Perplexity a transformat un model open-source chinez într-un instrument de lucru aproape de nivelul de frontieră, la aproximativ o treime din costul Claude Opus 4.8.

Compania a lansat astăzi o previzualizare de cercetare a unei versiuni post-antrenate a GLM 5.2 de la Z.AI, construită special pentru a funcționa în cadrul sistemului său agent Computer și disponibilă acum în producție.

GLM 5.2 este un model de aproximativ 744 de miliarde de parametri de la Z.ai — fostul Zhipu AI, un laborator din Beijing care se află pe Lista de Entități a SUA din ianuarie 2025. (Parametrii sunt toate reglajele și configurațiile diferite pe care un model le poate gestiona în timpul antrenamentului. Cu cât mai mulți parametri, cu atât un model este mai complex și mai puternic.) Lansat sub o licență MIT în iunie, se numără printre cele mai bune modele AI disponibile în prezent pe benchmark-uri de codare pe termen lung, la o fracțiune din costul API.

Ponderile deschise înseamnă că oricine îl poate descărca, modifica și ajusta fin (fine-tune) comercial, fără restricții. Perplexity a făcut exact asta.

Ce este de fapt ajustarea fină (fine-tuning)

Ajustarea fină (fine-tuning) este procesul de a prelua un model AI deja antrenat și de a-l reantrena pe un set de date mai mic, focalizat, pentru a-l face mai bun la o anumită sarcină.

Gândiți-vă la asta ca la reglarea unei mașini. Diferiți mecanici pot avea același Honda Civic, de exemplu, și îl pot face mai rapid pentru curse de drag, mai plăcut vizual, îl pot adapta pentru raliu etc. În AI, dezvoltatorii obțin un model de bază și adaugă diferite setări, astfel încât ajustarea fină (finetune) să ajungă să aibă mai multe cunoștințe într-un domeniu specific, o altă părtinire politică, mai multe sau mai puține restricții etc.

Perplexity a folosit post-antrenarea – un proces similar aplicat după rularea principală de antrenament a modelului – pentru a învăța GLM 5.2 o abilitate critică: să știe când să gestioneze o sarcină singur și când să escaladeze la ceva mai puternic.

Această escaladare este nucleul a ceea ce au construit. GLM 5.2 ajustat fin include ceea ce Perplexity numește un "instrument de consiliere" – o capacitate nativă de a recunoaște când o interogare depășește propria sa competență și de a o preda unui model de frontieră terț. Majoritatea sarcinilor nu ajung niciodată la modelul scump. Doar cele care au nevoie de el o fac.

Acest lucru economisește mult costul de inferență.

"Când este asociat cu un consilier, acest model funcționează la performanțe de nivel Opus 4.8 la o fracțiune din cost," a scris CEO-ul Aravind Srinivas pe X.

Perplexity a comparat sistemul cu GLM 5.2 normal pentru a stabili o linie de bază a costurilor. Folosind metrica internă de eficiență a companiei, care măsoară cât costă finalizarea sarcinilor complexe, rezultatele au arătat că modelul ajustat fin cu un consilier este de aproximativ două ori mai scump de rulat decât versiunea de bază. Cu toate acestea, utilizarea modelului de top Opus 4.8 pentru toate sarcinile este mult mai costisitoare (aproximativ 600% mai scumpă).

Combinând aceste instrumente, sistemul Perplexity atinge aceeași performanță de calitate ca și Opus, dar la aproximativ o treime din preț.

De ce un model chinezesc — și de ce open-source face acest lucru posibil

Cursa AI dintre SUA și China tinde să fie încadrată ca un joc cu sumă nulă. În practică, modelele open-source nu se opresc la granițe. Licența MIT a GLM 5.2 simplifică calculul: nu există un contract API de încălcat, niciun comutator de acces pe care un guvern să-l poată acționa. Descarci ponderile și le poți ajusta fin în orice ai nevoie.

Perplexity a mai parcurs acest drum. Când DeepSeek R1 a luat cu asalt lumea AI la începutul anului 2025, compania l-a ajustat fin în R1-1776 – cartografiind aproximativ 300 de subiecte pe care originalul a refuzat să le discute din cauza cenzurii guvernamentale chineze și reantrenând modelul pentru a-l face mai părtinitor în favoarea Statelor Unite. A devenit o versiune găzduită în Vest a aceluiași motor de raționament.

"Nu putem utiliza capacitățile puternice de raționament ale R1 fără a-i atenua mai întâi părtinirea și cenzura," a scris echipa Perplexity la acea vreme într-o postare pe blog.

Astfel, această mutare cu GLM 5.2 urmează același șablon, cu excepția faptului că scopul de această dată nu este politic, ci economic. Produsul Computer de la Perplexity orchestrează deja peste 19 modele AI; GLM-ul ajustat fin este conceput pentru a fi opțiunea implicită ieftină care absoarbe majoritatea sarcinilor înainte de a atinge vreodată un model de frontieră.

Srinivas a declarat că teza pe termen lung este simplă: post-antrenarea modelelor open-source pentru a deveni bune la escaladare, în interiorul unui sistem de agenți care servește deja milioane de utilizatori. Perplexity este "poziționată în mod unic" pentru a rezolva acest lucru, a scris el, deoarece infrastructura este deja implementată la scară.

Modelul rulează pe GPU-uri Nvidia B200 în Statele Unite. Următorul în plan: o post-antrenare a Nemotron 3 Ultra, care ar replica aceeași arhitectură folosind un model open-source american.

Benchmark-uri complete și o lucrare de cercetare sunt așteptate în săptămânile următoare. Modelul este disponibil ca previzualizare de cercetare.