El CEO de Z.ai, Jie Tang, argumenta que el conteo de parámetros es insuficiente para evaluar modelos, proponiendo una nueva ley de escalado basada en datos, asignación de cómputo y condiciones de inferencia. Este marco sustenta GLM 5.3, que logra ganancias significativas de rendimiento mediante aprendizaje por refuerzo en entornos de largo plazo sintetizados a través de pipelines de auto-mejora recursiva.
- Ornith-1.5 se lanza como una familia de pesos abiertos (9B denso, 35B MoE, 397B MoE) con capacidades de auto-mejora de extremo a extremo y sólidos benchmarks agénticos.
- UnslothAI lanza GGUFs de Qwen3.8-27B utilizando Dynamic V3, afirmando una precisión un 10% mayor al mismo tamaño y cuantización de 1 bit que retiene el 77% de la precisión BF16 en 8GB de RAM.
- GLM 5.3 se clasifica #2 en Terminal Bench y #3 en Legal Bench entre modelos de pesos abiertos, mientras que Claude Opus 5 lidera la calidad en Agent Arena.
Estos desarrollos destacan un cambio hacia la evaluación de la utilidad del modelo a través de tareas complejas y ejecutables en lugar de métricas estáticas de parámetros.