Sun’iy intellekt uchun eng oson kod namoyishi — bu uning birinchi javobi. Siz modeldan biror funksiya yozib berishni so’raysiz, u silliq va chiroyli kod chiqarib beradi va mo’‘jizani namoyish etayotgan video dasturdagi kutubxonalar bir-biriga mos kelmay qolmasidan yoki birinchi xato kelib chiqmasidanoq shu joyida to’xtatiladi. Haqiqiy muhandislik esa aynan o’sha reklama videosi tugagan joydan boshlanadi. GLM-5.3 faqatgina birinchi emas, balki ikkinchi, yigirmanchi va yuzinchi amallar uchun yaratilgandir: u o’zidan oldin nima bo’lganini o’qiydi, rejasini qayta ko’rib chiqadi va ishni oxiriga yetkazish uchun xotirasida yetarlicha katta kontekstni saqlab qola oladi.
Z.ai ma’lum qilishicha, ushbu yirik modelning poydevori undan oldingi GLM-5.2 bazasi bilan butunlay bir xil. Undagi barcha kutilmagan ijobiy yutuqlar faqatgina o’quv muhitini kengaytirish va uzoq davom etuvchi professional amaliyotlar (post-training) hisobiga erishilgan. Buni shunday tasavvur qiling: universitetni bitirgan iqtidorli talaba amaliyot o’tash uchun yirik kompaniyaga ishga kirdi. Uning boshidagi bilimlari aslida o’zgarmagan bo’lishi mumkin, ammo tinimsiz ravishda o’tkazilgan takroriy amaliyotlar unga qachon hisob-kitob qilishni, qachon o’zining faraziga shubha bilan qarashni va besh daqiqa oldin juda aqlli bo’lib tuyulgan noto’g’ri rejani qachon tashlab yuborishni o’rgatadi.
Bu ta’riflarning ortida asosan ikki xil dalil mavjud. Z.ai kompaniyasining o’zi Terminal-Bench, DeepSWE, AutomationBench kabi testlarda va kiberxavfsizlik yo’nalishlarida ulkan o’sish borligini ta’kidlaydi. Eng muhimi esa, mustaqil baholash platformasi bo’lmish Artificial Analysis o’z reytingida GLM-5.3 ga umumiy intellekt bo’yicha 59.5, dasturlash yo’nalishida 74.8 va mustaqil agent sifatida ishlashda 59.1 ball berganini ko’rishimiz mumkin; raqobatchi Qwen3.8-Max esa mos ravishda 58.1, 71.8 va 58.4 ball bilan undan biroz ortda qolmoqda. Barcha ko’rsatkichlar shuni tasdiqlamoqdaki, GLM haqiqatan ham dasturlash bobida Qwen dan yuqori o’rinda turishi kerak, biroq loyihani boshlashdan oldin xususiy repozitoriylarda yana bir marta mustaqil sinovlar o’tkazib olish zarar qilmaydi.
28-avgust kuni model vaznlarining hammaga ochiqlanishi loyiha haqidagi fikrlarni butunlay o’zgartirib yubordi. Shu sanaga qadar «ochiq vaznli model» degan tushuncha shunchaki qandaydir niyatni anglatardi, xolos. Endilikda modelning FP8 va BF16 fayllarini, turli xil sozlamalar, suhbat shablonlari va ishga tushirish uchun zarur bo’ladigan rasmiy qo’llanmalarni bemalol tekshirib ko’rish imkoni bor. Nihoyat uning natijalarini amalda mustaqil ravishda takrorlash mumkin bo’ldi. Biroq bu arzon takrorlash emas: faqatgina FP8 fayllarining o’zi kompyuter xotirasidan terabaytning qariyb to’rtdan uch qismini egallab oladi, rasmiy yo’riqnomalar esa bir nechta eng kuchli H200 videokartalari o’rnatilgan serverlardan foydalanishni talab qiladi. To’g’ri, modelni internetdan bemalol yuklab olish mumkin, biroq uning to’laqonli ishlashi uchun mo’jazgina server xonasi kerak bo’ladi.
