GLM-4.7 của Zhipu ra mắt mà không có hàng loạt bảng điểm benchmark, thay vào đó tập trung vào độ ổn định và nhất quán trong môi trường sản xuất.
Tại sao độ ổn định lại quan trọng đến vậy?
Vấn đề đau đầu nhất mà các nhà phát triển gặp phải trong dự án thực tế thường không phải là "mô hình không đủ thông minh", mà là "mô hình hoạt động không ổn định". Cùng một prompt chạy mười lần, có thể bảy lần cho kết quả tốt, ba lần cho kết quả tệ.
Đối với các ứng dụng doanh nghiệp, sự bất định này là rất nghiêm trọng. Bạn không thể nói với khách hàng rằng "AI của chúng tôi có 70% khả năng đưa ra câu trả lời đúng".
Hướng cải tiến của GLM-4.7
- Tính nhất quán đầu ra: Cùng một đầu vào, phương sai kết quả giữa nhiều lần gọi nhỏ hơn
- Độ ổn định khi chạy lâu dài: Trong kịch bản agent, chạy hàng chục vòng mà không suy giảm
- Xử lý lỗi: Khi gặp đầu vào mơ hồ, có xu hướng yêu cầu làm rõ thay vì đoán bừa
- Tối ưu cho tiếng Trung: Hiểu rõ hơn các tình huống mơ hồ và ý nghĩa ngầm trong ngữ cảnh tiếng Trung
Chiến lược thương mại hóa
Chiến lược To B của Zhipu rất rõ ràng: không tranh danh hiệu "mô hình mạnh nhất toàn cầu" với OpenAI hay Anthropic, mà tập trung làm nền tảng AI tốt nhất cho khách hàng doanh nghiệp Trung Quốc.
Định vị này thực tế. Khi doanh nghiệp trong nước chọn nhà cung cấp AI, họ không chỉ xem xét năng lực mô hình, mà còn tính đến tuân thủ dữ liệu, chất lượng tiếng Trung, tốc độ phản hồi hỗ trợ kỹ thuật, định giá và nhiều yếu tố khác. Các mô hình nội địa có lợi thế tự nhiên ở những khía cạnh này.
AutoGLM là một hướng đi đáng chú ý khác của Zhipu — mô hình agent hướng đến thiết bị đầu cuối, có thể điều khiển ứng dụng điện thoại để hoàn thành tác vụ. Hướng đi này có định vị tương tự Apple Intelligence của Apple và Gemini Nano của Google.
Nguồn tham khảo: CocoLoop, tài liệu chính thức của Zhipu AI