GLM-5 ปลุกปั่นการปฏิวัติ AI ด้านการเขียนโปรแกรม: โมเดลภาษาขนาดใหญ่ของจีนก้าวจาก “การแสดงฝีมือ” สู่ยุค “วิศวกรรมระบบ”

ทุกวันนี้เรากำลังเป็นพยานต่อประวัติศาสตร์ใหม่ของ “หุ้น AI โมเดลใหญ่ระดับโลกอันดับหนึ่ง” Zhipu AI

เทศกาลตรุษจีนปี 2026 นี้ จะต้องถูกบันทึกลงในประวัติศาสตร์การพัฒนา AI ของจีนอย่างแน่นอน

ในช่วงครึ่งเดือนที่ผ่านมา ชุมชน AI ถูกจุดประกายด้วย “ดาวฤกษ์มหายาน” สองดวง: ดวงหนึ่งคือ Seedance 2.0 ที่ ByteDance เปิดตัว ซึ่งกวาดล้างเครือข่ายสังคมออนไลน์ทั่วโลกด้วยความสามารถในการสร้างวิดีโอที่น่าตื่นตาตื่นใจ เป็นตัวแทนของการปะทุครั้งใหญ่ของ AI ในมิติของความรู้สึกและความคิดสร้างสรรค์ ส่วนอีกดวงหนึ่งคือ Zhipu GLM-5 ที่ทำให้เหล่านักพัฒนานอนไม่หลับมาหลายวันนี้

กล่าวได้ว่า Seedance 2.0 ทำให้โลกได้เห็น “จินตนาการ” อันน่าทึ่งของ AI จีน ส่วน GLM-5 กำลังแสดงให้โลกเห็น “ความสามารถในการปฏิบัติงาน” ที่แข็งแกร่งของ AI จีน

นี่เองที่ประกอบเป็นโครงสร้าง “ดาวคู่” ของสนามแข่ง AI ในปี 2026: เส้นทางหนึ่งคือเส้นทางวิดีโอที่มุ่งสู่การจำลองโลกกายภาพ อีกเส้นทางหนึ่งคือเส้นทาง Coding ที่มุ่งสู่การสร้างโลกดิจิทัล

หลังจากที่ Seedance 2.0 ประสบความสำเร็จอย่างล้นหลาม การเปิดตัว GLM-5 ในด้าน Coding และผลการปฏิบัติงานจริง ได้ปล่อยสัญญาณที่สำคัญอย่างยิ่งออกมา: AI จีนกำลังก้าวจากวัยรุ่นที่โชว์ความสามารถ ไปสู่วัยผู้ใหญ่ที่มั่นคงและเป็นผู้ใหญ่อย่างเป็นทางการ — นี่คือ “พิธีบรรลุนิติภาวะ” ของ AI ผลิตในประเทศ เราไม่พอใจแค่การสร้างหน้าเว็บที่สวยงามอีกต่อไป แต่เริ่มที่จะควบคุมเคอร์เนลของระบบ สร้างโครงสร้างที่ซับซ้อนใหม่ และแก้ไขปัญหาความท้าทายด้านผลิตภาพที่ยากที่สุดเหล่านั้นจริงๆ

การก้าวกระโดดข้ามระดับนี้หมายความว่าในที่สุด AI จีนก็ได้ครองบัลลังก์เทคโนโลยีของตัวเองอย่างแท้จริง และปฏิกิริยาของตลาดต่อ “ราชาใหม่” นี้ สามารถอธิบายได้ด้วยคำว่า “คลั่งไคล้”

นับตั้งแต่คืนก่อนหน้าที่รหัสชื่อ “Pony Alpha” ของ Zhipu GLM-5 เปิดเผยชื่อจริงมา การยกย่องสรรเสริญที่ได้รับก็ถูกแปลงเป็นความต้องการซื้ออย่างรวดเร็ว ไม่เพียงแต่แพลตฟอร์มต่างๆ มากมายเช่น Ollama, Modal, Poe, Silicon Flow ที่ให้การสนับสนุน Day-0 แล้ว แผน GLM Coding Plan ของ Zhipu ที่จำกัดจำนวนรายวัน แม้จะขึ้นราคา 30% ก็ยังถูกจองหมดในพริบตา นักพัฒนาที่ไม่ได้ขึ้นรถก็สามารถรอจองเวลา 10:00 น. ทุกวันเท่านั้น

