First Look at GLM-5.3: Next-Level Coding Model Born from Post-Training
สรุปย่อ
ประเด็นสำคัญจากวิดีโอ
> **ที่มา:** [YouTube — Tonbi's AI Garage](https://www.youtube.com/watch?v=XKQ-QLJnaDs) · เผยแพร่ 21 ส.ค. 2026 · ~18:54 นาที
# สรุปภาษาไทย — First Look at GLM-5.3 > **ที่มา:** [YouTube — Tonbi's AI Garage](https://www.youtube.com/watch?v=XKQ-QLJnaDs) · เผยแพร่ 21 ส.ค. 2026 · ~18:54 นาที > *สรุปโดยอัตโนมัติ — เนื้อหาต้นฉบับ © Tonbi's AI Garage* ## วิดีโอนี้เกี่ยวกับอะไร First look **GLM-5.3** โมเดล open weights ตัวใหม่ของ ZAI (ห้องแล็บจีน) — เล่า benchmark แล้วลงมือเทสต์จริง 3 งาน พร้อมเปิดค่าใช้จ่ายทุกงาน ## ประเด็นหลัก 1. **มีอะไรใหม่:** base เดิม 743B mixture-of-experts เหมือน 5.2 — ของใหม่ทั้งหมดมาจาก **post-training** แบบ environment-scaled (SAO reinforcement learning บนเฟรมเวิร์ก Slime รันกับ executable environment ทรง production) · context 1 ล้าน · text-only ตอนเปิดตัว · reasoning 3 tier 2. **Benchmark โค้ดกระโดด:** บวก 20+ แต้มหลายตัว · Terminal Bench 2.1 ได้ 88.2 (Fable 88, GBT Soul 88.8) · ได้ผลระดับ frontier แต่ใช้ token น้อยกว่ามาก (Codebench 23.4→34.5% ขณะ output token ลด 96K→75K · ชนะ Claude Opus 4.8 ด้วย token ไม่ถึงครึ่ง) 3. **Cybersecurity:** exploit bench 54.4% (ขึ้นจาก 24.4%) · เจอช่องโหว่ 2,436 จุดในโปรเจกต์โอเพนซอร์ส — นี่คือเหตุผลที่ปล่อยช้า 4. **ราคา (OpenRouter):** input $1.40 / output $4.40 ต่อล้าน token — ถูกกว่า Kim K3 ($13 output) และ Quen 3.8 Max ($6) มาก ทั้งที่ benchmark สูสี 5. **เทสต์ 1 — ออกแบบเว็บ:** prompt เดิมที่ทำ 5.2 พัง (Royal Rumble) — 5.3 ทำได้ดี มี transition สวย countdown เท่ มีซ้อนกันบ้าง ประเมินว่าชนะ Grock 4.5 แต่ต่ำกว่า Kim K3 นิดหน่อย · ค่าใช้จ่าย $3.40 ใช้เวลาเกือบ 2 ชม. 6. **เทสต์ 2 — รีวิวช่องโหว่:** ให้ Fable กับ GLM-5.3 audit โปรเจกต์จริง แล้วให้ Soul ตัดสินแบบนิรนาม — Fable ชนะ 93 ต่อ 55 (GLM เจอแต่ปัญหาผิวเผิน พลาดช่องโหว่ตัวกลาง) แต่ Fable แพงกว่า ~10 เท่า ($50 vs $4.40) แถม safeguard ไม่ยอมซ่อมให้ — เก่งแต่ซ่อมไม่ได้ก็ไร้ประโยชน์ 7. **เทสต์ 3 — สร้างเกม:** reuse asset เกมเก่าสร้างเกมแพลตฟอร์มสไตล์ Super Mario ได้จริง มีเสียง เก็บ gem ฆ่า gecko ได้ · **ยอดรวมทุกงานแค่ $4.16** 8. **สรุป:** ก้าวขึ้นจาก 5.2 ชัดเจน (อาจไม่ก้าวใหญ่) — น่าตื่นเต้นตรงที่จะมี open weights เก่งๆ ตามมาอีกเยอะ ## ใครควรดู คนตามโมเดลโค้ด open weights — รีวิวนี้มีทั้งตัวเลขและผลลองจริงพร้อมราคา เห็นภาพครบ --- *Attribution: First Look at GLM-5.3 — Tonbi's AI Garage (youtube.com/watch?v=XKQ-QLJnaDs), เผยแพร่ 21 ส.ค. 2026*
คำแปลเต็ม
แปลตามบทสนทนาต้นฉบับ ปรับเป็นภาษาไทยธรรมชาติ
ผมมีโมเดลใหม่ให้ลองอีกแล้ว prompt ที่ผมใช้คือสร้างมินิเกมในเบราว์เซอร์ เป็นสนามฝึก Force Pirate ที่ผมเล่นเป็นยานอวกาศคอยหลบศัตรูและเก็บ energy fragment ผมว่า prompt นี้ดีเพราะใช้ element หน้าเว็บหลายแบบ มาดูกันว่าออกมาเป็นไง เข้าสนามตรงนี้ ดูดีเลย ลูก orb ตรงกลางสวยมาก ยานผมก็ดูดี ตัวศัตรูดูเป็นสามมิติเลยตอนเก็บมา เห็นไหมโดนดาเมจแล้ว โอ๊ยไม่นะ ร่วงแล้ว เกมนี้ผมสร้างไว้เทสต์โมเดลใหม่ๆ หลายตัว ตรงนี้เทียบผลงานของหลายโมเดล อย่างที่เดากัน โมเดลวันนี้คือ GLM-5.3 สัปดาห์ก่อน ZAI ห้องแล็บ AI จากจีนที่ดังเรื่องโมเดล open weights โดยเฉพาะตระกูล GLM เปิดตัว GLM-5.3 นี่คือโมเดลใหม่สุดของพวกเขา ตัวก่อน GLM-5.2 สร้างแรงกระเพื่อมเยอะมากในฐานะโมเดล open weights ที่พลังใกล้ระดับ frontier เลยตัวนี้เลยเป็นที่รอคอย ผมลองมาสองสามวันแล้ว จริงๆ ออกมาตั้งแต่สัปดาห์ก่อน แต่สองสามวันแรกยังไม่มี API ต้องใช้ subscription plan หรือช่องทางอื่น ตอนนี้ปล่อย API แล้ว ใช้ผ่าน OpenRouter หรือ cloud API เจ้าอื่นได้ นี่คือ first look GLM-5.3 ของผม จะเอาไปผ่านเทสต์สองสามแบบ ดูว่าเก่งแค่ไหน แล้วทั้งหมดนี้เสียเงินเท่าไร มาเริ่มกัน ถ้าอยากยกระดับเอเจนต์ของตัวเอง ลองดูโปรเจกต์ Agent Wikis ของผม ที่นั่นมี knowledge base ที่ผมใช้ทุกวันทั้งค้นคว้าทำคลิปและสร้างโปรเจกต์ หัวข้อมีทั้ง Hermes agent กับ Hyperframes กับเครื่องมือ local AI และอีกเพียบ wiki มาตรฐานเปิดให้ใช้ฟรีทั้งหมด แต่ถ้าสมัคร Agent Wikis Pro จะได้ Excel wiki ด้วย รวมถึง custom skill ที่ผมพัฒนาร่วมกับเอเจนต์มาตลอดหลายเดือน Pro เดือนละ 9.99 ดอลลาร์เท่านั้น สมัครตอนนี้ล็อกเรทราคานี้ตลอดชีพ ตอนนี้ผมกำลังทำโปรไฟล์เอเจนต์เฉพาะทางกับเทมเพลตเวิร์กโฟลว์อัตโนมัติ พอของพวกนี้ออก ราคา Pro จะขึ้น เลยแนะนำให้สมัครวันนี้ที่ agentwikis.com ขอบคุณทุกคนที่สนับสนุนครับ กลับเข้าวิดีโอกันต่อ GLM-5.3 อย่างแรกที่ต้องรู้คือ base เดิม 743 พันล้านพารามิเตอร์แบบ mixture of experts เหมือน 5.2 base model ไม่เปลี่ยน ของใหม่ทั้งหมด gain ที่ได้มาจาก post-training ล้วนๆ ซึ่งน่าสนใจในตัวเอง ZAI ก้าวกระโดดมากเรื่อง post-training โดยเฉพาะที่ใช้ environment-scaled post-training ผลคือผ่านงานโค้ดยากๆ ได้ โดยเฉพาะงานที่รันยาวๆ ยังมี context window หนึ่งล้านเหมือนเดิม ตอนเปิดตัวไม่มี vision เป็น text-only อยู่ มี reasoning tier สามระดับ สรุปคือไม่มี weight ใหม่ แต่ gain มาจาก post-training เขาใช้วิธี SAO reinforcement learning บนเฟรมเวิร์กโอเพนซอร์ส Slime รันกับ executable environment ที่ขยับจากโจทย์สั้นๆ ไปงานทรง production พูดง่ายๆ คือหา bottleneck ว่าอ่านโค้ดกับ docs รันทดลอง แล้ว ship fix นี่คือจุดที่โมเดลดีขึ้นจริง กระบวนการทั้งหมดคือ base เดิม แต่เอาไปทำงานใน environment ที่หลากหลายขึ้น หลายประเภทขึ้น งานยาวขึ้น ผมเลยอยากรู้ว่าจะเวิร์กแค่ไหน ถ้าจำ AI Royal Rumble ที่ผมทำได้ GLM-5.2 คือตัวแรกที่ตกรอบเพราะงานออกแบบหน้าเว็บ ผลงานออกมาพัง เลยสงสัยว่าโมเดลใหม่จะวิเคราะห์ได้ไหมว่ามันพังแล้วซ่อมเองได้หรือเปล่า เดี๋ยวเราจะรันงานนั้นกัน มาดู benchmark ที่ทุกคนชอบกัน แม้เป็นแค่ post-training แต่ gain ใหญ่มาก เฉพาะ benchmark โค้ดกระโดดบวก 23 บวก 20 บวก 23 ดูเทียบกับโมเดลอื่น GLM-5.3 คือเส้นสีฟ้า ดีกว่า 5.2 เยอะมาก บาง benchmark สูสีกับ Kim K3 หรือแม้แต่ GBT-5.6 Soul กับ Fable ซึ่งน่าประทับใจ บางตัวอยู่ในแนวเดียวกันเลย เจาะเฉพาะโค้ด Terminal Bench 2.1 Fable ได้ 88 ส่วน GBT Soul ได้ 88.8 และ GLM-5.3 ได้ 88.2 benchmark น่าประทับใจ แต่เราก็รู้กันว่าต้องลองเองก่อนถึงจะเชื่อ benchmark ได้ gain ใหญ่อีกอย่างคือได้ผลระดับ frontier แต่ใช้ token น้อยกว่ามาก สำคัญเลย มี efficiency gain ใหญ่ post-training สอนให้โมเดลใช้ reasoning path สั้นลง ที่ max effort บน Codebench ของ ZAI โมเดลไต่จาก 23.4 เปอร์เซ็นต์ไป 34.5 เปอร์เซ็นต์ ขณะที่ output token เฉลี่ยลดจาก 96K เหลือแค่ 75K ได้คะแนนดีกว่าใช้ token น้อยกว่า แปลว่าถูกลง ดูเทียบกับ Claude Opus 4.8 ได้คะแนนดีกว่าโดยใช้ output token ไม่ถึงครึ่ง แต่ต้องบอกว่า benchmark นี้ Fable ยังนำที่ 39.5 เปอร์เซ็นต์ ส่วน GLM ได้ 31.4 อีกอันใหญ่คือ cybersecurity นี่คือเหตุผลที่เขาปล่อยช้าหน่อย เพราะ gain ด้านนี้เยอะ exploit bench ได้ 54.4 เปอร์เซ็นต์ ขึ้นจาก 24.4 เปอร์เซ็นต์ของ GLM-5.2 ยังห่าง Mythos ที่ 78 เปอร์เซ็นต์พอสมควร แต่พัฒนาขึ้นเยอะมาก ZAI บอกว่า GLM-5.3 เจอช่องโหว่ 2436 จุดในโปรเจกต์โอเพนซอร์สพวกนี้ นั่นก็อีกความสามารถหนึ่ง เรื่องราคาตอนนี้บน OpenRouter GLM-5.3 อยู่ที่ input 1.40 ดอลลาร์ต่อล้าน token ส่วน output 4.40 ดอลลาร์ เทียบกับรุ่นใหม่อื่น Kim K3 กับ Quen 3.8 Max พวกนี้โมเดลใหญ่กว่าเลยแพงกว่าเป็นธรรมดา output ของ Kim K3 อยู่ที่ 13 ดอลลาร์ ส่วน Quen 3.8 Max อยู่ที่ 6 ดอลลาร์ GLM โมเดลเล็กกว่า แต่ benchmark สูสี Kim K3 ทั้งที่ถูกกว่าเยอะ แต่ต้องลองเอง Kim K3 เก่งมาก ไม่แน่ใจว่าผลจะสูสีจริงไหม แต่ถูกกว่าแน่ๆ พอคุย มาลงมือกัน จะทำงานที่อยู่ใน Royal Rumble อย่างที่บอก prompt เดิมเป๊ะ คือสร้าง landing page ที่ scroll ลงแล้ว element ขยับแบบนี้ อันนี้ผมว่าน่าจะ GBT Soul ทำ หรือไม่ก็ Fable นี่คือ prompt ที่ต้องการ มี transition นุ่มๆ element เปลี่ยนรูปเข้าหากัน เห็นไหมผม scroll ลงหน้านี้ อย่างที่บอกผมให้งานนี้กับ GLM-5.2 ไปแล้ว น่าเสียดาย ออกมาพัง มัน produce ออกมานะ นี่คือสิ่งที่มันทำ แต่ผม scroll ไปเรื่อยๆ ไม่ได้อะไรเลย ขึ้นช้ามาก มีปัญหากับ timing ของ scroll มั้ง ใช้ได้ไม่ดีเลย เราจะให้ prompt เดิมกับ GLM-5.3 ดูว่าได้อะไร นี่คือ prompt จะทำในแอปเดสก์ท็อป เห็น GLM-5.3 ข้างล่าง thinking ระดับ medium เป็น default ปล่อยให้รัน เดี๋ยวมาดูว่าได้อะไร แล้วเช็กด้วยว่าเสียเงินเท่าไร เสร็จแล้ว งานนี้เสียไป 3.40 ดอลลาร์ ใช้เวลาเกือบสองชั่วโมง มาดูว่าได้อะไร ได้มาแล้ว หน้าตาแบบนี้ เริ่มมามีสไตล์กว่าสีดำล้วน ลอง scroll ลงดูว่าเป็นไง transition สวย Front five frontier models Four rounds one survivor Round one the interface เห็นซ้อนกันบ้าง แต่ดีกว่าเดิมเยอะ ของเดิมพังสิ้นเชิง transition สวย Round two the market Round three of the game บางอันสวยดี เลื่อนขึ้น Round four the machine Two One Five Enter One Leave สวยเลย เห็นไหม มันอธิบาย Royal Rumble จริงว่าใครร่วง สปอยล์หน่อย ผมสงสัยว่ามันเอามาจากไหน ไม่น่าอยู่ใน prompt ลอง scrub ขึ้นหน่อย เห็นของแปลกๆ บ้าง แต่ผมชอบ transition ชอบเลย ดูเท่ Round one the interface ชอบการใช้สีกับ countdown ดูเท่มาก scrub ได้ ไม่พัง ดูดี ทำงานดีมาก น่าจะสูสีกับ Kim K31 ในบางมุม นี่คือสิ่งที่ Kim ทำใน Royal Rumble เห็นไหมก็มีปัญหาซ้อนกันบ้าง อาจไม่เยอะเท่านี้ แต่สไตล์คล้ายกัน มี countdown เหมือนกัน แต่ไม่สีสันเท่า เห็นไหมก็ซ้อนกันบ้าง ผมว่าถ้าส่งเข้าประกวด น่าจะชนะ Grock 4.5 และอาจต่ำกว่า Kim K3 นิดหน่อยเพราะตรงนี้พลาดใหญ่ ถ้าจัดกึ่งกลางดีๆ จะสวยเลย แต่รวมๆ ทำงานดีมากสำหรับออกแบบหน้าเว็บของ GLM-5.3 งานต่อไปอยากให้ทำเรื่อง cybersecurity ผมมีโปรเจกต์ที่เกือบเสร็จ จะถาม Fable กับ GLM-5.3 เรื่องช่องโหว่ความปลอดภัย นี่คือโปรเจกต์ที่ใช้งานจริง ผมทำกับ Babel ไปแล้ว แปลกใจ ผมนึกว่า guardrail จะขึ้น แต่ไม่ขึ้น แถมเจอปัญหาด้วย ตอนนี้จะให้งานเดียวกันกับ GLM-5.3 แล้วเอาผลทั้งสองให้กรรมการกลาง Soul ตัดสิน ว่าใครรีวิวได้ดีกว่า จะทำใน TUI prompt ไม่มีอะไรพิเศษ แค่ช่วยรีวิวโปรเจกต์นี้หาช่องโหว่ความปลอดภัย แค่นั้น เสร็จแล้ว รีวิวประเด็นความปลอดภัยเสร็จ ผมจะเอารีวิวทั้งสองใส่ไฟล์นิรนาม แล้วให้ Codeex ให้คะแนน สั่งว่าเช็กไฟล์ security audit นี้หน่อย โมเดลนิรนามสองตัวทำ security audit โปรเจกต์นี้ ช่วยดูผลของเขาแล้วดูโปรเจกต์เอง ให้คะแนนแต่ละอัน 0 ถึง 100 แล้วเทียบข้างกันว่าใครหาปัญหาเก่งกว่า เดาได้ว่า Fable จะชนะ Fable เองใน benchmark ของ ZAI ก็พบว่า Fable เก่ง cybersecurity กว่า เป็นธรรมชาติ แต่ประเด็นใหญ่คือราคา ต่างกันเกือบสิบเท่า ไหนจะ Fable มักไม่ยอมตรวจความปลอดภัยเลยถ้ามันตัดสินใจแบบนั้น รอบนี้ผ่านมาได้somehow แต่ดูส่วนต่างตรงนี้ output 4.40 ดอลลาร์ของ GLM เทียบ 50 ดอลลาร์ของ Fable แพงกว่ากันเยอะ Fable น่าจะชนะ ผมยังไม่ได้ทำ แต่ต้องจำส่วนต่างราคาไว้ ผลออกมาแล้ว ขาดเลย ให้โมเดล A 93 เต็ม 100 ส่วนโมเดล B 55 เต็ม 100 อย่างที่เดา โมเดล B คือ GLM-5.3 มันทำชาร์ตมา โมเดล A ได้สูงทุกช่อง โมเดล B ดูจำกัดกว่าและอ่อนกว่า มันบอกว่าโมเดล B เจอปัญหาสุขอนามัยที่ถูกต้องหลายจุด แต่พลาดช่องโหว่ตัวกลางไป ผลตามจริง ผมไม่ปิดบัง ไม่แปลกใจ Fable เก่งมาก แถมแพงกว่าโมเดล B สิบเท่า GLM ในเคสนี้ แต่มันก็เจอช่องโหว่บ้าง งาน cybersecurity จริงจังสำคัญมากอาจไม่อยากใช้ ถ้ามีงบใช้โมเดลระดับสูงกว่า แต่งานอ่อนไหวน้อยกว่าน่าจะพอไหว ไม่อยากจบแบบนี้ ขออีกงานเกม ผมเคยทำมาก่อน ขอให้ reuse asset จากเกมเก่ามาสร้างเกมแพลตฟอร์มสไตล์ Super Mario แบบเลื่อนข้าง นี่คือเกมเก่า เกมสไตล์ civ ที่ผมสร้าง สั่งว่าใช้ visual asset ในโฟลเดอร์นั้น สร้างเกม sidescroller สไตล์ Super Mario หนึ่งด่าน ตัดสินใจสร้างสรรค์ได้เต็มที่ ระหว่าง GLM สร้างเกม ขอโชว์หน่อย ผมกลับไป Fable ขอให้ซ่อมปัญหาที่มันชนะมา ปรากฏว่า safeguard ของ Fable 5 แฟล็กข้อความนี้ มัน audit ได้ แต่พอขอให้ซ่อมจริง มันไม่ยอม นั่นคือปัญหา และจะไม่เกิดกับโมเดล GLM อัปเดตตรงนี้หักล้างชัยชนะของ Fable เพราะเก่งหาปัญหาแค่ไหน ถ้าซ่อมไม่ได้ก็ไร้ประโยชน์ ได้เกมแล้ว ได้ Super Mario มา ใช้งานได้ กระโดดได้ ไม่ได้ยินเสียงเพราะผมปิดไว้ แต่มีเสียงมีอะไรอยู่ โอ้ดี ถ้าโดนจะแตกไหม ได้อะไรมา เก็บ gem พวกนี้คือตัวละครทั้งหมดที่อยู่ในเกม โอ้ไม่นะ โอ้ได้แล้ว ฆ่า gecko ได้ ชอบ background ด้วย สไตล์ Super Mario เลย ทำได้ดีจริงๆ มีศัตรูลอยด้วย ลอยกันหมด สนุกดี เหมือนได้พลังพิเศษ โอ้ไม่นะ เหมือนมี charge อะไรสักอย่าง ทำได้แล้ว สนุกดี ทำได้ดีจริงๆ ไม่นานด้วย ดูยอดใช้จ่ายรวมทุกงานอยู่ที่ 4.16 ดอลลาร์ โมเดลราคาสมเหตุสมผลเลย จบ first look GLM-5.3 ผมว่ามันก้าวขึ้นจาก GLM-5.2 อาจไม่ก้าวใหญ่มาก แต่เห็นชัดว่าจัดการงานพวกนี้ดีขึ้น สิ่งที่น่าตื่นเต้นคือจะมีโมเดล open weights เก่งๆ ออกมาอีกเยอะในไม่กี่เดือนนี้ รอติดตาม ผมจะเอามาลองเทสต์ทั้งหมด จบคลิปนี้ คอมเมนต์บอกหน่อยว่าประสบการณ์ของคุณกับ GLM-5.3 เป็นไงบ้าง
