GLM-5.3 ตัวเต็มปล่อยน้ำหนักแล้ว — MoE 753B บน Hugging Face 755GB ในรูปแบบ FP8 แต่ใบอนุญาตไม่ใช่ MIT เหมือน Flash

28 สิงหาคม 2026 เวลา 15:22 UTC รีโป zai-org/GLM-5.3 บน Hugging Face เปิดเป็นสาธารณะ ปิดฉากการรอสองสัปดาห์ — โมเดลที่ Z.ai เปิดตัวแบบ API-only เมื่อ 14 ส.ค. พร้อมตัวเลข Terminal-Bench 3.0 ที่กระโดดจาก 4.6 เป็น 28.3 ตอนนี้มีน้ำหนักให้โหลดจริงแล้ว

ต้องแยกให้ชัดจากข่าวเมื่อวันที่ 27 ส.ค. ที่เราเขียนถึง GLM-5.3-Flash — คนละตัวกัน Flash คือ MoE 320B ที่กระตุ้น 18B ปล่อยใต้ MIT แท้ ๆ ส่วนของใหม่วันนี้คือ GLM-5.3 ตัวเรือธง 753 พันล้านพารามิเตอร์ และจุดที่นักพัฒนาต้องอ่านก่อนกด git clone คือ ใบอนุญาตของสองตัวนี้ไม่เหมือนกัน

ใบอนุญาต: ไม่ใช่ MIT และมีเงื่อนไข Model-as-a-Service

ในหน้าโมเดล ช่อง license เขียนว่า other พร้อม license_name: glm-5.3 ผมเปิดไฟล์ LICENSE ในรีโปอ่านเต็ม ๆ แล้ว ตัวบทเกือบทั้งหมดลอกโครง MIT มา — ให้สิทธิ์ใช้ คัดลอก แก้ไข รวม เผยแพร่ ให้สิทธิ์ช่วง ขาย รัน ดีพลอย ไฟน์จูน และสร้างงานต่อยอดได้โดยไม่จำกัด แต่มี ข้อ 2 ที่ MIT ไม่มี:

ถ้าผู้รับอนุญาตหรือบริษัทในเครือ ดำเนินธุรกิจ “Model as a Service” และมี รายได้รวมเกิน 10,000 ล้านดอลลาร์สหรัฐ ในรอบ 12 เดือนต่อเนื่องใด ๆ ผู้รับอนุญาตต้อง ผ่านการตรวจสอบความปลอดภัย (security review) ของ Z.AI ก่อน จึงจะใช้ซอฟต์แวร์หรืองานต่อยอดเพื่อการค้าได้ โดยขอบเขตและวิธีการตรวจสอบ Z.AI เป็นผู้กำหนดเอง

ตัวบทยังนิยาม “Model as a Service” ไว้ค่อนข้างแคบ — หมายถึงการเปิดให้บุคคลที่สามเข้าถึง inference หรือ fine-tuning ในลักษณะที่บุคคลนั้น ควบคุมอินพุต พารามิเตอร์ หรือข้อมูลเทรนได้อย่างมีนัยสำคัญ และ ไม่รวม (ก) ผลิตภัณฑ์ปลายทางที่ฝังความสามารถโมเดลไว้ในฟีเจอร์เฉพาะ และ (ข) การส่งต่อคำขอไปยังโมเดลที่คนอื่นโฮสต์

พูดตรง ๆ สำหรับนักพัฒนาและบริษัทไทยแทบทั้งหมด เงื่อนไขนี้ ไม่มีผลอะไรเลย — เพดาน 10,000 ล้านดอลลาร์ต่อปีคือระดับ AWS/Azure/Google Cloud ไม่ใช่ระดับสตาร์ตอัปหรือองค์กรในประเทศ แต่ประเด็นคือมันทำให้ GLM-5.3 ไม่ใช่ open source ตามนิยาม OSI ในขณะที่ GLM-5.3-Flash เป็น MIT จริง ๆ ใครที่กำลังทำ due diligence ด้านไลเซนส์ให้ลูกค้าองค์กร ต้องแยกสองรีโปนี้ออกจากกันในเอกสาร

