GLM-5.3-Flash: เบื้องหลังโมเดลลับ Ox Alpha ที่นักพัฒนาแห่ใช้งาน

GLM-5.3-Flash คือโมเดลที่อยู่เบื้องหลังจุดให้บริการปริศนา Ox Alpha ซึ่งปรากฏบน OpenRouter และเครื่องมือสำหรับนักพัฒนาอื่น ๆ เมื่อวันที่ 20 สิงหาคม 2026 โดยไม่มีการระบุชื่อผู้พัฒนาอย่างชัดเจน ต่อมา Zhipu AI ซึ่งทำธุรกิจในต่างประเทศภายใต้ชื่อ Z.ai ยืนยันเมื่อวันที่ 26 สิงหาคมว่า Ox Alpha คือ GLM-5.3-Flash และอธิบายว่าการเปิดตัวแบบไม่ติดแบรนด์เป็นการทดสอบการใช้งานจริง ทั้งด้านการเขียนโค้ด มัลติโมดัล และเอเจนต์ 34

การเปิดเผยครั้งนี้เปลี่ยนปริศนาที่ถูกพูดถึงอยู่นานหนึ่งสัปดาห์ให้กลายเป็นการเปิดตัวโมเดลโอเพนเวตขนาดใหญ่ โดย GLM-5.3-Flash เป็นระบบ Mixture-of-Experts (MoE) ที่มีพารามิเตอร์รวม 320,000 ล้านตัว แต่เปิดใช้งานเพียง 18,000 ล้านตัวต่อโทเคน มีบริบทประมาณ 1 ล้านโทเคน รองรับอินพุตหลายรูปแบบ และเผยแพร่น้ำหนักภายใต้ MIT License 368

Ox Alpha กลายเป็นกระแสได้อย่างไร

Ox Alpha เปิดให้ใช้งานโดยไม่มี Model Card ผู้ผลิต หรือเอกสารสเปกโดยละเอียด นักพัฒนาพบจุดให้บริการที่ใช้งานได้ฟรี รองรับบริบทขนาดยาวและอินพุตมัลติโมดัล จึงเริ่มนำไปทดลองกับการเขียนโค้ดและเวิร์กโฟลว์แบบเอเจนต์ ประสิทธิภาพที่ใช้งานได้จริงดึงดูดความสนใจมากพอให้เกิดการคาดเดาว่าโมเดลนี้มาจากแล็บใด 1316

Zhipu ระบุว่าการทดสอบดังกล่าวตั้งใจปิดบังตัวตนของโมเดล บริษัทไม่เปิดเผยชื่อและสเปกเพื่อให้นักพัฒนาตัดสินจากผลลัพธ์จริง แทนที่จะได้รับอิทธิพลจากชื่อแบรนด์ จำนวนพารามิเตอร์ หรือการตลาดช่วงเปิดตัว ข้อมูลการใช้งานและความคิดเห็นที่ได้จากงานซอฟต์แวร์และงานเอเจนต์จริงจึงถูกนำมาใช้ก่อนการเปิดตัวอย่างเป็นทางการ 1315

รายงานหลายแห่งระบุว่าในช่วงทดสอบมีขีดความสามารถให้ใช้งานฟรีราว 100 ล้านล้านโทเคนต่อวัน Patrick Collison ผู้ร่วมก่อตั้ง Stripe ก็เป็นหนึ่งในนักพัฒนาชื่อดังที่มีรายงานว่าแสดงความชื่นชมคุณภาพของโมเดล ปฏิกิริยาเหล่านี้ช่วยให้จุดให้บริการนิรนามกลายเป็นการเปิดตัวที่คนในวงการติดตามอย่างใกล้ชิด อย่างไรก็ตาม ความสนใจจากผู้ใช้งานยังไม่ใช่หลักฐานเทียบเท่าการประเมินแบบควบคุมตัวแปร 1314

