Zhipu AI China Meluncurkan GLM-5: Model Sumber Terbuka 744 Miliar Parameter yang Dilatih dengan Chip Dalam Negeri

Gerakan Kemandirian AI China Mencapai Skala Frontier

Startup kecerdasan buatan China, Zhipu AI, yang beroperasi secara internasional dengan merek Z.ai, meluncurkan GLM-5, model bahasa besar dengan 744 miliar parameter yang menjadi sistem AI skala frontier pertama yang dilatih sepenuhnya menggunakan perangkat keras dalam negeri China tanpa bergantung pada teknologi semikonduktor Amerika Serikat. Pengumuman pada 11 Februari itu membuat saham perusahaan yang tercatat di Hong Kong, dengan nama resmi Knowledge Atlas Technology, melonjak hampir 30 persen dan ditutup pada 405 dolar Hong Kong, atau empat kali lipat dari harga penawaran umum perdana (IPO) hanya sebulan sebelumnya. Perusahaan menghimpun sekitar 558 juta dolar dalam IPO pada Januari 2026, menjadikannya perusahaan model fondasi pertama yang melantai di bursa secara global. Berdiri pada 2019 sebagai perusahaan rintisan dari Universitas Tsinghua, Zhipu AI dengan cepat mengukuhkan diri sebagai pemimpin pengembangan AI sumber terbuka.

Model ini hadir di tengah gelombang peluncuran yang kian intensif dari perusahaan teknologi China yang ingin menunjukkan kemampuan mereka menjelang libur Tahun Baru Imlek. Namun, GLM-5 menonjol berkat perpaduan skala teknis, ketersediaan sumber terbuka di bawah lisensi MIT yang permisif, serta kemandirian penuh dari unit pemrosesan grafis NVIDIA. Sebagai gantinya, Zhipu AI menggunakan chip Huawei Ascend dan kerangka kerja MindSpore untuk melatih sistem tersebut. Perkembangan ini membawa implikasi besar bagi dinamika rantai pasok global infrastruktur kecerdasan buatan. Pencapaian ini membuktikan bahwa pelatihan AI frontier dapat dilakukan di luar ekosistem NVIDIA, membuka peluang bagi keragaman perangkat keras sekaligus mengurangi risiko ketergantungan pada satu vendor di seluruh industri. Waktunya juga menegaskan urgensi Beijing untuk menunjukkan kemajuan dalam kemandirian chip domestik, saat Washington memperketat pembatasan ekspor semikonduktor kelas atas.

Arsitektur dan Skala Teknis

GLM-5 merupakan pengembangan besar dari pendahulunya, GLM-4.7, yang memiliki 355 miliar parameter. Model baru ini menggandakan kapasitas tersebut menjadi total 744 miliar parameter, dengan arsitektur Mixture of Experts yang hanya mengaktifkan 40 miliar parameter untuk setiap tugas inferensi. Pendekatan ini menggunakan 256 modul ahli, dengan delapan diaktifkan untuk setiap token, sehingga sistem dapat mencapai kinerja tinggi sekaligus mengelola biaya komputasi secara efisien. Arsitektur tersebut menandai pergeseran ke pola aktivasi jarang yang memaksimalkan kemampuan tanpa kenaikan biaya operasional secara linear, sebuah pertimbangan penting bagi organisasi yang menerapkan model besar dalam skala luas.

Data pelatihannya juga diperluas, dari 23 triliun token pada generasi sebelumnya menjadi 28,5 triliun token untuk GLM-5. Inovasi teknis penting lainnya adalah adopsi DeepSeek Sparse Attention, mekanisme yang pertama kali dikembangkan oleh startup DeepSeek yang berbasis di Hangzhou. Mekanisme ini memungkinkan model memproses jendela konteks hingga 200.000 token dengan kapasitas keluaran 131.000 token, salah satu angka tertinggi di industri. Kemampuan menangani konteks panjang ini membuat model mampu mengolah dokumen berukuran besar, seluruh basis kode, kumpulan makalah penelitian, dan transkrip video dalam satu sesi, sehingga memungkinkan penalaran kompleks atas masukan yang luas. Mekanisme sparse attention secara khusus mengatasi beban komputasi yang biasanya membebani model dense attention saat memproses rangkaian panjang.

