GLM-5.3 เทียบ GLM-5.2: มีอะไรใหม่ในโมเดลเขียนโค้ดของ Z.ai

GLM-5.3 คือโมเดลล่าสุดของ Z.ai สำหรับงานเขียนโค้ดและการทำงานแบบเอเจนต์ ออกแบบมาเพื่อรับมือกับงานวิศวกรรมซอฟต์แวร์ที่ซับซ้อน การดีบักเชิงลึก และภารกิจที่ต้องวางแผน-ลงมือทำต่อเนื่องหลายขั้นตอน Z.ai ระบุว่าโมเดลมีหน้าต่างบริบทขนาด 1 ล้านโทเค็น และเก่งขึ้นกับงานระยะยาวที่ซับซ้อนเมื่อเทียบกับ GLM-5.2 รุ่นก่อนหน้า

จุดขายของรุ่นนี้จึงไม่ได้มีเพียงการทำคะแนนสูงขึ้นบนข้อสอบเขียนโค้ดทั่วไป แต่คือความสามารถในการทำงานต่อเนื่องในสภาพแวดล้อมจริงมากขึ้น โดย Z.ai รายงานว่า GLM-5.3 ทำคะแนนบน Z.ai Code Bench ซึ่งเป็นการทดสอบภายในดีขึ้น 50% และทำผลงานระดับแนวหน้าของกลุ่มโมเดลโอเพนซอร์สบนการประเมินสาธารณะ เช่น Terminal-Bench 3.0 และ Agents’ Last Exam (CLI)

GLM-5.3 เทียบ GLM-5.2: คะแนนที่รายงานดีขึ้นแค่ไหน

การเปรียบเทียบอย่างเป็นทางการที่ชัดเจนที่สุดคือคำกล่าวของ Z.ai เรื่องการเพิ่มขึ้น 50% บน Z.ai Code Bench ส่วนตัวเลขของการทดสอบสาธารณะด้านล่างมาจากรายงานของบุคคลที่สาม:

การทดสอบ	GLM-5.2	GLM-5.3	สิ่งที่ผลลัพธ์อาจสะท้อน
Terminal-Bench 3.0	4.6%	28.3%	ทำงานคำสั่งบนเทอร์มินัลที่ต่อเนื่องได้ดีขึ้นมาก
DeepSWE v1.1	46.2%	66.9%	ผลงานด้านงานวิศวกรรมซอฟต์แวร์ดีขึ้น
Agents’ Last Exam (CLI)	23.8%	28.5%	ความสามารถด้านงานเอเจนต์ที่ใช้เครื่องมือดีขึ้น
CyberGym	77.2%	84.5%	ค้นหาช่องโหว่ได้ดีขึ้น
ExploitBench	24.4%	54.4%	คะแนนที่รายงานมากกว่าสองเท่าของ GLM-5.2

ควรอ่านตัวเลขเหล่านี้ในฐานะ “ผลการทดสอบที่มีการรายงาน” ไม่ใช่ผลวัดที่ได้รับการยืนยันโดยอิสระ เนื่องจากตารางเปรียบเทียบโดยละเอียดมาจากโพสต์บน X ของบุคคลที่สาม ขณะที่เอกสารทางการของ Z.ai ยืนยันภาพรวมเรื่องการเขียนโค้ด งานระยะยาว และความปลอดภัยไซเบอร์ แต่ไม่ได้แสดงตัวเลขทั้งหมดในข้อความที่มีให้

ทำไม Terminal-Bench 3.0 จึงน่าสนใจ

การเพิ่มจาก 4.6% เป็น 28.3% บน Terminal-Bench 3.0 ถือเป็นความเปลี่ยนแปลงที่โดดเด่นที่สุดในตารางนี้ การทดสอบลักษณะดังกล่าวมีความสำคัญกับ coding agent เพราะโมเดลต้องทำงานผ่านสภาพแวดล้อมบรรทัดคำสั่ง ตรวจสอบสถานะของระบบ ใช้เครื่องมือ แก้ไขไฟล์ และเดินหน้าต่อผ่านหลายขั้นตอน ไม่ใช่เพียงสร้างโค้ดตัวอย่างสั้น ๆ แล้วจบงาน

ผลที่รายงานสนับสนุนการอธิบายว่า GLM-5.3 แข็งแกร่งขึ้นอย่างมากในการทดสอบนี้ แต่ยังไม่ใช่หลักฐานว่าจะเหนือกว่า GLM-5.2 ในทุกคลังโค้ดหรือทุกกระบวนการพัฒนาซอฟต์แวร์จริง

