Несмотря на санкции китайская ИИ-модель GLM-5.2 заняла верхние строчки рейтингов
Кодик кратко объясняет суть статьи
Китайская компания Z.ai представила ИИ-модель GLM-5.2, обученную исключительно на процессорах Huawei Ascend 910B без использования чипов Nvidia, что особенно значимо на фоне американских санкций, ограничивающих доступ Китая к передовым ИИ-чипам. Модель была выпущена 17 июня с открытыми весами по лицензии MIT. В рейтингах она показала высокие результаты: заняла второе место в Code Arena (первое — среди открытых моделей) и опередила GPT-4.5 от OpenAI в тесте SWE-Bench Pro (62,1 против 58,6 баллов). Однако в сложных сценариях, таких как SWE-Marathon и ARC-AGI-2, оценивающих долгосрочное программирование и гибкое мышление, китайская модель существенно уступает лидерам, таким как Claude Opus 4.8. По оценкам, разрыв в производительности составляет около семи месяцев, а в самых сложных задачах преимущество остаётся за США. GLM-5.2 демонстрирует скорость генерации 17–19 токенов в секунду — ниже, чем у моделей на чипах Nvidia, а обучение заняло на 15% больше времени, но обошлось примерно в 25 млн долларов, что дешевле аналогов благодаря доступности Ascend и государственной поддержке.
Читайте в Telegram
|
Китайская компания Z.ai выпустила ИИ-модель GLM-5.2, которая сразу заняла высокие места в независимых рейтингах.
Как сообщает 3DNews со ссылкой на TechTimes, всё семейство моделей GLM-5 обучали исключительно на процессорах Huawei Ascend 910B — оборудование Nvidia принципиально не задействовали. Это примечательно на фоне того, что США последовательно ограничивают Китаю доступ к передовым ИИ-чипам, рассчитывая замедлить развитие местных разработок.
17 июня Z.ai опубликовала результаты бенчмарков GLM-5.2 и выложила веса модели на Hugging Face по свободной лицензии MIT. Показатели ставят её в один ряд с закрытыми западными моделями: в рейтинге Code Arena, основанном на слепом голосовании людей, GLM-5.2 заняла общее второе место и первое — среди общедоступных моделей. На бенчмарке SWE-Bench Pro для решения реальных задач с GitHub она набрала 62,1 балла, опередив GPT-5.5 от OpenAI с её 58,6.
Однако в самых требовательных сценариях разрыв с лидерами сохраняется. В тесте SWE-Marathon, который оценивает агентное программирование с долгим горизонтом задач, GLM-5.2 набрала лишь 13 баллов против 26 у Claude Opus 4.8 от Anthropic. В тестах ARC-AGI-2, проверяющих гибкое мышление, а не заученные шаблоны, передовые китайские модели тоже заметно уступают американским. По оценке Epoch AI, общее отставание составляет в среднем около семи месяцев, а по данным индекса Стэнфордского университета, разрыв в производительности между лучшими американскими и китайскими моделями сократился до 2,7 процентного пункта — но в самых сложных задачах на рассуждение преимущество остаётся за США.
Сказываются и особенности китайского «железа». GLM-5.2 выдаёт примерно 17–19 токенов в секунду — против 25–30 и более у конкурентов на чипах Nvidia, а само обучение потребовало примерно на 15% больше вычислительного времени. При этом тренировка обошлась, по оценкам экспертов, лишь около 25 млн долларов — заметно дешевле сопоставимых западных моделей, чему способствовали относительная доступность чипов Ascend и государственные субсидии.
