 18:00 น. แปซิฟิก (24 สิงหาคม 09:00 น. เวลาปักกิ่ง) โดยโทเคนที่ไม่ได้ใช้จะหมดอายุเมื่อสิ้นสุดกิจกรรม ข้อเสนอและเงื่อนไขเป็นของ Z.ai เอง: ตามที่ผู้ให้บริการระบุ แม้ว่าการแจกฟรีนี้จะได้รับการรายงานโดยสำนักข่าวอิสระนับตั้งแต่นั้น

นี่คือรอบที่สองของบิลด์ประจำสุดสัปดาห์ รอบแรกซึ่งจัดขึ้นระหว่างวันที่ 16–17 สิงหาคม ถูกระงับภายในเวลาประมาณหนึ่งชั่วโมงหลังเปิดตัว เนื่องจากความต้องการเกินศักยภาพที่รองรับได้ — โทเค็นที่ถูกเคลมไปแล้วไม่ได้รับผลกระทบ และตั้งแต่นั้นมา Z.ai ก็ได้ขยายฝั่งเซิร์ฟเวอร์ของตน ด้วยการจัดสรร 50,000 รายการ รายการละ 100 ล้านโทเค็น ยอดแจกสูงสุดที่โฆษณาไว้คือห้าล้านล้านโทเค็น: ตัวเลขการหาลูกค้าที่ทำหน้าที่เป็นการทดสอบความเครียดสดของโครงสร้างพื้นฐานการให้บริการเดียวกันกับที่ API แบบชำระเงิน GLM-5.3 ใช้อยู่

การเปิดตัวครั้งนี้เปลี่ยนแปลงอะไรสำหรับคุณ

สำหรับผู้เรียกใช้ API ที่ใช้ GLM-5.2 อยู่แล้ว ขั้นตอนที่ทำได้จริงคือเปลี่ยนชื่อโมเดล ไม่ใช่เริ่มโปรเจกต์ใหม่ เพราะ GLM-5.2 เข้ากันได้กับ OpenAI และการเชื่อมต่อเดิมยังใช้ต่อได้ โดยมีข้อแม้เรื่อง thinking-effort ข้างต้น สำหรับผู้ที่โฮสต์เอง การรอคอยจบลงแล้ว รีโพซิทอรีทางการ zai-org/GLM-5.3 บน Hugging Face ซึ่งสร้างเมื่อ 25 สิงหาคมและเติมข้อมูลในช่วง 27–28 สิงหาคม ตอนนี้บรรจุเรือธงขนาด 743B เต็มรูปแบบใน 141 ชิ้นส่วน safetensors โดยมี SGLang, vLLM, TokenSpeed, Transformers และ KTransformers ระบุไว้บนการ์ดโมเดลว่าเป็นเส้นทางการติดตั้งใช้งานที่รองรับ สิ่งที่สร้างความประหลาดใจจริง ๆ อย่างหนึ่งคือสัญญาอนุญาต: Z.ai ประกาศสัญญาอนุญาตกำหนดเองชื่อ "glm-5.3" ไม่ใช่ MIT เนื้อหาอ่านได้เหมือนการให้สิทธิ์แบบ MIT บวกเงื่อนไขว่าธุรกิจ Model-as-a-Service ใดก็ตามที่มีรายได้ย้อนหลังสิบสองเดือนมากกว่า 10 พันล้านดอลลาร์ ต้องผ่านการตรวจสอบความปลอดภัยของ Z.ai ก่อนใช้งานเชิงพาณิชย์ ต่ำกว่าเกณฑ์นั้น การโฮสต์เองและการใช้งานเชิงพาณิชย์ทั่วไปไม่มีข้อกำหนดเช่นว่านั้น ถึงอย่างนั้นควรอ่านเงื่อนไขที่แน่นอนก่อนจะพึ่งพาเงื่อนไขเหล่านี้ หากขนาดของเรือธงมากเกินกว่าที่คลัสเตอร์ของคุณต้องการ GLM-5.3-Flash ที่เล็กกว่าได้เปิดตัวน้ำหนักโมเดลภายใต้ MIT เมื่อ 26 สิงหาคม เป็นโมเดลแยกต่างหากที่รองรับมัลติโมดัลโดยกำเนิด ไม่ใช่เรือธง สำหรับผู้ใช้ Ollama ตอนนี้เรือธงอยู่ห่างเพียงคำสั่งเดียวจากไคลเอนต์ของไลบรารีเอง — `ollama run glm-5.3:cloud` — แต่การเรียกนั้นไปยังโมเดลที่โฮสต์บนคลาวด์ซึ่งให้บริการจากสหรัฐฯ และยุโรป ไม่ใช่การดึงมาไว้ในเครื่อง ยังไม่มีแท็กโลคัลแบบควอนไทซ์ การรัน GLM-5.3 บนฮาร์ดแวร์ของคุณเองยังคงหมายถึงการใช้น้ำหนักจาก Hugging Face กับสแตกแบบ vLLM หรือ SGLang สำหรับใครก็ตามที่กำลังเปรียบเทียบโมเดลในระดับ DeepSeek V4 Pro, Qwen3.8-Max, Kimi K3, GPT-5.6 Sol และ Claude Fable 5 ตอนนี้ GLM-5.3 เป็นตัวแปรที่มีอยู่จริงและถูกให้คะแนนอย่างอิสระในการจัดอันดับนั้น ไม่ใช่ข่าวลืออีกต่อไป สำหรับผู้ซื้อระดับองค์กรมากกว่านักพัฒนารายบุคคล ตัวเลือกใหม่ล่าสุดคือ Amazon Bedrock ซึ่งเปิดให้ใช้ GLM-5.3 เมื่อ 5 ตุลาคมสำหรับลูกค้าที่เข้าเกณฑ์ โดยเป็นน้ำหนักโมเดลเดียวกันและหน้าต่างบริบท 1M โทเคนเดียวกันภายใต้สัญญา AWS ในราคาตามรายการที่สูงกว่าราคาของ Z.ai เอง

