← नवीनतम पेपर
💬 NLP

GLM-5: from Vibe Coding to Agentic Engineering

GLM-5 एक अगली पीढ़ी का फाउंडेशन मॉडल है जो लागत दक्षता के लिए DSA का लाभ उठाकर और जटिल, एंड-टू-एंड सॉफ्टवेयर इंजीनियरिंग कार्यों में अत्याधुनिक प्रदर्शन प्राप्त करने के लिए नवीन एसिंक्रोनस रीइन्फोर्समेंट लर्निंग का उपयोग करके "वाइब कोडिंग" से "एजेंटिक इंजीनियरिंग" की ओर संक्रमण करता है।

मूल लेखक: GLM-5-Team, :, Aohan Zeng, Xin Lv, Zhenyu Hou, Zhengxiao Du, Qinkai Zheng, Bin Chen, Da Yin, Chendi Ge, Chenghua Huang, Chengxing Xie, Chenzheng Zhu, Congfeng Yin, Cunxiang Wang, Gengzheng Pan, Hao Ze
प्रकाशित 2026-02-25
📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें
CC BY 4.0

मूल लेखक: GLM-5-Team, :, Aohan Zeng, Xin Lv, Zhenyu Hou, Zhengxiao Du, Qinkai Zheng, Bin Chen, Da Yin, Chendi Ge, Chenghua Huang, Chengxing Xie, Chenzheng Zhu, Congfeng Yin, Cunxiang Wang, Gengzheng Pan, Hao Zeng, Haoke Zhang, Haoran Wang, Huilong Chen, Jiajie Zhang, Jian Jiao, Jiaqi Guo, Jingsen Wang, Jingzhao Du, Jinzhu Wu, Kedong Wang, Lei Li, Lin Fan, Lucen Zhong, Mingdao Liu, Mingming Zhao, Pengfan Du, Qian Dong, Rui Lu, Shuang-Li, Shulin Cao, Song Liu, Ting Jiang, Xiaodong Chen, Xiaohan Zhang, Xuancheng Huang, Xuezhen Dong, Yabo Xu, Yao Wei, Yifan An, Yilin Niu, Yitong Zhu, Yuanhao Wen, Yukuo Cen, Yushi Bai, Zhongpei Qiao, Zihan Wang, Zikang Wang, Zilin Zhu, Ziqiang Liu, Zixuan Li, Bojie Wang, Bosi Wen, Can Huang, Changpeng Cai, Chao Yu, Chen Li, Chengwei Hu, Chenhui Zhang, Dan Zhang, Daoyan Lin, Dayong Yang, Di Wang, Ding Ai, Erle Zhu, Fangzhou Yi, Feiyu Chen, Guohong Wen, Hailong Sun, Haisha Zhao, Haiyi Hu, Hanchen Zhang, Hanrui Liu, Hanyu Zhang, Hao Peng, Hao Tai, Haobo Zhang, He Liu, Hongwei Wang, Hongxi Yan, Hongyu Ge, Huan Liu, Huanpeng Chu, Jia'ni Zhao, Jiachen Wang, Jiajing Zhao, Jiamin Ren, Jiapeng Wang, Jiaxin Zhang, Jiayi Gui, Jiayue Zhao, Jijie Li, Jing An, Jing Li, Jingwei Yuan, Jinhua Du, Jinxin Liu, Junkai Zhi, Junwen Duan, Kaiyue Zhou, Kangjian Wei, Ke Wang, Keyun Luo, Laiqiang Zhang, Leigang Sha, Liang Xu, Lindong Wu, Lintao Ding, Lu Chen, Minghao Li, Nianyi Lin, Pan Ta, Qiang Zou, Rongjun Song, Ruiqi Yang, Shangqing Tu, Shangtong Yang, Shaoxiang Wu, Shengyan Zhang, Shijie Li, Shuang Li, Shuyi Fan, Wei Qin, Wei Tian, Weining Zhang, Wenbo Yu, Wenjie Liang, Xiang Kuang, Xiangmeng Cheng, Xiangyang Li, Xiaoquan Yan, Xiaowei Hu, Xiaoying Ling, Xing Fan, Xingye Xia, Xinyuan Zhang, Xinze Zhang, Xirui Pan, Xu Zou, Xunkai Zhang, Yadi Liu, Yandong Wu, Yanfu Li, Yidong Wang, Yifan Zhu, Yijun Tan, Yilin Zhou, Yiming Pan, Ying Zhang, Yinpei Su, Yipeng Geng, Yong Yan, Yonglin Tan, Yuean Bi, Yuhan Shen, Yuhao Yang, Yujiang Li, Yunan Liu, Yunqing Wang, Yuntao Li, Yurong Wu, Yutao Zhang, Yuxi Duan, Yuxuan Zhang, Zezhen Liu, Zhengtao Jiang, Zhenhe Yan, Zheyu Zhang, Zhixiang Wei, Zhuo Chen, Zhuoer Feng, Zijun Yao, Ziwei Chai, Ziyuan Wang, Zuzhou Zhang, Bin Xu, Minlie Huang, Hongning Wang, Juanzi Li, Yuxiao Dong, Jie Tang

