Z.ai ปล่อย GLM-5.3 — เบสโมเดลตัวเดิม แต่ post-training ล้วน ๆ ดัน Terminal-Bench 3.0 จาก 4.6 เป็น 28.3 และแซง GPT-5.6 Sol บน CyberGym โดยที่น้ำหนักยังไม่ปล่อย

14 สิงหาคม 2026 Z.ai (Zhipu AI) เปิดตัว GLM-5.3 เป็นโมเดลเรือธงตัวใหม่ และรายละเอียดที่น่าสนใจที่สุดไม่ได้อยู่ที่ตัวเลข benchmark แต่อยู่ที่ประโยคเดียวในเอกสาร: “It uses the same base model as GLM-5.2 — all improvements come from post-training.”

แปลว่านี่ไม่ใช่การเทรนใหม่ ไม่ใช่สถาปัตยกรรมใหม่ ไม่ใช่พารามิเตอร์เพิ่ม — เบสยังเป็น MoE ขนาด 753 พันล้านพารามิเตอร์ ตัวเดิมที่เราเขียนถึงตอน GLM-5.2 ออกเมื่อ 16 มิถุนายน ทั้งหมดที่เปลี่ยนคือขั้นตอนหลังการเทรน และผลลัพธ์บนเบนช์มาร์กบางตัวขยับแบบที่ไม่ค่อยเห็นจากการปรับ post-training อย่างเดียว

ตัวเลขที่ Z.ai รายงานเอง

ทั้งหมดนี้มาจากหน้าเอกสารทางการของ Z.ai เอง เป็นตัวเลขที่ผู้ผลิตรายงานเอง ยังไม่มีการตรวจสอบอิสระ:

Benchmark	GLM-5.2	GLM-5.3
Terminal-Bench 3.0	4.6	28.3
DeepSWE v1.1	46.2	66.9
Agents’ Last Exam (CLI)	23.8	28.5
ExploitBench	24.4%	54.4%
Z.ai Code Bench	—	+50%

ตัวที่ต้องหยุดมองคือ Terminal-Bench 3.0 จาก 4.6 เป็น 28.3 — เกินหกเท่า Terminal-Bench เวอร์ชัน 3 เป็นเบนช์ที่วัดว่าเอเจนต์ทำงานจบใน terminal จริงได้ไหม ไม่ใช่เขียนโค้ดให้ผ่าน unit test คะแนน 4.6 คือ “แทบทำอะไรไม่ได้” ส่วน 28.3 คือ “เริ่มใช้งานได้จริงในบางงาน” ระยะห่างนี้ไม่ใช่การขัดเงา แต่คือความสามารถที่เพิ่งโผล่ขึ้นมา

นอกจากนี้ Z.ai ยังอ้าง GDPval-AA v2 ที่ 1769 คะแนน บนงาน 44 สายอาชีพ ซึ่งเป็นการเคลมว่าความสามารถลามออกจากงานเขียนโค้ดไปยังงานวิชาชีพทั่วไป และอ้างว่า เป็นโมเดลโอเพนซอร์สอันดับ 1 พร้อมระบุว่างานโปรแกรมมิ่งกับเอเจนต์ “อยู่ระดับเดียวกับ Claude Fable 5”

post-training คือของจริงที่แพงขึ้นเรื่อย ๆ

เอกสารอธิบายว่าการเทรน GLM-5.3 ไม่ได้จำกัดอยู่แค่โจทย์โปรแกรมมิ่งแยกชิ้น แต่ขยายไปครอบคลุมกระบวนการเต็ม — ตั้งแต่ระบุปัญหา วิเคราะห์ทางแก้ ลงมือทำ ตรวจสอบ จนถึงส่งมอบ งานเทรนบางชิ้นเทียบเท่าปริมาณงานของวิศวกรอาวุโสหลายวัน และโมเดลต้องใช้คลัสเตอร์คำนวณจริง ระบบสตอเรจจริง เอกสารภายในและโค้ดเบสจริงเพื่อทำงานให้จบ

นี่คือรายละเอียดที่นักพัฒนาควรอ่านสองรอบ เพราะมันบอกว่าเส้นทางเพิ่มความสามารถของโมเดลปี 2026 ไม่ได้อยู่ที่ pretraining compute อย่างเดียวอีกแล้ว แต่ย้ายมาอยู่ที่ การสร้างสภาพแวดล้อมงานระยะยาวที่สมจริงพอให้ RL เรียนรู้ได้ ซึ่งเป็นของที่ซื้อไม่ได้ด้วย GPU อย่างเดียว ต้องมีทั้งโครงสร้างพื้นฐาน ทั้งงานจริง และทั้งเวลา