ข้อถกเถียงในวันเปิดตัวของ GLM-5.3 คือพรมแดนด้านการเขียนโค้ดได้บรรจบกันแล้ว อย่างที่ว่ากันว่า สำหรับงานประจำวันส่วนใหญ่ ผู้ใช้เพียงไม่กี่คนสามารถแยก G​PT-5.6 Sol, C​laude Fable 5, K​imi K3, GLM-5.2 และ Qwen3.8-Max ออกจากกันได้อย่างน่าเชื่อถือ หากการบรรจบกันนั้นเป็นจริง ปัจจัยชี้ขาดจะไม่ใช่ความสามารถดิบอีกต่อไป แต่จะกลายเป็นราคา ความเปิดกว้าง และต้นทุนการสลับ ซึ่งเป็นมุมที่ GLM-5.3 กำลังวางจุดยืนไว้พอดี ด้วยราคา $1.40 / $4.40 ต่อล้านโทเคน บนฐานขนาด 743B ที่โฮสต์เองได้ ซึ่งการปล่อยเวตโมเดลที่สัญญาไว้วันที่ 28 สิงหาคมได้เกิดขึ้นแล้ว การที่โมเดลเขียนโค้ดจะใช้แทนกันได้จริงหรือไม่นั้นเป็นความเห็น ไม่ใช่ผลเบนช์มาร์ก; ส่วนราคา จำนวนพารามิเตอร์ และวันที่ปล่อยเวตไม่ใช่ความเห็น

