[AINews] Death of Params: Z.ai CEO Jie Tang on GLM 5.3 and the new Post-training Scaling Law
Šéf Z.ai Jie Tang na X vysvětlil, že velikost modelu (počet parametrů) už sama o sobě nic neznamená – rozhoduje kombinace s objemem dat, alokací výpočtu a podmínkami nasazení. GLM-5.3 má stejnou základní architekturu i počet aktivních parametrů jako GLM-5.2, ale díky přibližně měsíci navazujícího RL tréninku na dlouhých agentních úlohách (např. diagnostika a optimalizace celého ML infrastrukturního stacku) dosáhl výrazného skoku ve výkonu. Klíčové je škálování tréninkových prostředí – Z.ai staví syntetické, ověřitelné úlohy generované agenty, kde verifikátor bez znalosti referenčního řešení ověřuje řešitelnost úlohy a binární odměna se pak dá přímo trénovat. Tang zavádí pět „otáčecích knoflíků“ škálování včetně MoE sparsity a tvrdí, že hluboké uvažování nezávisí na celkovém počtu parametrů, jakmile je překročen práh znalostní kapacity. Podle ValsAI je GLM 5.3 mezi open-weight modely #2 na Terminal Bench a #3 na Legal Bench.
Proč to je důležité: Pro B2B firmy to znamená, že levnější open-weight modely (GLM, Qwen) mohou díky lepšímu post-tréninku a agentním prostředím konkurovat drahým uzavřeným modelům v reálných pracovních úlohách – stojí za zvážení při výběru modelu pro agentní/coding nasazení, zatím jde ale o tvrzení jednoho labu, ne nezávisle ověřený standard.