อภิธานศัพท์เทคนิค
คำศัพท์และชื่อผลิตภัณฑ์ที่คงรูปภาษาอังกฤษ
| ศัพท์ | คำแปล / คำอธิบาย |
|---|---|
| GLM-5.3 / GLM-5.2 | GLM-5.3 / GLM-5.2 |
| ZAI | ZAI |
| open weights | open weights |
| mixture of experts (743B) | mixture of experts |
| post-training | post-training |
| environment-scaled post-training | environment-scaled post-training |
| SAO reinforcement learning | SAO reinforcement learning |
| Slime (framework) | Slime |
| executable environment | executable environment |
| production-shaped task | production-shaped task |
| bottleneck | bottleneck |
| context window (1M) | context window |
| text-only (no vision) | text-only |
| reasoning tier | reasoning tier |
| Terminal Bench 2.1 | Terminal Bench 2.1 |
| Codebench | Codebench |
| output token | output token |
| efficiency gain | efficiency gain |
| exploit bench (54.4%) | exploit bench |
| vulnerability | vulnerability |
| OpenRouter | OpenRouter |
| input / output ($1.40/$4.40) | input / output |
| Claude Opus 4.8 | Claude Opus 4.8 |
| Fable / Fable 5 | Fable |
| Kim K3 | Kim K3 |
| GBT-5.6 Soul / Soul | Soul |
| Grock 4.5 | Grock 4.5 |
| Mythos (78%) | Mythos |
| Quen 3.8 Max | Quen 3.8 Max |
| AI Royal Rumble | AI Royal Rumble |
| landing page / scroll / transition | landing page |
| morph / countdown / scrub | morph / countdown / scrub |
| security audit | security audit |
| guardrail / safeguard | guardrail / safeguard |
| side-by-side comparison | side-by-side comparison |
| side-scroller / sidescroller | side-scroller |
| Super Mario | Super Mario |
| visual asset (reuse) | visual asset |
| gem / gecko / charge | gem / gecko / charge |
| Force Pirate training arena | Force Pirate training arena |
| energy fragment / orb | energy fragment / orb |
| subscription plan | subscription plan |
| Agent Wikis / Pro $9.99 | Agent Wikis |
| Hyperframes | Hyperframes |
ซับไตเติ้ลภาษาไทย
ดาวน์โหลดหรือดูซับทั้งหมด
1 00:00:00,000 --> 00:00:04,341 ผมมีโมเดลใหม่ให้ลองอีกแล้ว prompt 2 00:00:04,341 --> 00:00:09,076 ที่ผมใช้คือสร้างมินิเกมในเบราว์เซอร์ 3 00:00:09,076 --> 00:00:12,233 เป็นสนามฝึก Force Pirate 4 00:00:12,233 --> 00:00:18,284 ที่ผมเล่นเป็นยานอวกาศคอยหลบศัตรูและเก็บ energy
เปิดดูซับไตเติ้ลทั้งหมด (223 segments)
1 00:00:00,000 --> 00:00:04,341 ผมมีโมเดลใหม่ให้ลองอีกแล้ว prompt 2 00:00:04,341 --> 00:00:09,076 ที่ผมใช้คือสร้างมินิเกมในเบราว์เซอร์ 3 00:00:09,076 --> 00:00:12,233 เป็นสนามฝึก Force Pirate 4 00:00:12,233 --> 00:00:18,284 ที่ผมเล่นเป็นยานอวกาศคอยหลบศัตรูและเก็บ energy 5 00:00:18,284 --> 00:00:23,941 fragment ผมว่า prompt นี้ดีเพราะใช้ element 6 00:00:23,941 --> 00:00:28,808 หน้าเว็บหลายแบบ มาดูกันว่าออกมาเป็นไง 7 00:00:28,808 --> 00:00:34,596 เข้าสนามตรงนี้ ดูดีเลย ลูก orb ตรงกลางสวยมาก 8 00:00:34,596 --> 00:00:40,515 ยานผมก็ดูดี ตัวศัตรูดูเป็นสามมิติเลยตอนเก็บมา 9 00:00:40,515 --> 00:00:45,514 เห็นไหมโดนดาเมจแล้ว โอ๊ยไม่นะ ร่วงแล้ว 10 00:00:45,514 --> 00:00:50,644 เกมนี้ผมสร้างไว้เทสต์โมเดลใหม่ๆ หลายตัว 11 00:00:50,644 --> 00:00:56,300 ตรงนี้เทียบผลงานของหลายโมเดล อย่างที่เดากัน 12 00:00:56,300 --> 00:01:01,299 โมเดลวันนี้คือ GLM-5.3 สัปดาห์ก่อน ZAI 13 00:01:01,299 --> 00:01:06,561 ห้องแล็บ AI จากจีนที่ดังเรื่องโมเดล open 14 00:01:06,561 --> 00:01:12,085 weights โดยเฉพาะตระกูล GLM เปิดตัว GLM-5.3 15 00:01:12,085 --> 00:01:17,742 นี่คือโมเดลใหม่สุดของพวกเขา ตัวก่อน GLM-5.2 16 00:01:17,742 --> 00:01:23,003 สร้างแรงกระเพื่อมเยอะมากในฐานะโมเดล open 17 00:01:23,003 --> 00:01:27,344 weights ที่พลังใกล้ระดับ frontier 18 00:01:27,344 --> 00:01:33,264 เลยตัวนี้เลยเป็นที่รอคอย ผมลองมาสองสามวันแล้ว 19 00:01:33,264 --> 00:01:37,078 จริงๆ ออกมาตั้งแต่สัปดาห์ก่อน 20 00:01:37,078 --> 00:01:41,682 