Uning litsenziyasini ham huddi shunday oddiy va xalqchil tilda tushuntirish kerak. GLM-5.3 ochiq kodli MIT emas. Uning maxsus litsenziyasi foydalanuvchilariga modelni qo’llash, o’zgartirish, qo’shimcha o’qitish (fine-tuning), o’rnatish va sotishga juda keng huquq beradi. Biroq uning bitta g’ayrioddiy sharti bor: agar litsenziya egasi yoki uning hamkorlaridan biri Model-as-a-Service (MaaS) biznesini yuritadigan bo’lsa va ularning bir yillik daromadi o’n milliard dollardan oshsa, u holda o’sha operator modeldan tijorat maqsadlarida foydalanishdan oldin Z.ai ning qat’iy xavfsizlik tekshiruvidan o’tishi shart. To’g’ri, ko’pchilik jismoniy shaxslar va odatiy kompaniyalar bunday milliardlik chegaradan ancha uzoqda, shunga qaramay uni mutlaqo shartlarsiz ochiq kodli model deyish adolatsizlik bo’ladi.
Benchmark nomlarining ham o’z o’rni bor. Terminal-Bench 2.1 da Z.ai o’zi ko’rsatgan 88.2 natija ham, mustaqil o’tkazilgan boshqa sinovlardagi nisbatan pastroq natijalar ham mutlaqo halol bo’lishi mumkin, chunki mustaqil agent tizimida model undagi ishtirokchilardan faqat bittasidir, xolos. Eng so’nggi va doimiy yangilanib turadigan Terminal-Bench 4.0 reytingida GLM-5.3 41.8% ±3.2 aniqlik bilan uchinchi o’rinni egalladi: u o’zidan yuqoridagi Opus 5 va Fable 5 modellaridan ortda bo’lsa-da, GPT-5.6 Sol va Grok 4.6 ni bemalol ortda qoldirdi. Qwen3.8-Max uchun bu platformada hali natijalar taqdim etilmagan, shu sababli ham uning jadvalda yo’qligi GLM ga bo’lgan ishonchni oshirsa-da, ularni yuzma-yuz solishtirish imkonini bermaydi.
Amaliyotda, fayllarni kompyuterga ko’chirib yurgandan ko’ra tayyor pullik (hosted) modelni sinab ko’rish ancha oson. U o’ylashning (reasoning) past, yuqori va maksimal rejimlarini qo’llab-quvvatlaydi, odatiy holatda esa maksimal rejimga sozlangan bo’ladi. Mantiqiy fikrlashni umuman o’chirib qo’yishning iloji yo’q. Bu albatta murakkab ishlarda asqatadi, ammo noto’g’ri yo’nalishga tushib qolganda uning narxini juda qimmat qilib yuborishi mumkin: tinimsiz harakat qiladigan agent o’z xatosini to’g’rilay olsa va foydali dalillar sari intilsagina o’z samarasini beradi. Uzoq davom etuvchi jarayonlarni doimiy kuzatib boring (stream), amaliyot sikllarini (loops) cheklab qo’ying, fikrlash zanjirini toza tuting va ish muvaffaqiyatli tugaganligi haqidagi yakuniy xabarni qabul qilishdan oldin, bajarilgan kodning to’g’riligini doimo sinab ko’ring (test).
Shunday qilib, GLM-5.3 taqdimot kunidagidan ko’ra endilikda yanada kuchliroq e’tibor va ishonchga loyiq modelga aylandi; ammo u mo’‘jiza degani emas. U asosan terminal ustidagi murakkab vazifalarni bajarish, uzun va katta matnlar bilan ishlashni xohlovchi, buning API xarajatlarini ko’tara oladigan yoki modelni ko’tarib tura oladigan ulkan infratuzilmaga (klaster) ega jamoalar uchun juda jiddiy ochiq vaznli dasturlash dvigatelidir. U vizual ma’lumotlarni tahlil qiluvchi (visual debugger) eng zo’r vosita ham emas, uni xususiy kompyuterga o’rnatish ham ancha mashaqqatli ish; qolaversa, ishlab chiquvchining bergan har qanday balandparvoz raqamlari sizning aniq repozitoriyingizda o’z tasdig’ini topishiga hech kim kafolat bermaydi. Yaxshisi, uni hozir ishlatayotgan modelingiz bilan bir xil muhitda sinab ko’ring: ularga bir xil vositalar, budjet va testlar bering, so’ngra model yozib bergan uzun jumlalarga chalg’imasdan, aynan tekshiruvdan o’tgan haqiqiy kodlarni o’zaro taqqoslab xulosa chiqaring.