ในด้านการกำหนดเส้นทาง GLM-5.3 เปิดใช้งานบน OrcaRouter เมื่อวันที่ 18 สิงหาคม ซึ่งเป็นวันเดียวกับที่โมเดลเปิดตัวสู่ตลาดในวงกว้าง — ที่ราคารายการของบริษัทผู้พัฒนาเอง $1.40 / $4.40 ต่อล้านโทเค็น ส่งผ่านโดยไม่มีมาร์กอัป ภาพหน้าจอด้านล่างแสดงหน้าของ GLM-5.2 ซึ่งมีรูปแบบตรงกับที่ GLM-5.3 มีในตอนนี้: ราคาเดียวกัน บริบท 1M โทเค็นเท่ากัน และเอาต์พุตสูงสุด 128K เท่ากัน การส่งทราฟฟิกจริงส่วนหนึ่งไปยัง GLM-5.3 พร้อมการสลับอัตโนมัติไปยัง GLM-5.2 หรือโมเดลที่พิสูจน์แล้วตัวอื่นเป็นการเปลี่ยนแปลงการตั้งค่า ไม่ใช่การเขียนโค้ดใหม่ — คีย์เดิม ไม่มีสัญญาฉบับที่สอง ถ้าโมเดลใหม่มีประสิทธิภาพลดลงกับเวิร์กโหลดของคุณ เราเตอร์จะสลับกลับก่อนที่หน้าเว็บจะโหลด และคุณจะได้สัญญาณคุณภาพจากทราฟฟิกของคุณเอง แทนที่จะเป็นสไลด์ของผู้ขาย สำหรับโมเดลที่คำกล่าวอ้างหลัก ๆ ยังมาจากการรายงานของผู้ขาย นี่คือวิธีที่มีความเสี่ยงต่ำในการค้นหาคำตอบด้วยตัวเอง

สิ่งที่ควรดูต่อไป

• การเปิดตัวแบบ open-weight กลายเป็นทางการแล้ว: Z.ai ยืนยันเมื่อวันที่ 28 สิงหาคม โดยประกาศว่าโมเดลเรือธงเป็นแบบเปิด และชี้ไปยังเวตบน Hugging Face พร้อมการเจาะลึกทางเทคนิค สิ่งที่น่าประหลาดใจคือสัญญาอนุญาต — ใช้ข้อกำหนดเฉพาะ “glm-5.3” แทนข้อกำหนดแบบ MIT ที่ GLM-5.2 และ GLM-5.3-Flash ใช้ — ดังนั้นควรอ่านข้อกำหนดฉบับ exact ก่อนโฮสต์เอง การประเมินของ Anthropic เมื่อวันที่ 29 กันยายนเป็นการตรวจสอบจากภายนอกครั้งแรกว่ามาตรการป้องกันของรีลีสนี้มีค่าแค่ไหน โดยพบว่าการปฏิเสธในตัวนั้นเอาชนะได้ด้วยเรื่องเล่าปกปิด ความคิดที่เติมไว้ล่วงหน้า หรือสำเนาที่ถูก abliterate แล้ว และตัวแปรที่ถูก abliterate ก็เริ่มแพร่กระจายอยู่แล้วภายในไม่กี่วันหลังจากเวตเปิดตัว

• ไม่ว่าแท็ก GGUF สำหรับเครื่องในพื้นที่จะตามมาบน Ollama หรือไม่ ไลบรารีในปัจจุบันระบุ GLM-5.3 เป็นแบบคลาวด์เท่านั้น แท็กท้องถิ่นแบบ quantized จะทำให้เส้นทาง self-host เหลือเพียงคำสั่งเดียวสำหรับผู้ใช้ Ollama ขณะที่แท็กคลาวด์ยังคงเป็นเส้นทางที่ให้บริการรอง

