GLM-5.5 โมเดล AI ลือ 3.5 ล้านล้านพารามิเตอร์: Z.ai จะตามทัน Claude Fable 5.1 ได้จริงหรือ?

โดย Nokka (นก-กา) | นักเขียนอิสระสาย AI และระบบเปิด | ตรวจสอบข้อมูล ณ 22 ต.ค. 2026

บทความนี้เขียนโดย AI (deepseek-v4.1-flash · ผู้ให้บริการโมเดล: ollama-cloud) ผ่าน Hermes Agent ภายใต้การควบคุมและตรวจสอบคุณภาพโดยมนุษย์ โดย Nokka (นก-กา)

ข่าวลือที่ตัวเลขเปลี่ยนไปในเวลาไม่กี่วัน

วันที่ 21 ตุลาคม 2026 สื่อเทคโนโลยีจีน Fast Technology รายงานว่า Z.ai กำลังเตรียมเปิดตัว GLM-5.5 ภายในปลายเดือนตุลาคมถึงต้นพฤศจิกายนนี้ [1]

ต้นทางของข่าวไม่ใช่บริษัท แต่เป็นบันทึกที่อ้างว่าเป็นการพูดคุยกับผู้เชี่ยวชาญ ฉบับหนึ่งซึ่งหมุนเวียนอยู่ในวงลงทุน แล้วถูกนำมาเล่าต่อบน X (Twitter) และเว็บการเงินจีนเมื่อวันที่ 21 ตุลาคม [2][13]

บันทึกฉบับนั้นตอบตรง ๆ ว่าข่าวที่ว่า GLM-5.5 จะมี 1.6 ล้านล้านพารามิเตอร์นั้นไม่จริง ตัวเลขที่รับรู้กันในวงในอยู่ระหว่าง 2.5 ถึง 3.5 ล้านล้าน [2]

ผมอ่านทั้งบันทึกแล้ว สิ่งที่มีค่าที่สุดไม่ใช่ตัวเลขพารามิเตอร์ แต่เป็นเหตุผลที่โมเดลนี้ล่าช้า เพราะมันบอกอะไรบางอย่างเกี่ยวกับเพดานของอุตสาหกรรม AI จีนทั้งวง

สรุปสั้น

• Z.ai ยังไม่ประกาศ GLM-5.5 อย่างเป็นทางการ ไม่มีสเปก ไม่มีวันเปิดตัว ไม่มีผลทดสอบ
• ข่าวลือล่าสุดบอกขนาด 2.5 ถึง 3.5 ล้านล้านพารามิเตอร์ ไม่ใช่ 1.6 ล้านล้านอย่างที่เคยลือกันเมื่อกลางปี
• เป้าหมายที่ถูกอ้างถึงคือระดับ Claude Fable 5.1 พร้อมต้นทุน inference ต่ำและพร้อมให้บริการตั้งแต่วันแรก
• บันทึกอ้างว่าเหตุที่ล่าช้าคือการฝึกฐานโมเดลเจอปัญหา loss ไม่ลด ซึ่งเป็นปัญหาที่แพงที่สุดของการขยายขนาด
• ตัวเลข 3.5 ล้านล้านจะใหญ่กว่า Kimi K3 ที่มี 2.8 ล้านล้าน แต่ขนาดไม่ได้แปลว่าความสามารถจะชนะ

ตัวเลขที่เปลี่ยนจาก 1.6 เป็น 3.5

ย้อนไปวันที่ 22 มิถุนายน 2026 Fast Technology รายงานว่า JPMorgan ประเมินว่า Z.ai จะเปิดตัว GLM-5.5 ในเดือนสิงหาคม ด้วยพารามิเตอร์เกิน 1 ล้านล้าน และคาดว่าถ้าอัปเกรดครั้งใหญ่จริง ขนาดอาจใกล้ DeepSeek V4 Pro ที่ 1.6 ล้านล้าน [11]

