Perang Model Memanas Saat Zhipu Menargetkan Revolusi Arsitektur Foundation
Ketika saham Zhipu dibuka pada 8 Januari, itu menandai momen penting—perusahaan model bahasa besar publik pertama di dunia. Tapi bom sebenarnya datang dari memo internal CEO Tang Jie: perusahaan sedang beralih secara agresif. Yang hilang adalah pengejaran aplikasi yang gegabah. Yang masuk adalah fokus tajam pada apa yang benar-benar penting—penelitian model dasar dan kecerdasan mentah di balik semuanya.
Waktunya bukan kebetulan. Gelombang kejutan DeepSeek melalui lanskap AI Tiongkok memaksa perhitungan ulang. Kedua perusahaan berbasis akar dari dunia akademik (Tang dari departemen Ilmu Komputer Tsinghua), keduanya bertaruh besar pada ekosistem sumber terbuka, namun kemenangan terbaru DeepSeek mengungkap kekurangan dalam strategi Zhipu. Panggilan bangun ini berhasil. Sekarang Zhipu menggandakan usaha pada pekerjaan yang tidak glamor dan membutuhkan modal besar: membangun arsitektur yang lebih baik, sistem pembelajaran yang lebih cerdas, dan model yang benar-benar dapat berkembang sendiri.
Rencana 2025 Benar-Benar Berhasil
Sebelum beralih, Zhipu menjalankan jadwal rilis model tiga tahap yang terdengar seperti peta jalan strategis:
April: model “Stabilisasi” (GLM-4.5) yang terbukti kompetitif
Pertengahan tahun: model “kursi di meja” (GLM-4.6) yang masuk peringkat terbaik
Akhir tahun: GLM-4.7 dinobatkan sebagai performa Top 1
Angka-angkanya mendukung. GLM-4.7 menempati posisi pertama di antara model sumber terbuka domestik pada tolok ukur Artificial Analysis dan menyamai Claude 4.5 Sonnet untuk posisi keenam secara global. Lebih praktis lagi, lebih dari 150.000 pengembang di 184 negara menggunakannya untuk pekerjaan nyata—kebanyakan coding. Platform MaaS (bigmodel.cn) meningkat dari 20 juta menjadi 500 juta dalam pendapatan tahunan hanya dalam 10 bulan. Itu adalah pengganda 25x. Luar negeri? 200 juta dari pendapatan tersebut berasal dari luar Tiongkok.
Pendapatan menggandakan target harapan. Infrastruktur AI nasional Malaysia sekarang berjalan di atas model Zhipu (Z.ai), memberi perusahaan strategi AI berdaulat yang dikreditkan eksekutif kepada dorongan Beijing agar teknologi Tiongkok “go global.”
Di Mana Pertempuran Sebenarnya Terjadi di 2026
Tapi inilah yang lebih penting dari kemenangan tahun ini: apa yang akan datang selanjutnya. Memo Tang mengidentifikasi empat frontier teknologi yang akan menentukan lanskap kompetitif berikutnya:
1. GLM-5 dan Perhitungan Ulang Arsitektur
Arsitektur Transformer telah mendominasi selama satu dekade. Ia mulai menunjukkan usianya. Pemrosesan konteks panjang memperlambat komputasi. Pembaruan memori tidak efisien. GLM-5 menandakan kesiapan Zhipu untuk menjelajahi desain pasca-Transformer—apa yang industri sebut “paradigma penskalaan baru.” Ini berarti inovasi algoritmik yang membedakan pemimpin dari pengikut.
2. Pembelajaran Penguatan Umum
Sistem RL saat ini unggul dalam kemenangan sempit (matematika, kode) tetapi kesulitan dengan kompleksitas dunia nyata. Mereka bergantung pada “lingkungan yang dapat diverifikasi” buatan yang mengandalkan teori permainan untuk meraih kemenangan. Zhipu ingin RL yang mampu menangani rantai penalaran yang berantakan dan multi-jam—tugas yang mencakup seluruh hari kerja. Ini adalah jembatan antara penyelesaian tugas sempit dan sesuatu yang lebih mendekati penalaran sejati.
3. Pembelajaran Berkelanjutan Cawan Suci
Setiap model utama saat ini bersifat statis setelah dideploy. Ia dilatih sekali, dibekukan, dan secara bertahap menjadi usang. Otak manusia tidak bekerja seperti itu. Mereka belajar secara terus-menerus. Zhipu secara eksplisit merencanakan “pembelajaran online” atau paradigma “pembelajaran berkelanjutan”—model yang meningkat melalui interaksi dengan dunia setelah dideploy. Ini adalah wilayah moonshot, tapi sekarang secara resmi masuk ke peta jalan.
