{{1}}NV-Reason-CT vs GLM-5.2{{/1}}: หนึ่งในสองนี้ถูกเลิกใช้แล้ว และมันไม่ใช่ตัวที่คุณคิด

โมเดลที่เก่ากว่าในการเปรียบเทียบนี้คือรุ่นที่กำลังจะถูกปลดระวาง GLM-5.2 เปิดตัวเมื่อวันที่ 16 มิถุนายน 2026; NV-Reason-CT มีกิจกรรมในที่เก็บโค้ดลงวันที่ระหว่างวันที่ 2 ถึง 25 กันยายน 2026 คุณคงคาดว่ารุ่นเดือนกันยายนน่าจะเป็นสิ่งที่ไม่แน่นอน และรุ่นเดือนมิถุนายนน่าจะเป็นตัวเลือกที่ลงตัวแล้ว แต่ในมิติที่สำคัญสำหรับไปป์ไลน์ข้อความ กลับตรงกันข้าม: GLM-5.2 ถูกแทนที่ด้วย GLM-5.3 ซึ่งเปิดตัวเมื่อวันที่ 18 สิงหาคม 2026 และตอนนี้มันมีเครื่องหมายแสดงการเลิกใช้บนลีดเดอร์บอร์ดอิสระที่เผยแพร่ตัวเลขของมัน NV-Reason-CT ไม่ว่าจะมีอะไรอื่นที่ยังไม่คลี่คลายเกี่ยวกับมัน ก็เป็นรุ่นปัจจุบันของสิ่งเดียวที่มันทำ

ดังนั้นประโยคที่มีประโยชน์ประโยคแรกในบทความนี้คือประโยคที่ผู้อ่านมีแนวโน้มจะไม่มีมากที่สุด: หากคุณกำลังเริ่มสร้างข้อความในวันนี้และเอื้อมไปหยิบ GLM-5.2 ตามความเคยชิน ให้หยุดแล้วดู GLM-5.3 ก่อน มันมีค่าใช้จ่าย $1.26 ต่อโทเค็นอินพุตหนึ่งล้านโทเค็น และ $3.96 ต่อเอาต์พุตหนึ่งล้านโทเค็น เทียบกับ $1.40 และ $4.40 ของ GLM-5.2 — มันทั้งใหม่กว่าและถูกกว่า — และดัชนีความฉลาดอิสระของมันคือ 44.8 เทียบกับ 33.7 ซึ่งเป็นการก้าวขึ้นในระดับเดียวกันมากกว่าที่จะเป็นการเคลื่อนไปด้านข้าง นั่นเป็นการตัดสินใจที่แยกจากสิ่งใดก็ตามที่เกี่ยวข้องกับ CT และมันสมควรที่จะถูกตัดสินใจแยกต่างหาก

โมเดลสองแบบ และความล้าสมัยสองประเภทที่แตกต่างกัน

มีความแตกต่างอย่างแท้จริงระหว่างโมเดลที่เก่ากับโมเดลที่ถูกแทนที่แล้ว และการจับคู่นี้ทำให้เรื่องนี้เป็นรูปธรรม

• สิ่งที่ระบบทำ — NV-Reason-CT อ่านข้อมูลภาพ CT ทรวงอกหรือช่องท้อง แล้วแสดงผลการตรวจพบแบบมีโครงสร้างตามส่วนกายวิภาค ส่วน GLM-5.2 เป็นโมเดลภาษาที่ประมวลผลเฉพาะข้อความ ใช้สำหรับการให้เหตุผล การเขียนโค้ด และงานเอกสารยาว

• เผยแพร่ — อาร์ติแฟกต์ของ NV-Reason-CT มีอายุตั้งแต่ 2 ถึง 25 กันยายน 2026; GLM-5.2 เมื่อ 16 มิถุนายน 2026 โดยมี GLM-5.3 ตามมาเมื่อ 18 สิงหาคม 2026

• สถานะรุ่น — NV-Reason-CT เป็นเวอร์ชัน 0.1 ซึ่งเป็นการเปิดตัวครั้งแรกและยังไม่ได้ประกาศอย่างเป็นทางการ ส่วน GLM-5.2 เป็นรุ่นก่อนหน้าของสายผลิตภัณฑ์ที่วางจำหน่ายแล้ว

