GLM-6.0 หลุด: เรือธงตัวถัดไปของ Z.ai คือ 'การฝึกฝนตนเองเต็มรูปแบบ' — สิ่งที่เรารู้จนถึงตอนนี้

ในตอนเย็นของวันที่ 31 สิงหาคม 2026 Z.ai (Zhipu) ได้จัดการประชุมรายงานผลประกอบการระหว่างกาลครั้งแรกนับตั้งแต่เข้าจดทะเบียนในตลาดหลักทรัพย์ฮ่องกงเมื่อเดือนมกราคม — และผู้ก่อตั้ง Tang Jie (唐杰) ใช้เวลาส่วนหนึ่งในการประชุมเพื่อกำหนดโมเดลพื้นฐานตัวถัดไปของบริษัท พร้อมตั้งชื่ออย่างเป็นทางการเป็นครั้งแรกว่า GLM-6.0 เขาวางตำแหน่งโมเดลดังกล่าวบนเส้นทางเทคนิคที่ Z.ai เรียกว่า "Full Self-Training" (完全自训练) ซึ่งเขากล่าวว่าตรงกับสิ่งที่ตะวันตกเรียกว่า RSI — recursive self-improvement (การพัฒนาตนเองแบบวนซ้ำ) GLM-6.0 ยังไม่มีวันวางจำหน่าย ไม่มีโมเดลการ์ด ไม่มี API และไม่มีเกณฑ์มาตรฐานอิสระ นี่คือบทความสรุปสิ่งที่เรารู้จนถึงตอนนี้เกี่ยวกับการยืนยันชื่อและทิศทางอย่างเป็นทางการครั้งแรก มิใช่เรื่องราวการเปิดตัว

สิ่งที่การประชุมผลประกอบการกล่าวถึงจริงๆ เกี่ยวกับ GLM-6.0

รายงานการประชุมทางโทรศัพท์นี้มาจาก 观点网 (Guandian) สำนักข่าวการเงินของฮ่องกงที่รายงานเหตุการณ์นี้ในเย็นวันเดียวกัน โดย @dotey เป็นผู้เผยแพร่สัญญาณดังกล่าวบน X รายละเอียด GLM-6.0 ทั้งหมดด้านล่างอ้างอิงตามรายงานของ Guandian เกี่ยวกับคำกล่าวของ Tang Jie และทั้งหมดยังไม่ได้รับการยืนยันจากการประกาศของ Z.ai หรือ model card

ตามรายงาน Tang Jie ให้นิยาม GLM-6.0 ว่าเป็นโมเดลแบบ "การฝึกฝนตนเองอย่างเต็มรูปแบบ" (Full Self-Training) ความสามารถหลักที่เขาอธิบายคือการชำระล้างตนเอง: โมเดลที่ครอบคลุมกระบวนการฝึกทั้งหมด ตั้งแต่การฝึกก่อน (pre-training) การฝึกช่วงกลาง (mid-training) และการฝึกหลัง (post-training) โดยมีเป้าหมายเพื่อการฝึกฝนแบบอัตโนมัติเต็มรูปแบบและการวิวัฒนาการตนเอง พาดหัวข่าวไม่ใช่เรื่องจำนวนพารามิเตอร์ใหม่ แต่เป็นการกล่าวอ้างว่าโมเดลจะเข้ามารับผิดชอบส่วนหนึ่งของการฝึกฝนของตัวเอง

เขาพูดชัดเจนเกี่ยวกับส่วนที่ยากที่สุด ความท้าทายที่ใหญ่ที่สุด เขากล่าว ไม่ใช่การขยายขนาดโมเดลขึ้นไป แต่เป็นว่าโมเดลจะสามารถประเมินตนเองได้หรือไม่ — ตัดสินใจเองว่าเมื่อใดควรหยุดฝึก และแก้ไขข้อผิดพลาดของตัวเอง เขาเรียกสิ่งนั้นว่าเป็นความยากหลักของเส้นทางนี้ และเป็นทิศทางสำคัญสำหรับการวิจัยในอนาคต เขายังกล่าวอีกว่างานด้านโมเดลในอนาคตจะสอดแทรกจริยธรรมและการกำกับดูแลสังคมเข้ามาเป็นมิติของการออกแบบ ไม่ใช่สิ่งที่คิดเพิ่มทีหลัง

