GLM-5.1 Membuat model sumber terbuka pertama kali kokoh dalam tugas proyek jangka panjang

OpenRouter mulai serius dalam tugas jangka panjang

OpenRouter mengumumkan integrasi GLM-5.1, mengalihkan topik dari “berapa besar parameter” ke “seberapa lama bisa terus bekerja”. GLM-5.1 menjalankan optimasi basis data vektor selama 8 jam tanpa pengawasan, melakukan lebih dari 600 iterasi, dan meningkatkan performa 6 kali lipat. Ini mengubah posisi model open source: tidak lagi sekadar pengganti murah, tetapi mungkin lebih mampu bersaing dalam alur kerja rekayasa—terutama karena model tertutup seperti Claude Opus 4.6 sering kali berhenti berkembang setelah beberapa percobaan. Tim Hugging Face mendukung promosi ini, tetapi tweet mereka hampir tidak menyebutkan biaya komputasi.

Respon tetap seperti biasa, dua kutub:

• Pembuat produk di Twitter menyambut baik, LMSYS dan Ollama menekankan lisensi MIT yang mudah diubah dan disesuaikan;
• Reddit merasa “tanpa evaluasi independen, ini cuma promosi”;
• Vercel dan Together.ai menunjukkan bahwa ekosistem deployment memang tertarik pada alat Agent;
• Ketidakpastian geopolitik meningkat, beberapa perusahaan mungkin mempercepat pengelolaan open source sendiri untuk menghindari risiko kepatuhan.

Beberapa poin penting yang patut diperhatikan:

• API tertutup masih lebih murah: GLM-5.1 dengan 754 miliar parameter, membutuhkan hardware inference yang sangat tinggi, tidak terjangkau oleh perusahaan menengah. Tapi ini mungkin mendorong inovasi di bidang Serving.
• Daftar peringkat menarik, inference tidak stabil: SWE-Bench Pro meraih 58.4% terlihat bagus, tapi GPQA Diamond hanya 86.2%, Gemini 94.3%. Label “peringkat ketiga dunia” ini, tim yang mengembangkan aplikasi umum mungkin tidak akan tertarik.
• Pengembang independen lebih cepat mencoba: Setelah terintegrasi dengan OpenRouter, hambatan eksperimen berkurang, berpotensi mengancam posisi Anthropic dalam hal “keamanan dan penggunaan alat Agent”.

Kesenjangan antara skor benchmark dan implementasi nyata

Istilah “tingkat keberhasilan menyelesaikan tugas jangka panjang” memicu perdebatan. Demonstrasi Z.ai (misalnya, mengatur desktop Linux sendiri) dan skor GLM-5.1 di Terminal-Bench 2.0 sebesar 63.5% (setelah optimasi 69%) tidak cocok. Ada jarak antara promosi dan pengujian nyata: promosi membutuhkan hype, tetapi perusahaan menginginkan contoh yang bisa diverifikasi, seperti integrasi robot sinyal Bella Protocol. VentureBeat dan Computerworld menggunakan sudut pandang “hari kerja 8 jam” untuk meningkatkan ekspektasi investor. Jumlah parameter menjadi kurang penting dibandingkan “kemampuan menghasilkan output secara berkelanjutan”—GLM-5.1 menyerah di aspek ini, tetapi biaya operasionalnya juga lebih tinggi.

Rute penyebaran ini—dari tweet ke retweet dari para ahli, lalu diikuti media—memaksa laboratorium tertutup menjelaskan kenapa biaya mereka begitu tinggi. Anthropic mungkin akan merilis “versi lebih cepat” (misalnya Claude Opus 4.6 Fast) sebagai respons. Pasar terbiasa memperhatikan SOTA, tetapi sering meremehkan potensi fragmentasi pasar akibat faktor geopolitik. GLM-5.1 sedang menguji seberapa jauh strategi AI China untuk ekspor bisa berjalan.

Kesimpulan: GLM-5.1 mengubah “bisa terus berjalan beberapa jam” menjadi indikator utama dalam tugas rekayasa, dan open source mulai menjadi pilihan default dalam alur kerja tertentu. Sekarang, tim yang fokus mengoptimasi efisiensi dan memverifikasi arsitektur hybrid akan memiliki keunggulan di tahap berikutnya.

Penting: Tinggi
Kategori: Rilis model, tren industri, open source

Penilaian: Bagi builder yang ingin membangun dan melakukan tuning sendiri, serta yang mengembangkan infrastruktur, ini adalah peluang awal. Mereka yang hanya fokus pada kemampuan dialog umum tidak terlalu relevan. Tim yang tidak mulai melakukan eksperimen tugas jangka panjang dan optimasi Serving saat ini akan tertinggal dalam adopsi perusahaan berikutnya.