GLM-5.1 giúp mô hình mã nguồn mở lần đầu tiên đứng vững trên các nhiệm vụ kỹ thuật dài hạn

Mô hình mã nguồn mở bắt đầu nghiêm túc với các nhiệm vụ dài hạn

OpenRouter công bố tích hợp GLM-5.1, kéo chủ đề từ “kích thước tham số lớn đến mức nào” sang “có thể liên tục làm trong bao lâu”. GLM-5.1 đã chạy tối ưu cho cơ sở dữ liệu vector trong 8 giờ không có người giám sát, thực hiện hơn 600 vòng lặp, hiệu suất tăng gấp 6 lần. Điều này đã thay đổi vị trí của mô hình mã nguồn mở: không còn chỉ là sự thay thế rẻ tiền, mà trong quy trình công nghiệp có thể còn hiệu quả hơn — đặc biệt là các mô hình đóng như Claude Opus 4.6 thường chỉ thử vài lần rồi không cải tiến nữa. Các lãnh đạo của Hugging Face hỗ trợ quảng bá, nhưng hầu như không đề cập đến chi phí tính toán trong các bài đăng.

Phản ứng vẫn như cũ, hai chiều rõ rệt:

• Những người làm sản phẩm khen ngợi trên Twitter, LMSYS và Ollama nhấn mạnh giấy phép MIT dễ sửa đổi và tùy biến;
• Reddit thì cho rằng “không có đánh giá độc lập thì chỉ là khoe khoang”；
• Các hướng dẫn triển khai của Vercel và Together.ai cho thấy hệ sinh thái thực sự quan tâm đến công cụ Agent；
• Tính bất định về địa chính trị đang tăng lên, một số doanh nghiệp có thể đẩy nhanh tự quản lý mã nguồn mở để tránh rủi ro pháp lý.

Một số điểm đáng chú ý:

• API đóng vẫn rẻ hơn: GLM-5.1 có 754Bỷ tham số, yêu cầu phần cứng suy luận rất cao, các công ty trung bình không thể chơi nổi. Nhưng điều này có thể thúc đẩy sáng tạo trong lĩnh vực phục vụ (Serving).
• Bảng xếp hạng ấn tượng, suy luận chưa ổn định: SWE-Bench Pro đạt 58.4% trông khá tốt, nhưng GPQA Diamond chỉ 86.2%, Gemini là 94.3%. “Thứ hạng toàn cầu thứ ba” này, các nhóm phát triển ứng dụng chung sẽ không mấy mặn mà.
• Nhà phát triển độc lập thử nghiệm nhanh hơn: Sau khi tích hợp OpenRouter, việc thử nghiệm dễ dàng hơn nhiều, có thể làm lung lay vị trí của Anthropic trong lĩnh vực “An toàn, biết dùng công cụ của Agent”.

Khoảng cách giữa thành tích điểm số và thực tế ứng dụng

Câu nói về “tỷ lệ hoàn thành nhiệm vụ dài hạn” đã gây tranh cãi. Demo của Z.ai (ví dụ như tự cài đặt desktop Linux) và bảng xếp hạng với GLM-5.1 đạt 63.5% (sau tối ưu 69%) trên Terminal-Bench 2.0 không khớp nhau. Có sự chênh lệch giữa tiếp thị và thực nghiệm: quảng bá cần tạo nhiệt, nhưng doanh nghiệp cần các ví dụ có thể xác minh, như tích hợp robot tín hiệu của Bella Protocol. VentureBeat và Computerworld đã nâng cao kỳ vọng của nhà đầu tư qua góc nhìn “ngày làm việc 8 giờ”. Số lượng tham số trở nên ít quan trọng hơn so với khả năng duy trì sản xuất liên tục — GLM-5.1 đã thể hiện điều này, nhưng chi phí vận hành cũng cao hơn.

Con đường truyền thông này — từ tweet đến chia sẻ của chuyên gia rồi đến truyền thông — buộc các phòng thí nghiệm đóng phải giải thích tại sao lại đắt như vậy. Anthropic có thể sẽ ra mắt “phiên bản nhanh hơn” (ví dụ Claude Opus 4.6 Fast) để đối phó. Thị trường quen nhìn vào SOTA, nhưng ít để ý đến các yếu tố địa chính trị có thể gây phân chia thị trường. GLM-5.1 đang thử nghiệm chiến lược ra biển của AI Trung Quốc.

Kết luận: GLM-5.1 đã biến “chạy liên tục vài giờ” thành tiêu chí cốt lõi của nhiệm vụ kỹ thuật, mã nguồn mở bắt đầu trở thành lựa chọn mặc định trong các quy trình công nghiệp. Các nhóm tập trung tối ưu hiệu quả và xác thực kiến trúc lai sẽ có lợi thế hơn trong giai đoạn tiếp theo.

Tầm quan trọng: Cao
Phân loại: Phát hành mô hình, xu hướng ngành, mã nguồn mở

Đánh giá: Đối với các Builder tự xây dựng và tinh chỉnh, các quỹ đầu tư về hạ tầng, đây là cơ hội lợi nhuận sớm. Chỉ tập trung vào khả năng đối thoại chung chung thì không phù hợp. Những nhóm chưa bắt đầu thử nghiệm nhiệm vụ dài hạn và tối ưu hóa Serving sẽ tụt lại trong làn sóng doanh nghiệp tiếp theo.