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक प्रतिभाशाली लेकिन थोड़े अनाड़ी प्रशिक्षु (apprentice) को चीजें ठीक करना सिखा रहे हैं। वर्षों तक, आपको उनके कंधे के ऊपर खड़े होकर निर्देश फुसफुसाने पड़े हैं, जैसे, "ठीक है, अब यह लाइन का कोड टाइप करें," या "रुको, वह बटन काम नहीं कर रहा है, दूसरा वाला क्लिक करने की कोशिश करो।" यह वही है जिसे पेपर "वाइब कोडिंग" (Vibe Coding) कहता है। यह मददगार तो है, लेकिन धीमा है, और प्रशिक्षु वास्तव में अकेले काम नहीं कर सकता।

GLM-5 वह क्षण है जब वह प्रशिक्षु आखिरकार स्नातक (graduate) हो जाता है। वे अब केवल आपकी 'वाइब्स' नहीं सुनते; वे एक मास्टर इंजीनियर बन जाते हैं। वे एक जटिल समस्या को देख सकते हैं, पूरे प्रोजेक्ट की योजना बना सकते हैं, कोड लिख सकते हैं, अपनी गलतियों को सुधार सकते हैं, और बिना आपके एक शब्द कहे एक साल तक बिजनेस सिमुलेशन चला सकते हैं।

यहाँ इसका सरल विवरण दिया गया है कि उन्होंने यह कैसे किया, कुछ रोजमर्रा के उदाहरणों का उपयोग करते हुए:

1. नया मस्तिष्क आर्किटेक्चर: "स्मार्ट लाइब्रेरियन" (DSA)

पहले, 128,000 पन्नों की लाइब्रेरी में एक विशिष्ट पुस्तक खोजने के लिए, AI को यह सुनिश्चित करने के लिए हर एक पन्ना देखना पड़ता था कि वह कुछ भी मिस न कर दे। यह धीमा और महंगा था।

  • समाधान: GLM-5 DSA (DeepSeek Sparse Attention) नामक कुछ का उपयोग करता है। एक ऐसे लाइब्रेरियन की कल्पना करें जो हर किताब नहीं पढ़ता। इसके बजाय, उनके पास एक सुपर-स्मार्ट इंडेक्स है जो तुरंत जान जाता है कि आपके प्रश्न के लिए कौन से 5 पन्ने महत्वपूर्ण हैं और बाकी के 127,995 पन्नों को अनदेखा कर देता है।
  • परिणाम: AI अब दोगुना तेज़ है और इसे चलाने की लागत आधी है, लेकिन फिर भी यह सब कुछ याद रखता है जो महत्वपूर्ण है।

2. ट्रेनिंग जिम: "असिंक्रोनस डोजो" (The Asynchronous Dojo)

अतीत में, AI को प्रशिक्षित करना एक जिम की तरह था जहाँ सभी को अगला सेट शुरू करने से पहले सबसे धीमे व्यक्ति के खत्म होने का इंतजार करना पड़ता था। यदि एक व्यक्ति सोचने में अधिक समय लेता, तो पूरा जिम खाली खड़ा रहता।

  • समाधान: GLM-5 ने एक नया असिंक्रोनस इंफ्रास्ट्रक्चर बनाया। एक ऐसे डोजो की कल्पना करें जहाँ "सोचना" (inference) और "सीखना" (training) अलग-अलग कमरों में होता है। विचारक हजारों परिदृश्य (scenarios) उत्पन्न करते हैं, और शिक्षक बिना किसी के खत्म होने का इंतजार किए, तुरंत उनसे सीखते हैं।
  • परिणाम: AI जटिल, दीर्घकालिक कार्यों (जैसे एक साल तक व्यवसाय चलाना) से बहुत तेज़ी से और कुशलता से सीखता है।

3. "सोचने" की आदतें: "आर्किटेक्ट का ब्लूप्रिंट"