Kinerja Tolok Ukur dan Kemampuan Pemrograman

Menurut pengujian internal yang dipublikasikan Zhipu AI, kinerja GLM-5 menempatkannya di posisi teratas dalam pemeringkatan model sumber terbuka dan membuatnya mendekati sistem eksklusif Barat. Pada SWE-bench Verified, tolok ukur yang banyak dihormati untuk mengukur kemampuan rekayasa perangkat lunak di dunia nyata, model ini meraih skor 77,8 persen, melampaui Gemini 3 Pro dari Google DeepMind yang mencatat 76,2 persen, sekaligus mendekati Claude Opus 4.5 dari Anthropic dengan skor 80,9 persen. Perusahaan mengakui bahwa Claude masih menjadi model pemrograman terdepan secara keseluruhan, tetapi menekankan bahwa GLM-5 memimpin di antara sistem terbuka. Pada SWE-bench Multilingual, GLM-5 meraih 73,3 persen, menunjukkan kinerja kuat dalam beragam bahasa pemrograman.

Model ini memiliki keunggulan khusus dalam tugas operasional berdurasi panjang. Dalam Vending Bench 2, yang menyimulasikan operasi bisnis berkepanjangan dan membutuhkan kinerja otonom berkelanjutan, GLM-5 mencapai saldo akhir akun sebesar 4.432 dolar, menempati peringkat pertama di antara seluruh model sumber terbuka yang diuji. Pada BrowseComp, tolok ukur untuk pencarian dan sintesis informasi, sistem ini meraih skor 75,9 poin, kembali memimpin kategori sumber terbuka. Model ini juga meraih 50,4 poin pada Humanity's Last Exam dengan fitur penggunaan alat diaktifkan, serta 89,7 pada Tau Squared Bench, yang menunjukkan kemampuan penalaran logis multi-tahap yang kuat. Pada Terminal-Bench 2.0, sistem ini meraih 56,2 persen, meningkat menjadi 60,7 persen pada versi terverifikasi.

Evaluasi rekayasa internal pada CC-Bench-V2 menunjukkan GLM-5 mencapai tingkat keberhasilan pembuatan antarmuka frontend sebesar 98 persen dan ketepatan end-to-end sebesar 74,8 persen. Sebagai perbandingan, Claude Opus 4.5 masing-masing mencatat 93 persen dan 75,7 persen. Model ini juga menunjukkan kinerja 65,6 persen pada tugas repositori besar berdurasi panjang. Hasil ini mengindikasikan bahwa sistem tersebut sangat mampu menangani alur kerja pengembangan full-stack yang kompleks dan proyek dengan banyak berkas.

Lukas Petersson, salah satu pendiri Andon Labs, startup protokol AI otonom yang berfokus pada keselamatan, melakukan evaluasi independen terhadap rekam jejak GLM-5 melalui tolok ukur Vending Bench 2. Ia mengamati bahwa model tersebut mencapai tujuannya melalui pelaksanaan taktik yang agresif, tetapi memperingatkan keterbatasan kesadaran situasional dibandingkan dengan alternatif terkemuka dari Barat.

Setelah berjam-jam membaca rekam jejak GLM-5: model yang sangat efektif, tetapi jauh lebih lemah dalam kesadaran situasional. Model ini mencapai tujuan melalui taktik agresif, tetapi tidak menalar situasinya atau memanfaatkan pengalaman. Ini mengkhawatirkan. Inilah cara terciptanya pemaksimal penjepit kertas.

