Котировка Zhipu представляет собой важный момент в глобальной сфере искусственного интеллекта. В своем выступлении по случаю листинга 8 января основатель компании и профессор Тсинхуа Университета Танг Цзе обозначил амбициозное видение следующей главы компании: возвращение к чистым исследованиям базовых моделей, отказ от краткосрочных коммерческих отвлечений ради достижения Искусственного Общего Интеллекта.
Достигнутые цели к 2025 году: от стратегии к реальности
Zhipu сохранил обещания, данные в начале года. Дорожная карта предусматривала три четко определенные фазы: весной запуск модели, способной «защищать позицию», к середине года — выпуск «высококлассной» модели, способной конкурировать на высшем уровне, и к концу года — дебют модели с Top 1 по производительности. Эта стратегия оказалась успешной.
Решающий поворот произошел с GLM-4.5 в июле, когда все команды работали синхронно для достижения качественного скачка. Затем релизы GLM-4.6 и GLM-4.7 укрепили конкурентные позиции Zhipu среди китайских моделей с открытым исходным кодом. Согласно оценкам Artificial Analysis, GLM-4.7 занимает первое место среди китайских моделей и шестое в мире, сравнимое только с Claude 4.5 Sonnet.
В коммерческом плане платформа MaaS показала экспоненциальный рост: годовая выручка превысила 500 миллионов долларов после запуска GLM-4.7, из которых более 200 миллионов — на международных рынках. За всего 10 месяцев платформа выросла с 20 до 500 миллионов (рост в 25 раз). План GLM Coding насчитывает более 150 000 разработчиков из 184 стран.
Вызов DeepSeek и возвращение к основам
Появление DeepSeek стало важным сигналом для индустрии. Хотя стартап привлек внимание рынка, это событие подтолкнуло Zhipu пересмотреть свои приоритеты: в периоды быстрого развития ИИ многие компании распылялись на вертикальные приложения, нишевые AI-ассистенты и краткосрочные стратегии. Танг Цзе признает, что сама Zhipu допустила ошибки в «битве ста моделей» между 2023 и 2024 годами.
Извлеченный урок ясен: AGI — это технологическая революция, требующая решимости и долгосрочного видения. Технология должна быть доступна всем и приносить широкие преимущества, а не сосредотачиваться на мимолетной прибыли. Поэтому в 2026 году Zhipu полностью сосредоточится на чистых инновациях в базовых моделях.
Видение на 2026 год: три технологических столпа
В 2026 году Zhipu сосредоточит усилия на трех стратегических направлениях, определяющих конфигурацию следующей фазы ИИ:
GLM-5 и инновационное масштабирование: новая модель следующего поколения скоро станет доступна всем. Благодаря дополнительным технологиям масштабирования и архитектурным инновациям ожидается, что она предложит значительно новые возможности и поможет пользователям выполнять более сложные реальные задачи.
Революционные архитектуры: архитектура Transformer, доминировавшая почти десятилетие, имеет очевидные ограничения по вычислительным затратам для расширенных контекстов, механизмам памяти и обновлениям. Zhipu намерена открыть новые парадигмы масштабирования, исследовать альтернативные архитектуры и реализовать co-design чипа и алгоритма для повышения вычислительной эффективности.
Обобщенные парадигмы RL: доминирующий подход RLVR показал успехи в математике и программировании, но его зависимость от вручную созданных проверяемых сред ограничивает универсальность. В следующем году компания планирует развивать более универсальные парадигмы RL, позволяющие ИИ не только выполнять задачи по инструкции, но и понимать и выполнять долгосрочные задачи, длительностью от часов до дней.
Граница непрерывного обучения
Самая амбициозная задача — это непрерывное обучение и автономная эволюция моделей. Современные системы ИИ остаются статичными после развертывания, обучаясь на дорогостоящем единовременном процессе, после чего устаревают. Человеческий мозг, напротив, постоянно учится и развивается через взаимодействие с окружающей средой. Zhipu заранее планирует парадигму нового поколения обучения — Online Learning или Continual Learning — что станет следующим большим скачком к AGI.
Управление, интернационализация и новый X-Lab
Zhipu не стремится стать обычной компанией. Внутри создан новый департамент — X-Lab, посвященный объединению молодых талантов с исследовательским духом для передовых исследований новых архитектур, когнитивных парадигм и инкубации инновационных проектов.
На международном фронте прогресс достигнут в инициативе «суверенного ИИ»: национальная платформа MaaS Малайзии построена на базе open source Z.ai, позиционируя GLM как национальную малайзийскую модель. Это первый успешный опыт внедрения крупных китайских моделей на глобальный рынок.