แม้แต่บริการคลาวด์ของ Ollama หลังจากที่เปิดตัว GLM-5 ก็ยังถูกใช้งานจนล้น

นักพัฒนาหลายคนที่ไม่ได้จองแผน GLM Coding Plan ทันเวลา ตะโกนดังๆ ว่า:

เบื้องหลังความคลั่งไคล้นี้ แท้จริงแล้วคือสัญญาณหนึ่ง: ชุมชนโอเพ่นซอร์สทนกับ “โมเดลของเล่น” มานานแล้ว

เมื่อ Claude Opus 4.6 และ GPT-5.3 ที่เป็นระบบปิดได้พิสูจน์แล้วว่า AI มีความสามารถในการทำงานเชิงระบบวิศวกรรม ทุกคนก็ยิ่งทนไม่ได้กับโมเดลโอเพ่นซอร์สที่อยู่ใกล้ตัว ที่สามารถเขียนได้แค่เกมงูกินหาง วาดรูป SVG ในระดับนั้น นักพัฒนากำลังรอ รอ “หัวหน้าคนงาน” ของโลกโอเพ่นซอร์สที่สามารถทำงานหนัก งานเหนื่อย งานโครงการใหญ่ได้จริงๆ

และ GLM-5 ดูเหมือนจะเป็นบทบาทที่สวมหมวกนิรภัย หอบแบบแปลนเข้ามาในสนาม

อย่าเชื่อถือ Vibe Coding อีกต่อไป นี่คือยุคของ “ระบบวิศวกรรม”

ในวันนี้ต้นปี 2026 เกณฑ์การเขียนโปรแกรมด้วย AI ได้ลดลงถึงจุดต่ำสุดในประวัติศาสตร์ ไม่ว่าจะเป็นการสร้าง Landing Page ที่มีเอฟเฟกต์อนุภาค หรือการใช้ SVG วาดไอคอน ล้วนกลายเป็นทักษะพื้นฐานของโมเดลใหญ่ต่างๆ หมดแล้ว โหมดการพัฒนาที่ Andrej Karpathy ผู้เชี่ยวชาญ AI ชื่อดังตั้งชื่อว่า “Vibe Coding” นี้ แน่นอนว่าทำให้ผู้ที่ไม่ใช่技术人员สามารถเริ่มต้นได้เร็ว และผลิต Demo ที่น่าตื่นตาตื่นใจออกมาได้

มันเจ๋งมาก แต่สำหรับวิศวกรรมซอฟต์แวร์ที่แท้จริงแล้ว นี่ยังไม่เพียงพอ

ช่วงเวลาที่ผ่านมา การปรากฏตัวของ Claude Opus 4.6 และ GPT-5.3 Codex ได้เปลี่ยนมิติการแข่งขันของโมเดลปิดระดับสูงสุดอย่างเงียบๆ พวกมันไม่เน้นเพียงผลลัพธ์การสร้างครั้งเดียวแบบ “One Shot” อีกต่อไป แต่หันมาแข่งขันในด้านความสามารถเชิง Agentic แทน ซึ่งหมายความว่าโมเดลต้องมีความสามารถในการวางแผนระยะยาว ดำเนินการหลายขั้นตอน และจัดการกับงานระบบวิศวกรรมที่ซับซ้อน

ครั้งนี้ Karpathy ก็ได้ให้บทสรุปที่ดีมากเช่นกัน เขาเขียนว่า: “การเขียนโปรแกรมผ่าน LLM agent กำลังค่อยๆ กลายเป็นเวิร์กโฟลว์เริ่มต้นของมืออาชีพ เพียงแต่มาพร้อมกับการกำกับดูแลและตรวจสอบมากขึ้น เป้าหมายคือการใช้ประโยชน์จากเลเวอเรจที่ agent นำมาให้ให้มากที่สุด โดยไม่เสียคุณภาพของซอฟต์แวร์”

ในบริบทนี้ การเปิดตัว GLM-5 จึงดูมีความสำคัญเป็นพิเศษ มันไม่ได้เลือกที่จะแข่งขันในเส้นทาง “ความสวยงามด้าน Front-end” กับโมเดลโอเพ่นซอร์สยอดเยี่ยมอื่นๆ ต่อไป แต่เลือกเส้นทางทางเทคนิคที่ชันกว่า: การเป็นโมเดลระดับ “สถาปนิกระบบ” รายแรกของโลกโอเพ่นซอร์ส (แน่นอนว่า ความสวยงามด้าน Front-end ของ GLM-5 ยังคงดีมากอยู่)