การโทรเดียวกันนี้ยังมีกรอบความคิดที่กว้างขึ้นของ Z.ai Tang Jie ได้วางสูตรไว้ — คุณค่าทางธุรกิจของ AGI เท่ากับเพดานความฉลาด × ระดับการบริโภคโทเคน — และโต้แย้งว่า Z.ai ควร “ขายงาน ไม่ใช่ขายโมเดล” ในด้านข้อมูล เขาสังเกตว่าคลังข้อมูลสำหรับฝึกโมเดลขนาดใหญ่ในประเทศโดยทั่วไปอยู่ในช่วง 30–50 ล้านล้านโทเคน และผลตอบแทนจากการเพิ่มพารามิเตอร์เพียงอย่างเดียวนั้นลดน้อยลง ข้อโต้แย้งเรื่องกำแพงข้อมูลนี้คือแรงจูงใจทางเศรษฐกิจสำหรับการฝึกตัวเอง: หากข้อความคุณภาพมนุษย์หยุดขยายขนาด โมเดลจะต้องสร้างและประเมินสัญญาณการฝึกของตัวเอง

ความหมายที่แท้จริงของ "Full Self-Training" (RSI) คืออะไร

RSI — การปรับปรุงตัวเองแบบวนซ้ำ (recursive self-improvement) — คือกลุ่มแนวคิดที่โมเดลปรับปรุงกระบวนการที่ทำให้ตัวเองฉลาดขึ้น โดยปิดวงจรระหว่างการฝึกฝนและสิ่งที่ถูกฝึกแล้ว ในรูปแบบที่แข็งแกร่งที่สุด โมเดลจะเขียนหรือปรับแต่งส่วนต่างๆ ของไปป์ไลน์การฝึกของตัวเองเอง ทำให้ความสามารถเพิ่มทวีคูณโดยไม่ต้องมีวิศวกรมนุษย์อยู่ในทุกวงรอบ ห้องปฏิบัติการชั้นแนวหน้าได้เขียนเรียงความเกี่ยวกับเรื่องนี้ แต่แทบไม่มีใครเปิดเผยต่อสาธารณะว่าเชื่อมโยงกับผลิตภัณฑ์เรือธงที่วางจำหน่ายแล้ว Z.ai วางตำแหน่งในรายงานผลประกอบการเช่นนั้น และนั่นคือเหตุผลที่วลีนี้มีความสำคัญแม้กระทั่งก่อนที่โค้ด GLM-6.0 จะมีอยู่

การวางตำแหน่งครั้งนี้ไม่ได้เกิดขึ้นจากความว่างเปล่า หากแต่ถูกบอกใบ้ไว้ล่วงหน้าแล้วในจดหมายภายในที่ Tang Jie ส่งถึงพนักงานเมื่อวันที่ 11 กรกฎาคม 2026 — 《巨浪已来》 (คลื่นยักษ์มาแล้ว) — ซึ่งประกาศแผน "Touch High" (摸高): ทุ่มเงินลงทุนเชิงกลยุทธ์เป็นเวลาสองปี งดการสร้างรายได้ระยะสั้น เพื่อช่วงชิงที่มั่นทางยุทธศาสตร์ถัดไปของ AGI จดหมายระบุเครื่องยนต์หลักสี่ประการ หนึ่งในนั้นคือการฝึกฝนตนเองอย่างเต็มรูปแบบ รายงานข่าวที่กล่าวถึงจดหมายฉบับนี้อธิบายเครื่องยนต์นั้นไว้อย่างเป็นรูปธรรม: สร้างโรงงานข้อมูลสังเคราะห์คุณภาพสูง ใช้ self-play ที่ให้ AI ประลองกันเองเพื่อสร้างองค์ความรู้ในจุดที่ข้อมูลมนุษย์เริ่มหมดลง และภายในแซนด์บ็อกซ์เพื่อความปลอดภัย ให้ระบบสามารถเขียนโค้ดของตัวเองใหม่ได้ เพื่อให้ความเร็วของวิวัฒนาการไม่ถูกจำกัดด้วยวิศวกรมนุษย์อีกต่อไป

