Z.ai-მ გამოუშვა GLM-5.1: მოდელი, რომელსაც ენერგია არ ელევა

Z.ai-მ GLM-5.1 გამოუშვა და ამ მოდელს წინა თაობებისგან ერთი მთავარი რამ განასხვავებს: მას ენერგია არ ელევა.

AI-კოდერების შესახებ გავრცელებული ამბავი ასეთია: მოდელი იღებს დავალებას, ნაცნობ მეთოდებს იყენებს, საწყის შედეგს სწრაფად იძლევა და შემდეგ თავის ზღვარს აღწევს. მისთვის მეტი დროის მიცემა აზრს კარგავს — ის უბრალოდ ერთ ადგილას ტრიალებს. GLM-5.1-მა ეს სქემა დაარღვია. დეველოპერებმა მოდელს მიზანმიმართულად ასწავლეს ხანგრძლივ დავალებებზე მუშაობა, როცა მკაფიო საზომები არ არსებობს და მან თავად უნდა გადაწყვიტოს, რა გააკეთოს შემდეგ.

ბენჩმარკების შედეგები

შედეგები თავისთავად მეტყველებს. SWE-Bench Pro-ის ბენჩმარკზე ახალმა მოდელმა GPT-5.4-სა და Claude Opus 4.6-ს აჯობა. თუმცა კიდევ უფრო საინტერესოა, როგორ ართმევს თავს დავალებებს, რომლებსაც მკაფიო დასასრული არ აქვს.

ერთ-ერთ ტესტში მას Rust-ზე დაწერილი ვექტორული მონაცემთა ბაზის ჩონჩხი მისცეს და სთხოვეს, მისგან მაქსიმალური სიჩქარე მიეღო. ასეთი დავალებებისთვის ჩვეულებრივ 50 იტერაციაა დაწესებული. GLM-5.1-მა პროექტზე 600-ზე მეტჯერ იმუშავა და ათასობით ინსტრუმენტის გამოძახება განახორციელა. გაჩერების ნაცვლად, მოდელმა თავად გააანალიზა ჟურნალები, იპოვა შეფერხების წერტილები და არქიტექტურული სტრატეგია შეცვალა. შედეგად, მან 21,500 QPS-ს მიაღწია, მაშინ როცა წინა საუკეთესო შედეგი 3,547 იყო. სხვაობა ექვსმაგია.

მსგავსი სურათი გამოიკვეთა ML-ამოცანებისთვის GPU-ბირთვების ოპტიმიზაციის დროსაც. მოდელი კოდის აჩქარების გზებს ათასი იტერაციის შემდეგაც პოულობდა და სიჩქარის საშუალო ზრდა 3.6x-მდე აიყვანა. შედარებისთვის, სტანდარტული torch.compile დაახლოებით 1.15x-ს იძლევა.

ყველაზე მრავლისმთქმელ სცენარს კი საერთოდ არ ჰქონდა რიცხვითი საზომები. GLM-5.1-ს სთხოვეს, ბრაუზერში ნულიდან Linux-ის სამუშაო გარემო შეექმნა. შაბლონების, მინიშნებებისა და მაკეტების გარეშე. უწყვეტი მუშაობის რვა საათის განმავლობაში მოდელმა სისტემა ააწყო: დაამატა ფაილების მენეჯერი, ტერმინალი, ტექსტური რედაქტორი, სისტემის მონიტორი, კალკულატორი და თამაშებიც კი. მეტიც, მან უბრალოდ ვიჯეტები კი არ მიაწება ერთმანეთს, არამედ მათი სტილებიც დახვეწა და ერთიან ინტერფეისად გააერთიანა.

განახლების არსი ის კი არ არის, რომ მოდელი მოკლე დავალებებში ოდნავ უფრო ჭკვიანი გახდა. მან ისწავლა, მარტივი წარმატებების ამოწურვის შემდეგ არ დანებდეს და ასობით იტერაციის განმავლობაში მეთოდურად დახვეწოს გადაწყვეტა. ეს მას ნამდვილ ინსტრუმენტად აქცევს რთული პროექტებისთვის, რომლებშიც შედეგის შეფასება პირველი მონახაზით შეუძლებელია.

ხელმისაწვდომობა

მოდელი უკვე ხელმისაწვდომია HuggingFace-სა და GitHub-ზე, ხოლო მისი მუშაობის ნახვა Z.ai API-ის მეშვეობით შეგიძლიათ.