4. Organ Internal Baru: X-Lab
Untuk menghindari “perangkap peningkatan inkremental,” Zhipu baru saja meluncurkan X-Lab—divisi internal untuk mengumpulkan peneliti muda guna mengejar ide disruptif di luar batas organisasi normal. Piagamnya: arsitektur generasi berikutnya, paradigma kognitif baru, bahkan eksplorasi perangkat keras. Dirancang untuk berjalan seperti startup di dalam perusahaan besar.
Gambaran Lebih Besar: AI Menggantikan Pekerjaan Nyata
Catatan Tang menandai 2026 sebagai “tahun terobosan AI menggantikan berbagai profesi/tugas.” Itu berbeda secara mencolok dari sekadar mengganti peran—ini tentang mengotomatisasi pekerjaan tertentu yang bernilai tinggi. Dikombinasikan dengan dorongan Zhipu ke inovasi arsitektur model dan pembelajaran otonom, perusahaan bertaruh bahwa peningkatan kapabilitas, bukan hanya penskalaan, akan membuka kasus penggunaan baru.
Perusahaan melakukan reorganisasi sesuai. Tim C, divisi pengembangan produk, dan unit pembuatan video semuanya dipangkas. Pemborosan hilang; fokus terkonsentrasi. Proyek sumber terbuka seperti AutoGLM dirilis ke ekosistem.
Mengapa Ini Penting
Rekalkulasi Zhipu memberi tahu Anda sesuatu: era “lempar data dalam skala besar, menangkan perlombaan tolok ukur” sedang mendingin. Pemenang berikutnya akan menguasai dasar-dasar riset—arsitektur, paradigma pembelajaran, adaptasi berkelanjutan. DeepSeek membuktikan bahwa Anda tidak perlu dana ventura sebesar gudang senjata jika memiliki strategi R&D yang tepat. IPO dan pergeseran Zhipu menunjukkan perusahaan telah belajar pelajaran itu.
Perusahaan beralih dari mengejar aplikasi ke mengejar frontier. Itu bukan mundur. Itu adalah reset.
Lihat Asli
Halaman ini mungkin berisi konten pihak ketiga, yang disediakan untuk tujuan informasi saja (bukan pernyataan/jaminan) dan tidak boleh dianggap sebagai dukungan terhadap pandangannya oleh Gate, atau sebagai nasihat keuangan atau profesional. Lihat Penafian untuk detailnya.
Taruhan IPO Zhipu: Dari Mengikuti DeepSeek Hingga Mengejar Garis Depan AGI
Perang Model Memanas Saat Zhipu Menargetkan Revolusi Arsitektur Foundation
Ketika saham Zhipu dibuka pada 8 Januari, itu menandai momen penting—perusahaan model bahasa besar publik pertama di dunia. Tapi bom sebenarnya datang dari memo internal CEO Tang Jie: perusahaan sedang beralih secara agresif. Yang hilang adalah pengejaran aplikasi yang gegabah. Yang masuk adalah fokus tajam pada apa yang benar-benar penting—penelitian model dasar dan kecerdasan mentah di balik semuanya.
Waktunya bukan kebetulan. Gelombang kejutan DeepSeek melalui lanskap AI Tiongkok memaksa perhitungan ulang. Kedua perusahaan berbasis akar dari dunia akademik (Tang dari departemen Ilmu Komputer Tsinghua), keduanya bertaruh besar pada ekosistem sumber terbuka, namun kemenangan terbaru DeepSeek mengungkap kekurangan dalam strategi Zhipu. Panggilan bangun ini berhasil. Sekarang Zhipu menggandakan usaha pada pekerjaan yang tidak glamor dan membutuhkan modal besar: membangun arsitektur yang lebih baik, sistem pembelajaran yang lebih cerdas, dan model yang benar-benar dapat berkembang sendiri.
Rencana 2025 Benar-Benar Berhasil
Sebelum beralih, Zhipu menjalankan jadwal rilis model tiga tahap yang terdengar seperti peta jalan strategis:
Angka-angkanya mendukung. GLM-4.7 menempati posisi pertama di antara model sumber terbuka domestik pada tolok ukur Artificial Analysis dan menyamai Claude 4.5 Sonnet untuk posisi keenam secara global. Lebih praktis lagi, lebih dari 150.000 pengembang di 184 negara menggunakannya untuk pekerjaan nyata—kebanyakan coding. Platform MaaS (bigmodel.cn) meningkat dari 20 juta menjadi 500 juta dalam pendapatan tahunan hanya dalam 10 bulan. Itu adalah pengganda 25x. Luar negeri? 200 juta dari pendapatan tersebut berasal dari luar Tiongkok.