ดังที่ Simon Willison นักวิจัย AI ชื่อดังแสดงความคิดเห็นในบล็อกของเขา GLM-5 สามารถถูกเรียกว่า “วิศวกรซอฟต์แวร์มืออาชีพที่สร้างด้วย LLM” และเห็นว่า Zhipu เลือกคำว่า “Agentic Engineering” มาอธิบายกระบวนทัศน์นี้เป็นเรื่อง “น่าสนใจมาก”

การกำหนดตำแหน่งที่แตกต่างนี้แสดงออกโดยตรงในความลึกของการแก้ปัญหา ใช่แล้ว GLM-5 สามารถแก้ปัญหาระดับระบบที่ยากยิ่งขึ้นได้!

หากคุณต้องการสร้างต้นแบบหน้าเว็บที่มีเอฟเฟกต์ภาพตระการตาอย่างรวดเร็ว ตลาดมีโมเดลมากมายให้เลือก แต่หากคุณกำลังเผชิญกับงาน重构โครงสร้าง Back-end การนำอัลกอริทึมที่ซับซ้อนไปปฏิบัติ หรืองานพัฒนาระดับเคอร์เนลระบบปฏิบัติการ GLM-5 น่าจะเป็นตัวเลือกเดียวที่ชุมชนโอเพ่นซอร์สมีในปัจจุบัน

พูดอย่างเดียวไม่พอ เราตัดสินใจทดสอบมันด้วยโจทย์ที่ยากขึ้น

เราไม่ได้ให้มันเขียนเกม แต่โยนงานที่ยากสุดๆ ให้มัน: สร้างระบบจัดสรรทรัพยากรคอมพิวเตอร์แบบกระจายศูนย์และทำงานพร้อมกันสูง (High Concurrency Distributed Computing Resource Scheduling System) จากศูนย์ โดยใช้ Rust

จาก Prompt นี้จะเห็นได้ว่า การทำงานนี้จะต้องให้ GLM-5 มีความเข้าใจและการ重构ระดับสถาปัตยกรรมระบบ ความเข้าใจและการควบคุมโมเดล Concurrency การออกแบบการจัดสรรแบบกระจายศูนย์และอัลกอริทึม การวางแผนเชิง Agentic และการแยกย่อยงานวิศวกรรม การทำงานร่วมกันแบบ Full-stack การป้องกันทางวิศวกรรม และความสามารถอื่นๆ อีกมากมาย

หากเป็นโมเดลรุ่นก่อนหน้านี้ มีโอกาสสูงที่จะสร้างโค้ด Python สวยงามให้คุณมา แล้วพังทลายลงทันทีภายใต้การทำงานพร้อมกันสูง แต่ผลการทำงานของ GLM-5 ทำให้เรารู้สึกเหมือน “นั่ง Pair Programming กับสถาปนิกระดับสูง” จริงๆ

มันไม่รีบเขียนโค้ด แต่เริ่มจากการวาดภาพก่อน มันปฏิเสธสถาปัตยกรรมแบบ Monolithic ออกแบบโปรโตคอล Gossip สำหรับการค้นพบโหนด ใช้ Raft สำหรับฉันทามติ และยังพิจารณาถึงการเลือก CP/AP เมื่อเกิด Network Partition อีกด้วย

ในอีก 40 นาทีต่อมา ดูมันใช้ Tokio เขียนลอจิก Asynchronous ใหม่ จัดการกับกลไก Ownership ของ Rust ที่ทำให้ปวดหัวด้วยตัวเอง แม้กระทั่งค้นพบข้อผิดพลาดในการคอมไพล์และแก้ไขเอง ความรู้สึกว่า “มันกำลังคิดจริงๆ ไม่ใช่แค่การจับคู่ความน่าจะเป็น” นั้นรุนแรงมาก

