परप्लेक्सिटी ने एक चीनी ओपन-सोर्स मॉडल को क्लाउड ओपस 4.8 की लागत के लगभग एक तिहाई पर एक नियर-फ्रंटियर वर्कहॉर्स में बदल दिया है।
कंपनी ने आज Z.AI के GLM 5.2 के पोस्ट-ट्रेन्ड संस्करण का एक रिसर्च प्रीव्यू जारी किया, जिसे विशेष रूप से इसके कंप्यूटर एजेंट हार्नेस के भीतर संचालित करने के लिए बनाया गया है और अब यह उत्पादन में उपलब्ध है।
We're releasing a research preview of a new orchestrator model in Perplexity Computer.
The model is an adapted version of GLM 5.2, post-trained for the Computer harness. It delivers near-frontier performance at 0.344x of the cost of Opus. pic.twitter.com/jcxikoFRfn
— Perplexity (@perplexity_ai) July 9, 2026
GLM 5.2 Z.ai—पहले झीपू एआई, एक बीजिंग लैब जो जनवरी 2025 से अमेरिकी एंटिटी लिस्ट में है—का लगभग 744-बिलियन-पैरामीटर मॉडल है। (पैरामीटर्स वे सभी विभिन्न डायल और कॉन्फ़िगरेशन हैं जिन्हें एक मॉडल प्रशिक्षण के दौरान संभाल सकता है। जितने अधिक पैरामीटर, मॉडल उतना ही अधिक जटिल और शक्तिशाली होता है।) जून में एमआईटी लाइसेंस के तहत जारी किया गया, यह एपीआई लागत के एक अंश पर लंबी-क्षमता वाले कोडिंग बेंचमार्क पर वर्तमान में उपलब्ध शीर्ष एआई मॉडलों में से एक है।
ओपन वेट्स का मतलब है कि कोई भी इसे बिना किसी प्रतिबंध के व्यावसायिक रूप से डाउनलोड, संशोधित और फाइन-ट्यून कर सकता है। परप्लेक्सिटी ने ठीक यही किया।
फाइन-ट्यूनिंग एक पहले से प्रशिक्षित एआई मॉडल को लेना और उसे एक विशिष्ट कार्य में बेहतर बनाने के लिए एक छोटे, केंद्रित डेटासेट पर पुन: प्रशिक्षित करने की प्रक्रिया है।
इसे एक कार ट्यून करने जैसा समझें। विभिन्न मैकेनिकों के पास एक ही होंडा सिविक हो सकती है, उदाहरण के लिए, और उसे ड्रैग रेसिंग के लिए तेज बना सकते हैं, उसे अधिक आकर्षक बना सकते हैं, रैली के लिए अनुकूलित कर सकते हैं, आदि। एआई में, डेवलपर्स एक बेस मॉडल प्राप्त करते हैं और विभिन्न सेटिंग्स जोड़ते हैं ताकि फाइनट्यून एक विशिष्ट क्षेत्र पर अधिक ज्ञान, एक अलग राजनीतिक पूर्वाग्रह, अधिक या कम प्रतिबंधों आदि के साथ समाप्त हो।
परप्लेक्सिटी ने पोस्ट-ट्रेनिंग—मॉडल के मुख्य प्रशिक्षण रन के बाद लागू की गई एक समान प्रक्रिया—का उपयोग GLM 5.2 को एक महत्वपूर्ण कौशल सिखाने के लिए किया: यह जानना कि कब किसी कार्य को स्वयं संभालना है और कब उसे अधिक शक्तिशाली चीज़ तक बढ़ाना है।
वह एस्केलेशन ही उनके द्वारा बनाए गए का मूल है। फाइन-ट्यून किए गए GLM 5.2 में परप्लेक्सिटी जिसे "एडवाइज़र टूल" कहती है—एक मूल क्षमता शामिल है जो यह पहचानती है कि कब कोई क्वेरी अपनी स्वयं की क्षमता से अधिक है और उसे किसी तीसरे पक्ष के फ्रंटियर मॉडल को सौंप देती है। अधिकांश कार्य कभी भी महंगे मॉडल तक नहीं पहुंचते हैं। केवल वही जो वास्तव में इसकी आवश्यकता होती है, वे ही ऐसा करते हैं।
इससे इनफेरेंस में बहुत पैसा बचता है।
"एक एडवाइज़र के साथ जोड़ा गया, यह मॉडल ओपस 4.8 ग्रेड प्रदर्शन को लागत के एक अंश पर कार्य करता है," सीईओ अरविंद श्रीनिवास ने X पर लिखा।