เอกสารยังระบุว่าภายใต้งบโทเคนที่ใกล้เคียงกัน GLM-5.3 ทำได้ดีขึ้นในสมดุลระหว่างคุณภาพ ความเร็ว และต้นทุน — เป็นคำเคลมเชิงคุณภาพ ไม่มีตัวเลขกำกับในหน้าเอกสาร

ความสามารถด้านไซเบอร์ที่ “เกินคาด” — และคำที่ตามมา

หัวข้อที่ Z.ai เขียนเองว่าโมเดล “แสดงความสามารถเกินความคาดหมาย” คือด้านความมั่นคงไซเบอร์ ทั้งการรีวิวโค้ดแบบ white-box การค้นหาช่องโหว่ และการยืนยันช่องโหว่

• CyberGym: 84.5% — Z.ai ระบุว่าแซง Mythos 5 ที่ 83.8% และ GPT-5.6 Sol ที่ 83.6% เล็กน้อย
• ExploitBench: 24.4% → 54.4% — มากกว่าสองเท่า

เอกสารซื่อสัตย์พอที่จะบอกข้อจำกัดด้วย: ความได้เปรียบตอนนี้อยู่ที่ ช่วงต้นของห่วงโซ่การเจาะช่องโหว่ ส่วนการเจาะเชิงลึกและงานรุก-รับแบบครบวงจรยังมีช่องให้พัฒนา

และตรงนี้เองที่เรื่องน่าสนใจขึ้น เพราะ Z.ai บอกว่าความสามารถนี้ โผล่ขึ้นมาเองจากการขยายสภาพแวดล้อมงานระยะยาว ไม่ใช่เป้าหมายที่ตั้งใจเทรน

ของที่ยังไม่มี: น้ำหนัก และราคา

นี่คือส่วนที่ต้องพูดให้ตรง เพราะพาดหัวหลายสำนักวันนี้เขียนว่า “โมเดลโอเพนซอร์สอันดับ 1” จนอาจเข้าใจผิดว่าโหลดได้แล้ว

ณ เวลาที่เขียนโพสต์นี้ เราตรวจสอบเองแล้วพบว่า:

1. ไม่มี repo zai-org/GLM-5.3 บน Hugging Face — โมเดลล่าสุดในบัญชี zai-org ยังเป็น GLM-5 (อัปเดต 11 ส.ค.) และ GLM-5.2 (2 ก.ค.) ที่เป็น MIT
2. หน้า pricing ของ Z.ai ยังไม่มี GLM-5.3 — ในตารางมีถึง GLM-5.2 ที่ $1.4 ต่อล้านโทเคนขาเข้า / $4.4 ขาออก
3. เอกสารเขียนตรง ๆ ว่า “The GLM-5.3 API is coming soon” ทางเข้าเดียวตอนนี้คือ GLM Coding Plan

สื่อหลายเจ้า (MarkTechPost, BigGo) รายงานว่า Z.ai ระบุจะปล่อยน้ำหนัก ในราว 2 สัปดาห์ หลังทำ safety evaluation และ hardening เสร็จ — เราไม่พบข้อความนี้ในหน้าเอกสารทางการ จึงบันทึกไว้ในฐานะ “รายงานจากสื่อ” ไม่ใช่คำสัญญาที่ยืนยันได้จากต้นทาง

สเปกที่ยืนยันได้จากเอกสาร: context 1M โทเคน, output สูงสุด 128K, ข้อความล้วน (ไม่ multimodal) รองรับ thinking mode, function call, context caching, structured output และ MCP