Zhipu ยังกล่าวว่าบริการดังกล่าวทำงานบนตัวเร่งความเร็ว AI ที่ผลิตในจีน โดย South China Morning Post รายงานว่าการทดลองใช้คลัสเตอร์ชิปจำนวน 100,000 ตัว และโมเดลประมวลผลไปแล้ว 62 ล้านล้านโทเคนก่อนเปิดตัวอย่างเป็นทางการ ตัวเลขด้านความจุและการใช้งานแตกต่างกันไปตามรายงาน จึงควรมองว่าเป็นตัวเลขที่บริษัทหรือสื่อรายงาน ไม่ใช่ค่าที่ผ่านการตรวจสอบโดยอิสระ 713

สเปกหลักของ GLM-5.3-Flash

GLM-5.3-Flash ใช้สถาปัตยกรรม Mixture-of-Experts หรือ MoE มีพารามิเตอร์รวม 320,000 ล้านตัว แต่เปิดใช้งานเพียง 18,000 ล้านตัวต่อโทเคน แนวคิดนี้ช่วยให้โมเดลมีความสามารถในการแทนความรู้ระดับโมเดลขนาดใหญ่มาก โดยไม่ต้องประมวลผลพารามิเตอร์ทั้งหมดในทุกขั้นตอนของการอนุมาน 34

โมเดลมี 45 เลเยอร์ และเป็นโมเดลแรกในตระกูล GLM-5 ที่ Zhipu ระบุว่ารองรับมัลติโมดัลตั้งแต่ระดับสถาปัตยกรรม โดยทำงานกับข้อความ ภาพ วิดีโอ เอกสารภาพ ไฟล์ และอินพุตหลายรูปแบบที่สลับรวมกันได้ ความสามารถนี้เหมาะกับงานที่เอเจนต์ต้องดูหน้าจอ อ่านเอกสาร ตรวจภาพหน้าจอ หรือประเมินผลลัพธ์จากการรันโค้ด ไม่ใช่แค่ประมวลผลข้อความ 411

Zhipu ระบุว่ารองรับบริบทสูงสุด 1,048,576 โทเคน หรือมักเรียกโดยย่อว่าบริบท 1 ล้านโทเคน ความจุระดับนี้ออกแบบมาสำหรับคลังซอร์สโค้ดขนาดใหญ่ เซสชันเอเจนต์ที่ดำเนินต่อเนื่อง เอกสารจำนวนมาก และงานที่ผสานโค้ดเข้ากับภาพหรือไฟล์ 34

บริษัทระบุว่า GLM-5.3-Flash ได้รับการฝึกจากฐานโมเดลใหม่ พร้อมสถาปัตยกรรมและสูตรการฝึกที่ออกแบบขึ้นใหม่ โดยใช้ชุดข้อมูลมัลติโมดัลขนาด 30 ล้านล้านโทเคน ดังนั้นโมเดลนี้จึงถูกนำเสนอในฐานะโมเดลใหม่ที่เน้นประสิทธิภาพและความสามารถด้านมัลติโมดัล ไม่ใช่เพียงรุ่นย่อส่วนของ GLM-5.3 416

เทคนิคที่ช่วยลดต้นทุนการประมวลผล

โมเดลผสาน Linear Attention เข้ากับ Sparse Attention โดย Linear Attention มีเป้าหมายช่วยให้การประมวลผลลำดับข้อความยาว ๆ ใช้ทรัพยากรน้อยลง ขณะที่ Sparse Attention จะเลือกเก็บความสัมพันธ์ที่ต้องการความละเอียดสูงกว่า วิธีนี้พยายามสร้างสมดุลระหว่างความสามารถด้านบริบทขนาดยาวกับต้นทุนการอนุมานที่จัดการได้ง่ายขึ้น 416