จุดเน้นคือการทำงานแบบเอเจนต์ระยะยาว

GLM-5.3 ถูกวางตำแหน่งสำหรับงานวิศวกรรมที่ต้องทำต่อเนื่อง ตั้งแต่การวางแผน ลงมือพัฒนา ดีบัก ไปจนถึงการปรับแก้ภายในบริบทของโปรเจกต์ขนาดใหญ่ Z.ai ระบุว่ารุ่นนี้มีบริบท 1 ล้านโทเค็น และเหมาะกับงานที่มีระยะยาวและความซับซ้อนสูง

นี่ทำให้ GLM-5.3 แตกต่างจากการออกรุ่นย่อยที่มุ่งปรับปรุงเฉพาะคำสั่งเขียนโค้ดสั้น ๆ Z.ai รายงานว่าโมเดลทำผลงานระดับ state of the art ในกลุ่มโมเดลโอเพนซอร์สบน Terminal-Bench 3.0 และ Agents’ Last Exam (CLI) ขณะที่การทดสอบภายในของบริษัทระบุว่าดีขึ้น 50% เมื่อเทียบกับ GLM-5.2

ในทางปฏิบัติ นั่นหมายถึงโมเดลถูกออกแบบมาให้เก็บและใช้บริบทของโปรเจกต์ได้มากขึ้น พร้อมพางานผ่านขั้นตอนต่าง ๆ ได้นานขึ้น อย่างไรก็ตาม คะแนน benchmark ไม่ได้ยืนยันเรื่องความเสถียร ต้นทุน ความหน่วง หรือคุณภาพการเรียกใช้เครื่องมือในสภาพแวดล้อมเขียนโค้ดเฉพาะของแต่ละทีม ผู้ที่กำลังพิจารณาย้ายมาใช้ควรทดลองกับคลังโค้ดและเวิร์กโฟลว์จริงของตนเองก่อน

ความสามารถด้านความปลอดภัยไซเบอร์ก็เพิ่มขึ้น

Z.ai ระบุว่า GLM-5.3 ทำผลงานดีที่สุดเท่าที่บริษัทเคยทำได้บน CyberGym ซึ่งเป็น benchmark สำหรับการค้นหาช่องโหว่ และยังระบุว่าความสามารถด้านการใช้ประโยชน์จากช่องโหว่ของโมเดลมีคะแนนมากกว่าสองเท่าของ GLM-5.2

ตารางจากแหล่งภายนอกรายงานว่า CyberGym เพิ่มจาก 77.2% เป็น 84.5% ส่วน ExploitBench เพิ่มจาก 24.4% เป็น 54.4% แต่ตัวเลขอย่างละเอียดเหล่านี้ยังไม่ได้รับการตรวจสอบโดยเอกสารทางการที่มีให้ จึงควรมองเป็นตัวเลขที่รายงานในช่วงเปิดตัว มากกว่าจะถือเป็นข้อสรุปของวงการ

ผลลัพธ์ด้านไซเบอร์มีความหมายสองด้าน ด้านหนึ่งสะท้อนว่าการยกระดับความสามารถแบบเอเจนต์อาจขยายจากการเขียนแอปพลิเคชันไปสู่การค้นหาและวิเคราะห์จุดบกพร่องได้ อีกด้านหนึ่งก็ย้ำถึงความจำเป็นของการประเมินความปลอดภัยก่อนเปิดใช้งานในวงกว้าง เพราะโมเดลที่ค้นหาและใช้ประโยชน์จากช่องโหว่ได้เก่งขึ้นอาจช่วยงานป้องกันระบบ แต่ก็เพิ่มความเสี่ยงต่อการนำไปใช้ผิดวัตถุประสงค์หากไม่มีมาตรการควบคุมที่เหมาะสม

Z.ai เปลี่ยนอะไรในทางเทคนิค

Z.ai ให้เครดิตการปรับปรุงของ GLM-5.3 กับการขยาย post-training เป็นหลัก บริษัทอธิบายว่าได้เพิ่มสภาพแวดล้อมและประเภทงานที่ใช้ในการฝึก ให้ใกล้เคียงกับเวิร์กโฟลว์วิศวกรรมและงานวิจัยจริงที่อาจดำเนินต่อเนื่องหลายวัน แทนที่จะเน้นเฉพาะโจทย์เขียนโค้ดสั้น ๆ ที่จบในตัว