ปรากฏว่าเดือนสิงหาคมผ่านไปโดยไม่มี GLM-5.5 มีเพียง GLM-5.3 ที่ออกเมื่อวันที่ 14 สิงหาคม ปรับด้วย post-training ล้วนบนฐานโมเดลเดิม ไม่ใช่โมเดลใหม่ [3]

บันทึกฉบับล่าสุดจึงบอกว่าตัวเลข 1.6 ล้านล้านเป็นข้อมูลเก่าที่ไม่ตรง และของจริงอาจสูงถึง 3.5 ล้านล้าน [2]

ตัวเลขในข่าวลือเปลี่ยนได้ง่ายเพราะไม่มีใครถือสเปกอยู่ในมือ ทุกฝ่ายพูดจากบันทึกภายใน คนละฉบับ คนละช่วงเวลา

เทียบกับโมเดลที่วางขายจริงแล้ว

ก่อนจะเชื่อตัวเลข 3.5 ล้านล้าน ควรดูฐานที่ Z.ai ประกาศเองก่อน

GLM-5 เปิดตัววันที่ 12 กุมภาพันธ์ 2026 มีพารามิเตอร์รวม 744 พันล้าน และเปิดใช้งานจริง 40 พันล้านต่อโทเคน ข้อมูลฝึก 28.5 ล้านล้านโทเคน [4][5]

GLM-5.2 คือรุ่นที่ขยายหน้าต่างบริบทเป็น 1 ล้านโทเคน และ GLM-5.3 คือรุ่นที่ต่อยอดจากฐานเดียวกับ 5.2 ด้วย post-training ล้วน คือการฝึกต่อจากโมเดลที่ผ่านการฝึกพื้นฐานแล้ว [3][12]

ฝั่งคู่แข่ง Kimi K3 ของ Moonshot AI เปิดตัววันที่ 16 กรกฎาคม 2026 มีพารามิเตอร์รวม 2.8 ล้านล้าน เปิดใช้งานจริง 104 พันล้าน และรองรับบริบท 1 ล้านโทเคน [7][8]

GLM-4.5          355B  (เปิดใช้จริง 32B)
GLM-5 / 5.2 / 5.3  744B  (เปิดใช้จริง 40B)
Kimi K3         2,800B  (เปิดใช้จริง 104B)
GLM-5.5 (ลือ)  2,500 - 3,500B

ถ้าตัวเลขในข่าวลือ (2.5 ถึง 3.5 ล้านล้าน) เป็นจริง ขนาดจะใหญ่กว่า GLM-5 ราว 3.4 ถึง 4.7 เท่า และใหญ่กว่า Kimi K3 ราว 1.25 เท่า

พารามิเตอร์เยอะไม่ได้แปลว่าฉลาดกว่า

ตัวเลขที่คนพูดถึงกันคือพารามิเตอร์รวม ไม่ใช่พารามิเตอร์ที่ถูกเรียกใช้จริงในแต่ละโทเคน

โมเดลแบบ MoE (Mixture of Experts) เก็บผู้เชี่ยวชาญไว้หลายชุด แล้วเลือกใช้เพียงบางส่วนต่อหนึ่งคำ ตัวอย่างที่ชัดที่สุดคือ Kimi K3 ซึ่งมีของสะสม 2.8 ล้านล้าน แต่ใช้จริงเพียง 104 พันล้านต่อโทเคน [7]

ช่องว่างตรงนี้สำคัญ เพราะมันหมายถึงต้นทุนการประมวลผลขึ้นกับตัวเลขที่เปิดใช้จริง ไม่ใช่ตัวเลขที่โฆษณา

โมเดลขนาด 3.5 ล้านล้านที่ออกแบบมาดี อาจถูกกว่าหรือแพงกว่าโมเดล 744 พันล้านก็ได้ ขึ้นอยู่กับว่าจะเปิดใช้กี่เปอร์เซ็นต์ต่อคำ

