«Touch High»-visjonen: Strategisk rasjonale

«Touch High»-planen er en bevisst kontrær strategi, annonsert i et øyeblikk med sterkt markedspress. Zhipu ble børsnotert i januar 2026 , og like etter at lockup-perioden utløp, falt aksjen over 19 % . Tang Jies svar var ikke en defensiv omstilling, men en erklæring om aggressiv langsiktig investering .

Hovedprinsippene i «Touch High»-planen:

• Full tilbakevending til grunnforskning. Beskjeden var tydelig: ingen retrett til trygge applikasjonslag, men en dobling av satsingen på kjernemodellen .
• Fokus på tre søyler: langtidshorisont-oppgaver, autonome agentsystemer og selvevolusjon (selvtrening) – egenskapene Tang Jie mener er nødvendige for å krysse AGI-terskelen .
• Åpen kildekode som et bevisst våpen. Tang Jie argumenterer eksplisitt for at banebrytende AI ikke bør være «forbeholdt en liten gruppe utviklere» .
• «Kontraintuitiv» strategi. Planen investerer i dyr grunnforskning når konkurrentene satser på kommersialisering .

Tang Jie definerer AGI ikke som en enkelt genial modell, men som «summen av all intelligens på tvers av alle sivilisasjonsnivåer» – en innramming som naturlig favoriserer bred, åpen distribusjon fremfor eksklusiv kontroll .

GLM-5.2 under MIT-lisens: Produktuttrykket

13. juni 2026 lanserte Zhipu GLM-5.2 under MIT-lisensen – den mest liberale åpen kildekode-lisensen i utstrakt bruk . Viktige spesifikasjoner:

• 744 milliarder totale parametere, 40 milliarder aktive (sparsom Mixture-of-Experts-arkitektur)
• 1 million tokens kontekstvindu – det lengste av noen åpen vekt-frontermodell
• MIT-lisens: ingen royalties, ingen krav om navngivelse, ingen regionale restriksjoner. «Organisasjoner kan finjustere, vertsvare selv og bygge kommersielle produkter på toppen av GLM-5.2 uten royalties»
• Rangerer som en topp-3-modell på Artificial Analysis-ledertavlen, tett i sporet av Claude Opus 4.8 og GPT-5.5 på sentrale benchmarks

Timingen var kritisk. Bare uker tidligere hadde USAs handelsdepartement beordret Anthropic om å stenge tilgangen til sine to mest avanserte modeller. Innen omtrent 18 dager svarte Zhipu med å lansere en konkurrerende modell gratis . Reuters rapporterte at GLM-5.2 «står i sentrum av en økende debatt om hvorvidt Kina endelig tar igjen USA i AI-kappløpet» .

Hvordan åpen kildekode-holdningen utfordrer vestlige sikkerhetssyn

Tang Jies posisjon konfronterer direkte det dominerende vestlige sikkerhetsrammeverket, som hevder at vektene til banebrytende modeller er for farlige til å slippes fritt og bør sikres av et lite antall betrodde laboratorier.

Utfordringen til vestlig innestengningslogikk:

• Evne og innestengning må skaleres sammen. Tang Jie avviser «ideen om at evne bør gå foran innestengning», og argumenterer for at sikkerhetsforskning, styring og modelevne bør utvikles parallelt – og at åpen tilgang muliggjør flere øyne på sikkerhet, ikke færre .
• Avvisning av «sikkerhet gjennom hemmelighold». Det dominerende amerikanske paradigmet (legemliggjort av OpenAI, Anthropic og statlige eksportkontroller) hevder at de mest dyktige modellene bør holdes bak API-vegger. Tang Jie argumenterer for at dette både er ineffektivt og konkurransehemmende – at åpen inspeksjon gir bedre sikkerhetsresultater enn lukket utvikling .
• Tilgang som et normativt gode. I et internt notat datert 12. juli, omtalt av Bloomberg, skrev Tang Jie at «banebrytende AI bør forbli bredt tilgjengelig i stedet for å kontrolleres av utvalgte individer» . Dette omformer debatten fra «åpen kildekode er risikabelt» til «lukket kildekode er en uakseptabel maktkonsentrasjon».

