Z.ai ปล่อย GLM-5.1 โอเพนเวต MIT 754B — ทำ SWE-Bench Pro สูงสุดในกลุ่มโอเพน รันเอเจนต์ต่อเนื่องหลายร้อยรอบ
ก่อนจะมาถึง GLM-5.2 ค่าย Z.ai (Zhipu AI) ได้ปล่อย GLM-5.1 ออกมาก่อนหน้าภายใต้สัญญาอนุญาต MIT โดยเป็นโมเดล Mixture-of-Experts ขนาด 754 พันล้านพารามิเตอร์ ที่วางจุดยืนชัดเจนว่าเป็นโมเดลสำหรับงาน agentic ที่ต้องทำงานยาวต่อเนื่อง ไม่ใช่แค่ตอบคำถามทีละครั้ง ตามโมเดลการ์ดทางการ GLM-5.1 ถูกออกแบบให้ “คงประสิทธิภาพบนงาน agentic ตลอดช่วงเวลายาวนานกว่าเดิมมาก” และ “ทำงานต่อเนื่องได้หลายร้อยรอบและการเรียกเครื่องมือนับพันครั้ง”
สถาปัตยกรรม: Gated DeltaNet ผสม sparse MoE
GLM-5.1 ใช้สถาปัตยกรรมที่ระบุในโมเดลการ์ดว่า glm_moe_dsa ซึ่งผสม Gated DeltaNet (linear attention) เข้ากับ attention มาตรฐานและ sparse MoE แนวคิดคล้ายกับเทรนด์ไฮบริดที่หลายค่ายกำลังเดิน — ใช้ linear attention เพื่อความมีประสิทธิภาพในลำดับยาว และเก็บ attention แบบเต็มไว้ในจุดที่ต้องการความแม่นยำ รองรับบริบทยาว (รายงานภายนอกระบุราว 2 แสนโทเคน) เหมาะกับงานที่ต้องจำบริบทข้ามหลายขั้นตอน
เบนช์มาร์ก: ผู้นำกลุ่มโอเพนด้านโค้ดดิ้ง
ตัวเลขที่ Z.ai เผยแพร่ (first-party) ระบุว่า GLM-5.1 ทำ SWE-Bench Pro 58.4 ซึ่งเคลมว่าเป็นอันดับหนึ่งในกลุ่มโมเดลโอเพนช่วงเปิดตัว ตามด้วย Terminal-Bench 2.0 ที่ 63.5, AIME 2026 ที่ 95.3 และ NL2Repo 42.7 จุดเด่นเชิงเล่าเรื่องคือความสามารถรันเอเจนต์แบบ autonomous ได้ยาวนาน (มีรายงานถึงระดับหลายชั่วโมงต่อเนื่อง) ซึ่งเป็นโจทย์ที่ยากกว่าการทำคะแนนเบนช์มาร์กแบบครั้งเดียว
ตามมาตรฐานเดิม: คะแนนเหล่านี้ยังเป็นของผู้ผลิต ควรรอผลทดสอบอิสระยืนยันก่อนตัดสินใจ
มุมมอง AI Curator
GLM-5.1 (และต่อมา GLM-5.2) สะท้อนกลยุทธ์ของ Z.ai ที่ใช้ “MIT + เก่งงาน agentic ระยะยาว” เป็นจุดต่าง สำหรับทีมไทยที่กำลังสร้างเอเจนต์ทำงานจริง — เช่น เอเจนต์ที่ต้องไล่แก้บั๊กข้ามไฟล์ หรือทำงานเอกสารหลายขั้น — ความสามารถ “ทำงานยาวโดยไม่หลุด” สำคัญกว่าคะแนนตอบคำถามสั้น ๆ และการเป็น MIT ทำให้เอาไป self-host และ fine-tune เชิงพาณิชย์ได้อิสระ ตอบโจทย์ data residency
คำแนะนำเชิงปฏิบัติ: ถ้าคุณกำลังเลือกโมเดลโอเพนสำหรับงานเอเจนต์ อย่าดูแค่คะแนน SWE-Bench แต่ให้ทดสอบ “ความทนทานของงานยาว” ด้วยงานจริงของตัวเอง เพราะนั่นคือจุดที่โมเดลส่วนใหญ่ยังพังง่าย และเป็นจุดที่ GLM-5.1 อ้างว่าทำได้ดี — พิสูจน์ด้วยงานของคุณเองก่อนเชื่อ และเทียบกับ GLM-5.2 ที่ออกตามมาว่ารุ่นไหนคุ้มกว่าสำหรับงานของคุณ
แหล่งข่าว:
อ่านเพิ่มในหมวด โมเดลใหม่
Google เปิดตัว Gemini 4 Carbon ขึ้นอันดับ 1 Artificial Analysis v5 ด้วยคะแนน 59 แต่ยังให้ใช้แค่นักป้องกันไซเบอร์กลุ่มเล็ก
Gemini 4 Carbon เปิดตัว 28 ต.ค. แซง Claude Opus 5.5 บน Intelligence Index v5 แค่ 1 คะแนน และตามหลังเพียง 3 คะแนนในดัชนี coding agent ราคาเปิดตัว $2/$10 แต่นักพัฒนาทั่วไปยังเรียกใช้ไม่ได้ ระหว่างที่ Google ค่อย ๆ เปิดผ่านโปรแกรม Fairwind
Microsoft ปล่อย Mage-VL-Cowork โมเดล 4B คุมเดสก์ท็อปและเทอร์มินัลในตัวเดียว ได้ 66% บน OSWorld-Verified สัญญาอนุญาต Apache-2.0
Mage-VL-Cowork ขนาด 4B ของ Microsoft เลือกเองว่าจะคลิกหน้าจอหรือสั่ง bash ทำคะแนน OSWorld-Verified 66.0% ใกล้ค่าอ้างอิงมนุษย์ 72.4% ในตารางเดียวกัน แต่คำว่าดีที่สุดในขนาด 4B มีคู่เทียบบนตารางนี้แค่รุ่นเดียว
Mistral ปล่อยน้ำหนัก Large 4 จริงแล้ว — 1T ราคาลดเกือบครึ่ง แต่บน AA ได้ 26 และสัญญาอนุญาตห้ามขายเป็น API ถ้าไม่มีใบอนุญาตแยก
Mistral ปล่อยน้ำหนัก Large 4 (Le Chonk) เมื่อ 29 ต.ค. เป็นรุ่นที่ฝึก RL ต่ออีกสามสัปดาห์หลัง preview ขนาด 1T ใช้พื้นที่ราว 1.06TB ราคา API ลดเหลือ $0.70/$2.10 Mistral นำ open-weight ด้าน coding แต่คะแนนรวม AA 26 ตามหลังโมเดลจีน และสัญญาอนุญาตกันธุรกิจ Model-as-a-Service