Публичный дебют Zhipu сигнализирует о значительном повороте: глубокий анализ GLM-5 и гонка за переустройство основ ИИ

Zhipu официально вышла на рынок 8 января, что стало поворотным моментом для сектора крупных языковых моделей Китая. С этим достижением профессор Танг Цзе — руководитель кафедры компьютерных наук Тсинхуа и главный научный сотрудник компании — опубликовал внутреннюю стратегическую записку, которая кардинально переосмысливает направление компании к 2026 году. Вместо того чтобы гнаться за краткосрочной коммерческой выгодой, Zhipu удваивает усилия в области фундаментальных исследований моделей, что сигнализирует о решительном ответе на волны, вызванные прорывом DeepSeek.

Настоящее поле боя: архитектура моделей и парадигмы обучения

Записка Танг Цзе ясно дает понять одну вещь: будущее конкурентное поле не будет определяться яркими приложениями или постепенными релизами продуктов. Вместо этого оно зависит от двух ключевых столпов — инноваций в архитектуре моделей и принципиально новых парадигм обучения. Этот стратегический сдвиг отражает зрелое понимание того, что действительно двигает прогресс в развитии AGI.

Особенно показательна приверженность компании архитектурным прорывам. Модель Transformer, доминировавшая почти десятилетие, начинает показывать трещины под давлением реального мира. Вопросы связанные с вычислительными затратами для сверхдлинных контекстов, механизмами памяти и протоколами обновления моделей требуют нового архитектурного мышления. Дорожная карта Zhipu явно нацелена на выход за рамки существующих систем, основанных на протоколах фон Неймана, и исследование совершенно новых концепций дизайна и масштабирования. В это входит стратегия совместного проектирования чипов и алгоритмов, направленная на принципиальное повышение вычислительной эффективности.

GLM-5 уже на подходе: что изменится при его появлении

Главное объявление — скорый выпуск GLM-5. Пока детали остаются скудными, но предыдущий прогресс моделей Zhipu подсказывает, чего ожидать. GLM-4.7, выпущенная в декабре, уже достигла значительного результата: она заняла первое место среди отечественных моделей и разделила шестое место в мировом рейтинге с Claude 4.5 Sonnet по бенчмарку Artificial Analysis. Более того, отзывы разработчиков о кодировании и взаимодействии с агентами остаются стабильно положительными.

Поддерживающие эти показатели цифры впечатляют. За всего 10 месяцев платформа MaaS Zhipu выросла с 20 миллионов до 500 миллионов ежегодных доходов — рост в 25 раз. Разработчики из 184 стран, всего более 150 000 человек, приняли участие в использовании набора инструментов GLM. Только зарубежные доходы превысили 200 миллионов, что говорит о том, что компания успешно проникла на международный рынок, чего многим китайским AI-компаниям пока добиться не удавалось.

Точка перелома в обучении с подкреплением

Современные подходы RL, несмотря на их математическую и программную мощь, сталкиваются с ограничениями. Они слишком сильно зависят от искусственно созданных сред проверки, что ограничивает их способность к обобщению. Дорожная карта Zhipu на 2026 год явно ориентирована на более универсальные парадигмы RL — такие, которые смогут обрабатывать многосуточные или многодневные последовательности задач, требующие подлинного понимания, а не просто сопоставления шаблонов с человеческими критериями.

Этот сдвиг важен, потому что именно здесь ИИ переходит от сложного набора инструментов к чему-то, что ближе к автономному рассуждению.

Граница, о которой никто не говорит: непрерывное обучение

Возможно, самым смелым элементом плана Zhipu на 2026 год является исследование непрерывного обучения и автономной эволюции моделей. Современные системы ИИ после развертывания остаются статичными. Они накапливают знания через дорогостоящие однократные процессы обучения и со временем деградируют по мере изменения мира. В отличие от этого, человеческий мозг постоянно учится и адаптируется через взаимодействие с реальностью.

Создание такой возможности — это настоящий фронтир. Требуется переосмысление всего: от протоколов онлайн-обучения до непрерывной интеграции знаний без катастрофического забывания. Успех в этом направлении означал бы фундаментальный сдвиг в принципах работы систем ИИ.

Как Zhipu потеряла свой путь (и как DeepSeek помогла это исправить)

Самый честный момент в записке — признание Танг Цзе прошлых ошибок. В период с 2023 по 2024 год, во время глобального взрыва крупных моделей и «битвы сотен моделей» в Китае, Zhipu допустила тактические ошибки — как технические, так и коммерческие. Компания отвлеклась на краткосрочный импульс, потеряв фокус на основах AGI.

Появление DeepSeek стало сигналом к пробуждению. Вместо того чтобы рассматривать его как чисто конкурентное давление, Танг Цзе воспринимает это как сигнал к перезагрузке. Компания систематически перестроилась, сократив операции для конечных пользователей, оптимизировав команды разработки продуктов и сузив фокус. Важным решением стало выделение кодирования как ключевого направления прорыва — и это оказалось правильным, когда GLM-4.5 и позже GLM-4.7 продемонстрировали реальное конкурентное равенство с международными бенчмарками.

Суверенный ИИ и стратегия глобального расширения

Второстепенное, но важное развитие: инициатива «Суверенный ИИ» Zhipu набирает обороты за рубежом. Малайзия создала свою национальную платформу MaaS на базе открытой модели GLM, фактически сделав технологию Zhipu частью государственной инфраструктуры. Это соответствует стратегическому стремлению Китая к глобальному распространению своих технологий ИИ — и одновременно демонстрирует ощутимый продукто-рыночный эффект за пределами страны.

2026: год, когда ИИ действительно заменит профессиональные категории

Под всеми техническими обсуждениями скрывается более смелое утверждение: 2026 год станет годом, когда ИИ по-настоящему заменит отдельные профессиональные сферы и задачи. Это не хайп — это основано на практическом расширении возможностей моделей и темпах внедрения разработчиками, уже заметных в данных 2025 года.

Новая инициатива компании — X-Lab, внутренний инкубатор инноваций, созданный для привлечения молодых талантов и исследования передовых архитектур и когнитивных парадигм — свидетельствует о том, что руководство считает, что настал момент, когда необходимо делать смелые ставки. Это перекликается с ранними решениями Zhipu: обучение GLM-130B, когда доминировали небольшие модели, или ставка на код как ключевое направление прорыва.

Что это значит для индустрии

Публичный дебют Zhipu и ее стратегическая переориентация важны, потому что они сигнализируют о переоценке подходов Китая к конкуренции. Вместо гонки за максимально широкими приложениями или масштабом ради самого масштаба, компания возвращается к основам — и считает этот возврат выигрышной стратегией. Удастся ли эта стратегия, станет ясно по реакции на GLM-5 и практическому прогрессу в RL и непрерывном обучении в 2026 году.