มุมมอง AI Curator

เรื่องแรก — คำว่า “open-source SOTA” กับปุ่มดาวน์โหลด ไม่ใช่สิ่งเดียวกัน และปีนี้มันห่างกันบ่อยมาก เมื่อสองวันก่อนเราเพิ่งเขียนถึง Qwen3.8 ที่น้ำหนักลงจริงเมื่อ 12 ส.ค. หลังประกาศ “สัปดาห์หน้า” ไว้ตั้งแต่ 3 ส.ค. ตอนนี้ GLM-5.3 เดินซ้ำรูปแบบเดิม: ประกาศชัยชนะบนตารางเบนช์วันนี้ ส่งมอบไฟล์ทีหลัง คำแนะนำสำหรับทีมที่วางแผนสถาปัตยกรรมคือ อย่าใส่โมเดลที่ยังไม่มี repo ลงในแผนไตรมาสหน้า ให้ถือว่ามันยังไม่มีอยู่จนกว่าจะเห็นไฟล์ และเมื่อไฟล์ขึ้นแล้วก็ยังต้องอ่าน LICENSE เองอีกรอบ เพราะ GLM-5.2 เป็น MIT ไม่ได้แปลว่า GLM-5.3 จะเป็น MIT

เรื่องที่สอง และเป็นเรื่องที่สำคัญกว่า — เหตุผลของการหน่วงน้ำหนักครั้งนี้อ่านได้ตรง ๆ จากข้อมูลที่เรามีอยู่แล้ว เมื่อ 5 สิงหาคม เราเขียนถึงรายงานของ SaferAI ที่ประเมิน GLM-5.2 แล้วพบว่ามัน ไม่ปฏิเสธงานโจมตีไซเบอร์เลยสักข้อ ตอนนี้ Z.ai กำลังบอกเราว่ารุ่นถัดไปของโมเดลตัวเดียวกันนั้นทำ ExploitBench ได้ดีขึ้นกว่าสองเท่า และแซงโมเดลปิดชั้นนำบน CyberGym

เอาสองข้อนี้มาวางคู่กัน: โมเดลที่เก่งขึ้นมากในการหาและใช้ช่องโหว่ + ประวัติการยอมทำงานโจมตีโดยไม่ปฏิเสธ + ไลเซนส์ MIT ที่ไม่มีข้อจำกัดภูมิภาค = สิ่งที่ปล่อยออกไปแล้วเรียกคืนไม่ได้ การที่ Z.ai ขอเวลา hardening ก่อนปล่อยไฟล์จึงไม่ใช่การถ่วงเวลาเชิงการตลาด แต่เป็นการตัดสินใจที่มีเหตุผลตรงไปตรงมา — และเป็นครั้งแรก ๆ ที่เราเห็นค่ายโอเพนเวตจีนเลือกหน่วงด้วยเหตุผลด้านความปลอดภัยอย่างเปิดเผย

สิ่งที่ควรจับตาไม่ใช่ว่าน้ำหนักจะมาวันไหน แต่คือ มันจะมาในสภาพไหน — ถ้ารุ่นที่ปล่อยถูกปรับพฤติกรรมจนปฏิเสธงานไซเบอร์ ก็แปลว่าคะแนน CyberGym 84.5% ที่โฆษณาวันนี้เป็นคะแนนของโมเดลที่ไม่มีใครได้ใช้ ซึ่งเป็นปัญหาการวัดผลที่วงการยังไม่มีคำตอบ

เรื่องที่สาม สำหรับทีมไทยและ SEA โดยเฉพาะ ทีมที่ self-host GLM-5.2 อยู่เพราะเหตุผลด้าน data residency หรือ PDPA ควรเข้าใจว่า GLM-5.3 ไม่ใช่แพตช์ — เบสเดียวกันก็จริง แต่ post-training คนละชุด ดังนั้นต้องรอไฟล์ชุดใหม่ทั้งก้อน 753B อยู่ดี ระหว่างนี้ทางเข้าเดียวคือ GLM Coding Plan ซึ่งเป็นบริการคลาวด์ที่ข้อมูลออกนอกประเทศ — ถ้าคุณเลือก self-host ตั้งแต่แรกเพราะข้อกำหนดด้านข้อมูล การ “ลองใช้ 5.3 ไปพลาง ๆ” อาจขัดกับเหตุผลที่ทำให้คุณ self-host ตั้งแต่ต้น วางแผนโดยถือว่ายังมีแค่ GLM-5.2 ไปก่อนคือท่าที่ปลอดภัยที่สุดในเดือนนี้

แหล่งข่าว

• GLM-5.3 — Z.AI Developer Documentation
• Z.AI Pricing (ยังไม่มี GLM-5.3 ในตาราง)
• zai-org บน Hugging Face (ยังไม่มี GLM-5.3)
• Z.ai Ships GLM-5.3 Without Retraining the Base Model — MarkTechPost