Agent2Day Deep Dive

GLM-5.2 โมเดล AI ล่าสุดสามารถครองส่วนแบ่งถึง 40% ของโทเคนที่นักพัฒนานำไปใช้งาน แต่ความสามารถในการเข้าถึงน้ำหนักโมเดลที่เปิดเผยไม่ได้หมายความว่าจะมีความอิสระในการใช้งานอย่างสมบูรณ์

คลื่น AI แบบเปิดน้ำหนักของจีนไม่ได้จะมาแล้ว แต่มาถึงแล้ว และโทเค็นกว่าครึ่งในงานเขียนโค้ดของโลกอาจไหลผ่านโมเดลจีนไปแล้ว แต่ราคาที่ถูกนั้นแลกมาด้วยความเสี่ยงด้านข้อมูลที่ไม่อาจปฏิเสธได้หากไม่ได้โฮสต์เซิร์ฟเวอร์เอง

GLM-5.2 โมเดล AI ล่าสุดสามารถครองส่วนแบ่งถึง 40% ของโทเคนที่นักพัฒนานำไปใช้งาน แต่ความสามารถในการเข้าถึงน้ำหนักโมเดลที่เปิดเผยไม่ได้หมายความว่าจะมีความอิสระในการใช้งานอย่างสมบูรณ์

ฟังบทความ

GLM-5.2 และ ZCode ของจีน ครองตลาด AI สำหรับนักพัฒนา แต่ซ่อนเงื่อนไขด้านกฎหมายข่าวกรอง

  1. ภาพรวมและบริบทสำคัญ (The Milestone)

เพียง 10 วันหลังจากจีนเปิดตัวโมเดล AI แบบเปิดน้ำหนัก (Open-weight) อย่าง GLM-5.2 และตัวเอเจนต์เขียนโค้ด ZCode นักพัฒนาเริ่มเขียนคู่มือ "ทางเลือก ZCode" ขึ้นมา แสดงให้เห็นถึงอิทธิพลในตลาดที่เกิดขึ้นอย่างรวดเร็ว

ข้อมูลจาก OpenRouter (แพลตฟอร์มเราเตอร์โมเดลใหญ่สุดของโลก) ระบุว่า โมเดล AI ของจีนประมวลผลโทเค็น (Tokens) ราว 40% ของปริมาณทั้งหมด (พุ่งจากไม่ถึง 2% ในปลายปี 2024) ประเด็นสำคัญที่สุด: แม้ GLM-5.2 จะใช้สัญญาอนุญาต MIT (โอเพนซอร์ส) แต่สำหรับทีมส่วนใหญ่ที่ไม่สามารถโฮสต์โมเดลขนาด 1.5 เทราบายต์เองได้ จะไม่ได้รับการปกป้องจาก กฎหมายข่าวกรองแห่งชาติของจีน (National Intelligence Law)

  1. การเติบโตแบบก้าวกระโดดบน OpenRouter (จาก 2% สู่ 40% ใน 18 เดือน)

จากข้อมูล Our World in Data: จำนวนโมเดลจีนในอันดับท็อป 50 ของ OpenRouter เพิ่มจาก 5 เป็น 20 ตัว (ม.ค. 2025 - พ.ค. 2026) OpenRouter มีผู้ใช้กว่า 8 ล้านคน (47% เป็นคนอเมริกัน) ตัวเลขสะท้อนการใช้งานจริงในสายการผลิต ไม่ใช่แค่คะแนนโฆษณา แรงขับเคลื่อนหลักคือ "การเขียนโค้ดแบบเอเจนต์" (Agentic coding) ซึ่งเติบโตจาก 11% เป็นกว่า 50% ของปริมาณโทเค็น ก.พ. 2026: โมเดลจีนแซงหน้าโมเดลสหรัฐในปริมาณการเรียก API รายสัปดาห์เป็นครั้งแรก (5.16 ล้านล้าน vs 2.7 ล้านล้านโทเค็น) โดย 4 ใน 5 โมเดลที่ใช้มากสุดเป็นของจีน

  1. GLM-5.2: โมเดลที่ฝึกบนชิป Huawei และเทียบเท่า Claude

พัฒนาโดย Z.ai (อดีต Zhipu AI ซึ่งอยู่ในบัญชี Entity List ของสหรัฐฯ จากข้อหาส่งเสริมการทหาร) เป็นโมเดล MoE (Mixture-of-Experts) ขนาด 744B พารามิเตอร์ ฝึกบนชิป Huawei Ascend 910B ถึง 100,000 ตัว (ไม่ใช้ Nvidia เลย) ผลงานเบนช์มาร์ก: คะแนน FrontierSWE 74.4 (ห่าง Claude Opus 4.8 แค่ 0.7 คะแนน) และชนะ GPT-5.5 ในหลายแง่มุม แต่ยังตามหลังใน SWE-Marathon (13.0 vs 26.0) และ ARC-AGI-2 (11.8% เทียบกับหัวกะทิสหรัฐฯ) ราคาถูกกว่า Claude ถึง 72-82% ($1.40/$4.40 ต่อล้านโทเค็น เทียบกับ $5/$25) ข้อเสียในโลกจริง: ใช้โทเค็นประมาณ 2 เท่า และช้ากว่า Claude ราวครึ่งหนึ่ง (17-19 vs 25+ โทเค็น/วินาที)

