Late Point Eksklusibo | Paglilista ng Zhipu, Hiniling ni Tang Jie sa Internal na Liham ang Ganap na Pagbabalik sa Pananaliksik ng Pangunahing Modelo

Ang tunay na magpapasya sa susunod na yugto ng estratehiya ay ang dalawang pangunahing bagay—ang arkitektura ng modelo at ang paradigma ng pagkatuto. Kasabay nito, posibleng lilitaw ang isang malinaw na direksyon sa panig ng aplikasyon: ang taon ng pagsabog ng AI sa pagpalit ng iba't ibang uri ng trabaho o gawain.

May akda丨Shen Yuan

Editor丨Song Wei

Eksklusibong nalaman ng LatePost, noong Enero 8 sa araw ng pag-lista ng Zhipu, naglabas ng internal na liham si Professor Tang Jie ng Computer Science Department ng Tsinghua University, tagapagtatag at Chief Scientist ng Zhipu, upang ipahayag na malapit nang ilunsad ang bagong henerasyon ng modelo na GLM-5.

Sabi ni Tang Jie, “isang kapanapanabik na araw ito sa buhay ng Zhipu.” Hindi niya direktang sinagot ang mga kontrobersiya sa business model ng malalaking modelo o nagbigay ng target ng komersyalisasyon ng Zhipu para sa 2026, ngunit binigyang-diin niya na ang tunay na “may gumagamit,” at ang mga teorya, teknolohiya, o produkto na makakatulong sa mas maraming tao ang mahalagang tagumpay ng Zhipu sa landas ng AGI.

Nagdulot ng matinding epekto ang DeepSeek sa mga kumpanya ng malaking modelo sa China. Marami ang naniniwala na ang tagumpay ng DeepSeek ay unang nakaapekto sa ecological niche ng Zhipu, dahil halos magkapareho ang katangian ng kanilang academic at research teams, at malaki rin ang ambag ng Zhipu sa open source ecosystem ng malalaking modelo.

Ayon sa internal na liham, natapos ng Zhipu ang mga estratehiyang itinakda sa simula ng 2025: noong Abril ay naglabas ng modelong “panatilihin ang posisyon,” kalagitnaan ng taon ay may modelong “makapasok sa mesa” (maging one of the best), at sa katapusan ng taon ay naglabas ng Top 1 na modelo.

Ang ganitong estratehiya ng pagbabalik sa pangunahing pananaliksik ng mga base model ay tugon ng Zhipu sa epekto ng DeepSeek. Noong Disyembre 23, inilunsad at inopen source ang GLM-4.7 base model ng Zhipu. Ayon sa Artificial Analysis (AA Intelligence Index), ang GLM-4.7 ay nangunguna sa mga domestic na modelo at pumapantay sa Claude 4.5 Sonnet bilang ika-anim sa buong mundo.

Maliban sa paglabas ng GLM-5, ipinakilala rin sa internal na liham ang tatlong pangunahing teknikal na direksyon ng Zhipu para sa 2026, kabilang ang bagong disenyo ng arkitektura ng modelo, mas pangkalahatang RL (reinforcement learning) paradigm, at ang eksplorasyon sa patuloy na pagkatuto at autonomous na ebolusyon ng modelo. Lahat ng ito ay nakatuon sa pagpapahusay ng kakayahan ng base model.

Kasabay ng pagtaas ng kakayahan ng mga base model, sa huli ay magsasanib ang Agent at mga domain large model sa mga base model. Sa katunayan, hindi laging nangangahulugan ang AI na kailangan lumikha ng bagong aplikasyon. “Ang aplikasyon ng large model ay dapat bumalik sa first principle.” Ayon kay Tang Jie sa isang Weibo post noong nakaraang taon, magiging taon ng pagsabog ng AI ang 2026 sa pagpapalit ng iba’t ibang uri ng trabaho.

Noong 2025, dumaan din ang Zhipu sa malawakang reorganisasyon, nilimitahan ang To C, R&D, at laki ng video generation team, at unti-unting inopen source ang mga proyekto tulad ng AutoGLM.

Mula nang ilunsad ang ChatGPT, sa mahigit tatlong taon ng mabilis na pag-unlad ng AI, “walang tunay na consensus ang industriya, lahat ay basta sumusulong lang.” Ani Tang Jie sa isang internal na pag-uusap.