นั่นคือคำกล่าวที่หนักแน่น และควรอ่านด้วยความระมัดระวังอย่างเหมาะสม: ทั้งหมดนี้เป็นเพียงการที่บริษัทอธิบายถึงความมุ่งหวังเท่านั้น ยังไม่มีห้องปฏิบัติการใดแสดงให้เห็นถึงการฝึกฝนตนเองอย่างเต็มรูปแบบในระดับแนวหน้า และจดหมายฉบับนี้เป็นเอกสารเชิงกลยุทธ์ ไม่ใช่เกณฑ์ชี้วัด

ความท้าทายที่ Tang Jie ตั้งชื่อคือส่วนที่ซื่อสัตย์

สิ่งที่มีค่าที่สุดในบทสนทนานี้ สำหรับผู้อ่านที่พยายามคาดการณ์ว่า GLM-6.0 จะมีความสำคัญหรือไม่ คือสิ่งที่ถังเจี๋ยกล่าวว่ายาก การตัดสินตนเอง — การรู้ว่าเมื่อใดควรหยุดการฝึกและแก้ไขข้อผิดพลาดด้วยตนเอง — คือสมมติฐานหลักที่แบกรับน้ำหนักของเดิมพันทั้งหมด หากโมเดลไม่สามารถตัดสินผลลัพธ์ของตนเองได้อย่างน่าเชื่อถือ ข้อมูลสังเคราะห์และการเล่นกับตัวเองก็เพียงแค่ขยายสัญญาณรบกวน และ 'การฝึกตนเอง' จะพังทลายลงเหลือเพียงไปป์ไลน์ข้อมูลที่แพงมาก โดยมีมนุษย์เป็นแนวป้องกันสุดท้าย

กรอบการนำเสนอมีความสอดคล้องกันในสองข้อความ: กลไกของจดหมายปฏิบัติต่อพลังคำนวณในฐานะเชื้อเพลิงของวิวัฒนาการ; ความท้าทายของคำเรียกร้องคือวิจารณญาณที่ทำให้เชื้อเพลิงนั้นมีประโยชน์ เขายังเน้นย้ำหลักการกำหนดขนาด — การหลีกเลี่ยงโมเดลที่ใหญ่เกินกว่าจะใช้งานได้จริง — ซึ่งสำคัญเพราะการเดิมพันด้วยการฝึกตนเองไม่ใช่การเดิมพันด้วยการขยายขนาดเพียงอย่างเดียว นั่นคือสัญญาณที่มีความหมายเกี่ยวกับสิ่งที่ GLM-6.0 ไม่ใช่: ไม่ใช่แค่ "โมเดลตระกูล GLM ที่ใหญ่ที่สุดเท่าที่เคยมีมา"