Zhipu ยังอธิบายถึงกลไก IndexPool ซึ่งช่วยลดภาระด้านหน่วยความจำและเวลาแฝงของการทำดัชนีเมื่อบริบทมีความยาวมาก นอกจากนี้ยังใช้ Manifold-Constrained Hyper-Connections เพื่อเพิ่มประสิทธิภาพในการขยายระบบ อย่างไรก็ตาม คุณค่าที่เกิดขึ้นจริงของเทคนิคเหล่านี้ขึ้นอยู่กับการตั้งค่าเซิร์ฟเวอร์ ความยาวของลำดับ ฮาร์ดแวร์ และลักษณะงานที่นำไปใช้ 416

เมื่อเทียบกับ GLM-5.3 ทาง Zhipu อ้างว่า GLM-5.3-Flash ลดการคำนวณ Attention ได้ 3.01 เท่า และลดการใช้ KV Cache ได้ 4.44 เท่า โดยยังคงคุณภาพในบริบทขนาดยาว ตัวเลขนี้มีความสำคัญต่อผู้พัฒนาเอเจนต์ เพราะการคำนวณ Attention และหน่วยความจำสำหรับ KV Cache มักเป็นคอขวดของงานที่ทำงานต่อเนื่องเป็นเวลานาน แต่สัดส่วนดังกล่าวมาจากเอกสารทางเทคนิคของ Zhipu เป็นหลัก จึงไม่ควรตีความว่าเป็นความเร็วที่เพิ่มขึ้นเท่ากันในทุกระบบหรือทุกเวิร์กโหลด 4

ความสามารถและผลทดสอบที่รายงาน

GLM-5.3-Flash มุ่งเน้นการเขียนโค้ด การเขียนโปรแกรมด้วยภาพ งานเอเจนต์ที่ต้องวางแผนหลายขั้นตอน และการใช้เครื่องมือ ความสามารถด้านภาพช่วยให้เอเจนต์สังเกตอินเทอร์เฟซ ผลการเรนเดอร์ และข้อมูลตอบกลับจากการโต้ตอบ จนเกิดวงจรการทำงานระหว่างโค้ด เบราว์เซอร์ และ GUI 4

ผลการทดสอบที่ Zhipu รายงานประกอบด้วย:

• Terminal-Bench 2.1: 84.3
• DeepSWE v1.1: 63.4 Pass@1
• AutomationBench: 48.8
• NL2Repo: 56.3
• Toolathlon Verified: 78.4

ตัวเลขเหล่านี้สนับสนุนการวางตำแหน่งโมเดลในด้านวิศวกรรมซอฟต์แวร์และเอเจนต์ แต่การเปรียบเทียบต้องทำอย่างระมัดระวัง เพราะผลทดสอบเอเจนต์อาจเปลี่ยนแปลงได้มากตามพรอมป์ต เครื่องมือ โครงสร้างช่วยเหลือ ฮาร์ดแวร์ เวลาที่จำกัด และเวอร์ชันของการประเมิน ตัวเลขดังกล่าวจึงควรอ่านว่าเป็นผลที่ Zhipu รายงาน ไม่ใช่การจัดอันดับที่ยืนยันความเหนือกว่าคู่แข่งทุกกรณี 415

เปิดน้ำหนักให้ดาวน์โหลดและนำไปติดตั้งเอง

Zhipu เผยแพร่น้ำหนักของ GLM-5.3-Flash บน Hugging Face ภายใต้ใบอนุญาต MIT ซึ่งเป็นใบอนุญาตแบบเปิดที่อนุญาตให้นำไปใช้ ดัดแปลง และเผยแพร่ต่อได้ภายใต้เงื่อนไขของใบอนุญาต รวมถึงมีรุ่น BF16 ให้ใช้งาน เอกสารของโมเดลระบุว่ารองรับเฟรมเวิร์กสำหรับให้บริการ เช่น SGLang และ vLLM ทำให้องค์กรมีทางเลือกในการรันภายในระบบหรือดูแลเซิร์ฟเวอร์เอง แทนที่จะพึ่งพา API ของ Z.ai เพียงช่องทางเดียว 368