• ช่องว่างด้านไซเบอร์หกถึงเจ็ดเดือนจะแคบลงหรือคงอยู่ ตอนนี้ Epoch AI จัดอันดับ GLM-5.3 เป็นที่หนึ่งในบรรดาโมเดลแบบเปิดน้ำหนัก (open-weight) ด้วยคะแนน 160.10 บน Cyber ECI ของตน โดยตามหลังชายแดนแบบปิด (closed frontier) ที่ 171 อยู่หกถึงเจ็ดเดือน — แต่ตัวเลขนั้นอิงกับเกณฑ์มาตรฐาน CAISI สามรายการ ซึ่งเป็นผลลัพธ์ด้านไซเบอร์เพียงชุดเดียวที่ห้องแล็บมีสำหรับโมเดลนี้ และการปรับเทียบใหม่ในเดือนตุลาคมได้ขยับคะแนนของโมเดลรุ่นเก่าไปหลายพอยต์แล้ว แหล่งข้อมูลชุดที่สอง หรือบุคคลที่สามที่รันฮาร์เนสของ Z.ai เองซ้ำ จะเป็นการตรวจสอบครั้งแรกที่ไม่สาวกลับไปถึง CAISI การประเมินของ Anthropic เมื่อวันที่ 29 กันยายน ยังคงเป็นการตีความอิสระอีกชุดหนึ่ง และพบว่าการปฏิเสธที่มีมาในตัวนั้นสามารถเอาชนะได้ด้วยเรื่องบังหน้า ความคิดที่เติมไว้ล่วงหน้า หรือสำเนาแบบ abliterated

• ไม่ว่า Perplexity จะมีตัวเลขประกอบการอ้างสิทธิ์ WANDR หรือไม่ การที่ GLM-5.3 เอาชนะ GLM-5.2 บน WANDR นั้นเป็นเบนช์มาร์กและการทดสอบของ Perplexity เอง และยังไม่มีการเผยแพร่คะแนนใดๆ — การรันทดสอบโดยอิสระจะเป็นการตรวจสอบประสิทธิภาพด้านการวิจัยแบบเอเจนติกของโมเดลจากบุคคลที่สามเป็นครั้งแรก

• ค่าที่ดัชนีจะได้เมื่อรันบนสำเนาที่โฮสต์เอง เลข 45 นี้วัดเทียบกับปลายทางที่ให้บริการ; เวอร์ชันที่โฮสต์เอง — ซึ่งตอนนี้ดาวน์โหลดได้แล้ว โดยมีเงื่อนไขสัญญาอนุญาตแนบมาด้วย — คือเวอร์ชันที่ทีมจะนำไปปรับใช้จริง และห้องแล็บอิสระจะนำไปวัดประสิทธิภาพซ้ำ ห้องแล็บได้ประกาศดัชนีนี้ใหม่ไปแล้วครั้งหนึ่ง ดังนั้นคาดว่าตัวเลขจะขยับอีกครั้ง

• การประกาศขึ้นราคาของ DeepSeek V4 Flash ซึ่งกำหนดกรอบราคาที่ใช้ประเมิน GLM-5.3 และต้นทุนต่องานของกลุ่มแนวหน้าปิดเป็นไปตามกรอบนั้นอย่างไร: GPT-5.6 Sol (max) อยู่ที่ 47 บนดัชนี เทียบกับ 45 ของ GLM-5.3 โดยแล็บระบุว่า Sol ถูกเลิกใช้แล้วเพื่อหันไปใช้ GPT-6 Sol แทน

• ไม่ว่า Build Week series ที่กำลังดำเนินอยู่ในขณะนี้จะยังคงทำงานได้ดีภายใต้ความต้องการใช้งานหรือไม่ — Round 1 ล่มภายในหนึ่งชั่วโมง และการวางกรอบของ series ทำให้ทุกๆ รอบในอนาคตเป็นการทดสอบโหลดครั้งใหม่ของความจุที่ paid API ต้องพึ่งพา