GLM-6.0 อยู่ตำแหน่งใดในไลน์

Z.ai รายงานว่าตระกูล GLM พัฒนามาถึงหกรุ่นในเวลาสิบเอ็ดเดือน โดยการวัดความฉลาดของบริษัทเองเพิ่มขึ้นจาก 32 เป็น 60 รุ่นเรือธงปัจจุบันคือ GLM-5.3 ซึ่งประกาศกลางเดือนสิงหาคม เปิด API เมื่อวันที่ 19 สิงหาคม และยืนยันการเปิดเผยน้ำหนักเมื่อวันที่ 28 สิงหาคม เป็นโมเดล MoE แบบรับข้อความเข้า/ส่งข้อความออก มีพารามิเตอร์แอคทีฟ 40B หน้าต่างบริบท 1M โทเคน และ Artificial Analysis Intelligence Index เท่ากับ 60 ซึ่งเป็นสถิติสูงสุดสำหรับโมเดลที่เปิดเผยน้ำหนักในปัจจุบัน ราคาอยู่ที่ 1.40 ดอลลาร์ต่อล้านโทเคนอินพุต และ 4.40 ดอลลาร์ต่อล้านโทเคนเอาต์พุต GLM-5.3-Flash รุ่นเล็กออกภายใต้สัญญาอนุญาต MIT และ Z.ai กล่าวว่าดึงดูดโทเคนได้ 62 ล้านล้านในหกวันแรก (เป็นตัวเลขจากผู้ขาย ไม่ใช่การวัดจากภายนอก)

คำถามที่น่าสนใจคือสิ่งที่เกิดขึ้นกับ GLM-5.5 ในช่วงเกือบทั้งเดือนสิงหาคม รายงานของนักวิเคราะห์ที่เผยแพร่โดย Reuters และ CGTN ระบุว่าเรือธง GLM-5.5 จะมาถึง "ภายในเดือนสิงหาคม" — และมันก็ไม่ปรากฏ การประชุมทางโทรศัพท์เกี่ยวกับผลประกอบการได้เอ่ยชื่อรุ่นถัดไปคือ GLM-6.0 โดยข้าม 5.5 ไปทั้งหมด ไม่ว่าจะเป็น 5.5 ถูกเปลี่ยนชื่อ รวมเข้ากับ 6.0 หรือไม่เคยมีอยู่จริงในฐานะผลิตภัณฑ์อย่างเป็นทางการ ก็ยังไม่ได้รับการยืนยัน สิ่งที่การประชุมครั้งนี้ยืนยันคือการอ่านอย่างเป็นทางการ: โมเดลพื้นฐานรุ่นถัดไปคือ GLM-6.0

นอกจากนี้ยังไม่ได้รับการยืนยัน: จำนวนพารามิเตอร์ สถาปัตยกรรม ราคา หรือความพร้อมใช้งานของ GLM-6.0 หลักการที่ Z.ai ระบุไว้คือ "ไม่ใหญ่เกินกว่าจะใช้งานได้" เมื่อรวมกับกรอบแนวคิดเรื่องการฝึกฝนด้วยตนเอง ชี้ให้เห็นว่าการเปลี่ยนแปลงที่น่าสนใจอาจเป็นกระบวนทัศน์การฝึกฝนมากกว่าขนาดของโมเดล แต่สิ่งนั้นคือการคาดเดา ไม่ใช่ข้อมูล

อะไรที่ยืนยันแล้ว อะไรที่ยังไม่

• ยืนยันตามรายงานของ Guandian จากการประชุมผลประกอบการวันที่ 31 สิงหาคม: Tang Jie ระบุว่า GLM-6.0 เป็นโมเดลฐานรุ่นถัดไป; เขาจัดวางให้เป็น Full Self-Training; เขาบรรยายถึงการชำระล้างตัวเองตลอดท่อการฝึกฝนและการตัดสินด้วยตัวเองเป็นความท้าทายหลัก; และ Z.ai รายงานรายได้ H1 2026 จำนวน 954 ล้านหยวน เพิ่มขึ้น 399.7% เมื่อเทียบกับปีก่อนหน้า โดยธุรกิจ API/MaaS คิดเป็น 86.5% ของรายได้ และขาดทุนสุทธิ 2.07 พันล้านหยวน ลดลง 12.1%

• ยืนยันโดยอิสระจากการรั่วไหล: สถานะของ GLM-5.3 — ดัชนีความฉลาด AA 60, $1.40/$4.40, บริบท 1M, เฉพาะข้อความ, น้ำหนักเปิด — วัดโดย Artificial Analysis ไม่ใช่โดย Z.ai