แต่สองสามวันแรกยังไม่มี API ต้องใช้ 21 00:01:41,682 --> 00:01:47,602 subscription plan หรือช่องทางอื่น ตอนนี้ปล่อย 22 00:01:47,602 --> 00:01:53,127 API แล้ว ใช้ผ่าน OpenRouter หรือ cloud API 23 00:01:53,127 --> 00:01:58,783 เจ้าอื่นได้ นี่คือ first look GLM-5.3 ของผม 24 00:01:58,783 --> 00:02:04,176 จะเอาไปผ่านเทสต์สองสามแบบ ดูว่าเก่งแค่ไหน 25 00:02:04,176 --> 00:02:09,306 แล้วทั้งหมดนี้เสียเงินเท่าไร มาเริ่มกัน 26 00:02:09,306 --> 00:02:15,094 ถ้าอยากยกระดับเอเจนต์ของตัวเอง ลองดูโปรเจกต์ 27 00:02:15,094 --> 00:02:20,619 Agent Wikis ของผม ที่นั่นมี knowledge base 28 00:02:20,619 --> 00:02:26,802 ที่ผมใช้ทุกวันทั้งค้นคว้าทำคลิปและสร้างโปรเจกต์ 29 00:02:26,802 --> 00:02:32,195 หัวข้อมีทั้ง Hermes agent กับ Hyperframes 30 00:02:32,195 --> 00:02:37,325 กับเครื่องมือ local AI และอีกเพียบ wiki 31 00:02:37,325 --> 00:02:43,244 มาตรฐานเปิดให้ใช้ฟรีทั้งหมด แต่ถ้าสมัคร Agent 32 00:02:43,244 --> 00:02:49,164 Wikis Pro จะได้ Excel wiki ด้วย รวมถึง custom 33 00:02:49,164 --> 00:02:55,083 skill ที่ผมพัฒนาร่วมกับเอเจนต์มาตลอดหลายเดือน 34 00:02:55,083 --> 00:02:59,293 Pro เดือนละ 9.99 ดอลลาร์เท่านั้น 35 00:02:59,293 --> 00:03:03,502 สมัครตอนนี้ล็อกเรทราคานี้ตลอดชีพ 36 00:03:03,502 --> 00:03:12,315 ตอนนี้ผมกำลังทำโปรไฟล์เอเจนต์เฉพาะทางกับเทมเพลตเวิร์กโฟลว์อัตโนมัติ 37 00:03:12,315 --> 00:03:16,262 พอของพวกนี้ออก ราคา Pro จะขึ้น 38 00:03:16,262 --> 00:03:21,523 เลยแนะนำให้สมัครวันนี้ที่ agentwikis.com 39 00:03:21,523 --> 00:03:24,943 ขอบคุณทุกคนที่สนับสนุนครับ 40 00:03:24,943 --> 00:03:28,627 กลับเข้าวิดีโอกันต่อ GLM-5.3 41 00:03:28,627 --> 00:03:33,230 อย่างแรกที่ต้องรู้คือ base เดิม 743 42 00:03:33,230 --> 00:03:38,492 พันล้านพารามิเตอร์แบบ mixture of experts 43 00:03:38,492 --> 00:03:42,702 เหมือน 5.2 base model ไม่เปลี่ยน 44 00:03:42,702 --> 00:03:48,621 ของใหม่ทั้งหมด gain ที่ได้มาจาก post-training 45 00:03:48,621 --> 00:03:52,436 ล้วนๆ ซึ่งน่าสนใจในตัวเอง ZAI 46 00:03:52,436 --> 00:03:56,777 ก้าวกระโดดมากเรื่อง post-training 47 00:03:56,777 --> 00:04:01,118 โดยเฉพาะที่ใช้ environment-scaled 48 00:04:01,118 --> 00:04:05,590 post-training ผลคือผ่านงานโค้ดยากๆ 49 00:04:05,590 --> 00:04:11,641 ได้ โดยเฉพาะงานที่รันยาวๆ ยังมี context window 50 00:04:11,641 --> 00:04:17,166 หนึ่งล้านเหมือนเดิม ตอนเปิดตัวไม่มี vision 51 00:04:17,166 --> 00:04:23,217 เป็น text-only อยู่ มี reasoning tier สามระดับ 52 00:04:23,217 --> 00:04:28,347 สรุปคือไม่มี weight ใหม่ แต่ gain มาจาก 53 00:04:28,347 --> 00:04:33,872 post-training เขาใช้วิธี SAO reinforcement 54 00:04:33,872 --> 00:04:39,659 learning บนเฟรมเวิร์กโอเพนซอร์ส Slime รันกับ 55 00:04:39,659 --> 00:04:45,316 executable environment ที่ขยับจากโจทย์สั้นๆ 56 00:04:45,316 --> 00:04:51,235 ไปงานทรง production พูดง่ายๆ คือหา bottleneck 57 00:04:51,235 --> 00:04:56,760 ว่าอ่านโค้ดกับ docs รันทดลอง แล้ว ship fix 58 00:04:56,760 --> 00:05:00,312 นี่คือจุดที่โมเดลดีขึ้นจริง 59 00:05:00,312 --> 00:05:06,231 กระบวนการทั้งหมดคือ base เดิม แต่เอาไปทำงานใน 60 00:05:06,231 --> 00:05:11,756 environment ที่หลากหลายขึ้น หลายประเภทขึ้น 61 00:05:11,756 --> 00:05:17,807 งานยาวขึ้น ผมเลยอยากรู้ว่าจะเวิร์กแค่ไหน ถ้าจำ 62 00:05:17,807 --> 00:05:22,279 AI Royal Rumble ที่ผมทำได้ GLM-5.2 63 00:05:22,279 --> 00:05:27,409 คือตัวแรกที่ตกรอบเพราะงานออกแบบหน้าเว็บ 64 00:05:27,409 --> 00:05:29,119 ผลงานออกมาพัง 65 00:05:29,119 --> 00:05:38,196 เลยสงสัยว่าโมเดลใหม่จะวิเคราะห์ได้ไหมว่ามันพังแล้วซ่อมเองได้หรือเปล่า 66 00:05:38,196 --> 00:05:43,326 เดี๋ยวเราจะรันงานนั้นกัน มาดู benchmark 67 00:05:43,326 --> 00:05:48,982 ที่ทุกคนชอบกัน แม้เป็นแค่ post-training แต่ 68 00:05:48,982 --> 00:05:54,902 gain ใหญ่มาก เฉพาะ benchmark โค้ดกระโดดบวก 23 69 00:05:54,902 --> 00:06:00,295 บวก 20 บวก 23 ดูเทียบกับโมเดลอื่น GLM-5.3 70 00:06:00,295 --> 00:06:06,215 คือเส้นสีฟ้า ดีกว่า 5.2 