• ไม่ว่าข้อมูลรั่วไหลแบบมัลติโมดัลจะแข็งตัวเป็นโมเดลที่เปิดตัวจริงหรือไม่ งานโปรเซสเซอร์ sglang เป็นหลักฐานระดับโค้ดว่าสายผลิตภัณฑ์เรือธงกำลังเตรียมรองรับอินพุตรูปภาพ และการนำเสนอ “ปริมาณงานเอเจนต์มัลติโมดัล” ของ Perplexity สำหรับ Computer ก็ชี้ไปในทิศทางเดียวกัน — แต่นั่นเป็นเพียงการวางตำแหน่ง ไม่ใช่โมเดลที่เปิดตัวแล้ว และยังไม่มีการประกาศหรือวัดประสิทธิภาพ GLM-5.3 แบบมัลติโมดัล ควรจับตาดู model card, หน้าเอกสาร หรือ weights ก่อนจะถือว่ามันเป็นของจริง

• ไม่ว่าประตูสำหรับองค์กรของ Bedrock จะเปิดออกหรือไม่ ประกาศของ AWS ระบุว่า GLM-5.3 พร้อมใช้งานทั่วไปบน Bedrock ขณะที่การ์ดโมเดลจำกัดให้ใช้ได้เฉพาะลูกค้าที่มีสิทธิ์ซึ่งติดต่อทีมดูแลบัญชี AWS ของตน และไม่รองรับการประมวลผลภายในภูมิภาคเลย — ทุกคำขอต้องข้ามภูมิภาค ไม่ว่าจะอยู่ในโปรไฟล์ภูมิภาคสหรัฐฯ หรือโปรไฟล์ทั่วโลก สิ่งที่ตัดสินว่าองค์กรใดจะเรียกใช้ได้ในเดือนนี้คือประตูดังกล่าว ไม่ใช่รายการภูมิภาค

คำถามที่พบบ่อย

GLM-5.3 เป็นโมเดลที่ใหญ่กว่า GLM-5.2 หรือไม่?

ไม่. Z.ai และผู้ร่วมก่อตั้ง Tang Jie ต่างกล่าวว่า GLM-5.3 ใช้เบสโครงสร้าง Mixture-of-Experts ที่มี 743 พันล้านพารามิเตอร์เหมือนกับ GLM-5.2 โดยมีหน้าต่างบริบท 1M โทเค็นเท่าเดิม และมีพารามิเตอร์ที่ทำงานจริงประมาณ 40 พันล้านต่อโทเค็น การปรับปรุงที่รายงานทั้งหมดมาจากการฝึกหลัง (post-training) — Tang Jie อธิบายการเปลี่ยนแปลงนี้ว่าเป็นการเรียนรู้แบบเสริมกำลังแบบระยะยาวเป็นเวลาหนึ่งเดือนที่วางซ้อนบนเบสที่ไม่เปลี่ยนแปลง — ไม่ใช่การเพิ่มพารามิเตอร์ ซึ่งเป็นการแก้ไขโดยตรงต่อข่าวลือในยุคที่ข้อมูลหลุดว่าเบสมีมากกว่าหนึ่งล้านล้าน การอ้างสถาปัตยกรรมนั้นยังคงเป็นของผู้ก่อตั้งและบริษัทเอง ยังไม่มีการตรวจสอบโดยอิสระ

