Perplexity đã biến một mô hình mã nguồn mở của Trung Quốc thành một "ngựa chiến" gần như tiên tiến với chi phí chỉ bằng khoảng một phần ba so với Claude Opus 4.8.

Hôm nay, công ty đã phát hành bản xem trước nghiên cứu của một phiên bản GLM 5.2 được hậu huấn luyện của Z.AI, được xây dựng đặc biệt để hoạt động bên trong hệ thống tác nhân Computer của họ và hiện đã có sẵn để sản xuất.

GLM 5.2 là một mô hình khoảng 744 tỷ tham số từ Z.ai—trước đây là Zhipu AI, một phòng thí nghiệm ở Bắc Kinh đã nằm trong Danh sách thực thể của Hoa Kỳ kể từ tháng 1 năm 2025. (Tham số là tất cả các nút và cấu hình khác nhau mà một mô hình có thể xử lý trong quá trình đào tạo. Càng nhiều tham số, mô hình càng phức tạp và mạnh mẽ). Được phát hành theo giấy phép MIT vào tháng 6, nó nằm trong số các mô hình AI hàng đầu hiện có trên các điểm chuẩn lập trình dài hạn với chi phí API chỉ bằng một phần nhỏ.

Trọng số mở có nghĩa là bất kỳ ai cũng có thể tải xuống, sửa đổi và tinh chỉnh nó cho mục đích thương mại mà không bị hạn chế. Perplexity đã làm chính xác điều đó.

Tinh chỉnh thực sự là gì

Tinh chỉnh là quá trình lấy một mô hình AI đã được đào tạo và đào tạo lại nó trên một bộ dữ liệu nhỏ hơn, tập trung hơn để làm cho nó tốt hơn trong một công việc cụ thể.

Hãy hình dung nó giống như việc điều chỉnh một chiếc ô tô. Các thợ máy khác nhau có thể có cùng một chiếc Honda Civic, ví dụ, và biến nó thành chiếc xe nhanh hơn để đua drag, đẹp mắt hơn, hoặc điều chỉnh nó cho cuộc đua rally, v.v. Trong AI, các nhà phát triển nhận được một mô hình cơ bản và thêm các cài đặt khác nhau để mô hình tinh chỉnh cuối cùng có nhiều kiến thức hơn về một lĩnh vực cụ thể, một định kiến chính trị khác, nhiều hoặc ít hạn chế hơn, v.v.

Perplexity đã sử dụng hậu huấn luyện – một quy trình tương tự được áp dụng sau quá trình huấn luyện chính của mô hình – để dạy GLM 5.2 một kỹ năng quan trọng: biết khi nào tự xử lý một tác vụ và khi nào cần chuyển giao cho một mô hình mạnh mẽ hơn.

Sự chuyển giao đó là cốt lõi của những gì họ đã xây dựng. GLM 5.2 được tinh chỉnh bao gồm thứ mà Perplexity gọi là "công cụ cố vấn" – một khả năng gốc để nhận ra khi nào một truy vấn vượt quá khả năng của nó và chuyển giao cho một mô hình tiên tiến của bên thứ ba. Hầu hết các tác vụ không bao giờ cần đến mô hình đắt tiền. Chỉ những tác vụ thực sự cần mới được chuyển giao.

Điều này giúp tiết kiệm rất nhiều chi phí suy luận.

"Khi được ghép nối với một cố vấn, mô hình này hoạt động với hiệu suất ngang Opus 4.8 nhưng chỉ với một phần nhỏ chi phí," CEO Aravind Srinivas viết trên X.

Perplexity đã đánh giá hệ thống dựa trên GLM 5.2 thông thường để thiết lập một đường cơ sở chi phí. Sử dụng chỉ số hiệu quả nội bộ của công ty để đo lường chi phí hoàn thành các tác vụ phức tạp, kết quả cho thấy mô hình được tinh chỉnh có cố vấn đắt gấp đôi so với phiên bản cơ bản. Tuy nhiên, việc sử dụng mô hình Opus 4.8 cao cấp cho mọi thứ sẽ đắt hơn rất nhiều (khoảng 600% đắt hơn).

Bằng cách kết hợp các công cụ này, hệ thống của Perplexity đạt được hiệu suất chất lượng tương đương Opus nhưng chỉ với chi phí bằng khoảng một phần ba.

Tại sao là một mô hình Trung Quốc—và tại sao mã nguồn mở lại biến điều đó thành có thể

Cuộc đua AI giữa Hoa Kỳ và Trung Quốc thường được coi là một cuộc chơi tổng bằng không. Trên thực tế, các mô hình mã nguồn mở không bị dừng lại ở biên giới. Giấy phép MIT của GLM 5.2 làm cho việc tính toán trở nên đơn giản: Không có hợp đồng API nào để vi phạm, không có công tắc truy cập nào mà chính phủ có thể lật. Bạn tải xuống các trọng số và bạn có thể tinh chỉnh chúng thành bất cứ thứ gì bạn cần.

Perplexity đã từng làm điều này trước đây. Khi DeepSeek R1 gây chấn động thế giới AI vào đầu năm 2025, công ty đã tinh chỉnh nó thành R1-1776 – loại bỏ khoảng 300 chủ đề mà bản gốc từ chối thảo luận do kiểm duyệt của chính phủ Trung Quốc, và đào tạo lại mô hình để nó có định kiến hơn ủng hộ Hoa Kỳ. Nó trở thành một phiên bản được lưu trữ ở phương Tây của cùng một công cụ suy luận.

"Chúng tôi không thể tận dụng khả năng suy luận mạnh mẽ của R1 nếu không giảm thiểu định kiến và kiểm duyệt của nó trước tiên," nhóm của Perplexity đã viết vào thời điểm đó trong một bài đăng trên blog.

Vì vậy, động thái GLM 5.2 này tuân theo cùng một khuôn mẫu, ngoại trừ mục tiêu lần này không phải là chính trị mà là kinh tế. Sản phẩm Computer của Perplexity đã điều phối hơn 19 mô hình AI; GLM được tinh chỉnh được thiết kế để trở thành mặc định giá rẻ, hấp thụ phần lớn các tác vụ trước khi phải chạm vào một mô hình tiên tiến.

Srinivas cho biết luận điểm dài hạn rất đơn giản: hậu huấn luyện các mô hình mã nguồn mở để chúng giỏi trong việc chuyển giao, bên trong một hệ thống tác nhân đã phục vụ hàng triệu người dùng. Perplexity "ở vị trí độc đáo" để giải quyết vấn đề này, ông viết, bởi vì cơ sở hạ tầng đã được triển khai ở quy mô lớn.

Mô hình chạy trên GPU Nvidia B200 ở Hoa Kỳ. Tiếp theo: một mô hình Nemotron 3 Ultra được hậu huấn luyện, sẽ tái tạo cùng kiến trúc sử dụng một mô hình mã nguồn mở của Mỹ.

Các điểm chuẩn đầy đủ và một bài báo nghiên cứu dự kiến sẽ có trong những tuần tới. Mô hình hiện có sẵn dưới dạng bản xem trước nghiên cứu.