• สถานะอิสระ — ยังไม่มีการวัดผล NV-Reason-CT แบบอิสระใด ๆ; GLM-5.2 ถูกวัดได้ 33.7 บน Artificial Analysis Intelligence Index พร้อมเครื่องหมายบ่งชี้การเลิกใช้งาน เทียบกับ GLM-5.3 ที่ 44.8

• สัญญาอนุญาตและการเข้าถึง — เวต OpenMDW-1.1 ที่คุณดาวน์โหลด เทียบกับโมเดลแบบเปิดเวตที่ให้บริการในราคา $1.40 และ $4.40 ต่อล้านโทเค็น โดยการอ่านจากแคชอยู่ที่ $0.26

• บริบท — 13,824 โทเค็นภาพต่อเล่ม โดยไม่มีหน้าต่างแชท เทียบกับ 1,000,000 โทเค็นขาเข้า และ 128,000 ขาออก

• การใช้งานที่ระบุไว้ — เพื่อการวิจัยและการศึกษาเท่านั้น ไม่ใช่อุปกรณ์ทางการแพทย์ ต่อต้านการนำไปใช้งานทั่วไป

คำว่า “deprecated” กำลังทำหน้าที่อย่างแม่นยำในที่นี้ และไม่ควรตีความให้เกินเลย เครื่องหมายว่า deprecated บนลีดเดอร์บอร์ดหมายความว่าผู้ประเมินหยุดถือว่าโมเดลนี้เป็นโมเดลปัจจุบันแล้ว ซึ่งมักเป็นเพราะมีรุ่นสืบทอดเข้ามาแทนที่ ไม่ได้หมายความว่าน้ำหนักโมเดลถูกถอนไปแล้ว API ถูกปิด หรือโมเดลหยุดทำงาน ทีมที่มีไปป์ไลน์ปรับจูนกับ GLM-5.2 ไม่ได้มีปัญหา สิ่งที่มันหมายถึงคือ ตัวเลขของโมเดลนี้เป็นสแนปช็อตจากช่วงก่อนที่ GLM-5.3 จะมีอยู่ และการนำตัวเลขเหล่านั้นไปผสมกับตัวเลขปัจจุบันของโมเดลอื่น ๆ ก็คือการเปรียบเทียบการวัดของเดือนมิถุนายนกับสนามของเดือนกันยายน

ตัวเลขที่แต่ละฝ่ายมี และมูลค่าของมัน

บันทึกของ GLM-5.2 มีข้อมูลหนาแน่นผิดปกติ และมันมาจากสองแหล่งที่ขัดแย้งกันในแบบที่ให้ความรู้

จากรายงานของ Z.ai เอง โมเดลนี้ทำคะแนนได้ 99.12 บน τ²-Bench, 62.1 บน SWE-bench Pro, 54.7 บน Humanity's Last Exam เมื่อใช้เครื่องมือ และ 82.7 ซึ่งเป็นคะแนนสูงสุดที่มีรายงาน บน Terminal-Bench 2.1 ในด้านที่เป็นอิสระ Artificial Analysis วัดโมเดลเดียวกันได้ 77.9 บน Terminal-Bench 2.1, 33.7 บน Intelligence Index ของตน, 89.5 บน GPQA Diamond และ 41.1 บน Humanity's Last Exam ยังมีตัวเลขจากผู้ขายอีกราย — 99.2 บน AIME 2026, 92.5 บน HMMT February 2026, 91 บน IMOAnswerBench, 74.4 บน FrontierSWE, 63.7 บน ProgramBench, 76.8 บน MCP-Atlas — และทั้งหมดนี้ล้วนเป็นของ Z.ai

