GLM-5 นำพายุคเจริญเติบโตของ AI จีน: กระโดดข้ามจากความสามารถเด่นสู่ระบบวิศวกรรม

ทุกวันนี้เรากำลังเป็นพยานต่อประวัติศาสตร์ใหม่ของ “หุ้น AI ระดับโลกอันดับหนึ่ง” Zhipu AI

เทศกาลตรุษจีนปี 2026 นี้ จะต้องถูกบันทึกลงในประวัติศาสตร์การพัฒนา AI ของจีนอย่างแน่นอน

ในช่วงครึ่งเดือนที่ผ่านมา ชุมชน AI ถูกจุดประกายด้วย “ดาวฤกษ์มหึมา” สองดวง: ดวงหนึ่งคือ Seedance 2.0 ที่เปิดตัวโดย ByteDance ซึ่งกวาดล้างเครือข่ายสังคมออนไลน์ทั่วโลกด้วยความสามารถในการสร้างวิดีโอที่น่าตื่นตะลึง เป็นตัวแทนของการระเบิดครั้งใหญ่ของ AI ในมิติของความรู้สึกและความคิดสร้างสรรค์ ส่วนอีกดวงหนึ่งคือ GLM-5 ของ Zhipu AI ที่ทำให้นักพัฒนาหลายคนอดนอนมาหลายวันนี้

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

นี่เองที่ประกอบขึ้นเป็นโครงสร้าง “ดาวคู่” ของสนามแข่ง AI ในปี 2026: เส้นทางหนึ่งมุ่งสู่การจำลองโลกกายภาพผ่านวิดีโอ อีกเส้นทางหนึ่งมุ่งสู่การสร้างโลกดิจิทัลผ่านการเขียนโค้ด

หลังจากที่ Seedance 2.0 ประสบความสำเร็จอย่างล้นหลาม การเปิดตัว GLM-5 ในด้านการเขียนโค้ดและการแสดงผลในทางปฏิบัติ ได้ปล่อยสัญญาณที่สำคัญมากออกมา: AI จีนกำลังก้าวจากวัยรุ่นที่โชว์ความสามารถ ไปสู่วัยผู้ใหญ่ที่มั่นคงและเป็นผู้ใหญ่อย่างเป็นทางการ — นี่คือ “พิธีบรรลุนิติภาวะ” ของ AI ผลิตในประเทศ เราไม่พอใจแค่การสร้างเว็บเพจที่สวยงามอีกต่อไป แต่เริ่มเข้าควบคุมเคอร์เนลของระบบ สร้างโครงสร้างที่ซับซ้อนใหม่ เพื่อแก้ไขปัญหาที่ท้าทายและเกี่ยวข้องกับประสิทธิภาพการผลิตมากที่สุด

การก้าวกระโดดข้ามระดับนี้หมายความว่า AI จีนในที่สุดก็ได้ครองบัลลังก์เทคโนโลยีของตัวเองอย่างแท้จริง และปฏิกิริยาของตลาดต่อ “ราชาใหม่” นี้ สามารถอธิบายได้ว่า “คลั่งไคล้”

ตั้งแต่คืนก่อนหน้าที่รหัส “Pony Alpha” ของ Zhipu GLM-5 เปิดเผยชื่อจริงมา การยกย่องที่ได้รับก็ถูกเปลี่ยนเป็นความต้องการซื้ออย่างรวดเร็ว ไม่เพียงแต่แพลตฟอร์มต่างๆ เช่น Ollama, Modal, Poe, Silicon Flow ฯลฯ ให้การสนับสนุนในวันเปิดตัว (Day-0) แผน GLM Coding Plan ของ Zhipu ที่จำกัดจำนวนรายวัน แม้จะขึ้นราคา 30% ก็ยังขายหมดในพริบตา นักพัฒนาที่ไม่ได้ขึ้นรถก็ต้องรอจับเวลาตอน 10:00 น. ทุกวันเพื่อแย่งซื้อ

