Z.ai ၏ GLM-5.3 သည် ကုဒ်ရေးခြင်းတွင် နှစ်ဆကျဆင်းလာပြီး ထိတ်လန့်ဖွယ်ရာ ဆိုက်ဘာလုံခြုံရေးကျွမ်းကျင်မှုများဖြင့် ပေါ်ထွက်လာသည်

ဘေဂျင်းအခြေစိုက် ဥာဏ်ရည်တုကုမ္ပဏီ Z.ai သည် ဆော့ဖ်ဝဲလ်အင်ဂျင်နီယာအတွက် ၎င်း၏စွမ်းရည်အရှိဆုံး open-weight စနစ်ဖြစ်သည့် GLM-5.3 ကို ထုတ်ဖော်ပြသလိုက်ပါသည်။ သြဂုတ်လ 14 ရက်နေ့တွင်ကြေငြာခဲ့ပြီးကုမ္ပဏီဘလော့ဂ်ပို့စ်တစ်ခုတွင်အသေးစိတ်အချက်အလက်များကို GLM-5.3 သည်ဇွန်လတွင်ထုတ်ပြန်ခဲ့သော၎င်း၏ယခင် GLM-5.2 ကဲ့သို့အကြမ်းဖျင်းအားဖြင့် 700-billion-ပါရာမီတာအခြေခံမော်ဒယ်ပေါ်တွင်တည်ဆောက်ထားသည်။ တိုးတက်မှုတိုင်းသည် ပိုကြီးသော အခြေခံအုတ်မြစ်ထက် လေ့ကျင့်ရေးလွန်မှ လာသည်ဟု ကုမ္ပဏီက ဆိုသည်။ ဖြန့်ချိမှုသည် Anthropic နှင့် OpenAI တို့မှ အပိတ်စနစ်များကို ယှဉ်နိုင်စေရန် ရည်ရွယ်သည့် တရုတ်အဝိတ်မော်ဒယ်များ၏လှိုင်းတွင် နောက်ဆုံးထွက်ရှိခြင်း ဖြစ်သည်။ AI Buzz Wire မော်ဒယ်ခြေရာခံအတွက်၊ GLM-5.3 သည် အဖွင့်ဝိတ်နယ်နိမိတ်သည် မျှော်လင့်ထားသည်ထက် ပိုမိုမြန်ဆန်စွာ ကုဒ်ရေးခြင်းကွာဟချက်ကို ပိတ်လိုက်ကြောင်း ရှင်းရှင်းလင်းလင်း သိသာထင်ရှားသောအချက်တစ်ခုဖြစ်သည်။

သင်တန်းပြီးသည်နှင့် အကျုံးဝင်သော အမြတ်များ

Z.ai သည် GLM-5.3 နှင့် ၎င်း၏ချဉ်းကပ်ပုံနှင့်ပတ်သက်၍ တုံးတိဖြစ်နေသည်- "လေ့ကျင့်ရေးအပြီး အတိုင်းအတာကို ချဲ့ထွင်ခြင်းသည် ကျွန်ုပ်တို့လုပ်ဆောင်ခဲ့သမျှဖြစ်သည်။" ကုမ္ပဏီသည် GLM-5.2 ဖြင့် မိတ်ဆက်ထားသော အားဖြည့်-သင်ယူမှုအစုအဝေးကို သယ်ဆောင်သွားသည် — ထိရောက်သောရှည်လျားသောအကြောင်းအရာလုပ်ဆောင်မှုအတွက် IndexShare၊ တာဝေးမိုးကုပ်စက်ဝိုင်းလုပ်ငန်းဆောင်တာများအတွက် အားဖြည့်သင်ယူမှုများအတွက် SAO နှင့် အကြီးစားအပြိုင်အဆိုင်လေ့ကျင့်မှုအတွက် slime ဟုခေါ်သော open-source framework တစ်ခု။ ပြီးခဲ့သောလတွင် ၎င်းသည် ပတ်၀န်းကျင်ပိုမိုများပြားခြင်း၊ ကွဲပြားသောလုပ်ဆောင်စရာများနှင့် ထိုအစုအဝေးသို့ တွက်ချက်မှုများ ပိုမိုပြုလုပ်ခဲ့သည်။

