GLM-5.3, Zhipu AI ปล่อยโมเดล Open-Weight ที่ชนะ Fable 5 และ DeepSeek V4 Pro 0813 บน Terminal-Bench, 743B MoE, CyberGym สูงสุด, Open Weights มาใน 2 สัปดาห์
โดย Nokka (นก-กา) | 14 สิงหาคม 2026
บทความนี้เขียนโดย AI (DeepSeek V4 Pro) ผ่าน Hermes Agent ภายใต้การควบคุมและตรวจสอบคุณภาพโดยมนุษย์, Nokka (นก-กา)
"Open weights have hit escape velocity", Cline (@cline) ประกาศบน X, GLM-5.3 เปิดตัวแล้ว, ชนะ Fable 5 และ DeepSeek V4 Pro 0813 บน Terminal-Bench, 69.3K views, และนี่อาจเป็นจุดเปลี่ยนที่ทำให้ open-weight models แซง closed-source ได้จริง
14 สิงหาคม 2026, Zhipu AI (Z.ai) เปิดตัว GLM-5.3, โมเดล 743B MoE, ที่ใช้ GLM-5.2 เป็น base, แต่ได้คะแนนดีขึ้นมหาศาลจากการ post-training ที่ใช้ compute มากกว่าที่เคย, "gains from more compute spent than ever before on post-training on diverse long-horizon tasks" [1]
Cline, บริษัทที่ให้บริการ ClinePass สำหรับเข้าถึง open-weight models, โพสต์บน X ว่า GLM-5.3 "beating Fable & the new DeepSeek V4-Pro 0813 from just yesterday on Terminal-Bench", และสรุปว่า "Open weights have hit escape velocity" [1]
Kien Pham (@kienbuilds) ถามใน reply ว่า "Why would anyone still have a Claude subscription if GLM 5.3 BEATS Fable 5?" [1], คำถามนี้กำลังสะท้อนความรู้สึกของวงการ AI ในตอนนี้
ก่อนอื่น, GLM คืออะไร และ Zhipu AI คือใคร
Zhipu AI คือบริษัท AI จากปักกิ่ง, หนึ่งในผู้เล่นหลักของวงการ AI จีน, คู่แข่งโดยตรงของ DeepSeek, Alibaba (Qwen), และ Moonshot (Kimi), พวกเขาพัฒนาซีรีส์ GLM (General Language Model) มาตั้งแต่ปี 2022
GLM-5.2, รุ่นก่อนหน้า, เปิดตัว 13 มิถุนายน 2026, หนึ่งวันหลังจากสหรัฐฯ ระงับการส่งออก Fable 5, Jie Tang ผู้ก่อตั้ง Zhipu กล่าวว่า "frontier intelligence belongs to everyone", GLM-5.2 ได้ Intelligence Index 51, MIT license, open-weight
GLM-5.3, เปิดตัว 14 สิงหาคม 2026, ใช้ base เดียวกับ GLM-5.2, 743B parameters, Mixture of Experts, แต่ความแตกต่างทั้งหมดมาจาก post-training, การฝึกเพิ่มเติมหลังจาก pre-training, ที่ใช้ compute มากกว่าที่เคยมีมา, บน "diverse long-horizon tasks", งานที่ซับซ้อนและใช้เวลานาน
Benchmarks, Terminal-Bench กระโดด 6 เท่า, CyberGym สูงสุด
GLM-5.3 ไม่ได้เก่งขึ้นนิดหน่อย, มันเก่งขึ้นแบบก้าวกระโดด, โดยเฉพาะในด้าน coding และ cybersecurity
Terminal-Bench 3.0, กระโดดจาก 4.6 เป็น 28.3 (6 เท่า)
นี่คือตัวเลขที่น่าตกใจที่สุด, GLM-5.2 ได้ 4.6, GLM-5.3 ได้ 28.3, ดีขึ้น 515%, "Terminal-Bench 3.0 rising from 4.6 to 28.3" [2]
Terminal-Bench 3.0 วัดความสามารถในการทำงานใน terminal จริง, เช่น รันคำสั่ง, แก้ไขไฟล์, ติดตั้ง packages, นี่คือ benchmark ที่สำคัญสำหรับ coding agents
Cline รายงานว่า GLM-5.3 ชนะ Fable 5 และ DeepSeek V4 Pro 0813 บน Terminal-Bench, DeepSeek V4 Pro 0813 เพิ่งเปิดตัวเมื่อวาน (13 ส.ค.), และ GLM-5.3 ก็แซงไปแล้ว [1]
DeepSWE 1.1, กระโดดจาก 46.2 เป็น 66.9 (+45%)
DeepSWE วัดความสามารถในการแก้บั๊กในโค้ดขนาดใหญ่, GLM-5.3 ได้ 66.9, ดีขึ้น 45% จาก GLM-5.2 (46.2), "DeepSWE v1.1 from 46.2 to 66.9" [2]
SWE-Marathon 1.1, กระโดดจาก 19.4 เป็น 42.5 (+119%)