สถาปัตยกรรมและขนาดจริงที่ต้องเตรียมเครื่อง

ตัวเลขจากไฟล์ config.json และจาก API ของ Hugging Face โดยตรง:

รายการ	ค่า
สถาปัตยกรรม	GlmMoeDsaForCausalLM (MoE + sparse attention indexer)
พารามิเตอร์	753B (MoE)
เลเยอร์	78 + อีก 1 เลเยอร์ MTP (multi-token prediction)
ผู้เชี่ยวชาญ	routed 256 ตัว + shared 1 ตัว, กระตุ้น 8 ตัวต่อโทเคน
hidden size	6,144 / head_dim 192 / attention heads 64
บริบทสูงสุด	max_position_embeddings = 1,048,576 (1M)
vocab	154,880
น้ำหนัก	FP8 (e4m3, block 128×128) — 141 ชาร์ด 755.7 GB
รุ่น BF16	รีโปแยก GLM-5.3-BF16 — 1,506.7 GB

รายละเอียดที่น่าสนใจคือ รีโปหลักคือ FP8 ไม่ใช่ BF16 — Z.ai เลือกให้เวอร์ชันเริ่มต้นที่คนโหลดคือตัวที่ประหยัดครึ่งหนึ่งอยู่แล้ว ส่วน BF16 แยกไปอีกรีโปสำหรับคนที่จะเอาไปไฟน์จูนหรือแปลงต่อ

และต้องพูดให้ตรง: นี่ไม่ใช่โมเดลที่รันบนการ์ดใบเดียว 755 GB คือระดับ H100 80GB สิบใบขึ้นไปเพื่อแค่โหลดน้ำหนัก ยังไม่นับ KV cache สำหรับบริบทยาว ผู้ที่อยากลองจริงในไทยตอนนี้มีทางเลือกสองทาง — เช่าคลัสเตอร์หลายโหนด หรือรอ quantization ของชุมชน (KTransformers และ Unsloth ถูกระบุในรีโปว่ารองรับ ซึ่งเป็นสองเส้นทางหลักของการรันโมเดลใหญ่บนเครื่องที่ VRAM ไม่พอโดยใช้ RAM/ดิสก์ช่วย)

ฝั่ง serving รีโประบุกรอบที่รองรับไว้ครบ: SGLang, vLLM, TokenSpeed, Transformers, KTransformers, Unsloth และมีคู่มือ deploy บน Ascend NPU ของหัวเว่ยแยกไว้ (vLLM-Ascend, xLLM, SGLang) — รายละเอียดสุดท้ายนี้ไม่ใช่เชิงอรรถ มันคือการบอกว่าโมเดลจีนระดับเรือธงตอนนี้ออกแบบมาให้รันได้โดยไม่ต้องพึ่ง CUDA ตั้งแต่วันแรก

เบนช์มาร์ก — และวิธีวัดที่ต้องอ่านเชิงอรรถ

ตารางในโมเดลการ์ดเป็นตัวเลขที่ Z.ai รายงานเอง (ยกเว้น GDPval-AA v2 ที่ระบุว่า Artificial Analysis เป็นผู้วัด และ FrontierSWE ที่ Proximal วัดให้):

Benchmark	GLM-5.3	GLM-5.2	Kimi K3	Opus 4.8	Fable 5	GPT-5.6 Sol
Terminal Bench 2.1	88.2	81.0	88.3	85.0	88.0	88.8
Terminal Bench 3.0	28.3	4.6	17.4	21.1	33.7	34.6
DeepSWE (v1.1)	66.9	46.2	67.5	58.0	69.7	72.7
CyberGym	84.5	77.2	80.0	78.1	83.8	83.6
ExploitBench	54.4	24.4	32.2	40.0	78.0	76.5
AutomationBench v1.0.6	48.2	26.2	46.7	41.0	46.2	45.8
Toolathlon Verified	73.0	59.9	76.5	76.2	74.7	74.9
GDPval-AA v2	1769	1508	1682	1588	1743	1730

