Perplexity налаштувала китайську модель ШІ, щоб відповідати Claude Opus 4.8 за третину вартості

Perplexity перетворила китайську модель з відкритим вихідним кодом на майже передову робочу конячку приблизно за третину вартості Claude Opus 4.8.

Компанія сьогодні випустила дослідний попередній перегляд пост-тренованої версії GLM 5.2 від Z.AI, створеної спеціально для роботи в межах її комп'ютерного агентського інструменту, яка вже доступна в продуктивному режимі.

GLM 5.2 — це модель з приблизно 744 мільярдами параметрів від Z.ai — раніше Zhipu AI, лабораторії в Пекіні, яка з січня 2025 року перебуває в списку суб'єктів США. (Параметри — це всі різні налаштування та конфігурації, які модель може обробляти під час навчання. Чим більше параметрів, тим складнішою та потужнішою є модель.) Випущена під ліцензією MIT у червні, вона займає місце серед найкращих моделей ШІ, доступних на довгострокових кодових бенчмарках за частку вартості API.

Відкриті ваги означають, що будь-хто може завантажити, модифікувати та налаштовувати її комерційно без обмежень. Perplexity саме це і зробила.

Що таке налаштування

Налаштування — це процес взяття вже навченої моделі ШІ та повторного навчання її на меншому, зосередженому наборі даних, щоб зробити її кращою в конкретній роботі.

Perplexity використовувала пост-тренування — подібний процес, застосований після основного навчання моделі — щоб навчити GLM 5.2 одній критично важливій навичці: знати, коли виконувати завдання самостійно, а коли передавати його на більш потужний рівень.

Це в результаті економить багато грошей на інференції.

Perplexity провела бенчмаркінг системи проти звичайної GLM 5.2, щоб встановити базу витрат. Використовуючи внутрішню метрику ефективності компанії, яка вимірює, скільки коштує виконати складні завдання, результати показали, що налаштована модель з радником коштує приблизно вдвічі дорожче в експлуатації, ніж базова версія. Однак використання моделі Opus 4.8 для всього є набагато дорожчим (приблизно на 600% дорожче).

Поєднуючи ці інструменти, система Perplexity досягає такої ж якості виконання, як Opus, але лише приблизно за третину ціни.

Чому китайська модель — і чому відкритий код робить це можливим

Гонка ШІ між США та Китаєм зазвичай розглядається як гра з нульовою сумою. На практиці моделі з відкритим кодом не зупиняються на кордонах. Ліцензія MIT GLM 5.2 спрощує обчислення: немає контракту API, який можна порушити, немає перемикача доступу, який може включити уряд. Ви завантажуєте ваги, і ви можете налаштувати їх на те, що вам потрібно.

Perplexity вже проходила цим шляхом раніше. Коли DeepSeek R1 пронісся через світ ШІ на початку 2025 року, компанія налаштувала його на R1-1776 — відображаючи приблизно 300 тем, які оригінал відмовився обговорювати через цензуру китайського уряду, і повторно навчила модель, щоб зробити її більш упередженою на користь Сполучених Штатів. Вона стала західною версією того ж самого розумового двигуна.

Отже, цей крок з GLM 5.2 слідує тому ж шаблону, за винятком того, що мета цього разу не політична, а економічна. Продукт Computer від Perplexity вже координує 19+ моделей ШІ; налаштована GLM призначена бути дешевим за замовчуванням, який поглинає більшість завдань, перш ніж торкнутися передової моделі.

Срінівас сказав, що довгострокова теза проста: пост-тренувати моделі з відкритим кодом, щоб навчитися ескалації, всередині агентського інструменту, який вже обслуговує мільйони користувачів. Perplexity "унікально позиціонована" для вирішення цього, написав він, оскільки інфраструктура вже розгорнута в масштабах.

Модель працює на Nvidia B200 GPU в Сполучених Штатах. Наступним у черзі: пост-тренування Nemotron 3 Ultra, яке повторить ту ж архітектуру, використовуючи американську модель з відкритим кодом.

Повні бенчмарки та наукова стаття очікуються найближчими тижнями. Модель доступна як дослідний попередній перегляд.