Narito ang buong teksto ng bukas na liham ni Tang Jie, eksklusibong inilathala ng LatePost sa pahintulot ng Zhipu.

Gamitin ang “Espiritu ng Kape” sa Paggawa ng AGI

Habang nasa Hong Kong University of Science and Technology para sa maikling pagbisita, nagkataong nagkita kami ni Professor Yang Qiang sa coffee shop sa unang palapag ng laboratory. Sabi ko, sobra ang pag-inom ko ng kape nitong mga araw, parang nauumid, kailangan ko nang magpigil.

Sabi ni Professor Yang: “Bakit mo kailangang tigilan? Hindi naman laging masama ang pagkaumid. Kung ang research natin ay kasing-addictive ng pag-inom ng kape, paano pa tayo matatakot na di magtagumpay?”

Tama nga, ang “pagkaumid” ay siyang nagbibigay kulay sa buhay; sa research man o ibang bagay, basta’t focus at nagsisikap, tiyak magtatagumpay.

“Ang gawing mag-isip ang makina na parang tao” ang pananaw at ideal ng Zhipu mula simula, at ito rin ang tanging layunin na walang humpay na pinagsisikapan ng mga tao ng Zhipu.

Noong dulo ng 2018, inspirasyon mula sa dual-system theory ng cognitive neuroscience, nagdisenyo kami ng isang machine cognitive system na may fast thinking at slow thinking. Noong 2019, opisyal naming itinatag ang Zhipu at nagsimulang tuklasin ang AGI, para makamit ang grandeng vision na “mag-isip ang makina tulad ng tao.”

Ang pinakamalaking hamon dito ay, hanggang ngayon, walang sinuman—pati na kami—ang makapagbibigay ng tumpak na depinisyon ng AGI at kung paano ito makakamit. Marahil, ito ang mismong kagandahan ng paghahanap sa AGI.

Nasa isang pambihirang panahon tayo sa kasaysayan, isang panahon ng teknolohiyang muling magpapabago sa mundo. Ang malaking modelo ay hindi lamang pundasyon ng general artificial intelligence, kundi posibleng maging core engine ng produktibidad na rebolusyon.

Sa pagbabalik-tanaw, isa sa mga dahilan kung bakit kami nakarating dito ay dahil palagi naming pinaninindigan ang paggawa ng AI teknolohiya na talagang magagamit ng mga tao. Ang mga teorya, teknolohiya, o produkto na may tunay na gumagamit lamang ang maaaring maging mahalagang tagumpay sa daan ng AGI. Siyempre, hindi lahat ng inobasyon ay magtatagumpay—marami kaming proyektong mataas ang panganib na nabigo, ngunit dito rin kami natutong humugot ng lakas mula sa kabiguan. Ito ang nagpapalakas sa Zhipu at nagpapalalim ng aming pag-unawa sa AGI. Mahalaga rin, natutunan naming bigyang-halaga ang praktikalidad at hindi lang tumingin sa panandaliang kita: ang pagtulong sa mga gumagamit, bansa, at pandaigdigang siyentipikong pag-unlad ay naging pangmatagalang layunin ng Zhipu.

Noong 2020, inilunsad namin ang sarili naming arkitektura ng malaking modelo, GLM, at sinimulang sanayin ang 10 bilyong parameter na base model. Matagumpay ito at nasubukan ng maraming kumpanya, kabilang ang Meituan. Isang matapang na hakbang ito dahil noon ay panahon pa ng maliliit na modelo tulad ng BERT. Ngunit malayo pa ang modelong ito sa AGI ng aming mga pangarap. Bahagi ng dahilan ay kulang pa ang kaalaman ng modelo, at bahagi rin ay hindi pa ito marunong mag-reason tulad ng tao.

Noong 2021 hanggang 2022, hindi naging madali ang pag-unlad ng malaking modelo. Karamihan ay hindi tinatanggap ang ideya ng “mag-isip ang makina tulad ng tao,” at hindi rin naniniwalang ito ay malaking oportunidad sa teknolohikal na pagbabago, o natatakot sila sa kabiguan. Nagpasya pa rin kaming sumugal at sanayin ang 130 bilyong parameter na malaking modelo gamit ang mas maraming datos.