ทำไมการฝึกโมเดลขนาดนี้ถึงล้มเหลวได้

บันทึกอธิบายว่าการฝึกรุ่นใหญ่ล้มเหลวได้สามแบบ และแต่ละแบบรักษายากคนละวิธี [2]

แบบแรกคือ loss spike หรือค่าความคลาดเคลื่อนพุ่งขึ้นกลางทาง สาเหตุมีตั้งแต่ค่า attention โตเกิน การไหลของตัวเลขไม่เสถียร ไปจนถึงชุดข้อมูลเสียที่หลุดเข้ามา

แบบที่สองคือ loss ไม่ลด ซึ่งแก้ยากกว่า เพราะไม่มีการเตือนล่วงหน้า ค่ามันทรงตัวหรือค่อย ๆ ไต่ขึ้น และสาเหตุที่พบบ่อยคือสถาปัตยกรรมที่เปลี่ยนแรงเกินไปหรือโมเดลใหญ่เกินพอดี

แบบที่สามแพงที่สุด เพราะเพิ่งโผล่ตอน post-training คือฝึกฐานผ่านหมดแล้ว แต่พอปรับแต่งให้ทำงานจริงกลับไม่ขึ้นสักที ทางเดียวคือถอดทิ้งแล้วเริ่มใหม่

บันทึกอ้างว่า GLM-5.5 เจอแบบที่สอง และเพิ่งแก้ได้เมื่อไม่นานนี้ [2]

เพดานที่ทั้งอุตสาหกรรมยังไปไม่ถึง

ประโยคที่น่าสนใจที่สุดในบันทึกคือ ณ ตอนนี้ยังไม่มีบริษัทจีนรายไหนฝึกโมเดล 2 ล้านล้านพารามิเตอร์ได้สำเร็จอย่างสมบูรณ์ [2]

ผมต้องกำกับตรงนี้ว่าเป็นความเห็นของผู้ให้ข้อมูล ไม่ใช่ข้อเท็จจริงที่ตรวจสอบได้ เพราะไม่มีบริษัทไหนเปิดเผยว่าการฝึกภายในล้มเหลวกี่รอบ

แต่ถ้าประโยคนั้นใกล้ความจริง มันอธิบายได้ว่าทำไม GLM-5.5 ถึงเลื่อนจากสิงหาคมมาเป็นปลายตุลาคม

บันทึกยังบอกอีกว่าทุกรายกำลังมองไปที่ระดับ 5 ล้านล้านพารามิเตอร์ ซึ่งหมายความว่าช่องว่างระหว่างความฝันกับสิ่งที่ทำได้จริงยังกว้างอยู่มาก

เป้าหมายที่ไม่ใช่แค่ใหญ่ แต่ต้องเสิร์ฟไหวตั้งแต่วันแรก

จุดที่ผมคิดว่าสำคัญกว่าตัวเลข คือบันทึกบอกว่าสถาปัตยกรรมใหม่นี้ตั้งโจทย์สามข้อพร้อมกัน คือฝึกให้เร็ว ประมวลผลให้เร็ว และกดต้นทุน inference (ค่าใช้จ่ายในการประมวลผลแต่ละคำตอบ) ให้ต่ำ [2]

เป้าหมายคือให้บริการลูกค้าจำนวนมากได้ตั้งแต่ วันแรกที่เปิดตัว ไม่ใช่ปล่อยแล้วรอสองสัปดาห์ค่อยขยายกำลัง

บันทึกอ้างว่ามีผู้ให้บริการคลาวด์หลายรายเริ่มเจรจาเรื่องส่วนแบ่งรายได้แล้ว และ Z.ai เสริมทีม infrastructure เพิ่มเพื่อรองรับแผนนี้ [2]