น้ำหนักแบบเปิดของ GLM-5.3 จะพร้อมใช้งานเมื่อใด

ออกมาแล้ว คลังข้อมูลอย่างเป็นทางการ zai-org/GLM-5.3 บน Hugging Face — สร้างขึ้นเมื่อวันที่ 25 สิงหาคม โดยไฟล์น้ำหนักถูกอัปโหลดในช่วงวันที่ 27–28 สิงหาคม — ตอนนี้เป็นที่เก็บโมเดลเรือธงเต็มรูปแบบขนาด 743B ซึ่งมาตรงกับวันที่ 28 สิงหาคมที่ Z.ai ยึดถือมาตั้งแต่เปิดตัว — เป็นการเผยแพร่ที่ Z.ai เองประกาศเมื่อวันที่ 28 สิงหาคม โดยประกาศเปิดน้ำหนักโมเดล และชี้ไปยังคลังข้อมูล Hugging Face พร้อมบทความเจาะลึกทางเทคนิค ใบอนุญาตก็ระบุไว้แล้วเช่นกัน: ใบอนุญาตแบบกำหนดเอง "glm-5.3" ไม่ใช่เงื่อนไขแบบ MIT ที่ GLM-5.2 และ GLM-5.3-Flash ใช้อยู่ — โดยคร่าว ๆ คือการให้สิทธิ์แบบ MIT พร้อมเงื่อนไขการตรวจสอบความปลอดภัยสำหรับผู้ให้บริการ MaaS รายใหญ่ ดังนั้นควรอ่านข้อกำหนดที่แน่ชัดก่อนนำไปใช้ Z.ai ได้กล่าวแยกต่างหากว่าฟังก์ชันไซเบอร์ที่ละเอียดอ่อนจะถูกจำกัดให้ใช้งานได้เฉพาะโปรแกรม "การเข้าถึงที่เชื่อถือได้" สำหรับผู้ใช้ที่ผ่านการยืนยันตัวตนเท่านั้น

ฉันควรจัดการกับตัวเลข benchmark อย่างไร?

แบ่งรายการออกเป็นสามส่วน ตัวเลขของ Z.ai เอง — การกระโดดในด้านการเขียนโค้ด (Terminal-Bench 3.0 ที่ 28.3, DeepSWE v1.1 ที่ 66.9, SWE-Marathon ที่ 42.5) และผลด้านไซเบอร์ (CyberGym 84.5%, ExploitBench 54.4%) — มาจากประกาศของบริษัทและยังคงเป็นข้อมูลที่ผู้ขายรายงานเองจนกว่าจะมีฮาร์เนสอิสระมาทำซ้ำได้ ส่วนอิสระคือจุดที่น้ำหนักตกอยู่ตอนนี้: Intelligence Index ของ Artificial Analysis — 45 สำหรับ GLM-5.3 (Max) บนเวอร์ชัน v4.3.2 ปัจจุบัน เทียบกับ 44 สำหรับ Kimi K3 (Max) และ 34 สำหรับ GLM-5.2 (Max) — คอลัมน์ Cost per Task รายปลายทาง (per-endpoint) ของโมเดลเดียวกัน ซึ่งอยู่ในช่วง 0.92 ถึง 8.68 ดอลลาร์ across 25 ผู้ให้บริการที่ติดตามอยู่ การวัดของ Frontier Red Team จาก Anthropic บน ExploitBench (50 จาก 410 การเอ็กซ์พลอยต์แบบ end-to-end) และเกณฑ์มาตรฐานการเอ็กซ์พลอยต์ไบนารีภายในของบริษัท (4% ที่ยึดการควบคุมโฟลว์ได้เต็มรูปแบบ) การประเมิน CAISI ของ NIST เมื่อวันที่ 17 กันยายน และ Cyber ECI ของ Epoch AI ที่เผยแพร่เมื่อวันที่ 16 ตุลาคม ซึ่งให้ GLM-5.3 อยู่ที่ 160.10 — เป็นอันดับหนึ่งในกลุ่มโมเดลเปิดเวต และตามหลังพรมแดนโมเดลปิดที่ 171 อยู่หกถึงเจ็ดเดือน แม้ว่าการประเมินนั้นจะอิงกับเกณฑ์มาตรฐาน CAISI เพียงสามรายการ บวกกับข้อแม้เรื่องการระบุตัวโมเดลและช่วงความเชื่อมั่นของ Epoch เองก็ตาม ข้ออ้างของ Perplexity ที่ว่า GLM-5.3 เอาชนะ GLM-5.2 บน WANDR อยู่ในบัคเก็ตที่สามแยกต่างหาก — เกณฑ์มาตรฐานของคนอื่น ข้ออ้างของคนอื่น ไม่มีคะแนนเผยแพร่ออกมา ตัวเลขอิสระคือสิ่งที่ต้องนำมาชั่งน้ำหนักเทียบกับของ Z.ai และตัวเลขด้านต้นทุนและแคชคือการวัดของห้องแล็บเองจากฮาร์เนสของตนเอง ไม่ใช่เอาต์พุตจากผู้ขาย