ပေးချေမှုသည် ကုဒ်စံချိန်စံညွှန်းများပေါ်တွင် ပေါ်လာသည်။ Terminal Bench 3.0 တွင်၊ GLM-5.3 သည် GLM-5.2 ၏ရမှတ် 4.6 မှ 28.3 သို့ ခုန်တက်သည် — တိုးတက်မှု ခြောက်ဆကျော်ရှိသည်။ ၎င်းသည် Terminal Bench 3.0 နှင့် Agents' Last Exam တွင် open-source နောက်ဆုံးထွက်ရလဒ်များကို ပို့စ်တင်ပြီး ALE-CLI စွမ်းရည်တိုင်းတာမှုတွင် 23.8 မှ 28.5 အထိ တိုးတက်စေသည်။ Z.ai သည် ၎င်း၏အိမ်တွင်းရှိ Z.ai Code Bench တွင် GLM-5.2 ထက် 50% တိုးတက်မှုကို အစီရင်ခံတင်ပြသည်မှာ လက်တွေ့ကျသော ဖွံ့ဖြိုးတိုးတက်မှုပတ်ဝန်းကျင်တွင် coding အေးဂျင့်များကို အကဲဖြတ်ရန်နှင့် အများသူငှာ စမ်းသပ်မှုအစုများမှ ညစ်ညမ်းမှုအန္တရာယ်ကို လျှော့ချရန် ဒီဇိုင်းထုတ်ထားသော သီးသန့်စံနှုန်းတစ်ခုဖြစ်သည်။

အရေးကြီးသည်မှာ၊ အမြတ်များသည် ပိုမိုကောင်းမွန်သောရလဒ်များသာမက ပိုမိုကောင်းမွန်သော တိုကင်ထိရောက်မှုဖြင့် လာပါသည်။ မြင့်မားသောအားထုတ်မှုတွင်၊ GLM-5.3 သည် အလုပ်တစ်ခုလျှင် အကြမ်းဖျင်းအားဖြင့် အထွက် တိုကင် 50,000 ဖြင့် အိမ်တွင်းစံနှုန်းတွင် 31.4% ပြီးစီးနိုင်သည်၊ ၎င်းသည် Z.ai မှ Anthropic ၏ Claude Opus 4.8 ကို 29.5% ဖြင့် 120,000 တိုကင်များထက် ကျော်လွန်သွားပါသည်။ GLM-5.3 သည် Anthropic ၏ ပိုမိုအဆင့်မြင့်သော Claude Fable 5 ကို လိုက်မီဆဲဖြစ်ပြီး အမြင့်ဆုံးအားထုတ်မှုမှာ 39.5% အထိရောက်ရှိသွားပါသည်။

ဆိုက်ဘာစွမ်းရည်တွင် မမျှော်လင့်ထားသော ခုန်တက်မှု

GLM-5.3 ၏ အထူးခြားဆုံးရလဒ်မှာ ကုဒ်ဖြင့်မဟုတ်သော်လည်း လုံခြုံရေးအတွက်ဖြစ်သည်။ Z.ai သည် လေ့ကျင့်မှုအပြီးတွင် အတိုင်းအတာချဲ့ထွင်ပြီး အားနည်းချက်-ရှာဖွေတွေ့ရှိမှုဒေတာနှင့် ပတ်ဝန်းကျင်များကို လေ့ကျင့်ရေးရောနှောမှုတွင် မိတ်ဆက်လိုက်သည်နှင့်အမျှ မော်ဒယ်သည် အားနည်းချက်များကို ရှာဖွေခြင်းနှင့် ကျိုးကြောင်းဆင်ခြင်ခြင်းတွင် ပိုမိုကောင်းမွန်လာမည်ဟု မျှော်လင့်ပါသည်။ အသင်းကို အံ့အားသင့်စေမယ့်အရာကတော့ စွမ်းဆောင်ရည် မြန်မြန်ဆန်ဆန် တိုးတက်လာတာပါပဲ။