แม้แต่บริการคลาวด์ของ Ollama ก็ยังล่มหลังจากเปิดตัว GLM-5

นักพัฒนาหลายคนที่ซื้อแผน GLM Coding Plan ไม่ทันร้องดังลั่น:

เบื้องหลังความคลั่งไคล้นี้ แท้จริงแล้วคือสัญญาณหนึ่ง: ชุมชนโอเพ่นซอร์สทนกับ “โมเดลของเล่น” มานานแล้ว

เมื่อโมเดลปิดอย่าง Claude Opus 4.6 และ GPT-5.3 ได้พิสูจน์แล้วว่า AI มีความสามารถในการทำงานเชิงระบบวิศวกรรม ทุกคนก็ยิ่งทนไม่ได้ที่โมเดลโอเพ่นซอร์สที่มีอยู่สามารถเขียนแค่เกมงูกินหาง วาดรูป SVG ในระดับนั้นได้ นักพัฒนากำลังรอ รอ “หัวหน้าคนงาน” ในโลกโอเพ่นซอร์สที่สามารถทำงานหนัก งานใหญ่ งานวิศวกรรมได้จริงๆ

และ GLM-5 ดูเหมือนจะเป็นบทบาทนั้น ที่สวมหมวกกันน็อคและแบกแบบแปลนเข้ามาในสนาม

อย่าเชื่อถือ Vibe Coding อีกต่อไป นี่คือยุคของ “System Engineering”

ในต้นปี 2026 นี้ ขีดจำกัดของการเขียนโปรแกรมด้วย AI ได้ลดลงถึงจุดต่ำสุดในประวัติศาสตร์ ไม่ว่าจะเป็นการสร้าง Landing Page ที่มีเอฟเฟกต์อนุภาค หรือการวาดไอคอนด้วย SVG ล้วนกลายเป็นทักษะพื้นฐานของโมเดลใหญ่ต่างๆ หมดแล้ว โหมดการพัฒนาที่นัก AI ชื่อดัง Andrej Karpathy ตั้งชื่อว่า “Vibe Coding” นี้ ช่วยให้ผู้ที่ไม่ใช่ผู้เชี่ยวชาญด้านเทคนิคสามารถเริ่มต้นได้อย่างรวดเร็ว และสร้าง Demo ที่น่าตื่นตาตื่นใจได้

มันเจ๋งมาก แต่สำหรับวิศวกรรมซอฟต์แวร์ที่แท้จริงแล้ว นี่ยังไม่เพียงพอ

ช่วงก่อนหน้านี้ การปรากฏตัวของ Claude Opus 4.6 และ GPT-5.3 Codex ได้เปลี่ยนมิติการแข่งขันของโมเดลปิดระดับสูงอย่างเงียบๆ พวกมันไม่เน้นแค่ผลลัพธ์การสร้างครั้งเดียวแบบ “One Shot” อีกต่อไป แต่หันมาแข่งขันในด้านความสามารถของ Agentic ซึ่งหมายความว่าโมเดลต้องมีความสามารถในการวางแผนระยะยาว ดำเนินการหลายขั้นตอน และจัดการกับงานวิศวกรรมระบบที่ซับซ้อน

ครั้งนี้ Karpathy ก็ได้สรุปไว้ได้ดีมากเช่นกัน เขาเขียนว่า: “การเขียนโปรแกรมผ่าน LLM agent กำลังค่อยๆ กลายเป็นเวิร์กโฟลว์เริ่มต้นสำหรับมืออาชีพ เพียงแต่ต้องมีการกำกับดูแลและตรวจสอบมากขึ้น เป้าหมายคือการใช้ประโยชน์จากเลเวอเรจที่ agent นำมาให้ให้มากที่สุด โดยไม่เสียคุณภาพของซอฟต์แวร์”

ในบริบทนี้ การเปิดตัว GLM-5 จึงมีความสำคัญเป็นพิเศษ มันไม่ได้เลือกที่จะแข่งขันในเส้นทาง “ความสวยงามของ Front-end” กับโมเดลโอเพ่นซอร์สอื่นๆ ที่ดีอยู่แล้วต่อไป แต่เลือกเส้นทางทางเทคนิคที่ชันกว่า: การเป็นโมเดลระดับ “System Architect” รายแรกของโลกโอเพ่นซอร์ส (แน่นอนว่า GLM-5 ยังคงมีความสวยงามของ Front-end ที่ดีมากอยู่)