มีสองเรื่องเกี่ยวกับรายการนั้นที่ควรพูดถึง ประการแรก ส่วนต่าง 4.8 จุดบน Terminal-Bench 2.1 ระหว่าง 82.7 ซึ่งเป็นตัวเลขที่ดีที่สุดที่ผู้ขายรายงาน กับ 77.9 ที่วัดโดยอิสระ ไม่ใช่ความขัดแย้งกัน ตัวเลขที่ดีที่สุดที่ผู้ขายรายงานมักเป็นค่าที่ดีที่สุดจากฮาร์เนสหลายตัว และตัวเลข Terminus-2 ของ Z.ai เองสำหรับเบนช์มาร์กเดียวกันคือ 81 — การวัดโดยอิสระอยู่ภายในช่วงของผู้ขายเอง ประการที่สอง ความต่างใน Humanity's Last Exam มีมากกว่า: 41.1 จากฝ่ายอิสระ เทียบกับตัวเลขผู้ขาย 40.5 เมื่อไม่มีเครื่องมือ และ 54.7 เมื่อมีเครื่องมือ ซึ่งหมายความว่า 54.7 ที่เป็นตัวเลขพาดหัวเป็นตัวเลขที่ใช้เครื่องมือช่วย และ 41.1 เป็นตัวเลขแบบไม่ใช้เครื่องมือ การอ้าง 54.7 วางข้างคะแนนแบบไม่ใช้เครื่องมือของโมเดลอื่นจะเป็นความผิดพลาดอย่างแท้จริง

สถิติของ NV-Reason-CT ไม่มีโครงสร้างแบบสองแหล่งเช่นนั้น และนั่นคือจุดที่มันอ่อนกว่า ผลลัพธ์ CT-RATE ของมัน — F1 0.614 และ AUROC 0.871 ครอบคลุมสิบแปดป้ายกำกับ ด้วยเกณฑ์แบบสม่ำเสมอคงที่และพรอมป์ต์ใช่/ไม่ใช่โดยตรง โดยไม่มีส่วนหัวการจำแนกหรือการปรับให้เข้ากับงานเฉพาะ — เป็นของ NVIDIA เอง โมเดลที่มันถูกนำไปเปรียบเทียบด้วยในบทความนั้น (VoxelFM 0.581, Pillar-0 0.544, ClinFusion-8B 0.442, CT-CLIP 0.398, Merlin 0.358, MedGemma 1.5 0.303) ล้วนเป็นโมเดลด้านภาพทางการแพทย์ ไม่มีสิ่งใดได้รับการทำซ้ำอย่างอิสระ และโมเดลนี้เปิดให้ดาวน์โหลดมาแล้วหลายสัปดาห์ มันยังรายงาน macro-F1 ที่ได้จากรายงานเท่ากับ 0.592 และการศึกษาเบื้องต้นโดยรังสีแพทย์ผู้เชี่ยวชาญซึ่งเชื่อมโยงการทบทวนโดยมีผู้ช่วยเข้ากับการลดลง 50% ของเวลาแปลผลโดยเฉลี่ยที่รายงานไว้ ซึ่งผู้เขียนเองก็ระบุว่าเป็นกลุ่มตัวอย่างขนาดเล็กอย่างรุนแรง

ดังนั้น การเปรียบเทียบที่มาที่ไปจึงไม่ได้สนับสนุนโมเดลใหม่กว่า และนี่คือประเด็นที่ควรค่าแก่การหยุดคิดใคร่ครวญ GLM-5.2 เป็นโมเดลที่เก่ากว่าและถูกแทนที่แล้ว และตัวเลขของมันน่าเชื่อถือมากกว่าของ NV-Reason-CT เพราะมีคนนอกบริษัทเป็นผู้รันฮาร์เนส การเป็นโมเดลปัจจุบันไม่ได้หมายความว่าได้รับการตรวจสอบยืนยันแล้ว

ทำไมการเลิกใช้จึงสำคัญกว่าที่ชื่อฟังดู

มีความล้มเหลวเฉพาะอย่างหนึ่งที่การเปรียบเทียบนี้ถูกออกแบบมาเพื่อป้องกัน และมันไม่เกี่ยวกับ CT เลยแม้แต่น้อย