Mahirap ang desisyong ito dahil hindi dapat maaapektuhan ang kabuuang takbo ng kumpanya. Kaya nagtatag kami ng dalawang maliit na innovation teams—isa ang nag-training ng modelo (na tinaguriang GLM Three Musketeers ng kumpanya), at isa pa para sa MaaS platform. Noon, baka hindi pa nila alam ang isa’t isa. Noong kalagitnaan ng 2022, natapos ang GLM-130B training, na nagdala ng pandaigdigang pansin dahil sa maselang disenyo; kasabay nito, inilunsad ang MaaS platform (ngayon ay bigmodel.cn) at nakakuha ng unang batch ng tunay na API users. Kalaunan, itinatag namin ang AI Institute ng kumpanya para sa susunod na henerasyon ng malaking modelo; at MaaS Platform Department para magbigay ng external API services. Minsan, kailangan natin ng mga taong may sapat na tapang mangarap (minsan ay dapat pa nating hanapin ang ganitong tao), dahil ang isang matapang at grandeng layunin ay maaaring kalahati na ng tagumpay.

Noong 2023, nakipag-usap ako sa isang top entrepreneur sa China (na mas bata pa sa akin) tungkol sa pwedeng baguhin ng AI sa hinaharap. Pareho kaming naniniwala na babaguhin ng AI ang search, browser, at magdadala ng bagong AI assistant para sa lahat; at pag meron ka na nito, hindi mo na kailangan ng app store—bagkus, baka kailangan pa nating gumawa ng “API store” para sa AI, na maaaring magbago ng kasalukuyang operating system. Mas malaki pa, baka maging rebolusyon mismo ang computer dahil hindi na ito para sa tao, kundi para na sa AI.

Mahalaga ang pagbabagong ito dahil babaguhin nito ang batayang lohika ng computer, at hahamunin ang 80 taong pundasyon ng industriya—ang Von Neumann architecture. Sa puntong ito, pareho naming naramdaman na kulang pa ang aming pagsusumikap sa AI, hindi pa talaga kami “All-in.”

Ang realidad ay mahirap—hindi lang matibay na paniniwala ang kailangan para mag “All-in”, kundi napakalaking pondo, suporta ng team, at eksaktong prediksyon. Noong 2023 hanggang 2024, naging taon ng pagsabog ng malaking modelo sa buong mundo, nag “All-in” ang mga malalaking kumpanya, at sumiklab ang entrepreneurial wave sa China—digmaan ng daan-daang modelo, at samu’t saring AI assistant.

Marahil nagkamali rin kami noon, sa teknikal at komersyal na aspeto. Ngayon, sa pagbabalik-tanaw, marahil ay dahil minsan ay naligaw kami sa landas ng AGI, nadadala ng panandaliang kita at hype. Ang AGI ay isang teknolohikal na pagbabago; ang teknolohiya ay dapat pantay-pantay, bukas, at para sa lahat.

Ang paglabas ng DeepSeek ay naging wake-up call sa amin. Noong nagsimula si Wenfeng ng DeepSeek noong 2023, nag-usap kami, pero hindi ko noon napansin ang dedikasyon niya sa AGI. Nagpapasalamat ako sa kanya sa mga bagong pananaw na dinala niya sa akin. Ang patuloy na dedikasyon sa teknolohiya ng AGI, ang walang tigil na paghahanap ng hangganan nito, at ang eksaktong prediksyon ng hinaharap ay mga bagay na kailangang patuloy na pagbutihin ng Zhipu. Nitong dalawang taon, marami kaming naranasan—mas mahalaga, na-“reinforce learning” kami tungkol sa AGI, pamamahala ng kumpanya, at kompetisyong pang-negosyo.

Noong nakaraang taon, nagsagawa kami ng mas sistematikong “reinforcement.” Inilunsad namin ang slogan na “determinasyon” at “achievement,” hinihiling sa lahat na manatiling kalmado, hindi yumabang o masiraan ng loob, at tapusin ang bawat gawain para sa Zhipu at sa sarili.