• ยังไม่ได้รับการยืนยัน: ว่า GLM-6.0 มีอยู่จริงในฐานะผลิตภัณฑ์ที่วางจำหน่าย; วันวางจำหน่ายใดๆ; พารามิเตอร์ สถาปัตยกรรม หรือการกำหนดราคา; ว่า GLM-5.5 จะถูกข้ามหรือเปลี่ยนชื่อหรือไม่; ผล benchmark ใดๆ; ความพร้อมใช้งานใดๆ ผ่านผู้ให้บริการใดๆ

• ข้อควรระวังจากแหล่งข้อมูลเดียว: คำกล่าวอ้างเกี่ยวกับ GLM-6.0 อ้างอิงจากรายงานของสำนักข่าวเพียงแห่งเดียวเกี่ยวกับการประชุมดังกล่าว Z.ai ยังไม่ได้ออกประกาศใดๆ เกี่ยวกับ GLM-6.0 ของตนเอง ณ เวลาที่เขียนบทความนี้

สิ่งที่นักพัฒนาควรทำในตอนนี้

ไม่มีสิ่งใดในสัญญาณนี้ที่ควรจะเปลี่ยนแปลงการตัดสินใจด้านการผลิตในวันนี้ เนื่องจากยังไม่มี GLM-6.0 ให้เรียกใช้ การตอบสนองที่ถูกต้องต่อการยืนยันโรดแมปคือการเก็บตัวเลือกไว้ ไม่ใช่การเปลี่ยนแพลตฟอร์ม

สิ่งที่มีประโยชน์ที่จะสังเกตคือสิ่งที่เรือธงที่ฝึกตัวเองได้จะเปลี่ยนแปลงไปหากมันเปิดตัว ราคาของตระกูล GLM คงที่ที่ $1.40/$4.40 ต่อล้านโทเคนในรุ่นเรือธงล่าสุดหลายรุ่น โดยมีราคาที่ต่ำกว่าแล็บปิดระดับแนวหน้า แต่ตามหลังในคะแนนดัชนีอิสระ GLM-6.0 ที่ฝึกตัวเองได้อย่างแท้จริงจะทดสอบเพดานของโมเดลน้ำหนักเปิดในแบบที่ไม่เคยมีการเปิดตัวโมเดลเดี่ยวใดทำมาก่อน และจุดแรกที่คำถามนั้นจะได้รับคำตอบคือมันจะปรากฏในแคตตาล็อกของผู้ให้บริการในราคาที่สมเหตุสมผลพร้อมระบบเฟลโอเวอร์จริงรอบตัวหรือไม่

เมื่อใดก็ตามที่ GLM-6.0 ปรากฏในแคตตาล็อก กฎการกำหนดราคาบน OrcaRouter นั้นง่ายมาก: ราคารายการของผู้ให้บริการถูกส่งผ่านโดยไม่มีมาร์กอัป เริ่มใช้ในวันเดียวกัน — ไม่มีการเจรจาใหม่และไม่มีสัญญาฉบับที่สอง นั่นคือกฎเดียวกับที่ GLM-5.3 ใช้งานอยู่แล้วบนแพลตฟอร์ม โดยที่รุ่นเรือธงปัจจุบันให้บริการที่ $1.26 / $3.96 ต่อล้านโทเคน (ส่วนลดเปิดตัว 10% จากราคารายการ $1.40 / $4.40) ทั้งหมดผ่าน API เดียวสำหรับโมเดล 200+ รุ่น และโมเดลที่ยังไม่ผ่านการพิสูจน์พร้อมกับโรดแมปที่กล้าหาญอย่าง RSI นั้นเป็นกรณีที่เหมาะสมอย่างยิ่งสำหรับการจัดเส้นทางตามผลลัพธ์มากกว่าชื่อ: ชี้ปริมาณการรับส่งข้อมูลส่วนหนึ่งไปยังโมเดลใหม่ โดยมีการสลับไปใช้โมเดลที่พิสูจน์แล้วโดยอัตโนมัติ — GLM-5.3, DeepSeek V4 Pro หรือ GPT-5.6 Sol — เพื่อให้โมเดลที่กลายเป็นว่าถูกโฆษณาเกินจริงลดระดับไปใช้ตัวสำรองแทนที่จะส่งมอบงานที่เสียหาย เมื่อยังไม่มี GLM-6.0 ให้จัดเส้นทาง การเตรียมการที่เทียบเท่ากันคือการเขียนกฎการจัดเส้นทางไว้ก่อนที่โมเดลจะเกิดขึ้น