ทีมที่กำลังสร้างไปป์ไลน์ข้อความทางคลินิกออกมองหาโมเดลแบบเปิดน้ำหนักเพื่อรันบนฮาร์ดแวร์ของตัวเอง เพราะข้อมูลมีความอ่อนไหว พวกเขาพบ GLM-5.2 ซึ่งมีสัญญาอนุญาตแบบ MIT ขนาด 743 พันล้านพารามิเตอร์ โดยมีพารามิเตอร์ที่ทำงานอยู่ราว 40 พันล้าน ตรงตามความต้องการ และมีบันทึกผลการทดสอบมาตรฐานที่จัดทำเป็นเอกสารไว้อย่างดี พวกเขาจึงปรับจูนกับมัน หกเดือนต่อมา พวกเขาค้นพบว่ารุ่นปัจจุบันคือ GLM-5.3 ว่ามันรองรับคอนเท็กซ์ 1M พร้อมเพดานเอาต์พุต 128K ว่ามันถูกกว่าโดยอยู่ที่ $1.26 และ $3.96 และว่าการตัดสินใจที่พวกเขาคิดว่าตัวเองกำลังทำอยู่ — จะเลือกโมเดลแบบเปิดน้ำหนักตัวไหนมาใช้เป็นมาตรฐาน — แท้จริงแล้วเป็นการตัดสินใจเกี่ยวกับรุ่นไหนต่างหาก และพวกเขาก็ทำมันไปโดยไม่ตั้งใจ

นั่นคืออุบัติเหตุที่มีค่าใช้จ่ายสูงหากค้นพบช้า และหลีกเลี่ยงได้ด้วยการค้นหาเพียงครั้งเดียว คำแนะนำที่ชัดเจนคือ:

• ตรวจสอบว่าโมเดลที่คุณกำลังจะกำหนดเป็นมาตรฐานนั้นเป็นรุ่นปัจจุบันหรือไม่ — เครื่องหมายแสดงการเลิกใช้งานบนกระดานผู้นำเป็นสัญญาณที่เร็วที่สุด และรายการโมเดลของผู้ให้บริการเองคือแหล่งข้อมูลที่เชื่อถือได้

• อย่าเอาสแนปช็อตของเดือนมิถุนายนมาปนกับตัวเลขของเดือนกันยายน — ดัชนี 33.7 ของ GLM-5.2 ถูกวัดไว้ก่อนที่ GLM-5.3 จะมีอยู่จริง และการนำมันไปวางเทียบกับดัชนีของโมเดลปัจจุบันก็เท่ากับเป็นการเปรียบเทียบสองช่วงเวลาที่ต่างกันในสนามที่เคลื่อนไหวอยู่ตลอด

• ระวังชื่อรุ่นให้ดี — รายการ "GLM-5.3 Prime" คือระดับการให้บริการที่ใช้เวตชุดเดียวกันในราคาราวสองเท่าของราคาป้าย ไม่ใช่โมเดลแยกต่างหาก ตรวจดูเวตที่อยู่เบื้องหลัง SKU ใด ๆ ก่อนจะจ่ายแพงกว่าเพื่อมัน

• ให้มองอัตราที่ประกาศว่าต่ำลงเป็นคำถาม ไม่ใช่คำตอบ — การที่ GLM-5.3 มีราคาถูกกว่ารุ่นก่อนนั้นเป็นเรื่องที่ผิดปกติ และควรค่าแก่การตรวจสอบกับปริมาณงานของคุณเองมากกว่าที่จะสันนิษฐานเอา

ไม่มีสิ่งใดในนั้นทำให้ GLM-5.2 เป็นตัวเลือกที่ไม่ดี โมเดลขนาด 743B ที่มีสัญญาอนุญาต MIT ในราคา $1.40 และ $4.40 ซึ่งทีมได้ปรับแต่งอ้างอิงกับมันแล้ว ถือเป็นสิ่งที่สมเหตุสมผลอย่างยิ่งที่จะใช้งานต่อไป และโมเดลกลางรุ่นที่มีประวัติผลงานมั่นคง บางครั้งก็เป็นสิ่งที่เวิร์กโฟลว์ที่มีการกำกับดูแลต้องการพอดี ประเด็นคือมันควรเป็นทางเลือกที่เลือกอย่างตั้งใจ มากกว่าจะเป็นค่าเริ่มต้นที่สืบทอดมาจากรายการที่ทันสมัยในเดือนกรกฎาคม

กับดักในการเปรียบเทียบโมเดลข้อความกับโมเดล CT

เหตุผลที่การจับคู่นี้ดูสมเหตุสมผลเลยก็คือ ทั้งคู่เป็นโมเดล open-weight ที่เปิดตัวในปี 2026 และผู้อ่านที่กวาดสายตาดูแคตตาล็อกจะเห็นรายการสองรายการที่ดูเทียบเคียงกันได้ พวกมันเทียบกันไม่ได้ และความไม่ลงรอยกันนี้มีรูปแบบเฉพาะเจาะจง