เยอะมาก บาง benchmark 71 00:06:06,215 --> 00:06:11,739 สูสีกับ Kim K3 หรือแม้แต่ GBT-5.6 Soul กับ 72 00:06:11,739 --> 00:06:14,502 Fable ซึ่งน่าประทับใจ 73 00:06:14,502 --> 00:06:19,763 บางตัวอยู่ในแนวเดียวกันเลย เจาะเฉพาะโค้ด 74 00:06:19,763 --> 00:06:25,683 Terminal Bench 2.1 Fable ได้ 88 ส่วน GBT Soul 75 00:06:25,683 --> 00:06:30,813 ได้ 88.8 และ GLM-5.3 ได้ 88.2 benchmark 76 00:06:30,813 --> 00:06:32,260 น่าประทับใจ 77 00:06:32,260 --> 00:06:37,653 แต่เราก็รู้กันว่าต้องลองเองก่อนถึงจะเชื่อ 78 00:06:37,653 --> 00:06:43,441 benchmark ได้ gain ใหญ่อีกอย่างคือได้ผลระดับ 79 00:06:43,441 --> 00:06:49,360 frontier แต่ใช้ token น้อยกว่ามาก สำคัญเลย มี 80 00:06:49,360 --> 00:06:53,833 efficiency gain ใหญ่ post-training 81 00:06:53,833 --> 00:06:59,621 สอนให้โมเดลใช้ reasoning path สั้นลง ที่ max 82 00:06:59,621 --> 00:07:05,409 effort บน Codebench ของ ZAI โมเดลไต่จาก 23.4 83 00:07:05,409 --> 00:07:11,197 เปอร์เซ็นต์ไป 34.5 เปอร์เซ็นต์ ขณะที่ output 84 00:07:11,197 --> 00:07:15,669 token เฉลี่ยลดจาก 96K เหลือแค่ 75K 85 00:07:15,669 --> 00:07:21,457 ได้คะแนนดีกว่าใช้ token น้อยกว่า แปลว่าถูกลง 86 00:07:21,457 --> 00:07:24,877 ดูเทียบกับ Claude Opus 4.8 87 00:07:24,877 --> 00:07:30,796 ได้คะแนนดีกว่าโดยใช้ output token ไม่ถึงครึ่ง 88 00:07:30,796 --> 00:07:36,321 แต่ต้องบอกว่า benchmark นี้ Fable ยังนำที่ 89 00:07:36,321 --> 00:07:40,794 39.5 เปอร์เซ็นต์ ส่วน GLM ได้ 31.4 90 00:07:40,794 --> 00:07:44,345 อีกอันใหญ่คือ cybersecurity 91 00:07:44,345 --> 00:07:49,870 นี่คือเหตุผลที่เขาปล่อยช้าหน่อย เพราะ gain 92 00:07:49,870 --> 00:07:55,921 ด้านนี้เยอะ exploit bench ได้ 54.4 เปอร์เซ็นต์ 93 00:07:55,921 --> 00:08:01,577 ขึ้นจาก 24.4 เปอร์เซ็นต์ของ GLM-5.2 ยังห่าง 94 00:08:01,577 --> 00:08:05,787 Mythos ที่ 78 เปอร์เซ็นต์พอสมควร 95 00:08:05,787 --> 00:08:10,785 แต่พัฒนาขึ้นเยอะมาก ZAI บอกว่า GLM-5.3 96 00:08:10,785 --> 00:08:16,836 เจอช่องโหว่ 2436 จุดในโปรเจกต์โอเพนซอร์สพวกนี้ 97 00:08:16,836 --> 00:08:22,493 นั่นก็อีกความสามารถหนึ่ง เรื่องราคาตอนนี้บน 98 00:08:22,493 --> 00:08:27,360 OpenRouter GLM-5.3 อยู่ที่ input 1.40 99 00:08:27,360 --> 00:08:33,279 ดอลลาร์ต่อล้าน token ส่วน output 4.40 ดอลลาร์ 100 00:08:33,279 --> 00:08:39,067 เทียบกับรุ่นใหม่อื่น Kim K3 กับ Quen 3.8 Max 101 00:08:39,067 --> 00:08:45,118 พวกนี้โมเดลใหญ่กว่าเลยแพงกว่าเป็นธรรมดา output 102 00:08:45,118 --> 00:08:50,774 ของ Kim K3 อยู่ที่ 13 ดอลลาร์ ส่วน Quen 3.8 103 00:08:50,774 --> 00:08:56,431 Max อยู่ที่ 6 ดอลลาร์ GLM โมเดลเล็กกว่า แต่ 104 00:08:56,431 --> 00:09:01,692 benchmark สูสี Kim K3 ทั้งที่ถูกกว่าเยอะ 105 00:09:01,692 --> 00:09:05,375 แต่ต้องลองเอง Kim K3 เก่งมาก 106 00:09:05,375 --> 00:09:10,769 ไม่แน่ใจว่าผลจะสูสีจริงไหม แต่ถูกกว่าแน่ๆ 107 00:09:10,769 --> 00:09:16,820 พอคุย มาลงมือกัน จะทำงานที่อยู่ใน Royal Rumble 108 00:09:16,820 --> 00:09:22,608 อย่างที่บอก prompt เดิมเป๊ะ คือสร้าง landing 109 00:09:22,608 --> 00:09:28,001 page ที่ scroll ลงแล้ว element ขยับแบบนี้ 110 00:09:28,001 --> 00:09:33,789 อันนี้ผมว่าน่าจะ GBT Soul ทำ หรือไม่ก็ Fable 111 00:09:33,789 --> 00:09:39,577 นี่คือ prompt ที่ต้องการ มี transition นุ่มๆ 112 00:09:39,577 --> 00:09:45,364 element เปลี่ยนรูปเข้าหากัน เห็นไหมผม scroll 113 00:09:45,364 --> 00:09:51,021 ลงหน้านี้ อย่างที่บอกผมให้งานนี้กับ GLM-5.2 114 00:09:51,021 --> 00:09:57,072 ไปแล้ว น่าเสียดาย ออกมาพัง มัน produce ออกมานะ 115 00:09:57,072 --> 00:10:02,465 นี่คือสิ่งที่มันทำ แต่ผม scroll ไปเรื่อยๆ 116 00:10:02,465 --> 00:10:08,516 ไม่ได้อะไรเลย ขึ้นช้ามาก มีปัญหากับ timing ของ 117 00:10:08,516 --> 00:10:14,041 scroll มั้ง ใช้ได้ไม่ดีเลย เราจะให้ prompt 118 00:10:14,041 --> 00:10:19,565 เดิมกับ GLM-5.3 ดูว่าได้อะไร นี่คือ prompt 119 00:10:19,565 --> 00:10:24,827 จะทำในแอปเดสก์ท็อป เห็น GLM-5.3 ข้างล่าง 120 00:10:24,827 --> 00:10:30,878 thinking ระดับ medium