สิ่งที่ควรดูต่อไป

• วันที่วางจำหน่าย จังหวะการออกรุ่นเรือธงของ Z.ai ห่างกันประมาณสองเดือนต่อรุ่น การประชุมดังกล่าวไม่ได้ระบุวันที่ และโมเดลแบบ "full self-training" อาจไม่เป็นไปตามจังหวะปกติเลย

วัตถุชิ้นแรกที่เป็นรูปธรรม: การ์ดโมเดล การปล่อยน้ำหนัก หรือ ID ของ API ทันทีที่ GLM-6.0 ได้รับตัวระบุ API ข่าวลือก็จะกลายเป็นสิ่งที่ทดสอบได้

• ชะตากรรมของ GLM-5.5 ถ้า GLM-5.5 ปรากฏตัวก่อน การอ่านแผนงานจะเปลี่ยนไป; ถ้ามันเงียบ การอ่านแบบ "6.0 ข้ามหมายเลข" คือเรื่องที่น่าจะเป็นไปได้มากกว่า

• ไม่ว่าห้องปฏิบัติการอื่นจะตอบหรือไม่ RSI มักถูกพูดถึงในบทความ ไม่ใช่ในการประชุมผลประกอบการ; หากห้องปฏิบัติการใหญ่ประกาศเชื่อมโยงการฝึกตนเองเข้ากับรุ่นเรือธง การวางกรอบเช่นนี้ก็จะไม่ใช่เรื่องแปลกของ Z.ai อีกต่อไป แต่จะกลายเป็นเทรนด์

• คะแนนอิสระครั้งแรก ค่าสูงสุดของโมเดล open-weights ในปัจจุบันบน Artificial Analysis Intelligence Index คือ 60 (GLM-5.3 เสมอกับ Kimi K3) GLM-6.0 ที่ทำคะแนนผ่านค่านั้นบนกระดานอิสระคือเหตุการณ์ที่สำคัญ — ทุกอย่างก่อนหน้านั้นเป็นเพียงแผนงาน

ทั้งหมดนี้ไม่ใช่การเปิดตัว GLM-6.0 เป็นเพียงชื่อและทิศทาง ซึ่งได้รับการยืนยันอย่างเป็นทางการในการประชุมผลประกอบการ และยังไม่มีอะไรที่เป็นรูปธรรมไปกว่านี้ แต่ทิศทางคือเรื่องราว: แล็บโอเพนเวตขนาดใหญ่ได้เปิดเผยต่อสาธารณะว่าเรือธงรุ่นถัดไปของพวกเขาจะเดิมพันกับการที่โมเดลเรียนรู้ที่จะฝึกตัวเอง และระบุส่วนที่ยากไว้ล่วงหน้า — วิจารณญาณ ไม่ใช่ขนาด นี่คือสัญญาณที่ควรจดบันทึกไว้ก่อนที่มันจะมีวันวางจำหน่าย เพราะทันทีที่ GLM-6.0 มีโมเดลการ์ด คำถามจะไม่ใช่อีกต่อไปว่า Z.ai ตั้งใจจริงหรือไม่ แต่จะกลายเป็นว่ามันใช้งานได้จริงหรือไม่