Z.ai propõe lei de escala pós-treinamento e lança GLM 5.3; Ornith-1.5 inicia com autoaperfeiçoamento

O CEO da Z.ai, Jie Tang, argumenta que a contagem de parâmetros é insuficiente para avaliar modelos, propondo uma nova lei de escala baseada em dados, alocação de computação e condições de inferência. Este framework sustenta o GLM 5.3, que alcança ganhos significativos de desempenho por meio de aprendizado por reforço em ambientes de longo prazo sintetizados por pipelines de autoaperfeiçoamento recursivo.

• Ornith-1.5 é lançado como uma família de pesos abertos (9B denso, 35B MoE, 397B MoE) com capacidades de autoaperfeiçoamento de ponta a ponta e fortes benchmarks agênticos.
• UnslothAI lança GGUFs do Qwen3.8-27B usando Dynamic V3, alegando 10% mais precisão no mesmo tamanho e quantização de 1-bit retendo 77% da precisão BF16 em 8GB de RAM.
• GLM 5.3 ocupa a #2 posição no Terminal Bench e a #3 no Legal Bench entre modelos de pesos abertos, enquanto Claude Opus 5 lidera a qualidade no Agent Arena.

Esses desenvolvimentos destacam uma mudança na avaliação da utilidade dos modelos por meio de tarefas complexas e executáveis, em vez de métricas estáticas de parâmetros.