ความเปิดกว้างนี้ทำให้นักพัฒนาสามารถทดสอบโมเดลกับคลังโค้ด เอกสาร อินเทอร์เฟซภาพ และสภาพแวดล้อมเอเจนต์ของตนเองได้โดยตรง ขณะเดียวกันทีมโครงสร้างพื้นฐานก็สามารถประเมินต้นทุนและข้อกำหนดด้านฮาร์ดแวร์ได้เอง แต่จำนวนพารามิเตอร์รวม 320,000 ล้านตัวยังคงทำให้การติดตั้งเป็นงานวิศวกรรมขนาดใหญ่ การเปิดใช้งานเพียง 18,000 ล้านตัวต่อโทเคนช่วยลดงานคำนวณ ไม่ได้หมายความว่าไฟล์โมเดลทั้งชุดจะมีขนาดเล็กหรือรันได้ง่ายบนฮาร์ดแวร์ทั่วไปโดยอัตโนมัติ

เหตุใดการเปิดตัวแบบไม่เปิดเผยชื่อจึงสำคัญ

การทดลอง Ox Alpha ไม่ได้เป็นเพียงแคมเปญสร้างกระแส แต่เป็นการทดสอบว่าผู้พัฒนาจะยังเลือกใช้โมเดลหรือไม่เมื่อไม่รู้ชื่อ จำนวนพารามิเตอร์ และบริษัทเจ้าของ วิธีนี้ทำให้ Zhipu ได้รับข้อมูลจากงานจริงและความเห็นจากผู้ใช้ก่อนเปิดตัวอย่างเป็นทางการ 1315

อย่างไรก็ดี การทดลองมีข้อจำกัดชัดเจน การเปิดให้ใช้ฟรีอาจดึงดูดการใช้งานในปริมาณสูงผิดปกติ คำชื่นชมในช่วงแรกอาจได้รับอิทธิพลจากความใหม่ของโมเดล และการทดสอบแบบไม่เปิดเผยชื่อไม่ได้ควบคุมพรอมป์ตหรือทำให้ทุกระบบอยู่ภายใต้เงื่อนไขเดียวกัน

ข้อสรุปที่รอบคอบที่สุดจึงอยู่ที่ว่า GLM-5.3-Flash สามารถดึงดูดความสนใจจากนักพัฒนาได้มากตั้งแต่ยังไม่เปิดเผยตัวตน และ Zhipu นำข้อมูลจากการใช้งานจริงเหล่านั้นมาใช้ยืนยันและขัดเกลาเรื่องราวการเปิดตัว ส่วนการพิสูจน์ว่าโมเดลทำงานได้ดีเพียงใดในสภาพแวดล้อมการผลิต ยังต้องอาศัยการทดสอบอิสระที่ทำซ้ำได้

สรุป

GLM-5.3-Flash คือชื่อจริงของ Ox Alpha โมเดล GLM แบบโอเพนเวตที่รองรับมัลติโมดัลตั้งแต่ต้น และออกแบบมาสำหรับงานเขียนโค้ดและเอเจนต์ที่ต้องทำงานต่อเนื่อง จุดเด่นสำคัญคือสถาปัตยกรรม MoE ขนาด 320B-A18B จำนวน 45 เลเยอร์ บริบท 1 ล้านโทเคน การผสาน Linear Attention กับ Sparse Attention และน้ำหนักที่เผยแพร่ภายใต้ MIT License 3411

สิ่งที่น่าจับตาที่สุดไม่ใช่แค่ขนาดโมเดล แต่คือการรวมบริบทขนาดยาว อินพุตภาพ การใช้เครื่องมือ และต้นทุนการให้บริการที่ Zhipu อ้างว่าลดลงไว้ในโมเดลที่นักพัฒนาสามารถดาวน์โหลดและนำไปติดตั้งเองได้ การเปิดตัวแบบปิดบังชื่อให้ข้อมูลตอบรับจากผู้ใช้จริงอย่างน่าสนใจ แต่ยังไม่อาจทดแทนการประเมินอิสระเพื่อยืนยันประสิทธิภาพและข้ออ้างด้านสถาปัตยกรรมทั้งหมด