Den geopolitiske dimensjonen:

USAs eksportkontrollregime – forbud mot NVIDIA avanserte GPU-er til Kina og handelsdepartementets ordre om å begrense Anthropics modelltilgang – har skapt et miljø der kinesiske åpen kildekode-lanseringer er et strategisk mottrekk. Som Forbes rapporterte, har «åpen kildekode og lukkede modeller blitt konkurrerende strategiske narrativer i den globale konkurransen om AI-dominans» . R Street Institute bemerket at GLM-5.2 presterer «innenfor ett prosentpoeng av ledende amerikanske frontermodeller til en pris omtrent en femtedel av kostnaden» .

Tang Jies holdning gjør åpenhet til et våpen: hver gang Washington begrenser tilgangen til USAs frontermodeller, gjør Zhipu et konkurransedyktig alternativ fritt tilgjengelig, og undergraver premisset om at restriksjoner kan bevare USAs teknologiske forsprang .

Markedsprestasjoner i kontekst

«Touch High»-brevet kom da Zhipus aksje falt over 19 % etter utløpet av børsnoteringens lockup-periode . Tang Jies svar var en erklæring om aggressiv langsiktig investering, som i praksis fortalte aksjonærene at Zhipu ville prioritere AGI-forskning fremfor kortsiktig lønnsomhet.

Dette er et høyrisikospill. Lanseringen av GLM-5.2 under MIT-lisens er både et produkt og et signal: Zhipu kan konkurrere i frontlinjen, og de vil gjøre det offentlig.

Sammendragstabell

Tang Jies «Touch High»-plan og MIT-lisensierte lanseringen av GLM-5.2 representerer en grunnleggende utfordring til hvordan verden tenker om banebrytende AI-sikkerhet og tilgang. Hvorvidt åpenhet eller restriksjoner er den sikreste veien, er nå det definerende spørsmålet i det globale AI-kappløpet.

«Touch High»-visjonen: Strategisk rasjonale

«Touch High»-planen er en bevisst kontrær strategi, annonsert i et øyeblikk med sterkt markedspress. Zhipu ble børsnotert i januar 2026 , og like etter at lockup-perioden utløp, falt aksjen over 19 % . Tang Jies svar var ikke en defensiv omstilling, men en erklæring om aggressiv langsiktig investering .

Hovedprinsippene i «Touch High»-planen:

• Full tilbakevending til grunnforskning. Beskjeden var tydelig: ingen retrett til trygge applikasjonslag, men en dobling av satsingen på kjernemodellen .
• Fokus på tre søyler: langtidshorisont-oppgaver, autonome agentsystemer og selvevolusjon (selvtrening) – egenskapene Tang Jie mener er nødvendige for å krysse AGI-terskelen .
• Åpen kildekode som et bevisst våpen. Tang Jie argumenterer eksplisitt for at banebrytende AI ikke bør være «forbeholdt en liten gruppe utviklere» .
• «Kontraintuitiv» strategi. Planen investerer i dyr grunnforskning når konkurrentene satser på kommersialisering .

Tang Jie definerer AGI ikke som en enkelt genial modell, men som «summen av all intelligens på tvers av alle sivilisasjonsnivåer» – en innramming som naturlig favoriserer bred, åpen distribusjon fremfor eksklusiv kontroll .

GLM-5.2 under MIT-lisens: Produktuttrykket

13. juni 2026 lanserte Zhipu GLM-5.2 under MIT-lisensen – den mest liberale åpen kildekode-lisensen i utstrakt bruk . Viktige spesifikasjoner:

• 744 milliarder totale parametere, 40 milliarder aktive (sparsom Mixture-of-Experts-arkitektur)
• 1 million tokens kontekstvindu – det lengste av noen åpen vekt-frontermodell
• MIT-lisens: ingen royalties, ingen krav om navngivelse, ingen regionale restriksjoner. «Organisasjoner kan finjustere, vertsvare selv og bygge kommersielle produkter på toppen av GLM-5.2 uten royalties»
• Rangerer som en topp-3-modell på Artificial Analysis-ledertavlen, tett i sporet av Claude Opus 4.8 og GPT-5.5 på sentrale benchmarks

