خدمات وب آمازون GLM 5.3 را از Z.ai، توسعه‌دهنده مدل که با نام Zhipu AI نیز شناخته می‌شود، به Amazon Bedrock اضافه کرده است و به مشتریان سازمانی امکان دسترسی کامل به API را به یکی از بزرگترین مدل‌های با وزن باز عرضه شده در سال جاری می‌دهد. راه اندازی که در بلاگ یادگیری ماشینی AWS در 5 اکتبر اعلام شد، مدل ترکیبی از متخصصان با پارامتر 753B را از طریق زیرساخت مدیریت شده Bedrock در دسترس قرار می دهد نه اینکه شرکت ها را ملزم به میزبانی وزن خود کنند.

به گفته AWS، GLM 5.3 - همانطور که در Hugging Face Hub منتشر شده است - برای کدنویسی و وظایف عامل افق بلند بهینه شده است و Z.ai قابلیت های قابل توجه امنیت سایبری را گزارش می دهد. این نقاط قوت مستقیماً به آنچه که خریداران سازمانی امسال از APIهای مرزی بیرون کشیده‌اند نشان می‌دهند: استدلال چند مرحله‌ای، گردش کار با ابزار افزوده شده، و زمینه پایدار در پایه‌های کد بزرگ. For more context on this story, see our ongoing more AI stories.

آنچه که مشتریان Bedrock واقعاً دریافت می کنند

این ادغام از راهنمای استاندارد Bedrock با دسترسی مدیریت شده پیروی می کند، با چند ویژگی اضافی در سطح سازمانی:

  • دسترسی API انعطاف‌پذیر. GLM 5.3 را می‌توان از طریق پاسخ‌ها و APIهای تکمیل گپ سازگار با OpenAI - که AWS برای برنامه‌های جدید توصیه می‌کند - و همچنین از طریق APIهای اصلی Bedrock Invoke و Converse فراخوانی کرد. تیم‌هایی که خطوط لوله مبتنی بر OpenAI موجود را مهاجرت می‌کنند، می‌توانند مدل را با حداقل تغییرات کد هدف‌گذاری مجدد کنند.
  • استنتاج بین منطقه ای. این مدل در پشت دو نمایه استنتاج، us.zai.glm-5.3 برای ترافیک بین منطقه ای ایالات متحده و global.zai.glm-5.3 برای مسیریابی جهانی ارسال می شود. درخواست‌ها به منطقه منبع انتخابی مشتری می‌روند و Bedrock مسیریابی امن را انجام می‌دهد.
  • ذخیره سازی سریع. ذخیره خودکار ضمنی به طور پیش فرض روشن است، با کنترل های کش صریح موجود در API های سازگار با OpenAI. AWS می‌گوید برای بارهای کاری عاملی که درخواست‌های سیستم بزرگ یا زمینه مخزن را در هر نوبت دوباره ارسال می‌کنند، کش کردن هم زمان تأخیر و هم هزینه ورودی را کاهش می‌دهد.
  • سطح خدمات. مشتریان می توانند Flex را برای بارهای کاری بهینه سازی شده و حساس به زمان کمتر، اولویت برای ترافیک بحرانی تأخیر با حق بیمه، یا استاندارد را برای تعادل پیش فرض انتخاب کنند.

یک نکته قابل توجه است: AWS بیان می‌کند که دسترسی به GLM 5.3 در Bedrock برای مشتریان سازمانی واجد شرایط در دسترس است، که به‌جای باز کردن سلف‌سرویس برای همه حساب‌ها، یک پروسه ورود با دروازه را پیشنهاد می‌کند.

اولین اشتراک درآمد برای یک آزمایشگاه چینی

فراتر از یکپارچگی فنی، پوشش مطبوعاتی راه‌اندازی، ترتیبات تقسیم درآمد مبتنی بر استفاده را بین AWS و Z.ai توصیف می‌کند که بر اساس آن ارائه‌دهنده مدل کاهش مصرف Bedrock را به دست می‌آورد - الگوی تجاری استاندارد Bedrock که با شرکای غربی استفاده می‌کند و اکنون در مدل پرچم‌دار آزمایشگاه مرزی چین اعمال می‌شود. گزارش های مطبوعاتی مالی در مورد بازارهای هنگ کنگ می گویند که سهام مرتبط با Zhipu در معاملات اولیه این اخبار بیش از 7 درصد افزایش یافت.

معامله برای آنچه در مورد استراتژی پلتفرم سیگنال می دهد اهمیت دارد. فرامقیاس‌کنندگان دو سال گذشته را صرف اتحادهایی با احساس انحصاری با آزمایشگاه‌های غربی کرده‌اند. باز کردن Bedrock به خانواده‌ای با وزن باز چینی، دسترسی این پلت‌فرم را به شرکت‌های حساس به هزینه و بازارهایی که مدل‌های آمریکایی با فشار قیمت‌گذاری مواجه هستند، گسترش می‌دهد. همچنین به توزیع Z.ai می‌دهد که هیچ نسخه‌ای با وزن باز نمی‌تواند مطابقت داشته باشد: هزاران شرکتی که هرگز یک ایست بازرسی با پارامتر 753B را دانلود نمی‌کنند، اکنون می‌توانند آن را پشت یک SLA صدا کنند.

