智谱GLM-5 આ વખતે ઓપન સોર્સ, એડવાન્સ પ્રોગ્રામરો પણ ખતરામાં...

સાચું કહું તો, 2026નું AI 25 કરતાં ઘણું વધારે પાગલ છે.

હાલમાં હું દિવસના 16 કલાક AIમાં ડૂબેલો રહું છું, અને AIના વિકાસની ગતિને પહોંચી વળવું પણ મુશ્કેલ લાગે છે. એવું લાગે છે કે દરરોજ આંખ ખોલતાની સાથે જ દુનિયા બદલાઈ જાય છે.

ગઈકાલે મોડી રાત્રે,智谱એ ફરી એક મોટું પગલું ભર્યું, સીધું જ તેમનું હાલનું સૌથી શક્તિશાળી ફ્લેગશિપ મોડેલ: GLM-5 ઓપન સોર્સ કર્યું.

વૈશ્વિક અધિકૃત આર્ટિફિશિયલ એનાલિસિસ રેન્કિંગમાં, GLM-5 એ Geminiને પાછળ છોડીને વૈશ્વિક સ્તરે ચોથું અને ઓપન સોર્સમાં પ્રથમ સ્થાન મેળવ્યું!

ખરેખર, મેં ધાર્યું હતું એવું જ થયું, મને યાદ છે કે છેલ્લી વખત જ્યારે GLM-4.7 બહાર પાડવામાં આવ્યું હતું, ત્યારે મેં લેખમાં ભાઈઓને આગાહી કરી હતી: હું અંધપણે અનુમાન કરું છું કે GLM-4.8 અથવા GLM-5 વસંત ઉત્સવ પહેલાં બહાર પાડવામાં આવશે, અપેક્ષા નહોતી કે તે ખરેખર આવશે, હાહા 😄

અને આ વખતે વર્ઝન નંબર આ પહેલાંના 4.5, 4.6, 4.7 જેવા ટૂથપેસ્ટ સ્ક્વિઝિંગ અપડેટ જેવું નથી, આ વખતે સીધું 5.0 સુધી પહોંચી ગયું છે.

આ દર્શાવે છે કે, આ કોઈ નાનું સમારકામ નથી, પરંતુ આધાર ક્ષમતામાં મોટો કૂદકો છે.

ચાલો પહેલાં તમને જણાવી દઈએ કે આ વખતે GLM-5માં શું અપડેટ કરવામાં આવ્યું છે:

સરળ શબ્દોમાં કહીએ તો, પહેલાંના મોડેલોમાં, દરેક વ્યક્તિ સામાન્ય રીતે Vibe Codingમાં વ્યસ્ત હતા, એટલે કે કહેવાતી એક વાક્ય જનરેશન, કોણ વધુ શાનદાર વેબપેજ ઇફેક્ટ્સ જનરેટ કરી શકે છે, કોણ એક વાક્યમાં શાનદાર ગેમ બનાવી શકે છે.

પરંતુ GLM-5 આ વખતે તમારી સાથે આમાં સ્પર્ધા કરશે નહીં (આખરે!), તેણે મોટા મોડેલની ક્ષમતાને કોડ લખવાથી લઈને સિસ્ટમ બનાવવા સુધી વધારી છે.

એનો અર્થ શું થાય? તેનો મુખ્ય હેતુ સુંદર ફ્રન્ટ-એન્ડ પેજ લખવાનો નથી, પરંતુ તે ગંદા કામો, કંટાળાજનક કામો અને લાંબા કાર્યો કરી શકે તેવા સિસ્ટમ આર્કિટેક્ટ તરીકે વિકસિત થયો છે.

તે એજન્ટિક એન્જિનિયરિંગ પર ભાર મૂકે છે, એટલે કે ઇન્ટેલિજન્ટ બોડી એન્જિનિયરિંગ ક્ષમતા.

મેં સત્તાવાર ડેટા જોયો, પરિમાણ સ્કેલ 355Bથી વધીને 744B (એક્ટિવેશન 40) થઈ ગયો છે, અને પ્રી-ટ્રેનિંગ ડેટા 23Tથી વધીને 28.5T થઈ ગયો છે.

SWE-bench-Verified નામના આ પ્રોગ્રામિંગ બેન્ચમાર્ક ટેસ્ટમાં, તેણે 77.8નો સ્કોર મેળવ્યો, જેણે સીધા જ Gemini 3 Proને પાછળ છોડી દીધો, અને હાલમાં માન્યતા પ્રાપ્ત સૌથી મજબૂત ક્લોઝ્ડ સોર્સ મોડેલ Claude Opus 4.5ની લગભગ સમકક્ષ છે.