GLM-5 ตรวจสอบและซ่อมแซมโดยอัตโนมัติระหว่างการดำเนินการ

ในที่สุด มันไม่เพียงส่งมอบโค้ด แต่ยังเขียนสคริปต์ทดสอบความเครียดป้องกัน DDoS มาด้วย 说实话 ความตระหนักในการป้องกันทางวิศวกรรมแบบนี้ วิศวกรมนุษย์ระดับจูเนียร์หลายคนก็อาจจะไม่จำเป็นต้องมี

ผลลัพธ์สุดท้ายพิสูจน์ว่า สถาปัตยกรรมนี้สามารถปฏิเสธคำขอที่ไม่มีประสิทธิภาพภายใต้ความกดดันสูงได้อย่างแข็งขัน ในขณะเดียวกันก็รับประกันอัตราความสำเร็จของงานที่มีประสิทธิภาพ

เรายังลองทดสอบกรณีศึกษาที่น่าสนใจมากอีกกรณีหนึ่งสำเร็จ โดยให้ Claude Code ที่ติดตั้ง GLM-5 เขียนเกมชีวิต (Game of Life) แบบ Full-stack เราใช้ Prompt ดังนี้:

เห็นได้ชัดว่างานนี้ต้องการให้ AI เข้าใจอัลกอริทึมและตรรกะทางคณิตศาสตร์ รวมถึงสถาปัตยกรรมวิศวกรรมแบบ Full-stack และความสามารถในการเขียนโปรแกรมด้านการแสดงภาพและกราฟิก

ครั้งนี้ GLM-5 ทำงานนานถึง 2 ชั่วโมง 33 นาที ในที่สุดได้ระบบที่ค่อนข้างซับซ้อนดังนี้:

ในทำนองเดียวกัน กระบวนการทำงานของงานนี้ก็มีขั้นตอนการตรวจสอบและแก้ไขจำนวนมาก — เหมือนวิศวกรซอฟต์แวร์ตัวจริงกำลังทำงาน ผลลัพธ์สุดท้ายที่ให้มาสามารถใช้งานได้ทันที เนื่องจากเราไม่ได้ระบุความต้องการอย่างชัดเจนใน Prompt เริ่มต้น โค้ดเวอร์ชันแรกที่ GLM-5 ให้มาจึงไม่มีฟังก์ชันการทำงานอัตโนมัติ เราเพียงเพิ่ม Prompt สั้นๆ ว่า “เพิ่มฟังก์ชันทำงานอัตโนมัติ เช่น ก้าวหน้าหนึ่งวินาที” GLM-5 ก็แก้ไขปัญหาได้ภายใน 4 นาที และให้ผลลัพธ์ที่น่าพอใจ ภาพด้านล่างคือการสาธิตเอฟเฟกต์ที่สร้างขึ้นจาก Prompt ข้างต้น:

นอกจากนี้ เรายังใช้ GLM-5 สร้างเครื่องมือแนะนำหัวข้อที่มีประโยชน์มาก เราให้หัวข้อบทความ 5086 หัวข้อก่อนปี 2025 ให้ GLM-5 วิเคราะห์ จากนั้นสร้าง Skill แนะนำหัวข้อ ใช้ Prompt ดังนี้:

อ่านไฟล์ 机器之心文章列表.md วิเคราะห์หัวข้อทั้งหมดข้างในนั้น เขียน Skill แนะนำหัวข้อบทความให้ฉัน เพื่อให้ฉันสามารถวางบทความลงไป แล้วให้ AI แนะนำหัวข้อที่แตกต่างกัน 10 หัวข้อให้ฉันทุกครั้ง

ในที่สุด เราได้ Skill ที่ค่อนข้างดี มันสามารถแนะนำหัวข้อได้ 10 แบบที่แตกต่างกัน:

เราเลือกบทความล่าสุดมาทดสอบ ผลลัพธ์น่าประหลาดใจ มีหลายหัวข้อที่ถึงระดับใช้งานได้ทันที:

GLM-5 ยังสามารถสร้างเครื่องจำลองร่างกายมนุษย์ที่มีรายละเอียดละเอียดถึงแต่ละข้อต่อสามารถเคลื่อนไหวได้อย่างอิสระ:

จากประสบการณ์ในโครงการเหล่านี้ เรารู้สึกว่า: ความสามารถด้านโค้ดของโมเดลโอเพ่นซอร์สได้ก้าวข้ามรุ่นแล้ว เรามั่นใจว่านี่คือความมั่นใจที่ทำให้ Zhipu ยกระดับหมายเลขรุ่นของโมเดลชุด GLM ขึ้นเป็น 5