อ่านตารางนี้แล้วภาพจะไม่ใช่ “โอเพนซอร์สแซงทุกคน” แต่เป็น “โอเพนซอร์สเข้ามายืนในกลุ่มเดียวกับโมเดลปิดได้แล้วในหลายช่อง และยังตามอยู่ในบางช่องที่สำคัญ” — GLM-5.3 นำใน CyberGym, AutomationBench และ GDPval-AA แต่ยังตาม GPT-5.6 Sol กับ Fable 5 อย่างชัดเจนบน Terminal-Bench 3.0 (28.3 เทียบ 34.6 และ 33.7) และตามห่างมากบน ExploitBench (54.4 เทียบ 78.0)

สิ่งที่น่าสังเกตที่สุดอยู่ในเชิงอรรถ: Z.ai วัดผลเกือบทุกเบนช์ด้วย harness ของ Claude Code เวอร์ชัน 2.1.207 ทั้ง Terminal-Bench 2.1/3.0, CyberGym, ExploitGym, ExploitBench, PostTrainBench และ SWE-Marathon โดยตั้ง reasoning effort = max และปิด Tool Search — นั่นแปลว่าเวลาเราอ่านคะแนน agentic ของโมเดลจีนวันนี้ เรากำลังอ่านคะแนนของ โมเดล + harness ของคู่แข่งอเมริกัน รวมกัน ไม่ใช่ตัวโมเดลเปล่า ๆ ซึ่งเป็นเรื่องดีในแง่เทียบกันตรง ๆ ได้ แต่ก็แปลว่าถ้าคุณเสียบ GLM-5.3 เข้า harness ของคุณเอง อย่าคาดหวังตัวเลขเดียวกัน

อีกเชิงอรรถที่ต้องระวังคือ ExploitGym — ผลลัพธ์ที่ระบุงบเวลา 2 ชม./6 ชม. นั้น Z.ai คำนวณโดย ปรับสเกลเวลา inference ตามอัตรา token/s ของแต่ละโมเดล (GLM-5.3 ที่ 115 TPS, Kimi K3 ที่ 40 TPS, Qwen3.8 Max ที่ 47 TPS อ้างอิงจาก Artificial Analysis) ไม่ใช่การจับเวลาจริงเทียบกันบนเครื่องเดียวกัน ตัวเลข 105/130 จึงเป็นการประมาณภายใต้สมมติฐานความเร็ว ไม่ใช่การวัดตรง

พารามิเตอร์ที่ต้องตั้งให้ถูกตั้งแต่วันแรก

โมเดลการ์ดเตือนไว้สองข้อที่จะทำให้ผลลัพธ์ผิดคาดถ้าไม่อ่าน:

• reasoning_effort รับสามค่า low, high, max — และ ดีฟอลต์เป็น max ถ้าไม่ส่งค่ามา (หรือส่งค่าที่ไม่รู้จัก) แปลว่าถ้าคุณเสียบ GLM-5.3 เข้า pipeline โดยไม่ตั้งอะไร คุณจะได้โหมดคิดหนักที่สุดและเผาโทเคนมากที่สุดโดยอัตโนมัติ ต้องส่ง low หรือ high เข้าไปเองถ้าต้องการประหยัด
• clear_thinking ใน chat template ดีฟอลต์เป็น false และเอกสารบอกให้ส่ง clear_thinking=true อย่างชัดเจนสำหรับงานสนทนา