GLM-5.2 รองรับ 1,000,000 โทเคน ปริมาตร CT หนึ่งชุดของ NV-Reason-CT ใช้ 13,824 โทเคนภาพ เมื่อคิดตามหลักคณิตศาสตร์นี้ GLM-5.2 สามารถรองรับการศึกษา CT ได้เจ็ดสิบชุดและยังมีที่เหลือ ซึ่งชวนให้สรุปว่าโมเดลข้อความที่มีบริบทยาวเพียงพอทำให้โมเดลภาพไม่จำเป็นอีกต่อไป ข้อสรุปนี้ไม่สมเหตุสมผล และเหตุผลอยู่ที่อินเทอร์เฟซ ไม่ใช่ที่งบประมาณ

13,824 โทเคนเหล่านั้นไม่ใช่บทสรุป พวกมันคือลูกบาศก์ขนาด 384 มิลลิเมตรที่ถูกสุ่มตัวอย่างใหม่เป็น 2 มม. แบบไอโซทรอปิก ตัดออกเป็นแพตช์ 8 x 8 x 8 บนกริด 24 x 24 x 24 แล้วส่งให้กับแบ็กโบนภาษาที่ไม่มีการดาวน์แซมปลิงเชิงพื้นที่และไม่มีเลเยอร์รวม — นี่คือเหตุผลที่เส้นทางที่ทำงานอยู่มี 4.35B พารามิเตอร์จากทั้งหมด 4.69B และเป็นเหตุผลที่พลังประมวลผลถูกใช้ไปกับการรักษาความละเอียดไว้แทนที่จะบีบอัดมันทิ้งไป GLM-5.2 เป็นแบบข้อความล้วน มันไม่มีเส้นทางด้านภาพเลย ดังนั้นคำถามที่ว่ามันจะจัดการกับภาพสแกนได้อย่างไรจึงไม่เกิดขึ้น คำตอบคือไม่สามารถป้อนภาพสแกนให้มันได้ในรูปแบบใด ๆ การ์ดโมเดลทั้งสองใบอธิบายความแตกต่างของงบโทเคนถึงหกร้อยเท่าซึ่งไม่เกี่ยวข้องอะไรกับการเปรียบเทียบนี้เลย เพราะหนึ่งในนั้นไม่มีทางรับอินพุตได้

ความผิดพลาดในทางกลับกันก็เกิดขึ้นได้ง่ายพอ ๆ กัน NV-Reason-CT รองรับทรวงอกและช่องท้อง รับไฟล์ NIfTI แทนพรอมป์ต์ ไม่มีความสามารถในการใช้เครื่องมือ และการ์ดโมเดลของมันจำกัดให้ใช้เพื่อการวิจัยและการศึกษาเท่านั้น พร้อมระบุว่ามันไม่ใช่อุปกรณ์ทางการแพทย์ และผลลัพธ์อาจไม่ถูกต้อง มันไม่สามารถทำให้คลังรายงานเป็นมาตรฐาน เขียนฮาร์เนสสำหรับประเมินผล หรือใช้เหตุผลกับเอกสารแนวปฏิบัติได้ โมเดลภาพขนาด 4.7B ไม่ใช่สิ่งทดแทนโมเดลข้อความขนาด 743B เช่นเดียวกับในทางกลับกันก็เช่นกัน

การวางข้อความครึ่งหนึ่งลงบนปุ่มเดียว

ถ้าคำถามคือจะใช้โมเดลข้อความตัวไหนทำงานไปป์ไลน์ คำตอบวันนี้น่าจะเป็น GLM-5.3 มากกว่า GLM-5.2 — และทั้งสองอยู่ในแค็ตตาล็อกของเราภายใต้คีย์เดียว z-ai/glm-5.2 ให้บริการในอัตราตามรายการของผู้ให้บริการ Z.ai โดยไม่คิดมาร์กอัป และมี GLM-5.3 อยู่เคียงข้างกัน ภายใน API เดียวที่ครอบคลุมโมเดลมากกว่า 200 รายการ การเก็บทั้งสองตัวให้พร้อมใช้งานสำคัญกว่าปกติในช่วงเปลี่ยนเจนเนอเรชัน: คุณสามารถวัดผลรุ่นถัดไปบนคลังข้อมูลของคุณเองก่อนตัดสินใจ ใช้รุ่นเดิมเป็นตัวสำรองระหว่างนั้น และสลับได้โดยไม่ต้องมีสัญญาที่สองหรือแก้โค้ด