Pendapatan menggandakan target harapan. Infrastruktur AI nasional Malaysia sekarang berjalan di atas model Zhipu (Z.ai), memberi perusahaan strategi AI berdaulat yang dikreditkan eksekutif kepada dorongan Beijing agar teknologi Tiongkok “go global.”
Di Mana Pertempuran Sebenarnya Terjadi di 2026
Tapi inilah yang lebih penting dari kemenangan tahun ini: apa yang akan datang selanjutnya. Memo Tang mengidentifikasi empat frontier teknologi yang akan menentukan lanskap kompetitif berikutnya:
1. GLM-5 dan Perhitungan Ulang Arsitektur
Arsitektur Transformer telah mendominasi selama satu dekade. Ia mulai menunjukkan usianya. Pemrosesan konteks panjang memperlambat komputasi. Pembaruan memori tidak efisien. GLM-5 menandakan kesiapan Zhipu untuk menjelajahi desain pasca-Transformer—apa yang industri sebut “paradigma penskalaan baru.” Ini berarti inovasi algoritmik yang membedakan pemimpin dari pengikut.
2. Pembelajaran Penguatan Umum
Sistem RL saat ini unggul dalam kemenangan sempit (matematika, kode) tetapi kesulitan dengan kompleksitas dunia nyata. Mereka bergantung pada “lingkungan yang dapat diverifikasi” buatan yang mengandalkan teori permainan untuk meraih kemenangan. Zhipu ingin RL yang mampu menangani rantai penalaran yang berantakan dan multi-jam—tugas yang mencakup seluruh hari kerja. Ini adalah jembatan antara penyelesaian tugas sempit dan sesuatu yang lebih mendekati penalaran sejati.
3. Pembelajaran Berkelanjutan Cawan Suci
Setiap model utama saat ini bersifat statis setelah dideploy. Ia dilatih sekali, dibekukan, dan secara bertahap menjadi usang. Otak manusia tidak bekerja seperti itu. Mereka belajar secara terus-menerus. Zhipu secara eksplisit merencanakan “pembelajaran online” atau paradigma “pembelajaran berkelanjutan”—model yang meningkat melalui interaksi dengan dunia setelah dideploy. Ini adalah wilayah moonshot, tapi sekarang secara resmi masuk ke peta jalan.
4. Organ Internal Baru: X-Lab
Untuk menghindari “perangkap peningkatan inkremental,” Zhipu baru saja meluncurkan X-Lab—divisi internal untuk mengumpulkan peneliti muda guna mengejar ide disruptif di luar batas organisasi normal. Piagamnya: arsitektur generasi berikutnya, paradigma kognitif baru, bahkan eksplorasi perangkat keras. Dirancang untuk berjalan seperti startup di dalam perusahaan besar.
Gambaran Lebih Besar: AI Menggantikan Pekerjaan Nyata
Catatan Tang menandai 2026 sebagai “tahun terobosan AI menggantikan berbagai profesi/tugas.” Itu berbeda secara mencolok dari sekadar mengganti peran—ini tentang mengotomatisasi pekerjaan tertentu yang bernilai tinggi. Dikombinasikan dengan dorongan Zhipu ke inovasi arsitektur model dan pembelajaran otonom, perusahaan bertaruh bahwa peningkatan kapabilitas, bukan hanya penskalaan, akan membuka kasus penggunaan baru.
Perusahaan melakukan reorganisasi sesuai. Tim C, divisi pengembangan produk, dan unit pembuatan video semuanya dipangkas. Pemborosan hilang; fokus terkonsentrasi. Proyek sumber terbuka seperti AutoGLM dirilis ke ekosistem.
Mengapa Ini Penting
Rekalkulasi Zhipu memberi tahu Anda sesuatu: era “lempar data dalam skala besar, menangkan perlombaan tolok ukur” sedang mendingin. Pemenang berikutnya akan menguasai dasar-dasar riset—arsitektur, paradigma pembelajaran, adaptasi berkelanjutan. DeepSeek membuktikan bahwa Anda tidak perlu dana ventura sebesar gudang senjata jika memiliki strategi R&D yang tepat. IPO dan pergeseran Zhipu menunjukkan perusahaan telah belajar pelajaran itu.
Perusahaan beralih dari mengejar aplikasi ke mengejar frontier. Itu bukan mundur. Itu adalah reset.