ทำไม GLM-5.3 จึงมีค่าใช้จ่ายในการรันกับผู้ให้บริการบางรายสูงกว่าผู้ให้บริการรายอื่นมาก?

เนื่องจากต้นทุนต่องานถูกกำหนดโดยปริมาณของบทสนทนาที่ผู้ให้บริการสามารถให้บริการได้จากแคชพรอมต์ของตน และความแตกต่างด้านราคาโทเคนก็ซ้อนทับอยู่บนนั้น Artificial Analysis คำนวณตัวเลขนี้จากราคาโทเคนอินพุต, แคชฮิต, การเขียนแคช, การให้เหตุผล และคำตอบ หารด้วยจำนวนงาน และถ่วงน้ำหนักด้วยน้ำหนักของแต่ละเบนช์มาร์กใน Intelligence Index งานเอเจนต์และงานเขียนโค้ดจะส่งประวัติบทสนทนาทั้งหมดซ้ำในทุกเทิร์น ดังนั้นส่วนของพรอมต์ที่แคชได้จะถูกคิดค่าใช้จ่ายซ้ำแล้วซ้ำเล่า และสัดส่วนที่ผู้ให้บริการให้บริการจากแคชแทนที่จะคิดในราคาอินพุตเต็มเป็นคันโยกเดี่ยวที่ใหญ่ที่สุดต่อยอดรวม การเขียนแคชและการจัดเก็บแคชถูกคิดค่าใช้จ่ายแยกกันในอัตราที่เฉพาะของผู้ให้บริการ บน GLM-5.3 (Max) คอลัมน์ที่ได้มีช่วงตั้งแต่ $0.92 ถึง $8.68 ทั่ว 25 เอนด์พอยต์ที่แล็บติดตาม — ประมาณ 9 เท่าบนน้ำหนักที่เหมือนกันและเบนช์มาร์กเดียวกัน — ซึ่งเป็นเหตุผลว่าทำไมเอนด์พอยต์ ไม่ใช่โมเดล จึงเป็นการตัดสินใจด้านต้นทุน

ฉันสามารถรัน GLM-5.3 ในเครื่องผ่าน Ollama ได้ไหม

ยังไม่ใช่. {{1}}GLM-5.3 อยู่ในรายการบน Ollama library แต่เป็นเพียงโมเดลที่โฮสต์บนคลาวด์ — glm-5.3:cloud ซึ่งให้บริการจากสหรัฐอเมริกาและยุโรปโดยไม่มีการเก็บข้อมูลใดๆ{{/1}} {{2}}ไม่มีแท็ก GGUF ในเครื่อง ดังนั้นวันนี้คำสั่ง ollama run glm-5.3:cloud จะเรียกใช้โมเดลที่โฮสต์ไว้แทนที่จะดึงสำเนาลงบนเครื่องของคุณ{{/2}} {{3}}เส้นทางสำหรับโฮสต์ด้วยตนเองยังคงเป็นน้ำหนักโมเดลจาก Hugging Face กับสแตกแบบ vLLM หรือ SGLang ส่วนแท็กคลาวด์เป็นเส้นทางบริการที่สองสำหรับผู้อ่านที่ใช้ Ollama อยู่แล้ว{{/3}}