ทั้งหมดนี้ยังไม่มีใครยืนยัน แต่ทิศทางสอดคล้องกับสิ่งที่ผู้บริหาร Z.ai พูดในที่สาธารณะ

Tang Jie ผู้ก่อตั้ง Z.ai กล่าวเมื่อต้นเดือนตุลาคมว่าโมเดลรุ่นถัดไปจะขยายพารามิเตอร์เป็นระดับล้านล้านขึ้นไป และจะเดินสามทางพร้อมกัน คือขยายข้อมูลฝึก เสริมการปรับแต่งด้วย RL (reinforcement learning) และผลักดันงาน agent ระยะยาว [9]

Claude Fable 5.1 อยู่ไกลแค่ไหน

ตัวเลขที่ Z.ai วัดเอง

Fable 5.1 คือโมเดลระดับบนสุดของ Anthropic ที่เอกสารนักพัฒนาจัดไว้สำหรับงานให้เหตุผลหนักและงาน agent ที่ยาวนาน ราคาอยู่ที่ 10 ดอลลาร์ต่อล้านโทเคนขาเข้า และ 50 ดอลลาร์ขาออก [10]

ตัวเลขนี้สำคัญเพราะมันคือเพดานราคาที่ Z.ai ต้องแข่งด้วย ไม่ใช่แค่เพดานความสามารถ

ภาพที่ชัดที่สุดคือตารางเทียบในบล็อก GLM-5.3 ซึ่ง Z.ai เปิดเผยเอง ตัวเลขฝั่ง Fable มาจากคอลัมน์ที่เขาเขียนว่า Fable 5 พร้อม fallback ซึ่งตามที่ผมเข้าใจคือการเรียกไปยังรุ่นสำรองเมื่อรุ่นหลักใช้งานไม่ได้ ไม่ใช่ Fable 5.1 [3]

ผมเลือกมาหกแถวจากทั้งหมด 16 แถวในตาราง เพื่อให้เห็นภาพว่าช่องว่างอยู่ตรงไหน

• Terminal Bench 3.0: GLM-5.3 ได้ 28.3 ส่วน Fable 5 ได้ 33.7
• DeepSWE v1.1: 66.9 ต่อ 69.7
• HLE (Humanity's Last Exam) แบบใช้เครื่องมือ: 62.5 ต่อ 63.9
• ExploitBench: 54.4 ต่อ 78.0
• Agents' Last Exam: 28.5 ต่อ 23.8 หรือ GLM สูงกว่า
• GDPval-AA v2: 1769 ต่อ 1743 หรือ GLM สูงกว่า

ในบรรทัดที่ผมยกมา ช่องว่างไม่ได้อยู่ที่งานเขียนโค้ดหรือการใช้เครื่องมือ ซึ่งเกือบสูสี แต่อยู่ที่งานโจมตีระบบซึ่ง Fable ห่างราว 1.4 เท่า

นั่นทำให้คำว่า ระดับ Fable ต้องถามกลับทุกครั้งว่าหมายถึงด้านไหน

สิ่งที่ยังไม่มีใครยืนยัน

ผมตรวจเอกสารนักพัฒนาของ Z.ai เมื่อวันที่ 22 ตุลาคม 2026 ไม่พบ GLM-5.4 หรือ GLM-5.5 อยู่ในรายการเลย มีแต่รุ่นที่วางขายแล้วอย่าง GLM-5.2 และ GLM-5.3 [6]

ไม่มีสเปกทางการ ไม่มีผลทดสอบ ไม่มีวันเปิดตัว ไม่มีน้ำหนักโมเดลให้ดาวน์โหลด

แม้แต่ชื่อรุ่นก็ยังไม่นิ่ง รายงานฉบับ 8 ตุลาคมยังเรียกว่า GLM-5.4 หรือ GLM-5.5 ส่วนฉบับ 21 ตุลาคมเลือกใช้ GLM-5.5 โดยไม่มีเอกสารใดยืนยัน [1][9]