હાલમાં z.ai પર તેનો મફતમાં ઉપયોગ કરી શકાય છે:

ઓપન સોર્સ એડ્રેસ:

GitHub: https://github.com/zai-org/GLM-5

Hugging Face: https://huggingface.co/zai-org/GLM-5

ModelScope: https://modelscope.cn/models/ZhipuAI/GLM-5

હકીકતમાં, થોડા દિવસો પહેલાં, X પર અચાનક Pony નામનું એક રહસ્યમય મોડેલ બહાર આવ્યું.

ત્યારે ઘણા મિત્રો અનુમાન લગાવી રહ્યા હતા કે આ Pony કોણ છે? ઘણા બધા મંતવ્યો હતા.

હકીકતમાં, Pony કોડનેમ ધરાવતું મોડેલ GLM-5 છે, Pony શા માટે કહેવામાં આવે છે, કારણ કે ઘોડાનું વર્ષ જલ્દી આવી રહ્યું છે 🤔.

મેં પણ તરત જ OpenRouterથી Ponyને Claude Codeમાં એક્સેસ કરીને ટ્રાયલ કરી, સાચું કહું તો, તે ખરેખર ખૂબ જ મજબૂત છે (X પર પણ તેની ખૂબ જ ચર્ચા છે).

માત્ર 7 મિનિટમાં, તેણે એક જ વારમાં API મધ્યસ્થી સ્ટેશન જનરેટ કર્યું!

જોકે તે હજી પણ MVP ડેમો છે, પરંતુ પેજ ફંક્શન્સ ખૂબ જ સંપૂર્ણ છે, અને તેમાં બેકએન્ડ લોજિક અને ડેટાબેઝ પણ શામેલ છે, ડેટા ડાયનેમિક છે, નાનું પણ સંપૂર્ણ છે.

ઊંડાણપૂર્વકના અનુભવ પછી, મને જાણવા મળ્યું કે GLM-5 જ્યારે યોજના બનાવે છે, ત્યારે તેની સુગંધ Claude Opus જેવી જ છે.

Claude Opusથી પરિચિત મિત્રો જાણે છે કે, કામ કરતા પહેલાં, તમે તેનો ઉપયોગ ખૂબ જ વિગતવાર અને તાર્કિક રીતે યોજના બનાવવા માટે કરી શકો છો.

GLM-5માં હવે આ ક્ષમતા પણ છે.

ઉદાહરણ તરીકે, મારી પાસે એક એવી વસ્તુ છે જે હું હંમેશાં કરવા માંગતો હતો, પરંતુ આળસને કારણે મેં ક્યારેય શરૂઆત કરી નથી.

મારી પાસે Gemini, ChatGPT, Kimi, 智谱 વગેરે જેવા ઘણા સભ્યપદ એકાઉન્ટ્સ છે.

સામાન્ય રીતે જ્યારે હું લેખો લખું છું અથવા માહિતી શોધું છું, ત્યારે કેટલાક પ્રશ્નોમાં હું હંમેશાં ઘણા AIના મંતવ્યો સાંભળવા અને તેની તુલના કરવા માંગું છું.તો મારે ઘણા બ્રાઉઝર વિન્ડો ખોલવા પડશે, વિવિધ વિન્ડોને કોપી કરીને પેસ્ટ કરીને ઘણી વખત મોકલવા પડશે, અને પછી પરિણામો જોવા માટે વારાફરતી વિન્ડો બદલવી પડશે.

જો કે તે મોટી વાત નથી, પરંતુ તે ઘણી વખત ખરેખર હેરાન કરે છે.

હું વિચારતો હતો કે, શું હું એક બ્રાઉઝર પ્લગઇન બનાવી શકું છું જે એક જ વિન્ડોમાં એકીકૃત રીતે આ ચારેય AI ના વેબ પેજ પર એક જ પ્રશ્ન મોકલી શકે અને પછી પ્લગઇનમાં એકીકૃત રીતે જવાબો મેળવી શકે?

પરંતુ આ વસ્તુ ખૂબ જ મુશ્કેલ છે, કારણ કે દરેક AI વેબસાઇટનું માળખું અલગ છે, અને ત્યાં વિવિધ સુરક્ષા મિકેનિઝમ્સ પણ છે, જે તેમના DOM માળખાનું વિશ્લેષણ કરવાની જરૂર છે.