Noong simula ng taon, napakahirap ng lahat—hindi umaabot sa inaasahan ang performance ng modelo, price war sa buong bansa, at mahirap makalampas nang walang tumpak na breakthrough.

Napanatili namin ang posisyon at natagpuan namin ang breakthrough sa Coding.

Kung ang paglabas ng GLM-4.1 noong Abril ay isang simbolikong pagsubok, ang paglulunsad ng GLM-4.5 noong Hulyo ay halos isang labanan; lahat ng technical, platform, at business teams ay kabado, nagsipag-overtime araw at gabi, at sa wakas ay nagtamo kami ng matagal nang inaasam na tagumpay. Sunod-sunod ang GLM-4.6 at GLM-4.7 na nagdala sa aming mga modelo sa parehong antas ng mga international top models. Ang GLM-4.7 namin ay nagtamo ng SOTA sa AA, Arena at iba pang benchmark bilang open source at domestic model; positibo rin ang feedback mula sa coding at agent users. Ginamit ng 150,000 developers mula sa 184 bansa ang GLM Coding Plan, at matapos lumabas ang GLM-4.7, lumampas sa 500 milyong yuan ang annualized ARR ng MaaS Platform (kung saan mahigit 200 milyon ay overseas), mula 20 milyon hanggang 500 milyon (25X) sa loob lamang ng 10 buwan.

Sa kabuuan, natapos namin sa takdang panahon ang estratehiya ng paglabas ng “panatilihin ang posisyon” na modelo noong Abril, “makapasok sa mesa” na modelo kalagitnaan ng taon (one of the best), at Top 1 na modelo sa katapusan ng taon. Ito ang naging pundasyon para sa patuloy naming pagsulong sa teknikal na tuktok ng AGI.

Nagkaroon din ng bagong progreso ang aming “Sovereign AI”: ang national MaaS platform ng Malaysia ay binuo batay sa Z.ai open source model, at naging pambansang modelo ng Malaysia ang GLM. Ang pag-export ng Sovereign AI ay inspirasyon mula sa pagdalo ko sa pulong kay Pangulong Xi, ngunit sa totoo lang, hindi ko alam kung paano ito gagawin. Ang aming international team ay matapang sumubok, at natapos ang milestone ng pag-export ng Chinese large models mula wala hanggang meron. Sa business side, naglakas-loob kaming makipagkompetensiya at muling natupad ang taunang target na doblehin ang kita.

Sa kabila ng lahat ng hirap at oportunidad, ngayon, sa halos imposibleng paraan, naging unang nakalistang kumpanya ng global large model ang Zhipu. Ipinapakita nito ang pagkilala ng merkado sa aming teknolohiya at business value. “Make impossible possible”—naalala niyo pa ba ang sinabi namin dati?

Ngayong taon, ang pinakamatinding pagbabago ay marahil hindi ang Zhipu, kundi ang grupo ng mga batang nasa frontline, na nagawa talagang posible ang mga bagay na dati ay imposible.

Noong 2026, ang layunin ng kumpanya ay maging nangungunang international large model enterprise. Sa nakaraang taon, maraming diskusyon ukol sa aplikasyon at ecosystem ng large models.

Ang tunay na magpapasya sa susunod na yugto ay dalawang mas pangunahing bagay—ang arkitektura ng modelo at paradigma ng pagkatuto. Kasabay nito, posibleng lilitaw ang malinaw na direksyon: taon ng pagsabog ng AI sa pagpapalit ng iba’t ibang uri ng trabaho/gawain.

Batay sa pananaw na ito, sa 2026 ay magpo-focus kami sa:

• GLM-5. Malapit nang makita ng lahat ang GLM-5. Sa pamamagitan ng karagdagang scaling at maraming bagong teknikal na pagbuti, naniniwala kaming magdadala ang GLM-5 ng maraming bagong karanasan at matutulungan ang lahat na matapos ang mas maraming tunay na gawain gamit ang AI.

• Bagong disenyo ng arkitektura ng modelo. Ang Transformer architecture na ginagamit ng halos 10 taon ay nagpapakita na ng ilang kakulangan, kabilang ang computation cost para sa super long context, memory mechanism, at update mechanism. Kailangan tuklasin ang mga bagong arkitektura ng modelo, hanapin ang mga bagong scaling paradigm, at pataasin ang computational efficiency gamit ang chip-algorithm co-design.