SWE-Marathon วัดความสามารถในการแก้บั๊กหลายตัวอย่างต่อเนื่อง, GLM-5.3 ได้ 42.5, ดีขึ้น 119%, "SWE-Marathon v1.1 from 19.4 to 42.5" [2]
CyberGym, 84.5% (สูงสุดในกลุ่ม)
CyberGym วัดความสามารถด้าน cybersecurity, GLM-5.3 ได้ 84.5%, สูงที่สุดในกลุ่ม open-weight models, และสูงกว่า closed-source หลายตัว
AutomationBench, สูงสุด
AutomationBench วัดความสามารถในการทำงานอัตโนมัติ, GLM-5.3 ได้คะแนนสูงสุด, แสดงว่าเก่งด้าน agentic tasks
GDPval-AA v2, 1769 คะแนน
GDPval-AA v2 วัดความสามารถในการทำงานระดับมืออาชีพ, ครอบคลุม 44 อาชีพ, GLM-5.3 ได้ 1769, "positioning GLM 5.3 as a model for professional task execution as well as software work" [3]
Z.ai Internal Code Bench, 31.4% (ชนะ Claude Opus 4.8)
บน benchmark ภายในของ Z.ai, GLM-5.3 ได้ 31.4%, ชนะ Claude Opus 4.8 (29.5%), และใช้ tokens น้อยกว่า 60%, "GLM-5.3 (31.4%) beats Claude Opus 4.8 (29.5%) with 60% fewer tokens" [4]
ราคา, $1.50/$6, ถูกกว่า Fable 5 ถึง 6-8 เท่า
GLM-5.3 ราคา $1.50 ต่อ 1M input tokens, $6 ต่อ 1M output tokens, ผ่าน Z.ai API
เทียบกับคู่แข่ง:
- Claude Fable 5: $10/$50, แพงกว่า 6-8 เท่า
- DeepSeek V4 Pro 0813: $0.435/$0.87, ถูกกว่า GLM-5.3
- GPT-5.6 Sol: $5/$30, แพงกว่า 3-5 เท่า
GLM-5.3 แพงกว่า DeepSeek, แต่ถูกกว่า Fable 5 มาก, และ benchmarks ก็ชนะ Fable 5 ในหลายด้าน
Open Weights, มาใน 2 สัปดาห์
Zhipu AI ประกาศว่าจะ open-source weights ของ GLM-5.3, แต่ไม่ใช่ทันที, ต้องรอ "security hardening" และ "safety evaluations", ประมาณ 2 สัปดาห์, "open weights are staged, not immediate" [5], "open-source weights coming in two weeks" [6]
นี่คือกลยุทธ์ที่ Zhipu ใช้มาตลอด, เปิด API ก่อน, แล้วค่อยปล่อย weights ทีหลัง, เพื่อให้มีเวลาตรวจสอบความปลอดภัย
ClinePass, เข้าถึง GLM-5.3 ได้ทันทีผ่าน Cline
Cline, บริษัทที่โพสต์ข่าวนี้, ให้บริการ ClinePass, subscription สำหรับเข้าถึง open-weight models ในราคาถูก, รวมถึง GLM, DeepSeek, Kimi, "Available in ClinePass, our subscription for ~5x discounted access to open weights models" [1]
ราคา: $4.99 เดือนแรก, $9.99 ต่อเดือนหลังจากนั้น, ติดตั้งด้วย npm i -g cline
ข้อดี
GLM-5.3 มีจุดเด่นที่ชัดเจน, Terminal-Bench 3.0 กระโดด 6 เท่า, จาก 4.6 เป็น 28.3, ชนะ Fable 5 และ DeepSeek V4 Pro 0813, CyberGym สูงสุด, 84.5%, DeepSWE +45%, จาก 46.2 เป็น 66.9, SWE-Marathon +119%, จาก 19.4 เป็น 42.5, AutomationBench สูงสุด, ใช้ tokens น้อยกว่า Claude Opus 4.8 ถึง 60%, ราคาถูก, $1.50/$6, ถูกกว่า Fable 5 ถึง 6-8 เท่า, และ open weights กำลังมา, ใน 2 สัปดาห์
ข้อควรระวัง
แต่ก็มีข้อจำกัด, open weights ยังไม่พร้อม, ต้องรอ 2 สัปดาห์, ใช้ base เดียวกับ GLM-5.2, ไม่ใช่สถาปัตยกรรมใหม่, benchmarks เป็น vendor-reported, ยังไม่มีการ verify จากบุคคลที่สาม, Zhipu AI ยังไม่เปิดเผยสเปกเต็ม, "full technical specifications remain under wraps", และ community เล็กกว่า DeepSeek/Qwen, adoption ยังน้อย
ใครควรใช้ GLM-5.3
GLM-5.3 เหมาะสำหรับ developer ที่ต้องการ coding agent, Terminal-Bench และ DeepSWE สูง, ทีม cybersecurity, CyberGym สูงสุด, startup ที่ต้องการ AI เก่งในราคาถูก, $1.50/$6, และ คนที่รอ open weights, อีก 2 สัปดาห์