તેથી, મેં આ જટિલ કાર્ય GLM-5 ને સોંપ્યું.

ક્લાઉડ કોડનું પ્લાન મોડ શરૂ કરીને તેને પહેલા એક યોજના બનાવવા દો

પછી તે મારી સાથે વાતચીત પણ કરશે અને મારા અભિપ્રાયો પૂછશે:

અંતિમ યોજના ખૂબ જ વિગતવાર છે, તે ખરેખર ખૂબ લાંબી છે, તેમાં 633 લીટીઓ છે..

પછી તે યોજના અનુસાર કામ કરવાનું શરૂ કર્યું, મને અપેક્ષા નહોતી કે પ્રથમ પગલું પ્રોજેક્ટને શરૂ કરવામાં 50 મિનિટથી વધુ સમય લેશે..

આ પ્રક્રિયામાં, તેણે આપોઆપ પ્લેરાઇટ MCP ટૂલને બોલાવ્યું, બ્રાઉઝર ખોલ્યું અને તે AI વેબસાઇટ્સની મુલાકાત લીધી.

તે એક વાસ્તવિક પ્રોગ્રામરની જેમ, તત્વોની તપાસ કરે છે, ઇનપુટ બોક્સ ક્યાં છે તેનું વિશ્લેષણ કરે છે, મોકલવાના બટનનો વર્ગ શું છે, ટેક્સ્ટ સ્ટ્રીમ કેવી રીતે મેળવવી... આખી પ્રક્રિયા સંપૂર્ણપણે સ્વચાલિત છે, મેં કોડની એક પણ લીટી લખી નથી.

PS: રેકોર્ડ કરવાનું ભૂલી ગયો, કારણ કે હું તે જ સમયે અન્ય વિન્ડોમાં બીજું કાર્ય ચલાવી રહ્યો હતો

રાહ જોવી યોગ્ય છે, મને જોઈતું હતું કે એક જ પ્રશ્ન પૂછવામાં આવે અને તમામ AI એક જ સમયે જવાબ આપે તેવું પ્લગઇન આ રીતે તાજું થઈને બહાર આવ્યું.

આ બરાબર એ જ વસ્તુ છે જે મને જોઈએ છે~

વધુમાં, મેં પહેલા એક ડિજિટલ હ્યુમન માર્કેટિંગ વિડિયો વન-ક્લિક જનરેશન પ્લેટફોર્મ બનાવ્યું હતું.

પાછળથી, વધુ સારા અનુભવ માટે, મેં ફ્રન્ટએન્ડને ફરીથી બનાવ્યું, અને આ પુનઃનિર્માણથી આખો પ્રોજેક્ટ સંપૂર્ણપણે અવ્યવસ્થિત થઈ ગયો: ફ્રન્ટ અને બેકએન્ડ ઇન્ટરફેસ મેળ ખાતા ન હતા, બેકએન્ડના કેટલાક જૂના લોજિક નવા ફ્રન્ટએન્ડની સામે ચાલી શકતા ન હતા, ઘણી બધી ભૂલો હતી, અને તેને ઠીક કરવું ખૂબ જ મુશ્કેલ હતું.

આ વખતે, મેં ક્લાઉડ કોડમાં પ્લાન મોડ શરૂ કર્યો, અને પછી સીધી જ મુખ્ય પ્રક્રિયામાં ભૂલો શોધવાનું અને તેને ઠીક કરવાનું કાર્ય GLM-5 ને સોંપી દીધું

પહેલા એક વિગતવાર યોજના બહાર આવી:

યોજનાની પુષ્ટિ કર્યા પછી, મેં તેને કામ કરવાનું શરૂ કરવા દીધું (પ્રક્રિયામાં બ્રાઉઝરને નિયંત્રિત કરવા માટે બ્રાઉઝર MCP નો ઉપયોગ કરવામાં આવ્યો).

તેની અમલ કરવાની ઝડપ ઝડપી નથી.

પરંતુ મોડેલ ધીમું નથી, ઘણી વખત, મેં જોયું કે ટોકન વપરાશની ઝડપ આંખના પલકારામાં હજારો સુધી પહોંચી જાય છે.

પરંતુ કાર્ય ખૂબ જ જટિલ હોવાથી, તેણે સતત આત્મનિરીક્ષણ કરવું, સાધનોને બોલાવવા અને પરીક્ષણો ચલાવવાની જરૂર છે.

