▶SUBTHAIแปลไทย · ซับ · พากย์⚙
บทความแปลภาษาไทย · YouTube

First Look at GLM-5.3: Next-Level Coding Model Born from Post-Training

0:000:00
เล่นเสียงต้นฉบับของวิดีโอ พร้อมแสดงซับไทยซิงก์ตามเวลา
กำลังโหลดวิดีโอ…
01

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*
02

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

04

อภิธานศัพท์เทคนิค

คำศัพท์และชื่อผลิตภัณฑ์ที่คงรูปภาษาอังกฤษ

ศัพท์คำแปล / คำอธิบาย
GLM-5.3 / GLM-5.2GLM-5.3 / GLM-5.2
ZAIZAI
open weightsopen weights
mixture of experts (743B)mixture of experts
post-trainingpost-training
environment-scaled post-trainingenvironment-scaled post-training
SAO reinforcement learningSAO reinforcement learning
Slime (framework)Slime
executable environmentexecutable environment
production-shaped taskproduction-shaped task
bottleneckbottleneck
context window (1M)context window
text-only (no vision)text-only
reasoning tierreasoning tier
Terminal Bench 2.1Terminal Bench 2.1
CodebenchCodebench
output tokenoutput token
efficiency gainefficiency gain
exploit bench (54.4%)exploit bench
vulnerabilityvulnerability
OpenRouterOpenRouter
input / output ($1.40/$4.40)input / output
Claude Opus 4.8Claude Opus 4.8
Fable / Fable 5Fable
Kim K3Kim K3
GBT-5.6 Soul / SoulSoul
Grock 4.5Grock 4.5
Mythos (78%)Mythos
Quen 3.8 MaxQuen 3.8 Max
AI Royal RumbleAI Royal Rumble
landing page / scroll / transitionlanding page
morph / countdown / scrubmorph / countdown / scrub
security auditsecurity audit
guardrail / safeguardguardrail / safeguard
side-by-side comparisonside-by-side comparison
side-scroller / sidescrollerside-scroller
Super MarioSuper Mario
visual asset (reuse)visual asset
gem / gecko / chargegem / gecko / charge
Force Pirate training arenaForce Pirate training arena
energy fragment / orbenergy fragment / orb
subscription plansubscription plan
Agent Wikis / Pro $9.99Agent Wikis
HyperframesHyperframes
05

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
thai-subtitles.srt
SubRip — ใช้กับเครื่องเล่นวิดีโอส่วนใหญ่
↓ ดาวน์โหลด
thai-subtitles.vtt
WebVTT — ใช้กับเว็บ / YouTube
↓ ดาวน์โหลด
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