ข้อมูลที่รั่วไหลนั้นเป็นเรื่องจริง การเปิดตัวยืนยันชื่อ กรอบการนำเสนอ และจังหวะเวลา — และสองเดือนต่อมา ความสามารถด้านไซเบอร์ที่ Z.ai ยกให้เป็นจุดศูนย์กลางของการประกาศ ก็ได้รับการวัดโดยหน่วยงานภายนอกสองแห่ง และถูกจัดอันดับโดยแห่งที่สาม Frontier Red Team ของ Anthropic จัดให้ GLM-5.3 ตามหลัง Claude Mythos Preview อยู่เพียงไม่กี่ครั้งในการพยายามพัฒนา exploit แบบครบวงจร เรียกโมเดลนี้ว่ามีความสามารถสูงผิดปกติสำหรับการเปิดตัวแบบเปิด และเพิ่มข้อค้นพบที่สำคัญยิ่งกว่าสำหรับใครก็ตามที่นำไปใช้งาน: มาตรการป้องกันมีอยู่จริงแต่ตื้นเขิน และน้ำหนักโมเดลสามารถดาวน์โหลดได้ ดังนั้นการปฏิเสธคำขอจึงเป็นการตั้งค่า ไม่ใช่การรับประกัน CAISI ของ NIST ได้ข้อสรุปที่สอดคล้องกันจากอีกทิศทาง — โมเดลไซเบอร์แบบโอเพนเวตที่ดีที่สุดจนถึงปัจจุบัน ตามหลังแนวหน้าของสหรัฐฯ ประมาณสี่เดือน ตอนนี้ Epoch AI ได้เปลี่ยนข้อสรุปนั้นให้เป็นการจัดอันดับ: 160.10 บน Cyber ECI ของตน เป็นอันดับหนึ่งในบรรดาโมเดลแบบโอเพนเวต สูงกว่า GPT-5.4 ของ OpenAI และตามหลัง Claude Opus 5.5 ของ Anthropic และ GPT-6 Astra ของ OpenAI ที่ 171 อยู่หกถึงเจ็ดเดือน — ตัวเลขที่ท้ายที่สุดสร้างขึ้นจาก benchmark สามรายการของ CAISI และเปิดเผยอย่างตรงไปตรงมาในเรื่องนี้ Artificial Analysis จัดให้มีการวัดจากภายนอกชุดที่สี่ และเป็นการวัดด้านต้นทุน: $2.01 ต่องาน Intelligence Index ในอัตรา first-party และตั้งแต่ $0.92 ถึง $8.68 สำหรับงานเดียวกัน ขึ้นอยู่กับว่าปลายทางใดเป็นผู้ตอบ ตัวเลขจากผู้ขายยังคงเป็นตัวเลขจากผู้ขาย สัญญาอนุญาตยังคงเป็นแบบกำหนดเอง และคำถามที่ว่าไลน์เรือธงจะกลายเป็นมัลติโมดัลหรือไม่ยังคงเปิดอยู่ สิ่งที่เปลี่ยนไปคือ ระยะห่างระหว่างความสามารถด้านไซเบอร์แบบเปิดและแบบปิด ไม่ใช่สิ่งที่ผู้อ่านต้องเชื่อโดยไม่มีหลักฐานอีกต่อไป — แต่เป็นตัวเลขที่เผยแพร่พร้อมวิธีการที่คุณตรวจสอบได้ วิธีที่ถูกที่สุดในการค้นหาว่าโมเดลนี้ทำอะไรกับงานของคุณ ยังคงเป็นการนำทราฟฟิกจริงมาสักส่วนหนึ่ง พร้อม failover ไปยังสิ่งที่พิสูจน์แล้ว

เหตุการณ์ AI และความล้มเหลวของเอเจนต์ที่ได้รับการบันทึกไว้เบื้องหลังโมเดลแบบเปิดน้ำหนักในคลาสนี้ถูกรวบรวมไว้ในthe OrcaRouter AI Incident Archive ซึ่งแต่ละรายการมีแหล่งที่มา ระดับความรุนแรง เกรดความเชื่อมั่น และแฟล็กข้อโต้แย้งของตนเอง