GLM-5 พิสูจน์แล้วว่าโมเดลโอเพ่นซอร์สมีความสามารถในการจัดการงานที่ซับซ้อนได้แล้ว มันไม่ใช่แค่ Copilot ที่ช่วยเขียนโค้ดอีกต่อไป แต่更像是一个能够独立承担系统级任务的 AutoPilot สำหรับนักพัฒนาแล้ว นี่หมายความว่าเมื่อต้องสร้างระบบสินค้าคงคลัง E-commerce แบบ Concurrency สูง ออกแบบกลยุทธ์แคช Redis หรือจัดการกับ “ภูเขาขยะ” ของโค้ดเก่า ในที่สุดก็มีตัวเลือกโอเพ่นซอร์สที่ควบคุมต้นทุนได้และมีตรรกะที่เข้มงวด

จากนี้ เราสามารถตัดสินได้ว่า: GLM-5 เป็นสัญลักษณ์ว่าโมเดลโอเพ่นซอร์สพร้อมจริงๆ ที่จะต้อนรับยุคของงานใหญ่เชิง Agentic

GLM-5 ที่เกิดมาสำหรับ Agentic Engineering

การก้าวข้ามของ GLM-5 จาก “Vibe Coding” ไปสู่ “Agentic Engineering” ไม่ใช่เรื่องบังเอิญ รายละเอียดทางเทคนิคที่ Zhipu เปิดเผยแสดงให้เห็นว่านี่คือโมเดลฐานที่ถูกสร้างใหม่เพื่อการส่งมอบผลลัพธ์การผลิตที่มั่นคง

เพื่อยกระดับระดับสติปัญญาทั่วไป GLM-5 ได้ขยายขนาดพารามิเตอร์จากรุ่นก่อนหน้าที่ 355B (เปิดใช้งาน 32B) ไปเป็น 744B (เปิดใช้งาน 40B) อย่างมาก และปริมาณข้อมูล Pre-training ก็เพิ่มขึ้นเป็น 28.5T ที่สำคัญกว่านั้น เพื่อแก้ไขจุดอ่อนของการใช้ Token จำนวนมหาศาลของโมเดลใหญ่ในงานระยะยาว GLM-5 ได้รวมกลไก Sparse Attention เป็นครั้งแรก สิ่งนี้ทำให้โมเดลสามารถรักษาผลลัพธ์ของข้อความยาวได้โดยไม่สูญเสีย ในขณะเดียวกันก็ลดต้นทุนการปรับใช้และความล่าช้าในการอนุมานได้อย่างมาก

ในระดับการฝึกฝน Zhipu ได้สร้างโครงสร้างพื้นฐานการเรียนรู้แบบเสริมกำลังแบบอะซิงโครนัสใหม่ทั้งหมดคือเฟรมเวิร์ก Slime ร่วมกับอัลกอริทึมการเรียนรู้แบบเสริมกำลังของเอเจนต์แบบอะซิงโครนัส GLM-5 สามารถเรียนรู้อย่างต่อเนื่องในการโต้ตอบระยะยาวจำนวนมหาศาล การแทรกแซงของการเรียนรู้แบบเสริมกำลัง (RL) ขนาดใหญ่เช่นนี้ เป็นสาเหตุพื้นฐานที่ทำให้มันสามารถสะท้อนและวางแผนตัวเองได้เหมือนวิศวกรอาวุโส

ความก้าวหน้าทางเทคนิคเหล่านี้สะท้อนให้เห็นโดยตรงในผลการทดสอบมาตรฐานที่ยากลำบาก

ในด้านความสามารถด้านโค้ด ในแบบทดสอบมาตรฐานหลักที่ได้รับการยอมรับในอุตสาหกรรม GLM-5 แสดงผลได้แข็งแกร่ง ในรายการระดับสติปัญญา Artificial Analysis ที่มีอำนาจทั่วโลก GLM-5 อยู่ในอันดับที่ 4 ของโลก และอันดับ 1 ของโอเพ่นซอร์ส

⚠️ หมายเหตุ: เนื้อหาได้รับการแปลโดย AI และตรวจสอบโดยมนุษย์ หากมีข้อผิดพลาดโปรดแจ้ง