पुराने AI अक्सर सीधे उत्तर पर कूद जाते थे, जैसे कोई छात्र परीक्षा में अनुमान लगा रहा हो। GLM-5 ने सोचने के तीन नए तरीके सीखे हैं:

  • इंटरलीव्ड थिंकिंग (Interleaved Thinking): यह हर एक क्रिया से पहले सोचने के लिए रुकता है, जैसे एक आर्किटेक्ट ईंट रखने से पहले ब्लूप्रिंट की जांच करता है।
  • प्रिजर्व्ड थिंकिंग (Preserved Thinking): यदि आप इसे एक विशाल कोडबेस में बग ठीक करने के लिए कहते हैं, तो यह अपने पिछले विचारों को याद रखता है ताकि इसे हर बार शून्य से पूरी लॉजिक को दोबारा न समझना पड़े। यह एक रनिंग नोटबुक रखता है।
  • टर्न-लेवल थिंकिंग (Turn-Level Thinking): आप इसे कह सकते हैं, "इस जटिल गणित की समस्या के लिए गहराई से सोचो, लेकिन इस साधारण अभिवादन के लिए बस एक त्वरित उत्तर दो।" यह जानता है कि कब गियर बदलना है।

4. वास्तविक दुनिया का परीक्षण: "इंटर्नशिप"

पेपर केवल टेस्ट स्कोर नहीं दिखाता है; यह दिखाता है कि AI वास्तविक काम कर रहा है।

  • वेंडिंग मशीन टेस्ट: कल्पना करें कि आपने AI को $1,000 दिए और उसे एक साल तक वेंडिंग मशीन का व्यवसाय चलाने के लिए कहा। GLM-5 ने केवल जीवित रहना ही नहीं सीखा; इसने $4,432 कमाए। इसने सीखा कि सामान कैसे रिस्टॉक करना है, टूटी हुई मशीनों को कैसे ठीक करना है, और अधिकांश मनुष्यों से बेहतर कैश फ्लो को कैसे प्रबंधित करना है।
  • सॉफ्टवेयर इंजीनियर: वास्तविक दुनिया के सॉफ्टवेयर (जैसे कि वे जिनका उपयोग लाखों लोग करते हैं) में बग्स को ठीक करने के लिए पूछे जाने पर, GLM-5 ने किसी भी ओपन-सोर्स मॉडल की तुलना में अधिक समस्याओं को हल किया, जो बड़ी टेक कंपनियों के सबसे महंगे और गुप्त मॉडलों को टक्कर दे रहा है।

5. "पोनी अल्फा" (Pony Alpha) का सरप्राइज

लेखकों ने कुछ साहसी किया: उन्होंने मॉडल को एक सार्वजनिक प्लेटफॉर्म पर गुमनाम रूप से ("पोनी अल्फा" कहकर) जारी किया। वे देखना चाहते थे कि क्या लोग इसे इसके कौशल के लिए पसंद करेंगे, बिना यह जाने कि यह एक चीनी टीम द्वारा बनाया गया है।

  • परिणाम: लोगों ने इसे बहुत पसंद किया। उन्होंने अनुमान लगाया कि यह Anthropic या Google जैसे शीर्ष अमेरिकी लैब्स से है। जब लेखकों ने खुलासा किया कि यह GLM-5 था, तो इसने साबित कर दिया कि मॉडल की गुणवत्ता स्वयं बोलती है, जो सीमाओं और पूर्वाग्रहों से परे है।

बड़ी तस्वीर (The Big Picture)

GLM-5 केवल एक "स्मार्ट चैटबॉट" नहीं है। यह मदद मांगने से लेकर काम सौंपने (delegating work) की ओर एक बदलाव का प्रतिनिधित्व करता है।

  • पहले: आप ड्राइवर हैं; AI यात्री है जो दिशा निर्देश दे रहा है।
  • अब: आप बॉस हैं; AI वह प्रोजेक्ट मैनेजर है जो टीम, शेड्यूल और निष्पादन (execution) को संभालता है।

पेपर निष्कर्ष निकालता है कि हम "वाइब कोडिंग" (अनुमान लगाने और उम्मीद करने) के युग से "एजेंटिक इंजीनियरिंग" (सटीकता के साथ योजना बनाने, निर्माण करने और सुधार करने) के युग की ओर बढ़ रहे हैं। GLM-5 इस नए युग में वास्तव में महारत हासिल करने वाला पहला ओपन-सोर्स मॉडल है।

अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?

आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।

Digest आज़माएँ →

इसी तरह के और पेपर

इस विषय के सभी पेपर देखें 💬 cs.CL →