ทั้งหมดนี้ทำให้ผมจัดข่าวชิ้นนี้ไว้ในหมวด ข่าวลือที่ควรติดตาม ไม่ใช่ ข่าวที่ควรใช้ตัดสินใจ

ข่าวลือแบบนี้มีข้อดีตรงที่ทำให้คนจับตาการเปิดตัวเร็วขึ้น และกดดันให้บริษัทต้องสื่อสารให้ชัด แต่คุณไม่ต้องเอาไปใช้ตัดสินใจย้ายระบบหรือลงทุนอะไรตอนนี้

ถ้าจริง มันเปลี่ยนอะไรกับคนใช้ในไทย

สำหรับคนที่เรียก API อยู่ ตัวเลข 3.5 ล้านล้านไม่มีความหมายถ้าราคาต่อโทเคนไม่ลด

สามตัวที่ควรจับตาคือราคาต่อล้านโทเคน ความเร็วในการตอบ และความเสถียรช่วงเปิดตัว

จากที่ผมเห็นมาหลายรอบ โมเดลจีนมักเปิดตัวด้วยราคาต่ำกว่าคู่แข่งสหรัฐฯ อย่างชัดเจน แล้วค่อยปรับขึ้นเมื่อมีคนใช้มาก นี่เป็นข้อสังเกตของผมเอง ไม่ใช่ตัวเลขจากแหล่งใด

แต่การเปิดตัวพร้อมกำลังให้บริการตั้งแต่วันแรกคือจุดที่บริษัทจีนพลาดบ่อยที่สุด ถ้าทำได้จริงตามที่บันทึกอ้าง นั่นคือของขวัญสำหรับคนใช้มากกว่าตัวเลขพารามิเตอร์

วิธีอ่านข่าวลือแบบนี้ไม่ให้หลง

ผมใช้สามคำถามนี้กับทุกข่าวลือโมเดลใหม่ และมันใช้ได้กับเคสนี้ด้วย

ข้อแรก ใครเป็นคนพูด ถ้าไม่มีชื่อผู้ให้ข้อมูลและไม่มีเอกสารประกอบ ให้ถือว่าเป็นความเห็น

ข้อสอง ตัวเลขมาจากไหน ตัวเลข 1.6 ที่เคยลือกัน กลายเป็น 2.5 ถึง 3.5 ภายในเวลาราวสี่เดือน โดยไม่มีใครออกมาปฏิเสธ นั่นคือสัญญาณว่าตัวเลขเหล่านั้นไม่ได้ถูกวัดจากของจริง

ข้อสาม มีผลทดสอบหรือยัง ถ้ายังไม่มี ให้เก็บพื้นที่ให้ความสงสัยไว้ก่อนเสมอ

คำถามที่สำคัญกว่าขนาด

ถ้าข่าวลือนี้เป็นจริง GLM-5.5 จะเป็นอีกก้าวของ AI จีน และจะทำให้ตลาดโมเดลเปิดกว้างขึ้นอีกครั้ง

แต่คำถามที่ผมสนใจไม่ใช่ว่ามันจะมี 3.5 ล้านล้านพารามิเตอร์หรือไม่

คำถามคือ จีนจะสร้างโมเดลระดับแนวหน้าในต้นทุนที่ต่ำกว่า และส่งมอบให้คนใช้ทั่วโลกได้จริงหรือไม่

เพราะวันที่ทำได้ คำถามเรื่องจำนวนพารามิเตอร์จะกลายเป็นเรื่องรองทันที

ถ้าคุณกำลังเลือกโมเดลสำหรับงานเขียนโค้ดหรือทำ agent อยู่ ผมแนะนำให้เริ่มจากรุ่นที่วางขายจริงและมีเอกสารครบ อย่าง GLM-5.3 หรือ Claude Opus 5.5 แล้วค่อยกลับมาดู GLM-5.5 อีกครั้งเมื่อมีผลทดสอบให้เทียบ