GLM-5.3 သည် သီးခြား bug များကို ထောက်လှမ်းရာတွင် ပိုကောင်းလာသည်မဟုတ်ပေ။ ပြီးပြည့်စုံသော တိုက်ခိုက်ရေးကွင်းဆက်များအတွက် ပေါင်းစပ်ထားသော အစီအစဥ်များကို အသုံးချခြင်း၏ အဆင့်များစွာကိုဖြတ်၍ ကျိုးကြောင်းဆင်ခြင်ခြင်းစတင်ခဲ့သည်။ CyberGym တွင်၊ မော်ဒယ်တစ်ခုသည် white-box အရင်းအမြစ်ကုဒ်မှ အားနည်းချက်များကို ခွဲခြားအတည်ပြုနိုင်မှုရှိမရှိ စမ်းသပ်သည့်စံသတ်မှတ်ချက်တစ်ခုဖြစ်ပြီး GLM-5.3 သည် GLM-5.2 ၏ 77.2% မှ 84.5% ရမှတ်ဖြစ်သည်။ ၎င်းသည် Mythos 5 တွင် 83.8% နှင့် GPT-5.6 Sol တွင် 83.6% ထက် စံသတ်မှတ်ချက်တွင် အကောင်းဆုံးရလဒ်ဖြစ်သည်။ အမှန်တကယ် အားနည်းချက်များနှင့် ၎င်းတို့၏ အမြတ်ထုတ်ခြင်းဆိုင်ရာ နက်နဲသော ကျိုးကြောင်းဆင်ခြင်မှုကို တောင်းဆိုသည့် ExploitBench တွင်၊ GLM-5.3 သည် GLM-5.2 ၏ရမှတ်ထက် နှစ်ဆတိုးကာ 54.4% အထိ — ၎င်းသည် Mythos 5 တွင် 78.0% နှင့် GPT-5.6 Sol တွင် 76.5% ၏နောက်တွင် ကောင်းမွန်နေသော်လည်း၊

Z.ai သည် တစ်သမတ်တည်းပုံစံကို သတိပြုမိသည်- စံသတ်မှတ်ချက်တစ်ခုသည် အမြတ်ထုတ်ခြင်းကွင်းဆက်ကို ပိုမိုမြင့်မားလာလေလေ၊ GLM-5.2 ထက် အမြတ်ပိုကြီးလေ — နှင့် ပိတ်ထားသောနယ်နိမိတ်အထိ ကျန်ရှိနေသော ကွာဟချက်သည်လည်း ပိုကျယ်လေဖြစ်သည်။ "ကျွန်ုပ်တို့နောက်တွင်အဝေးဆုံးရောက်နေသော စွမ်းရည်သည် အလျင်မြန်ဆုံး ကြီးထွားနေသည်" ဟု ကုမ္ပဏီက မှတ်ချက်ပြုသည်။

Real-World Vulnerability Discoveries

ဆိုက်ဘာကျွမ်းကျင်မှုများသည် စံသတ်မှတ်ချက်များနှင့် မသက်ဆိုင်ပါ။ Z.ai က GLM-5.2 မှစတင်၍ ၎င်းသည် တရုတ်နိုင်ငံရှိ လုံခြုံရေးအဖွဲ့များစွာနှင့် လက်တွေ့ကမ္ဘာကုဒ်ဘေ့စ်များကို စမ်းသပ်ရန် ၎င်း၏မော်ဒယ်များကို စမ်းသပ်ရန် လုပ်ဆောင်နေပြီဖြစ်ကြောင်း Z.ai က ဖော်ပြသည်။ ကျွမ်းကျင်သူများ၏ ပြန်လည်သုံးသပ်ခြင်း၊ စိစစ်ခြင်းနှင့် ထပ်ထုတ်ခြင်းတို့ကို ပြုလုပ်ပြီးနောက်၊ မော်ဒယ်သည် အလယ်အလတ်မှ ပြင်းထန်ပြင်းထန်မှုပြဿနာ 1,097 ခုအပါအဝင် ပရောဂျက် 269 ခုတွင် အားနည်းချက် 2,436 ခုကို ဖော်ထုတ်ခဲ့သည်။ တွေ့ရှိချက်များသည် စနစ် kernels၊ လည်ပတ်မှုစနစ်များ၊ ဘရောက်ဆာအင်ဂျင်များ၊ ပွင့်လင်းအရင်းအမြစ်အခြေခံအဆောက်အအုံ၊ ဝဘ်အက်ပ်လီကေးရှင်းများနှင့် ကွန်ရက်ပရိုတိုကောများ—အများအပြားသည် နှစ်ပေါင်းများစွာ သို့မဟုတ် ဆယ်စုနှစ်များပင် သတိမပြုမိခဲ့ကြဘဲ၊ အကြမ်းဖျင်းအားဖြင့် နှစ်ပေါင်း ၄၀ ခန့်က ရှေးအကျဆုံးအချိန်ကာလများဖြစ်သည်။