Timingen var kritisk. Bare uker tidligere hadde USAs handelsdepartement beordret Anthropic om å stenge tilgangen til sine to mest avanserte modeller. Innen omtrent 18 dager svarte Zhipu med å lansere en konkurrerende modell gratis . Reuters rapporterte at GLM-5.2 «står i sentrum av en økende debatt om hvorvidt Kina endelig tar igjen USA i AI-kappløpet» .

Hvordan åpen kildekode-holdningen utfordrer vestlige sikkerhetssyn

Tang Jies posisjon konfronterer direkte det dominerende vestlige sikkerhetsrammeverket, som hevder at vektene til banebrytende modeller er for farlige til å slippes fritt og bør sikres av et lite antall betrodde laboratorier.

Utfordringen til vestlig innestengningslogikk:

• Evne og innestengning må skaleres sammen. Tang Jie avviser «ideen om at evne bør gå foran innestengning», og argumenterer for at sikkerhetsforskning, styring og modelevne bør utvikles parallelt – og at åpen tilgang muliggjør flere øyne på sikkerhet, ikke færre .
• Avvisning av «sikkerhet gjennom hemmelighold». Det dominerende amerikanske paradigmet (legemliggjort av OpenAI, Anthropic og statlige eksportkontroller) hevder at de mest dyktige modellene bør holdes bak API-vegger. Tang Jie argumenterer for at dette både er ineffektivt og konkurransehemmende – at åpen inspeksjon gir bedre sikkerhetsresultater enn lukket utvikling .
• Tilgang som et normativt gode. I et internt notat datert 12. juli, omtalt av Bloomberg, skrev Tang Jie at «banebrytende AI bør forbli bredt tilgjengelig i stedet for å kontrolleres av utvalgte individer» . Dette omformer debatten fra «åpen kildekode er risikabelt» til «lukket kildekode er en uakseptabel maktkonsentrasjon».

Den geopolitiske dimensjonen:

USAs eksportkontrollregime – forbud mot NVIDIA avanserte GPU-er til Kina og handelsdepartementets ordre om å begrense Anthropics modelltilgang – har skapt et miljø der kinesiske åpen kildekode-lanseringer er et strategisk mottrekk. Som Forbes rapporterte, har «åpen kildekode og lukkede modeller blitt konkurrerende strategiske narrativer i den globale konkurransen om AI-dominans» . R Street Institute bemerket at GLM-5.2 presterer «innenfor ett prosentpoeng av ledende amerikanske frontermodeller til en pris omtrent en femtedel av kostnaden» .

Tang Jies holdning gjør åpenhet til et våpen: hver gang Washington begrenser tilgangen til USAs frontermodeller, gjør Zhipu et konkurransedyktig alternativ fritt tilgjengelig, og undergraver premisset om at restriksjoner kan bevare USAs teknologiske forsprang .

Markedsprestasjoner i kontekst

«Touch High»-brevet kom da Zhipus aksje falt over 19 % etter utløpet av børsnoteringens lockup-periode . Tang Jies svar var en erklæring om aggressiv langsiktig investering, som i praksis fortalte aksjonærene at Zhipu ville prioritere AGI-forskning fremfor kortsiktig lønnsomhet.

Dette er et høyrisikospill. Lanseringen av GLM-5.2 under MIT-lisens er både et produkt og et signal: Zhipu kan konkurrere i frontlinjen, og de vil gjøre det offentlig.

Sammendragstabell

Tang Jies «Touch High»-plan og MIT-lisensierte lanseringen av GLM-5.2 representerer en grunnleggende utfordring til hvordan verden tenker om banebrytende AI-sikkerhet og tilgang. Hvorvidt åpenhet eller restriksjoner er den sikreste veien, er nå det definerende spørsmålet i det globale AI-kappløpet.