แหล่งอ้างอิง

[1] Fast Technology, "China's largest model GLM-5.5 may launch by end of month: up to 3.5 trillion parameters, performance close behind Fable" (แปลชื่อเรื่อง), MyDrivers, 21 ต.ค. 2026 (รายงานข่าวลือว่า GLM-5.5 อาจเปิดตัวปลายเดือนตุลาคม 2026 · พารามิเตอร์สูงสุด 3.5 ล้านล้าน · สถาปัตยกรรมเน้นฝึกเร็วและประมวลผลเร็ว · เป้าหมายระดับ Fable · มีหลายคลาวด์เจรจาส่วนแบ่งรายได้ · ยังไม่มีการยืนยันจาก Z.ai). https://news.mydrivers.com/1/1159/1159452.htm

[2] Eastmoney Caifuhao column (ผู้เขียนใช้นามแฝง), "Zhipu expert meeting minutes exposed" (แปลชื่อเรื่อง), Eastmoney, 21 ต.ค. 2026 (บันทึกอ้างการสัมภาษณ์ผู้เชี่ยวชาญ · ข่าว 1.6 ล้านล้านไม่จริง ตัวเลขจริง 2.5 ถึง 3.5 ล้านล้าน · ล่าช้าเพราะ loss ไม่ลด · จีนยังไม่มีรายใดฝึก 2 ล้านล้านได้เสถียร · ทุกรายมองระดับ 5 ล้านล้าน · Kimi K3 และ DeepSeek V4 เป็นข่าวลือในบันทึก · ระบุชัดว่าเป็นความเห็นไม่ใช่คำแนะนำการลงทุน). http://caifuhao.eastmoney.com/news/20261021152044091392920

[3] Z.ai, "GLM-5.3: Frontier Coding with Emergent Cyber Capabilities", 14 ส.ค. 2026 (ใช้ฐานเดียวกับ GLM-5.2 · ทุกการพัฒนามาจาก post-training · ดีขึ้น 50 เปอร์เซ็นต์บน Z.ai Code Bench · ตารางเทียบกับ Kimi K3, DeepSeek-V4 Pro, Qwen3.8-Max, Opus 4.8, Fable 5 พร้อม fallback, GPT-5.6 Sol · เปิดน้ำหนักหลังเปิดตัวสองสัปดาห์). https://z.ai/blog/glm-5.3

[4] Z.ai, "GLM-5: From Vibe Coding to Agentic Engineering", 12 ก.พ. 2026 (ขยายจาก 355 พันล้านพารามิเตอร์ เปิดใช้จริง 32 พันล้าน เป็น 744 พันล้าน เปิดใช้จริง 40 พันล้าน · ข้อมูลฝึกจาก 23 ล้านล้านเป็น 28.5 ล้านล้านโทเคน · ใช้ DeepSeek Sparse Attention). https://z.ai/blog/glm-5

[5] Z.AI Developer Documentation, "GLM-5 Overview", สืบค้น 22 ต.ค. 2026 (โมเดลฐานสำหรับ agentic engineering · บริบท 200K · เอาต์พุตสูงสุด 128K · ความสามารถใกล้ Claude Opus 4.5 ในงานเขียนโค้ด). https://docs.z.ai/guides/llm/glm-5

[6] Z.AI Developer Documentation, "Documentation Index", สืบค้น 22 ต.ค. 2026 (ไม่พบ GLM-5.4 หรือ GLM-5.5 ในรายการ · รุ่นตระกูล 5 ที่มีเอกสารคือ GLM-5.3, GLM-5.3-Flash และ GLM-5.2). https://docs.z.ai/llms.txt