કેટલોક સમય નિર્ભરતા ડાઉનલોડ કરવામાં અથવા આદેશો ચલાવવામાં પણ ખર્ચ થાય છે.

આ ફિક્સિંગ કાર્યમાં પણ પૂરા 40 મિનિટથી વધુ સમય લાગ્યો.

કદાચ કેટલાક મિત્રો કહેશે કે, 40 મિનિટ? મેં તો તે પૂરું પણ કરી દીધું હોત.

emmm, પરંતુ આ 40 મિનિટમાં, મેં રેકોર્ડિંગ ચાલુ રાખ્યું, વિડિયો જોયા અને કૂતરાને પણ ફેરવવા ગયો.

અને તે પૂરી નિષ્ઠાથી મારા માટે કામ કરી રહ્યો હતો, અને તે પણ સૌથી માથાનો દુખાવો કરાવે તેવું ભૂલો શોધવાનું અને પુનઃનિર્માણનું કામ.

તે ભલે ધીમેથી કામ કરે, પરંતુ અંતિમ પરિણામ ખૂબ જ નોંધપાત્ર છે.

મેં તેને ચલાવ્યું, અને પરિણામો જોઈને હું આશ્ચર્યચકિત થઈ ગયો, મોટાભાગની સમસ્યાઓ ઉકેલાઈ ગઈ હતી.

કૃપા કરીને VCR જુઓ:

અહીં કેટલાક પરિણામો એવા પણ છે જે મેં પછીથી પરીક્ષણ કરતી વખતે નાની ભૂલો શોધી અને તેને ઠીક કરવા અને ઑપ્ટિમાઇઝ કરવા કહ્યું.

પરંતુ ભૂલોને ઠીક કરવા અને કાર્યોને ઑપ્ટિમાઇઝ કરવાના સંદર્ભમાં, હું ખરેખર તેને સોંપવા માટે આત્મવિશ્વાસ ધરાવું છું.

અગાઉ અન્ય AI નો ઉપયોગ કરીને ભૂલોને ઠીક કરતી વખતે, મને હંમેશા ચિંતા રહેતી હતી કે ભૂલો વધુને વધુ વધશે, અને પ્રોજેક્ટ વધુને વધુ અવ્યવસ્થિત થઈ જશે, જે એક દિવાલને તોડીને બીજી દિવાલને રિપેર કરવા જેવું હતું..

અગાઉ આ સમસ્યાને ટાળવા માટે, AI ને નિયંત્રિત કરવા માટે વિવિધ એન્જિનિયરિંગ પદ્ધતિઓનો ઉપયોગ કરવો પડતો હતો.

ઉદાહરણ તરીકે, દરેક વખતે ફેરફારની શ્રેણી પર ભાર મૂકવો, અથવા તેને નિયમોમાં લખવો, અથવા દરેક વખતે માત્ર એક જ ભૂલને ઠીક કરવી, અને દરેક ફેરફાર પછી, અન્ય કાર્યોનું પરીક્ષણ કરવું પડતું હતું... ટૂંકમાં, તે ખૂબ જ મુશ્કેલ હતું.

પરંતુ GLM-5 નો ઉપયોગ કરીને ભૂલોને ઠીક કરવાનો અનુભવ સંપૂર્ણપણે બદલાઈ ગયો છે.

મારે હંમેશા માત્ર વર્તમાન પરિસ્થિતિનું વર્ણન કરવાની, ભૂલ લોગ તેને આપવાની અને હું શું અપેક્ષા રાખું છું તે કહેવાની જરૂર છે.

તે લગભગ દરેક વખતે સફળતાપૂર્વક ઠીક કરી શકે છે, અને તે અન્ય કાર્યોને પણ અસર કરતું નથી.

એટલું જ નહીં, એક જ વાતચીતમાં, મેં સમગ્ર પ્રક્રિયામાં મળેલી ચાર અલગ-અલગ ભૂલોને એકસાથે તેને આપી દીધી, અને તે દરેકને સ્પષ્ટ રીતે ઠીક કરી શક્યો.

આ સ્થિરતાની લાગણી ખરેખર ખૂબ જ આરામદાયક છે.

હવે હું GLM-5 ને કોઈપણ જટિલ વિકાસ કાર્યો સોંપવા માટે વિશ્વાસ કરી શકું છું, મૂળભૂત રીતે કોઈ ભૂલો નથી.