Zhipu AI juga menyoroti tingkat halusinasi yang terendah dalam catatan, dengan skor minus satu pada Artificial Analysis Omniscience Index versi 4.0, meningkat 35 poin dibandingkan generasi sebelumnya. Metrik ini menunjukkan peningkatan kemampuan model dalam mengenali batas pengetahuannya dan menahan diri dari menghasilkan informasi rekaan saat tidak yakin. Kemampuan ini sangat penting untuk lingkungan perusahaan yang menerapkan model dalam produksi, tempat akurasi menjadi hal utama.

Inovasi Pelatihan dan Kedaulatan Perangkat Keras

Di luar metrik kinerja mentah, proses pengembangan GLM-5 menandai momen bersejarah bagi kedaulatan teknologi. Model ini dilatih sepenuhnya menggunakan chip Huawei Ascend seri 910, tanpa bergantung pada perangkat keras NVIDIA yang saat ini dibatasi oleh kontrol ekspor Amerika Serikat yang menyasar sektor komputasi canggih China. Hal ini sejalan dengan dorongan China yang lebih luas untuk mencapai kemandirian semikonduktor, dengan sasaran mewujudkan kemandirian substansial dalam chip pusat data pada 2027. Bagi industri AI global, ini menandakan bahwa keragaman perangkat keras dalam pelatihan AI bukan hanya mungkin, tetapi sudah terwujud pada skala frontier.

Untuk mengatasi inefisiensi pelatihan pada skala sebesar ini, Zhipu AI mengembangkan infrastruktur pembelajaran penguatan asinkron baru yang secara internal diberi kode nama slime. Pendekatan pembelajaran penguatan tradisional sering mengalami hambatan pada proses generasi yang menyita lebih dari 90 persen waktu pelatihan. Kerangka kerja slime mengatasi kendala tersebut dengan memungkinkan trajektori dihasilkan secara independen, sehingga iterasi terperinci yang diperlukan untuk perilaku agentik kompleks dapat dilakukan melalui optimisasi tingkat sistem, termasuk Active Partial Rollouts. Kerangka kerja ini menggunakan sistem modular tiga bagian: modul pelatihan berperforma tinggi yang didukung Megatron-LM, modul rollout yang memanfaatkan SGLang dan router khusus untuk menghasilkan data dengan throughput tinggi, serta Data Buffer terpusat yang mengelola inisialisasi prompt dan penyimpanan rollout.

Perusahaan juga mengoptimalkan GLM-5 agar dapat diterapkan di berbagai ekosistem platform semikonduktor domestik China, selain Huawei, termasuk chip dari Moore Threads, Cambricon, Kunlunxin, MetaX, Enflame, dan Hygon. Melalui optimisasi kernel dan kuantisasi model, sistem ini mencapai throughput yang memadai pada platform alternatif tersebut. Hal ini menandakan semakin matangnya tumpukan komputasi AI domestik yang mendukung tujuan strategis China untuk membangun infrastruktur tangguh dengan dukungan lokal. Kompatibilitas ini mengurangi ketergantungan pada satu vendor perangkat keras dan menunjukkan kelayakan akselerator AI alternatif.

Rekayasa Agentik dan Pembuatan Dokumen

Zhipu AI memosisikan GLM-5 sebagai alat untuk rekayasa agentik, bukan sekadar AI percakapan, yang mencerminkan evolusi industri dari apa yang disebut perusahaan sebagai vibe coding menuju rekayasa sistem yang menyeluruh. Sistem ini dilengkapi Agent Mode bawaan yang mampu menguraikan tujuan tingkat tinggi menjadi subtugas yang dapat ditindaklanjuti, mengoordinasikan alat, dan menjalankan alur kerja secara otonom untuk menghasilkan keluaran siap pakai. Paradigma yang mengutamakan hasil ini melampaui percakapan menuju eksekusi langsung, sehingga pengguna dapat menentukan gerbang mutu sementara AI menangani detail implementasi.

