Z.ai의 CEO인 Jie Tang은 매개변수 수가 모델을 평가하기에 충분하지 않다고 주장하며, 데이터, 컴퓨팅 할당 및 추론 조건을 기반으로 하는 새로운 확장 법칙을 제안했습니다. 이 프레임워크는 재귀적 자기 개선 파이프라인을 통해 합성된 장기 환경에서의 강화 학습을 통해 상당한 성능 향상을 이루는 GLM 5.3의 기반이 됩니다.

  • Ornith-1.5가 엔드투엔드 자기 개선 기능과 강력한 에이전트 벤치마크를 갖춘 오픈 가중치 패밀리(9B 밀집, 35B MoE, 397B MoE)로 출시되었습니다.
  • UnslothAI가 Dynamic V3를 사용하여 Qwen3.8-27B GGUF를 출시했으며, 동일한 크기에서 정확도가 10% 향상되고 8GB RAM에서 BF16 정확도의 77%를 유지하는 1비트 양자화를 주장합니다.
  • GLM 5.3은 오픈 가중치 모델 중 Terminal Bench에서 2위, Legal Bench에서 3위를 차지했으며, Claude Opus 5는 Agent Arena에서 품질 측면에서 선두를 달리고 있습니다.

이러한 발전들은 정적 매개변수 지표가 아닌 복잡하고 실행 가능한 작업을 통해 모델의 유용성을 평가하는 방향으로의 전환을 강조합니다.