Chińskie laboratorium sztucznej inteligencji Zhipu wypuściło GLM 5.2, najnowszą wersję swojego flagowego modelu językowego – a premiera natychmiast ponownie wywołała debatę na temat tego, jak szybko Chiny mogą zmniejszyć dystans do Stanów Zjednoczonych w zakresie możliwości sztucznej inteligencji. W centrum rozmowy znajduje się wymiana zdań między dyrektorem generalnym Zhipu a Elonem Muskiem na temat tego, kiedy chińskie modele osiągną elitarny poziom zajmowany obecnie przez najbardziej zaawansowane zachodnie systemy.
GLM 5.2 i stan chińskich modeli granicznych Więcej kontekstu na ten temat znajdziesz w naszych trendy AI.
Zhipu, właściciel marki Z.ai i często opisywany w zachodnich raportach jako chiński rywal Anthropic, zaprezentował GLM 5.2 w połowie czerwca. Wydanie to stanowi część szerszej fali premier modeli z chińskich laboratoriów – w tym Alibaba, Moonshot i DeepSeek – które w ciągu ostatniego roku wspólnie zmniejszyły dystans między systemami chińskimi i amerykańskimi.
GLM, czyli General Language Model, jest podstawą linii produktów Zhipu i wnosi znaczący wkład w chiński ekosystem sztucznej inteligencji. Każda kolejna wersja była uważnie obserwowana jako barometr tego, jak szybko krajowe laboratoria zbliżają się do możliwości kojarzonych z największymi zachodnimi modelami.
Pytanie użytkownika i dwie bardzo różne ramy czasowe
Iskrą do ostatniej debaty było pytanie zadane w mediach społecznościowych: kiedy duże chińskie modele osiągną zdolność „na poziomie Fable”? W obecnym krajobrazie sztucznej inteligencji „Fable” i „Mythos” stały się skrótem dla najwyższej klasy modeli pionierskich – rodzaju zaawansowanego rozumowania i wydajności agentycznej kojarzonej z wiodącymi zachodnimi systemami, takimi jak najbardziej wydajne modele Anthropic.
Odpowiadając na pytanie, Elon Musk zasugerował, że według relacji Tom's Hardware i Pandaily Chiny mogą osiągnąć ten poziom „prawdopodobnie” w pierwszym kwartale 2027 roku. Szacunki Muska odzwierciedlają pogląd, że pomimo szybkiego postępu Chin, znacząca luka nadal oddziela modele krajowe od absolutnej granicy.
Tang Jie: „nie zajmie to długo”
Dyrektor generalny Zhipu, Tang Jie, odsunął się. Według wielu raportów – w tym Tom's Hardware, WION, India Today i Analytics India Magazine – Tang odpowiedział, że „nie zajmie to tak długo”, sygnalizując pewność, że chińskie laboratoria będą w stanie wyprodukować model klasy Mythos lub Fable przed końcem 2026 r., na długo przed harmonogramem Muska na pierwszy kwartał 2027 r.
Wymiana wyróżnia się nie tyle precyzją, ile symboliką. Tang, kierujący jednym z laboratoriów faktycznie budujących systemy graniczne w Chinach, skutecznie argumentuje, że różnica zmniejsza się szybciej, niż doceniają zewnętrzni obserwatorzy – nawet ci z dobrymi kontaktami, jak Musk.
Dlaczego wersja GLM 5.2 ma znaczenie
Dla chińskich firm zajmujących się sztuczną inteligencją wypuszczenie nowego flagowego modelu jest zarówno kamieniem milowym pod względem technicznym, jak i wypowiedzią geopolityczną. Kontrola eksportu zaawansowanych chipów w USA ograniczyła możliwości chińskich laboratoriów, na których mogą trenować, a mimo to modele krajowe w dalszym ciągu pną się w rankingach porównawczych. GLM 5.2 pojawia się w tym kontekście: dowód, jak twierdzą jego zwolennicy, na to, że pomimo ograniczeń postęp jest ciągły.
Wyścig do poziomu granicznego
Zachodnie sklepy, w tym CNBC, śledziły, jak firmy od Alibaba po Moonshot ścigały się, aby wypuścić nowe modele w ciągu roku, odkąd przełom DeepSeek zadziwił branżę. Analitycy są zgodni co do tego, że różnica w rozwoju znacznie się zmniejszyła, nawet jeśli nadal nie ma zgody co do tego, kiedy dokładnie – i czy – chińskie laboratoria osiągną w pełni poziom najlepszych systemów amerykańskich.
Dwa obozy, jedna trajektoria
Wymiana zdań między Muskiem a Tangiem odzwierciedla szerszą niepewność, która obecnie definiuje globalny wyścig sztucznej inteligencji. Jeden z obozów utrzymuje, że przywództwo USA na pograniczu, zakotwiczone w firmach takich jak OpenAI, Anthropic i Google, pozostanie trwałe co najmniej do 2027 r. Drugi, wyrażany przez kadrę kierowniczą w chińskich laboratoriach, upiera się, że odległość mierzy się w miesiącach, a nie latach.
Debata jest trudna do rozstrzygnięcia, ponieważ obie strony mają dostęp do prawdziwych dowodów. Zachodnie laboratoria mogą wskazać na wiodące wyniki testów porównawczych i ogromne korzyści obliczeniowe, które mają chronić kontrole eksportu. Chińskie laboratoria mogą wskazywać na ciągłe bębnienie konkurencyjnych wydań – wśród nich GLM 5.2 – które pojawiają się szybciej, niż przewidywały pesymistyczne prognozy.
Wymiar otwartej masy
Zhipu od dawna udostępniał społeczności wagi modeli. Jest to strategia, dzięki której GLM stał się ulubionym rozwiązaniem wśród programistów, którzy chcą wydajnych modeli, które można uruchamiać i modyfikować lokalnie. Publikacje o otwartej wadze służą również celowi strategicznemu: sprawiają, że chiński postęp jest widoczny i możliwy do sprawdzenia w sposób, w jaki nie są w stanie tego zrobić zamknięte, zastrzeżone systemy. Każde publiczne wydanie staje się punktem danych, który osoby z zewnątrz mogą ocenić samodzielnie.
Co będzie dalej
Na razie GLM 5.2 to najnowszy punkt danych w sporze pomiędzy Muskiem a Tangiem. To, czy on – czy jego następca – osiągnie możliwości klas Fable i Mythos, będące przedmiotem debaty, jest pytaniem, na które zaczniemy odpowiadać w kilku kolejnych wersjach modelu. Jasne jest, że chińskie laboratoria nie uważają się już za jedynie nadrabianie zaległości; publicznie prognozują parytet i robią to z pozycji rosnącej wiarygodności technicznej.
Ta zmiana tonu może mieć takie samo znaczenie jak każdy punkt odniesienia. Kiedy szefowie laboratoriów granicznych w Chinach otwarcie przewidują, że dorównają one najbardziej zaawansowanym modelom świata w ciągu miesięcy, a nie lat, zmienia to oczekiwania stawiane zarówno organom regulacyjnym, inwestorom, jak i konkurencyjnym laboratoriom. W tym sensie premiera GLM 5.2 jest w równym stopniu oświadczeniem woli, jak wydaniem oprogramowania.
---
Bądź na Bieżąco z AINajnowsze wiadomości, analizy i przełomy w dziedzinie AI — wszystko w jednym miejscu.
Czytaj więcej wiadomości AI →