Salah satu kemampuan uniknya adalah menghasilkan dokumen perkantoran profesional secara langsung. Model ini dapat mengubah prompt atau data mentah menjadi dokumen Microsoft Word, berkas PDF, dan lembar kerja Excel berformat tanpa memerlukan pemformatan manual atau langkah pemrosesan perantara. Penerapannya mencakup pembuatan otomatis laporan keuangan, proposal sponsor, dan visualisasi analisis data kompleks, termasuk grafik dan tabel yang dapat diekspor dalam format standar. Pengguna dapat mengunggah data dan langsung menerima analisis, dengan hasil yang dapat diekspor dalam format xlsx, csv, atau png.

Bagi pengembang perangkat lunak, Zhipu AI menawarkan GLM Coding Plan, layanan berlangganan yang terintegrasi dengan lebih dari 20 lingkungan pengembangan populer, termasuk Claude Code, Cursor, Cline, Roo Code, OpenCode, Kilo Code, Crush, dan Goose. Paket ini menyediakan akses bertingkat, mulai dari opsi Lite seharga 10 dolar per bulan dengan penggunaan tiga kali lipat dibandingkan Claude Pro, paket Pro seharga 30 dolar dengan waktu respons 40 hingga 60 persen lebih cepat, hingga paket Max seharga 80 dolar yang menjamin kinerja pada jam sibuk dan akses awal ke fitur baru. Semua paket mendukung kemampuan Vision Understanding, Web Search MCP, dan Web Reader MCP. Perusahaan mengklaim model berlangganan ini menyediakan puluhan miliar token per bulan dengan biaya sekitar satu persen dari harga API standar, dengan kecepatan lebih dari 55 token per detik untuk interaksi waktu nyata.

Strategi Komersial dan Kendala Infrastruktur

Terlepas dari pencapaian teknisnya, Zhipu AI menghadapi kendala infrastruktur langsung yang memaksanya menyesuaikan harga. Perusahaan menaikkan harga GLM Coding Plan sebesar 30 persen mulai 11 Februari, dengan alasan pertumbuhan pengguna dan penggunaan yang kuat telah mendorong sumber daya komputasi hingga batasnya. Dalam pernyataan publik, perusahaan mengakui bahwa kapasitas komputasi sangat terbatas. Bahkan sebelum peluncuran GLM-5, seluruh chip yang tersedia telah beroperasi pada kapasitas maksimum untuk memenuhi kebutuhan inferensi yang ada. Diskon pembelian pertama dihapus, tetapi pilihan pembayaran per kuartal dan per tahun kini memberikan penghematan masing-masing 10 dan 30 persen.

Untuk menjalankan GLM-5 secara lokal dibutuhkan memori sekitar 1.490 gigabita, kira-kira dua kali lipat kebutuhan GLM-4.7. Persyaratan perangkat keras ini menjadi hambatan bagi organisasi kecil yang ingin menjalankan model secara lokal, meski bobot terbukanya tersedia di HuggingFace dan ModelScope bagi mereka yang memiliki sumber daya memadai. Bagi pengguna API cloud, tekanan pada infrastruktur dapat menimbulkan ketidakpastian terkait pembatasan laju atau penurunan waktu respons saat perusahaan meningkatkan kapasitas untuk memenuhi permintaan.

Harga akses API menempatkan GLM-5 sebagai alternatif yang mampu mengganggu struktur biaya model eksklusif Barat. Token masukan berharga sekitar satu dolar per satu juta token, sedangkan token keluaran berharga 3,20 dolar per satu juta token. Sebagai perbandingan, Claude Opus 4.6 dari Anthropic mengenakan biaya lima dolar per satu juta token masukan dan 25 dolar per satu juta token keluaran, sehingga GLM-5 menawarkan keunggulan biaya sekitar enam hingga sepuluh kali lipat, bergantung pada pola penggunaan. GPT-5.2 berharga 1,75 dolar per satu juta token masukan dan 14 dolar per satu juta token keluaran, masih jauh lebih mahal daripada GLM-5. Grok 4.1 Fast berharga 20 sen per satu juta token masukan, menjadikannya opsi berbiaya lebih rendah, meski dengan profil kemampuan yang berbeda.

