Databricks chọn GLM 5.2 làm 'cỗ máy code' mặc định: Hé lộ điều bất ngờ từ bài kiểm tra nội bộ về hiệu năng và chi phí AI

Databricks, công ty dữ liệu và AI hàng đầu thế giới, vừa công bố kết quả từ một bài kiểm tra nội bộ đầy tham vọng vào tháng 7/2026. Bài kiểm tra này đánh giá các mô hình AI trên những tác vụ kỹ thuật thực tế từ kho code 'khủng' của chính Databricks (với hàng triệu dòng code Python, Go, TypeScript, Scala và SQL). Kết quả đã khiến họ đưa ra một quyết định bất ngờ: chọn GLM 5.2, một mô hình mã nguồn mở của Trung Quốc từ Z.ai (trước đây là Zhipu AI), làm 'cỗ máy code' (coding engine) mặc định. Dưới đây là những gì bài kiểm tra tiết lộ và lý do đằng sau sự thay đổi này.

Những phát hiện làm thay đổi cuộc chơi

Databricks xây dựng bài kiểm tra riêng vì họ cho rằng các benchmark công khai như SWE-bench có thể bị 'tinh chỉnh quá mức'. Họ muốn đo lường chính xác agent nào có thể giải quyết vấn đề thực tế từ đầu đến cuối . Kết quả mang đến ba bất ngờ lớn:

1. Mô hình mã nguồn mở đã sánh ngang hàng 'frontier'. Ranh giới Pareto (Pareto frontier) về chất lượng coding — nơi tìm ra chất lượng tốt nhất với một mức chi phí nhất định — giờ đây đã có sự góp mặt của các mô hình từ OpenAI, Anthropic và cả các nhà cung cấp mã nguồn mở. Đồng sáng lập Databricks, Matei Zaharia, xác nhận: "Nhiều mô hình, bao gồm cả mã nguồn mở, giờ đây thực sự có tính cạnh tranh" . Công ty kết luận rằng các mô hình mở, đặc biệt là GLM 5.2, hoàn toàn có khả năng xử lý các tác vụ khó nhất .

2. Giá mỗi token là một 'cái bẫy' chi phí. Bài kiểm tra phát hiện rằng giá mỗi token của một mô hình không phải là chỉ báo đáng tin cậy cho tổng chi phí thực tế trong các quy trình coding phức tạp. Mô hình lớn hơn có thể hiệu quả hơn nhiều về mặt token, nghĩa là một mô hình có giá mỗi token rẻ hơn hóa ra lại có thể đắt hơn tổng thể nếu nó cần nhiều token hơn để hoàn thành cùng một tác vụ. Điều này buộc Databricks phải đánh giá mô hình dựa trên chi phí hoàn thành tác vụ thực tế chứ không phải giá API thô .