જો ક્યારેક કોઈ સમસ્યા હોય, તો ક્લાઉડ કોડમાં રોલબેક આદેશ ચલાવો અને ફરીથી શરૂ કરો.

GLM-5 નો ઉપયોગ કરીને સમગ્ર પ્રોજેક્ટને ઑપ્ટિમાઇઝ કર્યા પછી, બધી પ્રક્રિયાઓ મૂળભૂત રીતે પૂર્ણ થઈ ગઈ છે.હું પણ આ પ્રોજેક્ટને જલ્દીથી ઓપન સોર્સ કરવા માટે તૈયાર છું (મારે વિવિધ મોડેલ API ભાગને બહાર કાઢીને રૂપરેખાંકનમાં ફેરવવાની જરૂર છે).

«અંતિમ»

GLM-5 નો અનુભવ કર્યા પછી, મારી સૌથી મોટી લાગણી એ છે કે: ચીનની AI ખરેખર ઉભી થઈ છે.

થોડા દિવસો પહેલા, ByteDance ના Seedance 2.0 એ સાબિત કર્યું કે વિડિયો જનરેશનના ક્ષેત્રમાં ચીની સ્થાનિક મોડેલો વિશ્વના પ્રથમ સ્તર પર પહોંચી ગયા છે, જે સીધા જ Sora2 અને Veo3.1 ને વટાવી ગયા છે.

અને આ વખતે ZhiPu GLM-5 ની રજૂઆત, બીજા હાર્ડકોર ટ્રેક AI કોડિંગ પર અપેક્ષા કરતા વધુ સારો જવાબ છે.

અમે હંમેશા કહેતા હતા કે લોજિકલ તર્ક અને કોડ લખવામાં સ્થાનિક મોડેલોમાં GPT, Claude Opus અને Gemini વચ્ચે હજુ પણ અંતર છે.

પરંતુ આજે, GLM-5 એ વાસ્તવિક પ્રદર્શન સાથે અમને જણાવ્યું: આ અંતર ઓછું થઈ રહ્યું છે.

GLM-5 માત્ર ડેમો બનાવવા માટેનું રમકડું નથી, તે એક ઉત્પાદકતા સાધન છે જે તમને ખરેખર કામ કરવામાં, સિસ્ટમ બનાવવામાં, લાંબા કાર્યો અને જટિલ સમસ્યાઓ ઉકેલવામાં મદદ કરી શકે છે.

સૌથી મહત્વની વાત એ છે કે તે ઓપન સોર્સ છે.

આનો અર્થ એ થાય છે કે દરેક વિકાસકર્તા, દરેક એન્ટરપ્રાઇઝ, ઓછા ખર્ચે ટોચના AI આર્કિટેક્ટને મેળવી શકે છે.

અને હાલમાં GLM ની કોડિંગ પ્લાન ખૂબ જ વેચાઈ રહી છે, અધિકારીઓએ જાહેરાત કરી છે કે તેઓ તાત્કાલિક વિસ્તરણ કરી રહ્યા છે, અને મુખ્ય વાત એ છે કે આ વખતે તેઓ સ્થાનિક ચિપ્સના દસ હજાર કાર્ડના ક્લસ્ટર સાથે જોડાયેલા છે.

જો કે, કોમ્પ્યુટિંગ પાવરમાં વધારાના રોકાણને કારણે, કિંમતમાં થોડો વધારો થયો છે, સદભાગ્યે મેં પહેલાં મેક્સ પ્લાન મેળવ્યો હતો.

અહીંથી એ પણ જોઈ શકાય છે કે ચિપ્સથી લઈને મોડેલો સુધી, નીચેના કોમ્પ્યુટિંગ પાવરથી લઈને ઉપરની એપ્લિકેશન્સ સુધી, અમે સંપૂર્ણપણે પોતાની માલિકીનું, વિશ્વ-સ્તરનું AI ટેક્નોલોજી સ્ટેક બનાવી રહ્યા છીએ.

2026 એ AI એપ્લિકેશન્સના વિસ્ફોટનું વર્ષ અને વધુ ઉન્મત્ત વર્ષ બનવાનું નક્કી છે.

જો તમે પણ ટોચના AI આર્કિટેક્ટ હોવાની આ લાગણીનો અનુભવ કરવા માંગતા હો, તો GLM-5 ને અજમાવો. શરત એ છે કે તમારે મેક્સ પ્લાન જીતવો પડશે, હા હા.