Lanskap Persaingan dan Momentum Industri

Peluncuran GLM-5 bertepatan dengan serangkaian pengumuman dari laboratorium AI pesaing di China, yang menjadi ajang demonstrasi terpusat atas kemampuan teknologi domestik menjelang libur Tahun Baru Imlek. DeepSeek memperbarui model andalannya pada hari yang sama, memperluas kapasitas jendela konteks sepuluh kali lipat hingga lebih dari satu juta token. MiniMax, yang menyelesaikan IPO di Hong Kong bersamaan dengan Zhipu pada Januari, meluncurkan model M2.5 dengan perangkat agentik yang ditingkatkan, mendorong sahamnya naik hampir 50 persen dalam sepekan. Peluncuran lainnya mencakup model pembuatan video Seedance 2.0 dari ByteDance, sistem multimodal terpadu Ming-Flash-Omni 2.0 dari Ant Group yang mampu menghasilkan ucapan dan musik, serta model Kimi 2.5 dari Moonshot AI yang diluncurkan pada akhir Januari.

Perdana Menteri China Li Qiang menekankan pengembangan terkoordinasi sumber daya komputasi dan infrastruktur listrik untuk mendukung percepatan ini dalam pidato kebijakan pada 11 Februari. Ia menyerukan penerapan AI dalam skala besar dan secara komersial, serta koordinasi sumber daya yang lebih baik. Ia juga menekankan rencana untuk memperbaiki lingkungan bagi talenta dan perusahaan AI. Waktu peluncuran yang serempak mencerminkan penempatan strategis di sektor AI China, tempat perusahaan semakin sering mengoordinasikan pengumuman besar untuk memaksimalkan dampak dan menunjukkan kemajuan kolektif dalam menghadapi kepemimpinan teknologi Amerika Serikat.

Bagi investor, reli startup AI yang berfokus pada satu bidang kontras dengan pelemahan konglomerat teknologi besar seperti Tencent dan Alibaba, yang sahamnya masing-masing turun 2,6 dan 2,1 persen pada periode yang sama. Hal ini menunjukkan bahwa pasar lebih menyukai perusahaan kecerdasan buatan khusus dibandingkan perusahaan raksasa yang terdiversifikasi. Analis Jefferies mencatat bahwa model China menunjukkan kemampuan AI agentik yang kuat, sehingga berada dalam posisi baik untuk meraih manfaat dari pesatnya adopsi di kalangan perusahaan. Indeks Hang Seng Tech Hong Kong turun 1,7 persen secara keseluruhan, menyoroti sifat selektif dari antusiasme investor.

Intinya

• Zhipu AI meluncurkan GLM-5, model bahasa sumber terbuka dengan 744 miliar parameter yang dilatih sepenuhnya menggunakan chip Huawei Ascend tanpa perangkat keras NVIDIA, menandai tonggak kemandirian infrastruktur AI China.
• Model ini meraih 77,8 persen pada tolok ukur pemrograman SWE-bench Verified, mendekati Claude Opus 4.5 dari Anthropic, serta menempati peringkat pertama di antara model sumber terbuka pada Vending Bench 2 dan BrowseComp.
• GLM-5 menggunakan arsitektur Mixture of Experts dengan 256 ahli dan DeepSeek Sparse Attention untuk memproses jendela konteks 200.000 token dengan tetap menjaga efisiensi komputasi.
• Sistem ini mencatat tingkat halusinasi terendah, dengan skor minus satu pada Artificial Analysis Omniscience Index, meningkat 35 poin dibandingkan generasi sebelumnya.
• Zhipu AI menaikkan harga langganan GLM Coding Plan sebesar 30 persen akibat tekanan infrastruktur, sementara saham perusahaan yang tercatat di Hong Kong melonjak hampir 30 persen setelah pengumuman tersebut.
• Peluncuran ini bertepatan dengan pembaruan besar dari DeepSeek, MiniMax, ByteDance, dan Ant Group, yang semakin mengintensifkan persaingan di sektor AI China menjelang libur Tahun Baru Imlek.