สองบรรทัดนี้คือความแตกต่างระหว่างบิลที่ควบคุมได้กับบิลที่บานปลาย และเป็นตัวอย่างที่ดีของเหตุผลว่าทำไมต้องอ่านโมเดลการ์ดให้จบก่อนขึ้น production

มุมมอง AI Curator

เรื่องนี้ปิดวงจรที่เราตามมาตั้งแต่ 14 ส.ค. และสิ่งที่ได้เรียนรู้ไม่ใช่เรื่องคะแนน แต่เป็นเรื่อง จังหวะการปล่อย — Z.ai เลือกเปิดตัวด้วย API ก่อน (14 ส.ค.) ตามด้วยรุ่นเล็กที่ MIT แท้ (26–27 ส.ค.) แล้วค่อยปล่อยตัวเต็มใต้ไลเซนส์ที่คุมได้มากกว่า (28 ส.ค.) นี่เป็นรูปแบบที่เราจะเห็นบ่อยขึ้น: “open weights” ไม่ได้แปลว่า “open source” อีกต่อไป และไม่ได้แปลว่าทุกรุ่นในตระกูลเดียวกันมีเงื่อนไขเดียวกัน

สำหรับตลาดไทย ผมคิดว่าประเด็นที่ต้องพูดกันตรง ๆ คือ น้ำหนักที่โหลดได้ไม่เท่ากับน้ำหนักที่ใช้ได้ โมเดล 755 GB บนกระดาษเป็น “ของฟรี” แต่ต้นทุนจริงของการรันมันเองในประเทศ — GPU หลายสิบใบ ไฟฟ้า พื้นที่ดาต้าเซ็นเตอร์ คนดูแล — สูงกว่าการเรียก API เกือบทุกกรณี ยกเว้นสองสถานการณ์ที่ชัดเจน: (1) ข้อมูลห้ามออกนอกองค์กรจริง ๆ เช่น งานภาครัฐ ธนาคาร โรงพยาบาล และ (2) ปริมาณการใช้สูงมากจนคุ้มค่าลงทุน ถ้าไม่ได้อยู่ในสองข้อนี้ คุณค่าของการปล่อยน้ำหนักครั้งนี้สำหรับคุณคือ แรงกดดันด้านราคาที่มันสร้างให้กับ API ทุกเจ้า มากกว่าการได้เอาไปรันเอง

และถ้าอยากลองของตระกูลนี้บนเครื่องจริง ๆ วันนี้ GLM-5.3-Flash คือคำตอบที่สมเหตุสมผลกว่า — 320B ที่กระตุ้น 18B, multimodal ในตัว, และ MIT แท้ที่ไม่มีเงื่อนไข MaaS ให้ต้องอ่านสองรอบ ส่วน GLM-5.3 ตัวเต็มคือของสำหรับผู้ให้บริการคลาวด์และทีมวิจัยที่มีเครื่อง ไม่ใช่ของสำหรับ workstation ใต้โต๊ะ

จุดที่ผมจะจับตาต่อคือ ควอนไทซ์ของชุมชน ถ้ามี GGUF/AWQ ระดับ 4-bit ที่คุณภาพไม่ตกออกมาในสัปดาห์หน้า ๆ ตัวเลข 755 GB จะกลายเป็นราว 380–400 GB ซึ่งยังใหญ่ แต่เริ่มเข้าใกล้ระดับที่เซิร์ฟเวอร์เดี่ยวที่มี RAM เยอะ ๆ บวก KTransformers พอจะไหว — และนั่นคือจุดที่ “open weights” จะเริ่มมีความหมายกับคนนอกบริษัทคลาวด์จริง ๆ

แหล่งข่าว

• zai-org/GLM-5.3 — Hugging Face model card
• ไฟล์ LICENSE ฉบับเต็มในรีโป
• config.json — สถาปัตยกรรมและขนาดบริบท
• zai-org/GLM-5.3-BF16 — รุ่นน้ำหนัก BF16