К 2026 году цель компании — стать международным лидером в области крупных моделей, сохраняя при этом приверженность к подлинному AGI. Как говорит Танг Цзе, истинный показатель успеха — не коммерческие цели, а наличие «реальных пользователей» и развитие теорий, технологий или продуктов, которые действительно могут помочь большему числу людей в глобальном научном прогрессе.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
Zhipu на бирже: Танг Цзе очерчивает путь к AGI, фокус на базовых моделях и новых архитектурах
Котировка Zhipu представляет собой важный момент в глобальной сфере искусственного интеллекта. В своем выступлении по случаю листинга 8 января основатель компании и профессор Тсинхуа Университета Танг Цзе обозначил амбициозное видение следующей главы компании: возвращение к чистым исследованиям базовых моделей, отказ от краткосрочных коммерческих отвлечений ради достижения Искусственного Общего Интеллекта.
Достигнутые цели к 2025 году: от стратегии к реальности
Zhipu сохранил обещания, данные в начале года. Дорожная карта предусматривала три четко определенные фазы: весной запуск модели, способной «защищать позицию», к середине года — выпуск «высококлассной» модели, способной конкурировать на высшем уровне, и к концу года — дебют модели с Top 1 по производительности. Эта стратегия оказалась успешной.
Решающий поворот произошел с GLM-4.5 в июле, когда все команды работали синхронно для достижения качественного скачка. Затем релизы GLM-4.6 и GLM-4.7 укрепили конкурентные позиции Zhipu среди китайских моделей с открытым исходным кодом. Согласно оценкам Artificial Analysis, GLM-4.7 занимает первое место среди китайских моделей и шестое в мире, сравнимое только с Claude 4.5 Sonnet.
В коммерческом плане платформа MaaS показала экспоненциальный рост: годовая выручка превысила 500 миллионов долларов после запуска GLM-4.7, из которых более 200 миллионов — на международных рынках. За всего 10 месяцев платформа выросла с 20 до 500 миллионов (рост в 25 раз). План GLM Coding насчитывает более 150 000 разработчиков из 184 стран.
Вызов DeepSeek и возвращение к основам
Появление DeepSeek стало важным сигналом для индустрии. Хотя стартап привлек внимание рынка, это событие подтолкнуло Zhipu пересмотреть свои приоритеты: в периоды быстрого развития ИИ многие компании распылялись на вертикальные приложения, нишевые AI-ассистенты и краткосрочные стратегии. Танг Цзе признает, что сама Zhipu допустила ошибки в «битве ста моделей» между 2023 и 2024 годами.
Извлеченный урок ясен: AGI — это технологическая революция, требующая решимости и долгосрочного видения. Технология должна быть доступна всем и приносить широкие преимущества, а не сосредотачиваться на мимолетной прибыли. Поэтому в 2026 году Zhipu полностью сосредоточится на чистых инновациях в базовых моделях.
Видение на 2026 год: три технологических столпа
В 2026 году Zhipu сосредоточит усилия на трех стратегических направлениях, определяющих конфигурацию следующей фазы ИИ:
GLM-5 и инновационное масштабирование: новая модель следующего поколения скоро станет доступна всем. Благодаря дополнительным технологиям масштабирования и архитектурным инновациям ожидается, что она предложит значительно новые возможности и поможет пользователям выполнять более сложные реальные задачи.
Революционные архитектуры: архитектура Transformer, доминировавшая почти десятилетие, имеет очевидные ограничения по вычислительным затратам для расширенных контекстов, механизмам памяти и обновлениям. Zhipu намерена открыть новые парадигмы масштабирования, исследовать альтернативные архитектуры и реализовать co-design чипа и алгоритма для повышения вычислительной эффективности.
Обобщенные парадигмы RL: доминирующий подход RLVR показал успехи в математике и программировании, но его зависимость от вручную созданных проверяемых сред ограничивает универсальность. В следующем году компания планирует развивать более универсальные парадигмы RL, позволяющие ИИ не только выполнять задачи по инструкции, но и понимать и выполнять долгосрочные задачи, длительностью от часов до дней.
Граница непрерывного обучения
Самая амбициозная задача — это непрерывное обучение и автономная эволюция моделей. Современные системы ИИ остаются статичными после развертывания, обучаясь на дорогостоящем единовременном процессе, после чего устаревают. Человеческий мозг, напротив, постоянно учится и развивается через взаимодействие с окружающей средой. Zhipu заранее планирует парадигму нового поколения обучения — Online Learning или Continual Learning — что станет следующим большим скачком к AGI.
Управление, интернационализация и новый X-Lab
Zhipu не стремится стать обычной компанией. Внутри создан новый департамент — X-Lab, посвященный объединению молодых талантов с исследовательским духом для передовых исследований новых архитектур, когнитивных парадигм и инкубации инновационных проектов.
На международном фронте прогресс достигнут в инициативе «суверенного ИИ»: национальная платформа MaaS Малайзии построена на базе open source Z.ai, позиционируя GLM как национальную малайзийскую модель. Это первый успешный опыт внедрения крупных китайских моделей на глобальный рынок.
К 2026 году цель компании — стать международным лидером в области крупных моделей, сохраняя при этом приверженность к подлинному AGI. Как говорит Танг Цзе, истинный показатель успеха — не коммерческие цели, а наличие «реальных пользователей» и развитие теорий, технологий или продуктов, которые действительно могут помочь большему числу людей в глобальном научном прогрессе.