[7] Moonshot AI, "Kimi K3: Open Frontier Intelligence", arXiv:2607.24653, 27 ก.ค. 2026 (โมเดล Mixture of Experts 2.8 ล้านล้านพารามิเตอร์ เปิดใช้จริง 104 พันล้าน · เปิดใช้ 16 จาก 896 ผู้เชี่ยวชาญต่อโทเคน · บริบท 1 ล้านโทเคน · รองรับภาพโดยตรง). https://arxiv.org/abs/2607.24653

[8] Xinhua, "Chinese company releases world's largest open-source AI model", 17 ก.ค. 2026 (Moonshot AI เปิดตัว Kimi K3 เมื่อวันที่ 16 กรกฎาคม · 2.8 ล้านล้านพารามิเตอร์ ใหญ่ที่สุดในกลุ่มโมเดลเปิด · บริบท 1 ล้านโทเคน). https://english.news.cn/20260717/66d0dd4a939b430ab2334c766a92ea93/c.html

[9] Fast Technology รายงานผ่าน Phoenix, "Zhipu hints at next-generation GLM-5.4/5.5: over a trillion parameters" (แปลชื่อเรื่อง), 8 ต.ค. 2026 (Tang Jie กล่าวที่สิงคโปร์ว่าโมเดลรุ่นถัดไปจะขยายเป็นระดับล้านล้านพารามิเตอร์ขึ้นไป · เดินสามทางคือขยายข้อมูลฝึก เสริม RL post-training และผลักดันงาน agent ระยะยาว · กล่าวถึงเป้าหมาย fully self-training). https://feng.ifeng.com/c/8x3mR9f9KEj

[10] Anthropic, "Models overview", สืบค้น 22 ต.ค. 2026 (Claude Fable 5.1 สำหรับงานให้เหตุผลหนักและงาน agent ระยะยาว · ราคา 10 ดอลลาร์ต่อล้านโทเคนขาเข้า 50 ดอลลาร์ขาออก · Opus 5.5 ราคา 4 และ 20 ดอลลาร์ · Sonnet 5.5 ราคา 2 และ 10 ดอลลาร์). https://docs.claude.com/en/docs/about-claude/models/overview

[11] Fast Technology รายงานผ่าน Sina, "GLM-5.5 to upgrade to trillion parameters, expected to catch up in August" (แปลชื่อเรื่อง), 22 มิ.ย. 2026 (JPMorgan ประเมินว่า Z.ai จะเปิดตัว GLM-5.5 ในเดือนสิงหาคม · พารามิเตอร์เกิน 1 ล้านล้าน · GLM-5.2 อยู่ที่ 744 พันล้าน เปิดใช้จริงราว 40 พันล้าน · DeepSeek V4 Pro อยู่ที่ 1.6 ล้านล้าน · คาดว่าถ้าอัปเกรดใหญ่จะใกล้ระดับ V4 Pro). https://finance.sina.com.cn/tech/discovery/2026-06-22/doc-inieiatn2387772.shtml

[12] Z.AI Developer Documentation, "GLM-5.2 Overview", สืบค้น 22 ต.ค. 2026 (บริบท 1 ล้านโทเคน · เอาต์พุตสูงสุด 128K · โมเดลธงสำหรับงานระยะยาว). https://docs.z.ai/guides/llm/glm-5.2

[13] NFT_Chen, โพสต์บน X (Twitter), 21 ต.ค. 2026 (สรุปบันทึกผู้เชี่ยวชาญที่หมุนเวียนในวงลงทุน · ระบุว่าตัวเลข 1.6 ล้านล้านไม่จริง ของจริง 2.5 ถึง 3.5 ล้านล้าน · เทียบกับ GLM-5.3 ที่ราว 744 พันล้านเป็น 3.4 ถึง 4.7 เท่า · สถาปัตยกรรมเน้นความเร็วฝึกและต้นทุน inference · หลายคลาวด์เจรจาส่วนแบ่งรายได้ · loss ไม่ลดแต่แก้ได้แล้ว). https://x.com/NFT_Chen/status/2112853171102232632