ดังที่นักวิจัย AI ชื่อดัง Simon Willison ให้ความเห็นในบล็อกของเขาว่า GLM-5 สามารถเรียกได้ว่าเป็น “วิศวกรซอฟต์แวร์มืออาชีพที่สร้างด้วย LLM” และเห็นว่าน่าสนใจที่ Zhipu เลือกคำว่า “Agentic Engineering” มาอธิบายกระบวนทัศน์นี้

การกำหนดตำแหน่งที่แตกต่างนี้สะท้อนออกมาโดยตรงที่ความลึกของการแก้ปัญหา ใช่แล้ว GLM-5 สามารถแก้ปัญหาระดับระบบที่ยากยิ่งขึ้นได้!

หากคุณต้องการสร้างต้นแบบเว็บเพจที่มีเอฟเฟกต์ภาพตระการตาอย่างรวดเร็ว ตลาดมีโมเดลให้เลือกมากมาย แต่หากคุณกำลังเผชิญกับงานปรับโครงสร้าง Back-end architecture การนำอัลกอริทึมที่ซับซ้อนไปปฏิบัติ หรืองานพัฒนาระดับเคอร์เนลของระบบปฏิบัติการ GLM-5 น่าจะเป็นตัวเลือกเดียวในชุมชนโอเพ่นซอร์สในขณะนี้

พูดอย่างเดียวไม่พอ เราตัดสินใจทดสอบมันด้วยโจทย์ที่ยากขึ้น

เราไม่ได้ให้มันเขียนเกม แต่โยนงานที่ยากและท้าทายมากให้มัน: สร้างระบบจัดสรรทรัพยากรคอมพิวเตอร์แบบกระจายและประมวลผลสูงพร้อมกัน (High-Concurrency Distributed Computing Power Scheduling System) จากศูนย์ โดยใช้ภาษา Rust

จากพรอมต์นี้จะเห็นได้ว่า การทำงานนี้จะต้องใช้ GLM-5 มีความสามารถหลายอย่าง เช่น ความเข้าใจและการปรับโครงสร้างระดับ System Architecture, ความเข้าใจและการควบคุมโมเดล Concurrency, การออกแบบอัลกอริทึมและการจัดตารางแบบกระจาย, การวางแผนแบบ Agentic และการแยกย่อยงานวิศวกรรม, การทำงานร่วมกันแบบ Full-stack, วิศวกรรมป้องกัน (Engineering Defense) เป็นต้น

หากเป็นโมเดลรุ่นก่อนหน้านี้ มีแนวโน้มสูงที่จะสร้างโค้ด Python สวยงามมาให้คุณ แล้วพังทลายเมื่อเจอกับการประมวลผลพร้อมกันจำนวนมาก แต่ผลงานของ GLM-5 ทำให้เรารู้สึกเหมือนได้ “นั่ง Pair Programming กับ Senior Architect”

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

ในอีก 40 นาทีต่อมา การได้เห็นมันใช้ Tokio เขียนลอจิกแบบ Asynchronous ใหม่ จัดการกับกลไก Ownership ของ Rust ที่ทำให้ปวดหัวได้ด้วยตัวเอง แม้กระทั่งค้นพบข้อผิดพลาดในการคอมไพล์และแก้ไขได้เอง ความรู้สึกที่ว่า “มันกำลังคิดจริงๆ ไม่ใช่แค่การจับคู่ความน่าจะเป็น” นั้นรุนแรงมาก

GLM-5 ตรวจสอบและซ่อมแซมโดยอัตโนมัติระหว่างการดำเนินการ

ในที่สุด มันไม่เพียงส่งมอบโค้ด แต่ยังเขียนสคริปต์ทดสอบความเครียด (Stress Test) เพื่อป้องกัน DDoS มาด้วย 说实话 ความตระหนักในการป้องกันทางวิศวกรรมแบบนี้ วิศวกรมนุษย์ระดับจูเนียร์หลายคนก็อาจจะยังไม่มี