เป็น default ปล่อยให้รัน 121 00:10:30,878 --> 00:10:33,509 เดี๋ยวมาดูว่าได้อะไร 122 00:10:33,509 --> 00:10:38,639 แล้วเช็กด้วยว่าเสียเงินเท่าไร เสร็จแล้ว 123 00:10:38,639 --> 00:10:41,928 งานนี้เสียไป 3.40 ดอลลาร์ 124 00:10:41,928 --> 00:10:46,795 ใช้เวลาเกือบสองชั่วโมง มาดูว่าได้อะไร 125 00:10:46,795 --> 00:10:49,689 ได้มาแล้ว หน้าตาแบบนี้ 126 00:10:49,689 --> 00:10:54,556 เริ่มมามีสไตล์กว่าสีดำล้วน ลอง scroll 127 00:10:54,556 --> 00:10:59,686 ลงดูว่าเป็นไง transition สวย Front five 128 00:10:59,686 --> 00:11:05,737 frontier models Four rounds one survivor Round 129 00:11:05,737 --> 00:11:10,078 one the interface เห็นซ้อนกันบ้าง 130 00:11:10,078 --> 00:11:14,813 แต่ดีกว่าเดิมเยอะ ของเดิมพังสิ้นเชิง 131 00:11:14,813 --> 00:11:20,207 transition สวย Round two the market Round 132 00:11:20,207 --> 00:11:26,258 three of the game บางอันสวยดี เลื่อนขึ้น Round 133 00:11:26,258 --> 00:11:32,177 four the machine Two One Five Enter One Leave 134 00:11:32,177 --> 00:11:37,044 สวยเลย เห็นไหม มันอธิบาย Royal Rumble 135 00:11:37,044 --> 00:11:40,464 จริงว่าใครร่วง สปอยล์หน่อย 136 00:11:40,464 --> 00:11:46,252 ผมสงสัยว่ามันเอามาจากไหน ไม่น่าอยู่ใน prompt 137 00:11:46,252 --> 00:11:52,303 ลอง scrub ขึ้นหน่อย เห็นของแปลกๆ บ้าง แต่ผมชอบ 138 00:11:52,303 --> 00:11:57,170 transition ชอบเลย ดูเท่ Round one the 139 00:11:57,170 --> 00:12:02,826 interface ชอบการใช้สีกับ countdown ดูเท่มาก 140 00:12:02,826 --> 00:12:08,746 scrub ได้ ไม่พัง ดูดี ทำงานดีมาก น่าจะสูสีกับ 141 00:12:08,746 --> 00:12:14,665 Kim K31 ในบางมุม นี่คือสิ่งที่ Kim ทำใน Royal 142 00:12:14,665 --> 00:12:19,138 Rumble เห็นไหมก็มีปัญหาซ้อนกันบ้าง 143 00:12:19,138 --> 00:12:24,005 อาจไม่เยอะเท่านี้ แต่สไตล์คล้ายกัน มี 144 00:12:24,005 --> 00:12:28,609 countdown เหมือนกัน แต่ไม่สีสันเท่า 145 00:12:28,609 --> 00:12:34,134 เห็นไหมก็ซ้อนกันบ้าง ผมว่าถ้าส่งเข้าประกวด 146 00:12:34,134 --> 00:12:39,264 น่าจะชนะ Grock 4.5 และอาจต่ำกว่า Kim K3 147 00:12:39,264 --> 00:12:45,183 นิดหน่อยเพราะตรงนี้พลาดใหญ่ ถ้าจัดกึ่งกลางดีๆ 148 00:12:45,183 --> 00:12:47,288 จะสวยเลย แต่รวมๆ 149 00:12:47,288 --> 00:12:52,681 ทำงานดีมากสำหรับออกแบบหน้าเว็บของ GLM-5.3 150 00:12:52,681 --> 00:12:57,548 งานต่อไปอยากให้ทำเรื่อง cybersecurity 151 00:12:57,548 --> 00:13:02,941 ผมมีโปรเจกต์ที่เกือบเสร็จ จะถาม Fable กับ 152 00:13:02,941 --> 00:13:07,282 GLM-5.3 เรื่องช่องโหว่ความปลอดภัย 153 00:13:07,282 --> 00:13:12,675 นี่คือโปรเจกต์ที่ใช้งานจริง ผมทำกับ Babel 154 00:13:12,675 --> 00:13:17,806 ไปแล้ว แปลกใจ ผมนึกว่า guardrail จะขึ้น 155 00:13:17,806 --> 00:13:21,226 แต่ไม่ขึ้น แถมเจอปัญหาด้วย 156 00:13:21,226 --> 00:13:25,567 ตอนนี้จะให้งานเดียวกันกับ GLM-5.3 157 00:13:25,567 --> 00:13:31,091 แล้วเอาผลทั้งสองให้กรรมการกลาง Soul ตัดสิน 158 00:13:31,091 --> 00:13:36,090 ว่าใครรีวิวได้ดีกว่า จะทำใน TUI prompt 159 00:13:36,090 --> 00:13:37,932 ไม่มีอะไรพิเศษ 160 00:13:37,932 --> 00:13:43,720 แค่ช่วยรีวิวโปรเจกต์นี้หาช่องโหว่ความปลอดภัย 161 00:13:43,720 --> 00:13:49,771 แค่นั้น เสร็จแล้ว รีวิวประเด็นความปลอดภัยเสร็จ 162 00:13:49,771 --> 00:13:55,032 ผมจะเอารีวิวทั้งสองใส่ไฟล์นิรนาม แล้วให้ 163 00:13:55,032 --> 00:14:01,083 Codeex ให้คะแนน สั่งว่าเช็กไฟล์ security audit 164 00:14:01,083 --> 00:14:06,739 นี้หน่อย โมเดลนิรนามสองตัวทำ security audit 165 00:14:06,739 --> 00:14:12,396 โปรเจกต์นี้ ช่วยดูผลของเขาแล้วดูโปรเจกต์เอง 166 00:14:12,396 --> 00:14:15,816 ให้คะแนนแต่ละอัน 0 ถึง 100 167 00:14:15,816 --> 00:14:20,683 แล้วเทียบข้างกันว่าใครหาปัญหาเก่งกว่า 168 00:14:20,683 --> 00:14:26,339 เดาได้ว่า Fable จะชนะ Fable เองใน benchmark 169 00:14:26,339 --> 00:14:32,259 ของ ZAI ก็พบว่า Fable เก่ง cybersecurity กว่า 170 00:14:32,259 --> 00:14:36,731 เป็นธรรมชาติ แต่ประเด็นใหญ่คือราคา 171 00:14:36,731 --> 00:14:40,809 ต่างกันเกือบสิบเท่า ไหนจะ Fable 172 00:14:40,809 --> 00:14:47,123 มักไม่ยอมตรวจความปลอดภัยเลยถ้ามันตัดสินใจแบบนั้น 173 00:14:47,123 --> 00:14:52,648 รอบนี้ผ่านมาได้somehow แต่ดูส่วนต่างตรงนี้ 174 00:14:52,648 --> 00:14:58,699 output 4.40 ดอลลาร์ของ GLM เทียบ 50 ดอลลาร์ของ 175 00:14:58,699 --> 00:15:03,303 Fable แพงกว่ากันเยอะ Fable น่าจะชนะ 176 00:15:03,303 --> 00:15:08,301 ผมยังไม่ได้ทำ แต่ต้องจำส่วนต่างราคาไว้ 177 00:15:08,301 --> 00:15:13,695 ผลออกมาแล้ว ขาดเลย ให้โมเดล A 93 เต็ม 100 178 00:15:13,695 --> 00:15:19,351 ส่วนโมเดล B 55 เต็ม 100 อย่างที่เดา โมเดล B 179 00:15:19,351 --> 00:15:25,402 คือ GLM-5.3 มันทำชาร์ตมา โมเดล A ได้สูงทุกช่อง 180 00:15:25,402 --> 00:15:31,321 โมเดล B ดูจำกัดกว่าและอ่อนกว่า มันบอกว่าโมเดล 181 00:15:31,321 --> 00:15:36,057 B เจอปัญหาสุขอนามัยที่ถูกต้องหลายจุด 182 00:15:36,057 --> 00:15:42,108 แต่พลาดช่องโหว่ตัวกลางไป ผลตามจริง ผมไม่ปิดบัง 183 00:15:42,108 --> 00:15:47,501 ไม่แปลกใจ Fable เก่งมาก แถมแพงกว่าโมเดล B 184 00:15:47,501 --> 00:15:53,289 สิบเท่า GLM ในเคสนี้ แต่มันก็เจอช่องโหว่บ้าง 185 00:15:53,289 --> 00:15:59,340 งาน cybersecurity จริงจังสำคัญมากอาจไม่อยากใช้ 186 00:15:59,340 --> 00:16:02,892 ถ้ามีงบใช้โมเดลระดับสูงกว่า 187 00:16:02,892 --> 00:16:06,969 แต่งานอ่อนไหวน้อยกว่าน่าจะพอไหว 188 00:16:06,969 --> 00:16:12,363 ไม่อยากจบแบบนี้ ขออีกงานเกม ผมเคยทำมาก่อน 189 00:16:12,363 --> 00:16:14,599 ขอให้ reuse asset 190 00:16:14,599 --> 00:16:20,650 จากเกมเก่ามาสร้างเกมแพลตฟอร์มสไตล์ Super Mario 191 00:16:20,650 --> 00:16:25,912 แบบเลื่อนข้าง นี่คือเกมเก่า เกมสไตล์ civ 192 00:16:25,912 --> 00:16:30,384 ที่ผมสร้าง สั่งว่าใช้ visual asset 193 00:16:30,384 --> 00:16:35,909 ในโฟลเดอร์นั้น สร้างเกม sidescroller สไตล์ 194 00:16:35,909 --> 00:16:38,671 Super Mario หนึ่งด่าน 195 00:16:38,671 --> 00:16:43,933 ตัดสินใจสร้างสรรค์ได้เต็มที่ ระหว่าง GLM 196 00:16:43,933 --> 00:16:48,537 สร้างเกม ขอโชว์หน่อย ผมกลับไป Fable 197 00:16:48,537 --> 00:16:54,325 ขอให้ซ่อมปัญหาที่มันชนะมา ปรากฏว่า safeguard 198 00:16:54,325 --> 00:16:59,718 ของ Fable 5 แฟล็กข้อความนี้ มัน audit ได้ 199 00:16:59,718 --> 00:17:05,111 แต่พอขอให้ซ่อมจริง มันไม่ยอม นั่นคือปัญหา 200 00:17:05,111 --> 00:17:08,268 และจะไม่เกิดกับโมเดล GLM 201 00:17:08,268 --> 00:17:12,741 อัปเดตตรงนี้หักล้างชัยชนะของ Fable 202 00:17:12,741 --> 00:17:15,635 เพราะเก่งหาปัญหาแค่ไหน 203 00:17:15,635 --> 00:17:21,028 ถ้าซ่อมไม่ได้ก็ไร้ประโยชน์ ได้เกมแล้ว ได้ 204 00:17:21,028 --> 00:17:25,500 Super Mario มา ใช้งานได้ กระโดดได้ 205 00:17:25,500 --> 00:17:29,052 ไม่ได้ยินเสียงเพราะผมปิดไว้ 206 00:17:29,052 --> 00:17:34,445 แต่มีเสียงมีอะไรอยู่ โอ้ดี ถ้าโดนจะแตกไหม 207 00:17:34,445 --> 00:17:36,813 ได้อะไรมา เก็บ gem 208 00:17:36,813 --> 00:17:42,601 พวกนี้คือตัวละครทั้งหมดที่อยู่ในเกม โอ้ไม่นะ 209 00:17:42,601 --> 00:17:48,389 โอ้ได้แล้ว ฆ่า gecko ได้ ชอบ background ด้วย 210 00:17:48,389 --> 00:17:52,861 สไตล์ Super Mario เลย ทำได้ดีจริงๆ 211 00:17:52,861 --> 00:17:56,939 มีศัตรูลอยด้วย ลอยกันหมด สนุกดี 212 00:17:56,939 --> 00:18:02,595 เหมือนได้พลังพิเศษ โอ้ไม่นะ เหมือนมี charge 213 00:18:02,595 --> 00:18:08,120 อะไรสักอย่าง ทำได้แล้ว สนุกดี ทำได้ดีจริงๆ 214 00:18:08,120 --> 00:18:13,908 ไม่นานด้วย ดูยอดใช้จ่ายรวมทุกงานอยู่ที่ 4.16 215 00:18:13,908 --> 00:18:19,696 ดอลลาร์ โมเดลราคาสมเหตุสมผลเลย จบ first look 216 00:18:19,696 --> 00:18:24,300 GLM-5.3 ผมว่ามันก้าวขึ้นจาก GLM-5.2 217 00:18:24,300 --> 00:18:26,536 อาจไม่ก้าวใหญ่มาก 218 00:18:26,536 --> 00:18:31,009 แต่เห็นชัดว่าจัดการงานพวกนี้ดีขึ้น 219 00:18:31,009 --> 00:18:36,665 สิ่งที่น่าตื่นเต้นคือจะมีโมเดล open weights 220 00:18:36,665 --> 00:18:42,321 เก่งๆ ออกมาอีกเยอะในไม่กี่เดือนนี้ รอติดตาม 221 00:18:42,321 --> 00:18:46,794 ผมจะเอามาลองเทสต์ทั้งหมด จบคลิปนี้ 222 00:18:46,794 --> 00:18:52,845 คอมเมนต์บอกหน่อยว่าประสบการณ์ของคุณกับ GLM-5.3 223 00:18:52,845 --> 00:18:54,160 เป็นไงบ้าง