We’ve been post-training a version of GLM that is trained to escalate to a frontier model inside the Computer harness. When paired with an advisor, this model functions at Opus 4.8 grade performance at a fraction of the cost. Available now as a research preview! pic.twitter.com/7y8CjOWOtI
— Aravind Srinivas (@AravSrinivas) July 9, 2026
परप्लेक्सिटी ने लागत आधार रेखा स्थापित करने के लिए सिस्टम को सामान्य GLM 5.2 के विरुद्ध बेंचमार्क किया। कंपनी के आंतरिक दक्षता मीट्रिक का उपयोग करते हुए जो जटिल कार्यों को पूरा करने में कितनी लागत आती है, उसे मापता है, परिणामों से पता चला कि एक एडवाइज़र के साथ फाइन-ट्यून किए गए मॉडल को चलाने में मूल संस्करण की तुलना में लगभग दोगुना महंगा है। हालांकि, हर चीज के लिए शीर्ष-स्तरीय ओपस 4.8 मॉडल का उपयोग करना बहुत अधिक महंगा है (लगभग 600% अधिक महंगा)।
इन उपकरणों के संयोजन से, परप्लेक्सिटी का सिस्टम ओपस के समान गुणवत्ता प्रदर्शन प्राप्त करता है, लेकिन केवल लगभग एक तिहाई कीमत पर।
अमेरिका-चीन एआई दौड़ को अक्सर शून्य-योग के रूप में देखा जाता है। व्यवहार में, ओपन-सोर्स मॉडल सीमाओं पर नहीं रुकते हैं। GLM 5.2 का एमआईटी लाइसेंस गणना को सरल बनाता है: उल्लंघन करने के लिए कोई एपीआई अनुबंध नहीं है, कोई एक्सेस स्विच नहीं है जिसे सरकार पलट सकती है। आप वेट्स डाउनलोड करते हैं और आप उन्हें अपनी आवश्यकता के अनुसार फाइन-ट्यून कर सकते हैं।
परप्लेक्सिटी इस रास्ते पर पहले भी चल चुकी है। जब 2025 की शुरुआत में डीपसीक R1 ने एआई दुनिया में धूम मचाई, तो कंपनी ने इसे R1-1776 में फाइन-ट्यून किया — मूल के लगभग 300 विषयों का मानचित्रण किया जिन्हें चीनी सरकार की सेंसरशिप के कारण चर्चा करने से इनकार कर दिया गया था, और मॉडल को संयुक्त राज्य अमेरिका के पक्ष में अधिक पक्षपातपूर्ण बनाने के लिए पुन: प्रशिक्षित किया। यह उसी तर्क इंजन का एक पश्चिमी-होस्टेड संस्करण बन गया।
"हम R1 की शक्तिशाली तर्क क्षमताओं का उपयोग तब तक नहीं कर सकते जब तक कि हम उसके पूर्वाग्रह और सेंसरशिप को कम न कर दें," परप्लेक्सिटी की टीम ने उस समय एक ब्लॉग पोस्ट में लिखा था।
तो, यह GLM 5.2 कदम उसी टेम्पलेट का पालन करता है, सिवाय इसके कि इस बार लक्ष्य राजनीतिक नहीं बल्कि आर्थिक है। परप्लेक्सिटी का कंप्यूटर उत्पाद पहले से ही 19+ एआई मॉडल को ऑर्केस्ट्रेट करता है; फाइन-ट्यून किया गया GLM सस्ता डिफ़ॉल्ट होने के लिए डिज़ाइन किया गया है जो किसी फ्रंटियर मॉडल को छूने से पहले अधिकांश कार्यों को अवशोषित करता है।
श्रीनिवास ने कहा कि दीर्घकालिक थीसिस सीधी है: ओपन-सोर्स मॉडल को एस्केलेशन में बेहतर बनाने के लिए पोस्ट-ट्रेन करें, एक एजेंट हार्नेस के भीतर जो पहले से ही लाखों उपयोगकर्ताओं को सेवा प्रदान करता है। परप्लेक्सिटी इसे हल करने के लिए "अद्वितीय रूप से स्थित" है, उन्होंने लिखा, क्योंकि बुनियादी ढांचा पहले से ही बड़े पैमाने पर तैनात है।
यह मॉडल संयुक्त राज्य अमेरिका में एनवीडिया B200 जीपीयू पर चलता है। अगला: नेमोट्रॉन 3 अल्ट्रा का पोस्ट-ट्रेन, जो एक अमेरिकी ओपन-सोर्स मॉडल का उपयोग करके उसी आर्किटेक्चर को दोहराएगा।
आने वाले हफ्तों में पूर्ण बेंचमार्क और एक रिसर्च पेपर की उम्मीद है। यह मॉडल रिसर्च प्रीव्यू के रूप में उपलब्ध है।