از وزن باز تا API مدیریت شده

مسیر GLM 5.3 به Bedrock از جامعه وزن باز عبور کرد. این مدل در Hugging Face Hub منتشر شد، جایی که وزن‌ها، معیارها و شرایط مجوز آن توجه توسعه‌دهندگان را قبل از ارائه میزبانی مدیریت شده به خود جلب کرد - کتاب بازی Z.ai در سری‌های GLM از جمله نسخه GLM-5.3-Flash دارای مجوز MIT که بر روی تراشه‌های ساخت چین اجرا می‌شد، استفاده کرده است.

برای شرکت‌ها، محاسبات بین دانلود وزن‌ها و فراخوانی API همیشه به عملیات خلاصه می‌شود: میزبانی خودکار یک مدل ترکیبی از متخصصان با پارامتر 753B به ظرفیت جدی GPU و بلوغ MLO نیاز دارد که اغلب سازمان‌ها نمی‌توانند برای یک بار کاری توجیه کنند. دسترسی مدیریت شده Bedrock این مانع را برطرف می کند و در عین حال گزینه استقرار ترکیبی را برای شرکت هایی با محدودیت های اقامت داده باز نگه می دارد.

شروع به طور مشخص

مستندات AWS از طریق فراخوانی از کنسول Bedrock - جایی که مدل در زمین بازی استاندارد برای آزمایش سریع و بدون نیاز به کد ظاهر می‌شود - و به‌طور برنامه‌ریزی شده از طریق نقطه پایانی بستر تایم اجرا می‌شود. پیش نیازها، مجوزهای معمول IAM برای فراخوانی مدل، از جمله بستر:InvokeModel و بستر:InvokeModelWithResponseStream، به علاوه مجوز برای نمایه استنتاج بین منطقه ای انتخاب شده است. پایتون 3.10 یا جدیدتر برای نمونه کد فهرست شده است.

نکته قابل‌توجه، پست AWS شامل یک نسخه آزمایشی امنیتی اختیاری است که با Docker و ابزار منبع باز Strix ساخته شده است، GLM 5.3 را از طریق Bedrock برای گردش‌های کاری امنیتی تهاجمی اجرا می‌کند - یک گنجاندن غیرمعمول که بر موقعیت‌یابی امنیت سایبری که Z.ai برای مدل ادعا کرده است، تاکید می‌کند. برای پلتفرمی به انطباق پذیری حساس مانند AWS، نمایش یک مدل چینی در یک زمینه هک-نمونه‌ای یک سیگنال مشخص درباره ترکیب حجم کاری است که Z.ai دنبال می‌کند.

اقتصاد ترکیبی از کارشناسان

رقم پارامتر 753B برای اندازه آن کمتر از معماری آن اهمیت دارد. مدل‌های ترکیبی از متخصصان تنها کسری از پارامترهای خود را در هر توکن فعال می‌کنند، به این ترتیب GLM 5.3 می‌تواند قابلیت مقیاس مرزی را بدون هزینه استنتاج در مقیاس مرزی در هر درخواست ارائه دهد. همراه با حافظه پنهان سریع - جایی که درخواست‌های مکرر سیستم و زمینه مخزن از حافظه پنهان با هزینه کمتر ارائه می‌شوند - هدف اقتصادی این است که حجم کاری بالای کارگزاری که امسال بر بودجه‌های هوش مصنوعی سازمانی تسلط دارد: دستیاران کدنویسی، عملیات امنیتی، و خطوط لوله اتوماسیون طولانی‌مدت.

پس از آن، سطوح خدماتی Bedrock به تیم‌های عملیاتی اجازه می‌دهد تا هزینه‌ها را در مقابل تأخیر به ازای هر بار کاری مبادله کنند. یک کار تجزیه و تحلیل کد دسته‌ای شبانه می‌تواند با قیمت‌گذاری Flex اجرا شود، در حالی که یک خلبان امنیتی تعاملی در ردیف Priority قرار می‌گیرد - همان مدل، با اندازه‌گیری متفاوت.

چه چیزی را تماشا کنیم

پرتاب سه آزمایش کوتاه مدت را انجام می دهد. اول، پذیرش: آیا پایه سازمانی Bedrock با GLM 5.3 به عنوان یک گزینه تولید برخورد می کند یا یک کنجکاوی معیار. دوم، قیمت‌گذاری: سطح Flex سطوح خدمات بهینه‌شده با تأخیر را کاهش می‌دهد و قیمت‌گذاری سری GLM به‌طور تاریخی رقبای غربی را در هزینه تحت فشار قرار داده است. سوم، پاسخ: سایر ابر مقیاس‌کننده‌ها با همان انتخاب میزبانی یا واگذاری بخش شرکتی مدل چینی روبرو هستند.

برای تیم‌های هوش مصنوعی که در دسترس بودن مدل را ردیابی می‌کنند، آماده‌سازی عملی ساده است - یکی از مدل‌های وزن باز سال 2026 که با دقت تماشا شده‌اند، اکنون با یک تماس API برای مشتریان AWS فاصله دارد، و چشم‌انداز مدل‌های هوش مصنوعی با هر پلتفرمی که یک آزمایشگاه چینی را امضا می‌کند، رقابتی‌تر می‌شود.

---

Stay Ahead of AI

Get the latest AI news, analysis, and breakthroughs — all in one place.

Read more AI news →