แต่ไม่เหมาะสำหรับ งานที่ต้องการ vision, GLM-5.3 เป็น text-only, คนที่ต้องการใช้ทันทีแบบฟรี, ต้องรอ open weights, และ งานที่ต้องการ Intelligence Index สูงสุด, Fable 5 และ GPT-5.6 Sol ยังนำอยู่
สรุป
GLM-5.3 คือโมเดล open-weight จาก Zhipu AI, เปิดตัว 14 สิงหาคม 2026, 743B MoE, ใช้ base GLM-5.2, แต่ post-training ด้วย compute มหาศาล, Terminal-Bench 3.0 กระโดด 4.6→28.3 (6x), DeepSWE 46.2→66.9 (+45%), SWE-Marathon 19.4→42.5 (+119%), CyberGym 84.5% (สูงสุด), AutomationBench สูงสุด, ราคา $1.50/$6, open weights มาใน 2 สัปดาห์
Bottom line: "Open weights have hit escape velocity", Cline พูดถูก, GLM-5.3 คือหลักฐานว่า open-weight models กำลังไล่ตาม closed-source อย่างรวดเร็ว, Terminal-Bench ชนะ Fable 5, CyberGym สูงสุด, DeepSWE +45%, และทั้งหมดนี้มาจาก post-training, ไม่ใช่สถาปัตยกรรมใหม่, แสดงว่า "compute on post-training" คืออาวุธลับของ open-weight models, และถ้า Zhipu ปล่อย weights ตามสัญญา, GLM-5.3 อาจเป็น "Fable 5 killer" ตัวจริง, ในราคา 1 ใน 6
แหล่งอ้างอิง
[1] Cline (@cline). "GLM-5.3 has released, beating Fable & the new DeepSeek V4-Pro 0813 from just yesterday on Terminal-Bench". X (Twitter). 14 สิงหาคม 2026. https://x.com/cline/status/2088146558160355639
[2] Kingy AI. "GLM-5.3 Just Launched: Specs, Benchmarks, API & How to Use It". 14 สิงหาคม 2026. https://kingy.ai/blog/glm-5-3-specs-benchmarks-api-how-to-use/
[3] Ofox AI. "GLM 5.3: Benchmarks, API Access, and What We Know So Far (2026)". 2026. https://ofox.ai/blog/glm-5-3-benchmarks-access-2026/
[4] SandBase Blog. "GLM-5.3 Launches: Frontier Coding and Emergent Cybersecurity". 2026. https://blog.sandbase.ai/glm-5-3-release-watch-2026/
[5] ExplainX. "GLM-5.3 Launch: Benchmarks, Pricing & Access (Aug 2026)". 2026. https://explainx.ai/blog/glm-5-3-launch-cyber-defense-benchmarks-august-2026
[6] BigGo Finance. "Zhipu AI Releases GLM-5.3: Coding Capability Jumps 50%, Open-Source Weights Coming in Two Weeks". 2026. https://finance.biggo.com/news/0b571a42-9531-433c-b81b-c8468d173989
บทความนี้วิเคราะห์จาก X (Cline), Kingy AI, Ofox AI, SandBase, ExplainX, BigGo Finance, และแหล่งข้อมูลเพิ่มเติม, ข้อมูล ณ 14 สิงหาคม 2026, Nokka
ในมุมมองของผม, GLM-5.3 คือ "dark horse" ที่น่าจับตามองที่สุดในตอนนี้, ไม่ใช่เพราะมันชนะ Fable 5 บน Terminal-Bench, แต่เพราะมันพิสูจน์ว่า "post-training" คืออาวุธลับของ open-weight models, GLM-5.3 ใช้ base เดียวกับ GLM-5.2, ไม่มีสถาปัตยกรรมใหม่, ไม่มี pre-training เพิ่ม, แค่ post-training ที่ดีขึ้น, และกระโดดจาก 4.6 เป็น 28.3 บน Terminal-Bench, นี่คือ "escape velocity" ที่ Cline พูดถึง, เมื่อ open-weight models สามารถพัฒนาได้เร็วขนาดนี้โดยไม่ต้องเปลี่ยน base, closed-source models จะรักษาความได้เปรียบได้อีกนานแค่ไหน?, และถ้า Zhipu ปล่อย weights ใน 2 สัปดาห์ตามสัญญา, GLM-5.3 อาจเป็น "Fable 5 killer" ตัวจริง, ในราคา 1 ใน 6
คุณได้ลอง GLM-5.3 แล้วหรือยัง? Terminal-Bench 28.3 จริงไหม? คิดว่า open-weight models จะแซง closed-source ได้เมื่อไหร่? แชร์ความเห็นใต้บทความได้เลยครับ
Top comments (0)