  1. กลไกทางเทคนิค (สถาปัตยกรรม IndexShare)

ใช้ MoE (เปิดใช้งานแค่ 40B ต่อโทเค็น) ผสานสถาปัตยกรรม IndexShare ที่ลดการคำนวณ 2.9 เท่าในบริบท 1 ล้านโทเค็น ช่วยให้ประหยัดต้นทุนได้มหาศาล ฝึกบนชิป Huawei (ชิป 910C เร็วกว่าประมาณ 60% ของ H100 ของ Nvidia) ต้นทุนรวมประเมินที่เพียง 25 ล้านดอลลาร์

  1. ZCode: สภาพแวดล้อมการพัฒนาแบบเอเจนต์ (IDE) ฟรี แต่มีเงื่อนไข

เปิดตัว 2 ก.ค. เน้นวงจรเอเจนต์เป็นศูนย์กลาง (ต่างจาก Cursor ที่เน้นตัวแก้ไขโค้ด) ดาวน์โหลดฟรี แต่ใช้ GLM-5.2 ต้องจ่ายรายเดือน ($18-$160) ถูกกว่าเครื่องมือตะวันตกมาก ถูกวิจารณ์ว่า UI ลอก Codex ของ OpenAI และมีปัญหาความเสถียรของ API รองรับฟีเจอร์ BYOK (Bring Your Own Key - นำคีย์โมเดลอื่นมาใช้ เช่น Claude, Gemini) แต่นั่น ไม่ได้แก้ปัญหาความเสี่ยงด้านข้อมูล

  1. กับดักกฎหมาย: กฎหมายข่าวกรองแห่งชาติจีนตามติด API (ประเด็นวิพากษ์วิจารณ์หลัก)

การอ้างว่าสัญญาณ MIT ทำให้ปลอดภัยจากการควบคุมรัฐ เป็นความจริงเฉพาะทีมที่มีศักยภาพโฮสต์เองได้ (ใช้ GPU 1.5TB หรือราว 19 การ์ด H100) กฎหมายข่าวกรองฯ (ม.7, ม.14) บังคับให้องค์กรจีนต้อง "สนับสนุนและให้ความร่วมมือ" กับหน่วยข่าวกรองโดยไม่มีเงื่อนไข ประเด็นสำคัญ: แม้ใช้ BYOK ผ่าน ZCode โค้ด ไฟล์ โครงสร้างโปรเจกต์ และประวัติ Git ของคุณยังผ่านเซิร์ฟเวอร์ Z.ai (จีน) ชั้นจัดการ (Orchestration layer) อยู่ดี ทำให้ข้อมูลตกอยู่ภายใต้เขตอำนาจกฎหมายจีน ไม่ว่าเซิร์ฟเวอร์จะอยู่ที่ไหนก็ตาม มีการสอบสวนโดยคณะกรรมการสภาผู้แทนฯ สหรัฐฯ เมื่อเม.ย. 2026 สำหรับอุตสาหกรรมที่มีการควบคุม (สุขภาพ, การเงิน, กลาโหม)

  1. ช่องว่างด้านประสิทธิภาพที่ยังเหลือ

ช่องว่างแคบ: โค้ด commercial, งานระยะยาว (FrontierSWE), การใช้เครื่องมือเอเจนต์ ช่องว่างกว้าง: งานเอเจนต์ระยะยาวมาก (SWE-Marathon) และเหตุผลเชิงเหตุผลลึก (ARC-AGI-2) Epoch AI ชี้ว่าตามหลังสหรัฐฯ เฉลี่ย 7 เดือน มีข้อกล่าวหาเรื่องการกลั่นกรองความรู้ (Distillation) จากโมเดลสหรัฐฯ (ยังไม่ยืนยัน แต่ช่วยอธิบายความก้าวหน้าอย่างรวดเร็ว)

  1. ความเสี่ยงด้านความปลอดภัย (Jailbreaks)

เพราะเป็น Open-weight จึงสามารถลบการป้องกันความปลอดภัยและรันเครื่องท้องถิ่นได้โดยไม่มีใครตรวจสอบ การเจาะระบบ (Jailbreak) สำหรับใช้แฮกเกอร์โจมตีแพร่ในฟอรัมรัสเซียภายในไม่กี่วันหลังเปิดตัว

  1. ระบบนิเวศและจังหวะทางภูมิรัฐศาสตร์

8 ใน 10 โมเดล AI จีนเป็นแบบเปิดน้ำหนัก (Qwen แซง Llama แล้ว) Zhipu ระดมทุนมหาศาล (HK$31.4B) จังหวะเวลา: ปล่อยวันที่ 13 มิ.ย. หลังสหรัฐฯ แบนโมเดล Anthropic สำหรับชาวต่างชาติ ทำให้นักพัฒนาต่างชาติหันมาใช้ทางเลือกจีนทันที

  1. คำแนะนำสำหรับทีมวิศวกร

ก่อนตัดสินใจเปลี่ยนมาใช้ ต้องประเมิน 4 มิติ: ประสิทธิภาพ, ระบบนิเวศ, ที่ตั้งข้อมูล/กฎหมาย (เสี่ยงกฎหมายข่าวกรองหากใช้ API แบบคลาวด์), และวิธีแก้ปัญหาเดียวที่ปลอดภัยคือ การโฮสต์เองแบบออฟไลน์ (Air-gapped) เท่านั้น