กล่าวอีกอย่างคือ Z.ai นำเสนอการพัฒนาครั้งนี้ในฐานะการเปลี่ยนแปลงด้านการฝึกและสภาพแวดล้อมของงาน ไม่ใช่เพียงการเพิ่มขนาดหน้าต่างบริบทหรือการเปิดเผยสถาปัตยกรรมพื้นฐานใหม่ แนวทางนี้ช่วยอธิบายได้ว่าทำไมผลลัพธ์ที่รายงานจึงโดดเด่นเป็นพิเศษในงานระยะยาวและการประเมินแบบเอเจนต์ ซึ่งต้องให้โมเดลวางแผน ใช้เครื่องมือ รับมือกับความผิดพลาด และเดินหน้าต่อจนจบภารกิจ

อย่างไรก็ตาม คำอธิบายดังกล่าวยังเป็นมุมมองของ Z.ai เอง จำเป็นต้องมีการทดสอบจากภายนอกเพื่อดูว่าผลลัพธ์จะถ่ายโอนไปยังโมเดล ชุดเครื่องมือ พรอมป์ต และโปรเจกต์ซอฟต์แวร์ประเภทต่าง ๆ ได้มากน้อยเพียงใด

ใช้งานได้ที่ไหน และ open weights จะมาเมื่อไร

ขณะนี้ GLM-5.3 ใช้งานได้ผ่าน GLM Coding Plan ของ Z.ai ซึ่งรองรับโมเดลในแผนที่บริษัทระบุไว้ และมีให้ใช้ในสภาพแวดล้อมพัฒนา ZCode ด้วย

จากหลักฐานที่มี ยังไม่มีการเปิดเผย open weights อย่างเป็นทางการ รายงานจากบุคคลที่สามระบุว่า Z.ai คาดว่าจะปล่อยน้ำหนักโมเดลราว 2 สัปดาห์หลังการเปิดตัววันที่ 14 สิงหาคม 2026 หลังผ่านการประเมินความปลอดภัยเพิ่มเติม ซึ่งชี้ไปที่ช่วงปลายเดือนสิงหาคม 2026 แต่กำหนดการนี้ยังเป็นเพียงการคาดการณ์ ไม่ใช่วันปล่อยที่ยืนยันแล้ว

สำหรับนักพัฒนาที่กำลังตัดสินใจ สิ่งสำคัญคือการแยก “เข้าถึงโมเดลได้” ออกจาก “ทำซ้ำผลการทดสอบได้” ตอนนี้สามารถทดลองใช้ GLM-5.3 ผ่านผลิตภัณฑ์เขียนโค้ดของ Z.ai ได้ แต่ยังไม่สามารถนำ weights ที่เปิดเผยต่อสาธารณะตามหลักฐานที่มีไปทดสอบซ้ำภายในเครื่องได้

สรุป: อัปเกรดที่เน้น coding agent โดยตรง

GLM-5.3 เป็นการอัปเกรดแบบมีเป้าหมายสำหรับ coding agent ไม่ใช่เพียงการเปลี่ยนเลขรุ่น Z.ai รายงานว่ารุ่นนี้ทำคะแนนบน benchmark เขียนโค้ดภายในดีขึ้น 50% ทำงานบนการประเมินเอเจนต์ระยะยาวได้ดีขึ้น และมีความสามารถด้านความปลอดภัยไซเบอร์สูงขึ้นเมื่อเทียบกับ GLM-5.2

ข้อควรระวังหลักอยู่ที่ระดับของหลักฐาน: Z.ai ยืนยัน “ทิศทาง” ของการพัฒนา ขณะที่ตัวเลขเปรียบเทียบสาธารณะโดยละเอียดและกำหนดการปล่อย weights ราว 2 สัปดาห์มาจากรายงานของบุคคลที่สาม และยังรอการตรวจสอบโดยอิสระ ดังนั้นก่อนมีการทดสอบที่กว้างขึ้นและการปล่อย weights อย่างเป็นทางการ GLM-5.3 ควรถูกมองว่าเป็น coding-agent รุ่นใหม่ที่น่าสนใจและเข้าถึงได้ผ่านผลิตภัณฑ์ของ Z.ai มากกว่าจะสรุปว่าเป็นโมเดลโอเพนที่ทำซ้ำผลได้อย่างสมบูรณ์แล้ว