ผลลัพธ์สุดท้ายพิสูจน์ว่า สถาปัตยกรรมนี้สามารถปฏิเสธคำขอที่ไม่มีประสิทธิภาพภายใต้แรงกดดันสูงได้อย่างแข็งขัน ในขณะเดียวกันก็รับประกันอัตราความสำเร็จของงานที่มีประสิทธิภาพ

เรายังได้ลองทดสอบกรณีศึกษาที่น่าสนใจอีกกรณีหนึ่ง โดยให้ Claude Code ที่ติดตั้ง GLM-5 เขียนเกมชีวิต (Game of Life) แบบ Full-stack เราใช้พรอมต์ดังนี้:

เห็นได้ชัดว่างานนี้ต้องการให้ AI เข้าใจทั้งอัลกอริทึมและตรรกะทางคณิตศาสตร์ รวมถึงสถาปัตยกรรมวิศวกรรมแบบ Full-stack และความสามารถในการเขียนโปรแกรมด้านการแสดงภาพและกราฟิก

ครั้งนี้ GLM-5 ทำงานนานถึง 2 ชั่วโมง 33 นาที และในที่สุดก็ได้ระบบที่ค่อนข้างซับซ้อนดังนี้:

เช่นเดียวกัน กระบวนการดำเนินการครั้งนี้ก็เต็มไปด้วยการตรวจสอบและแก้ไขจำนวนมาก — เหมือนกับวิศวกรซอฟต์แวร์ตัวจริง และผลลัพธ์สุดท้ายที่ให้มาก็ใช้งานได้ทันที อย่างไรก็ตาม เนื่องจากเราไม่ได้ระบุไว้อย่างชัดเจนในพรอมต์ ผลลัพธ์เริ่มต้นที่ GLM-5 ให้มาจึงไม่มีความสามารถในการรันอัตโนมัติ แต่ไม่เป็นไร เราเพียงเพิ่มพรอมต์สั้นๆ ว่า “เพิ่มฟังก์ชันรันอัตโนมัติ เช่น ก้าวหน้าทีละหนึ่งวินาที” GLM-5 ใช้เวลาเพียง 4 นาทีก็แก้ไขปัญหานี้ และให้ผลลัพธ์ที่น่าพอใจ นี่คือเอฟเฟกต์ที่เราได้จากการรันโดยใช้ภาพหน้าจอพรอมต์ก่อนหน้านี้เป็น Seed:

สุดท้าย เรายังใช้ GLM-5 สร้างเครื่องมือแนะนำหัวเรื่องที่ใช้งานได้จริงมากอีกด้วย ใช้หัวเรื่อง 5086 รายการก่อนปี 2025 ของเรา เราให้ GLM-5 วิเคราะห์อย่างละเอียดแล้วสร้าง Skill แนะนำหัวเรื่องขึ้นมา พรอมต์มีดังนี้:

อ่านไฟล์ 机器之心文章列表.md วิเคราะห์หัวเรื่องทั้งหมดในนั้น แล้วเขียน Skill แนะนำหัวเรื่องบทความให้ฉัน เพื่อให้ฉันสามารถวางบทความลงไป แล้วให้ AI แนะนำหัวเรื่องที่แตกต่างกัน 10 หัวข้อให้ฉันในแต่ละครั้ง

ในที่สุด เราได้ Skill ที่ค่อนข้างดี ซึ่งสามารถแนะนำหัวเรื่อง 10 สไตล์ที่แตกต่างกัน:

เราหาบทความล่าสุดมาทดลอง ผลลัพธ์เรียกได้ว่าน่าประหลาดใจ มีหลายหัวเรื่องที่สามารถนำไปใช้ได้เลย:

GLM-5 ยังสร้างเครื่องจำลองร่างกายมนุษย์ที่ละเอียดถึงขั้นที่ข้อต่อแต่ละส่วนสามารถเคลื่อนไหวได้อย่างอิสระให้เราอีกด้วย:

จากประสบการณ์ในโครงการเหล่านี้ เราได้รู้สึกว่า: ความสามารถด้านโค้ดของโมเดลโอเพ่นซอร์สได้ก้าวข้ามรุ่นไปแล้ว เราเชื่อว่านี่คือสิ่งที่ทำให้ Zhipu AI มีความมั่นใจที่จะเพิ่มหมายเลขเวอร์ชันของโมเดลชุด GLM เป็น 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 นี่หมายความว่าเมื่อต้องสร้างระบบสินค้าคงคลังอีคอมเมิร์ซแบบประมวลผลพร้อมกันสูง ออกแบบกลยุทธ์แคช Redis หรือจัดการกับ Legacy Code ที่ยุ่งเหยิง ในที่สุดก็มีตัวเลือกโอเพ่นซอร์สที่ควบคุมต้นทุนได้และมีตรรกะที่เข้มงวด

จากสิ่งนี้ เราสามารถสรุปได้ว่า: GLM-5 เป็นสัญลักษณ์ว่าโมเดลโอเพ่นซอร์สพร้อมจริงๆ ที่จะต้อนรับยุคของงานใหญ่แบบ Agentic

GLM-5 ที่เกิดมาสำหรับ Agentic Engineering

การก้าวข้ามจาก “Vibe Coding” ไปสู่ “Agentic Engineering” ของ GLM-5 ไม่ใช่เรื่องบังเอิญ รายละเอียดทางเทคนิคที่ Zhipu เปิดเผยแสดงให้เห็นว่านี่คือโมเดลฐาน (Base Model) ที่ถูกสร้างขึ้นใหม่เพื่อส่งมอบผลลัพธ์การผลิตที่มั่นคง

เพื่อยกระดับความฉลาดทั่วไป GLM-5 ได้ขยายขนาดพารามิเตอร์จากรุ่นก่อนหน้าที่ 355B (เปิดใช้งาน 32B) ไปเป็น 744B (เปิดใช้งาน 40B) อย่างมาก และปริมาณข้อมูล Pre-training ก็เพิ่มขึ้นเป็น 28.5T ที่สำคัญกว่านั้น เพื่อแก้ไขปัญหาที่โมเดลใหญ่ใช้ Token จำนวนมหาศาลในงานระยะยาว GLM-5 ได้รวมกลไก Sparse Attention เป็นครั้งแรก ซึ่งทำให้โมเดลสามารถรักษาผลลัพธ์ของข้อความยาวได้โดยไม่สูญเสียประสิทธิภาพ ในขณะเดียวกันก็ลดต้นทุนการปรับใช้และความล่าช้าในการอนุมานได้อย่างมาก

ในระดับการฝึกฝน Zhipu ได้สร้างโครงสร้างพื้นฐานการเรียนรู้แบบเสริมกำลัง (Reinforcement Learning) แบบอะซิงโครนัสใหม่ขึ้นมา คือเฟรมเวิร์ก Slime ร่วมกับอัลกอริทึมการเรียนรู้แบบเสริมกำลังของเอเจนต์แบบอะซิงโครนัส GLM-5 สามารถเรียนรู้อย่างต่อเนื่องในการโต้ตอบระยะยาวจำนวนมหาศาล การแทรกแซงของการเรียนรู้แบบเสริมกำลัง (RL) ขนาดใหญ่เช่นนี้ เป็นสาเหตุพื้นฐานที่ทำให้มันสามารถสะท้อนและวางแผนได้เหมือนวิศวกรอาวุโส

ความก้าวหน้าทางเทคนิคเหล่านี้สะท้อนออกมาโดยตรงในผลการทดสอบมาตรฐานที่ยากลำบาก

ในด้านความสามารถด้านโค้ด ในแบบทดสอบมาตรฐานหลักที่ยอมรับในอุตสาหกรรม GLM-5 แสดงผลได้แข็งแ

⚠️ หมายเหตุ: เนื้อหาได้รับการแปลโดย AI และตรวจสอบโดยมนุษย์ หากมีข้อผิดพลาดโปรดแจ้ง