• Mas malakas na generalization ng RL. Bagama’t matagumpay ang mainstream na RLVR paradigm sa math at code, lumalabas na ang limitasyon nito dahil umaasa ito sa artificially constructed, verifiable environments. Kailangan ngayong tuklasin ang mas general RL paradigm na susuporta sa AI hindi lang sa pagtapos ng partikular na gawain sa ilalim ng human instruction, kundi pati sa pag-intindi at pagtapos ng mga long-term tasks na tumatagal ng oras o araw.

• Pinakamalaking hamon ang pagsisimula ng landas patungo sa patuloy na pagkatuto at autonomous na ebolusyon. Sa kasalukuyan, halos lahat ng mainstream AI models ay static ang katalinuhan pagkatapos i-deploy. Natutunan nila ang kaalaman sa isang one-off, magastos na training, at pagkatapos ay unti-unting naluluma. Kabaligtaran ito ng kakayahan ng utak ng tao na matutong patuloy mula sa pakikipag-interact sa mundo. Kailangang magplano para sa susunod na generasyon ng learning paradigm—online o continual learning.

Hindi kami tradisyonal na kumpanya, at hindi rin namin balak maging isa. Nais naming maging isang AI-native na kumpanya kung saan lahat ay posible: bumuo ng next-gen model na patuloy na tumataas ang upper bound ng katalinuhan, mag-develop ng AI-centric na produkto para sa mga user. Gusto naming gawing pinakamaaasahang assistant ng bawat tao ang AI. Naniniwala kami na dapat ding gamitin ang AI para tulungan sa pamamahala ng kumpanya, mapababa ang gastos, mapataas ang efficiency, at gawing mas patas ang lahat.

Habang tumatagal, madalas masanay ang kumpanya sa paulit-ulit na gawain at incremental improvement, na maaaring maglimita sa inobasyon. Pero sa panahon ng AI, lahat ay disruptive; kailangan nating maging medyo “hindi komportable” para mapanatili ang inobasyon at makapaglatag ng rebolusyonaryong ideya para sa susunod na growth area.

Kaya, nagtatag kami ng bagong X-Lab department sa loob ng Zhipu na layuning tipunin ang mas maraming kabataan sa pamamagitan ng open approach, magsagawa ng cutting-edge exploration kabilang ang bagong arkitektura ng modelo, bagong cognitive paradigm, at mag-incubate ng mga bagong proyekto—hindi limitado sa software o hardware. Kasabay nito, palalawakin pa namin ang panlabas na investment, hindi lang strategic partnership sa mga kasalukuyang invested enterprises, kundi magbubukas ng bagong teritoryo para mapalago ang buong industriya at ecosystem. Sa X-Lab, ang misyon ng bawat isa ay gumawa ng ganap na disruptive innovation, at sa huli ay bumalik sa AGI main line.

Ngayon ay isang kapanapanabik na araw sa buhay ng Zhipu, isang mahalagang milestone sa kasaysayan ng Zhipu, at simula ng isang bagong panahon. Gustung-gusto ko ang brand na Z.ai—ang Z ang huling letra ng alpabeto at sumisimbolo sa ultimate destination. Nais naming makarating sa ultimate destination ng katalinuhan sa AGI journey, ito ang aming layunin. Kami ay sabik na sabik:

- May isang ambisyosong misyon na baguhin ang mundo

- Nakatuon sa pangmatagalang interes at hinaharap

- Mas nakatutok sa pag-explore ng esensya ng AGI

- Gumamit ng AI para bigyang-lakas ang mga dakilang entrepreneur at paglago ng kumpanya

- Gamitin ang mas eksaktong prediksyon para samantalahin ang business opportunities

- Sa huli, umaasa kaming makapagbigay ng naiibang AI sa lipunan, tunay na mapabuti ang kapakanan ng sangkatauhan.

Isa itong walang kapantay na masayang sandali. Ang saya na ito ay hindi lang dopamine, kundi endorphin na naipon mula sa AGI journey—magpapokus, magpatuloy, at tumahak nang matatag!

Tang Jie

2026.1.8

Pangunahing larawan mula sa: "Dune 2"

- FIN -