ထိုရလဒ်များကို ပဲ့တင်ထပ်သည့်အလုပ် Anthropic မှ ၎င်း၏ကိုယ်ပိုင် multiagent လုံခြုံရေးသုတေသနတွင် ဖော်ပြခဲ့ပြီး၊ အတိုင်းအတာအားဖြင့် open-source software ရှိ အားနည်းချက်များကိုရှာဖွေရန် ညှိနှိုင်းထားသော အေးဂျင့်အုပ်စုများကို အသုံးပြုခဲ့သည်။

Open Weights — နှောင့်နှေးမှုဖြင့်

ဘေးကင်းရေး အကဲဖြတ်ခြင်းနှင့် မာကျောခြင်း ပြီးသည်နှင့် နှစ်ပတ်အတွင်း GLM-5.3 အလေးချိန်ကို Z.ai မှ ထုတ်လွှတ်မည်ဟု Z.ai မှ ပြောကြားခဲ့သည်။ အဆိုပါ တမင်နှောင့်နှေးခြင်းသည် ကြေငြာချက်တစ်လျှောက် တင်းမာမှုကို ထင်ဟပ်စေသည်- ပြင်းထန်သော ထိုးစစ်ဆင်သည့် ဆိုက်ဘာစွမ်းရည်ကို ဖန်တီးသူများ မျှော်လင့်ထားသည်ထက် ပိုမိုမြန်ဆန်စွာ ဖွံ့ဖြိုးတိုးတက်စေမည့် မော်ဒယ်သည် တာဝန်မှထုတ်လွှတ်ခြင်းနှင့်ပတ်သက်၍ မေးခွန်းထုတ်သည့် စနစ်အမျိုးအစားဖြစ်သည်။ ကုမ္ပဏီသည် ၎င်း၏ လေ့ကျင့်ရေး-စတင်မှု ကိုက်ညီမှုအား မြင့်မားသော ကိန်းဂဏာန်းတိကျမှုအဆင့်သို့ မြှင့်တင်ထားကြောင်း အလေးပေးပြောကြားခဲ့ပြီး အရွယ်အစားချဲ့ထွင်ရာတွင် အခက်အခဲများစွာသည် မော်ဒယ်ကိုယ်တိုင်မှ လက်တွေ့ကျကျ၊ အတည်ပြုနိုင်သော အလုပ်ပတ်ဝန်းကျင်များ ဒီဇိုင်းသို့ ပြောင်းလဲသွားကြောင်း ကုမ္ပဏီမှ အလေးပေးပြောကြားခဲ့သည်။

ယှဉ်ပြိုင်ပုံက ရှင်းပါတယ်။ GLM-5.3 သည် အနည်းဆုံး အဓိက အားနည်းချက်-ရှာဖွေတွေ့ရှိမှု စံညွှန်းတစ်ခုတွင် အပြတ်အသတ် ဦးဆောင်မှုကို တောင်းဆိုနေချိန်တွင် ကုဒ်နှင့် အေးဂျင့်လုပ်ဆောင်မှုများအတွက် ပိတ်ထားသော နယ်စပ်သို့ အကွာအဝေးကို ကျဉ်းစေသည်။ ၎င်းသည် open-weight model အဖြစ်လုပ်ဆောင်သည် — ဆိုလိုသည်မှာ၊ ထွက်ရှိပြီးသည်နှင့်မည်သူမဆိုဒေါင်းလုဒ်လုပ်ရန်၊ လေ့လာရန်နှင့်တည်ဆောက်ရန်အတွက်အလေးများကိုအခမဲ့ရရှိနိုင်မည်ဖြစ်သည်။ ထိုပွင့်လင်းမှုသည် တိုးတက်မှုကို အရှိန်မြှင့်သည်ဖြစ်စေ သို့မဟုတ် လုံခြုံရေးဆိုင်ရာ စိုးရိမ်ပူပန်မှုများကို အသစ်ဖြစ်စေသည်ဖြစ်စေ GLM-5.3 သည် အခြေအတင်ဖြစ်ရန် အာမခံချက်ဖြစ်သည်။

AI ထက်သာလွန်နေပါစေ။

နောက်ဆုံးထွက် AI မော်ဒယ်လ်ထွက်ရှိမှု၊ စံပြုတိုက်ပွဲများနှင့် လုပ်ငန်းခွဲခြမ်းစိတ်ဖြာမှုအတွက်၊ AI Buzz Wire တွင် မှတ်သားပါ။

AI သတင်းအပြည့်အစုံကို ဖတ်ရှုရန် →