อัตราแบบส่งผ่านตรง (pass-through rate) คุ้มค่าที่จะกล่าวถึงด้วยเหตุผลเดียวกับที่มันสำคัญกับโมเดลใดก็ตามที่ผู้ขายปรับราคา เมื่อไม่มีชั้นบวกกำไรคั่นกลาง การเปลี่ยนแปลงอัตราของผู้ขายจะลงมาถึงฝั่งเราในวันเดียวกัน การสลับไปใช้ระบบสำรองอัตโนมัติรองรับกรณีที่ผู้ให้บริการมีประสิทธิภาพลดลงกลางคันระหว่างประมวลผลแบตช์ ซึ่งสำหรับงานสกัดข้อมูลที่ใช้เวลานานแล้ว นี่คือความล้มเหลวที่ทำให้เสียเวลาทั้งคืนจริง ๆ และ routing DSL ช่วยให้คุณส่งคำขอแต่ละรายการไปยังโมเดลที่ควรจัดการมัน แทนที่จะชี้ทุกอย่างไปที่ปลายทางเดียว

NV-Reason-CT ไม่ได้อยู่บนแพลตฟอร์มของเรา และไม่มีโมเดล NVIDIA ใดอยู่บนนั้น นั่นเป็นสิ่งที่ควรพูดให้ชัดเจนยิ่งกว่าปล่อยให้ต้องอนุมานเอง: ฝั่ง CT ของสถาปัตยกรรมนี้คือน้ำหนักที่ดาวน์โหลดไปอยู่บนฮาร์ดแวร์ของคุณเอง ภายใต้สัญญาอนุญาตที่อนุญาตให้ทำเช่นนั้น และโมเดลการ์ดที่ห้ามใช้งานทางคลินิก เราไม่ได้โฮสต์มัน และเราจะไม่เขียนประโยคที่สื่อเป็นนัยเป็นอย่างอื่น

ลำดับในการตัดสินใจ这些事情

ลำดับที่ถูกต้องสำหรับการสร้างทางคลินิกไม่ใช่ลำดับที่การเปรียบเทียบสื่อเป็นนัย

เริ่มจากคำถามเรื่องการสร้างข้อความ และเริ่มด้วยการตรวจสอบว่าเจเนอเรชันใดเป็นปัจจุบัน — GLM-5.3 แทน GLM-5.2 ทั้งในด้านราคาและความสามารถที่วัดได้ เว้นแต่คุณมีเหตุผลที่จะคงอยู่กับเดิม จากนั้นวัดเวลาแฝงต่อการศึกษาของโมเดล CT บนฮาร์ดแวร์ของคุณเอง เพราะตัวเลขนั้นไม่ได้เผยแพร่ และมันเป็นตัวกำหนดงบประมาณส่วนที่เหลือ จากนั้นออกแบบไปป์ไลน์ให้ทั้งสองส่วนสามารถแทนที่กันได้อย่างอิสระ เนื่องจากส่วนหนึ่งอยู่ในวงจรชีวิตที่ใกล้เคียงกับพรีวิว และอีกส่วนหนึ่งอยู่ที่เวอร์ชัน 0.1

สิ่งเดียวที่ไม่ควรทำคือการมองว่าสองสิ่งนี้เป็นทางเลือก โมเดลข้อความ 743B ที่ถูกแทนที่แล้วกับโมเดล CT 4.69B ในปัจจุบันไม่มีงานใดที่เหมือนกัน การเปรียบเทียบนี้มีค่าเพียงเพื่อสิ่งที่มันเปิดเผย: ว่าอาร์ติแฟกต์ที่ใหม่กว่านั้นมีหลักฐานที่อ่อนแอกว่าอยู่เบื้องหลัง ว่าตัวที่เก่ากว่านั้นพ้นรุ่นไปแล้วอย่างเงียบ ๆ และว่าข้อเท็จจริงทั้งสองนี้มองไม่เห็นสำหรับใครก็ตามที่อ่านแถวในแค็ตตาล็อกซึ่งแสดงรายการทั้งสองไว้เคียงข้างกันราวกับว่ามันเป็นทางเลือก