Z.ai GLM-5.2 kevesebb hallucinál, mint a nagyobb GPT-5.5 és DeepSeek V4 Pro
A méret helyett a megbízhatóságra kell törekedni az AI-fejlesztésben, mert a legnagyobb modellek is jelentős arányban tévednek – derül ki a Z.ai GLM-5.2 és a GPT-5.5 összehasonlításából.
A korábbi elképzeléssel ellentétben a paraméterszám növelése nem vezet automatikusan jobb teljesítményhez az AI-modellek esetében. A zárt, óriási modellek, mint a GPT-5.5 vagy a DeepSeek V4 Pro, gyakran magabiztosan állítanak valótlanságokat, míg a kisebb, nyílt forráskódú alternatívák, mint a GLM-5.2, sokkal megbízhatóbbak – írja az arrowtsx.dev. (Hacker News)
A Claude Fable 5 modell amerikai kormány általi betiltása rávilágított a biztonsági kockázatokra. A három nap után leállított modell egyetlen jailbreak-kísérlet miatt vált gyanússá, ami arra utal, hogy a rendkívül nagy modellek nem tudják megfelelően jelezni, ha nem tudnak válaszolni, és inkább kitalálnak valamit.
Kapcsolódó: GPT-5.5 árai és hallucinációi
A méret nem minden
Az AA-Omniscience teljesítményteszten a GLM-5.2 28%-os hallucinációs rátát ért el, míg a jóval nagyobb, becslések szerint 1-2 trillió paraméteres GPT-5.5 86%-kal, a DeepSeek V4 Pro pedig 94%-kal teljesített. Ez azt jelenti, hogy a GPT-5.5 és a DeepSeek V4 Pro a kérdések kevesebb mint 10%-ában ismerte be, hogy nem tudja a választ, a többiben magabiztosan tévedett. Az Opus 4.8 36%-os, a Claude Fable 5 pedig 48%-os rátát produkált.
Kapcsolódó: GPT-5.5 ügynöki kódolása
A megbízhatóság fontossága
Egy komplex Python-kérdésre a DeepSeek V4 Pro közel tízszer annyi tokenet használt fel és 3 perc 52 másodperc után hibás választ adott, míg a GLM-5.2 mindössze 12 másodperc és 799 token alatt felismerte a feladat technikai lehetetlenségét. Ez azt mutatja, hogy a nagyobb modellek nem feltétlenül hatékonyabbak vagy pontosabbak, sőt, néha még a logikai hibákat sem képesek felismerni.
Kapcsolódó: GPT-5.2 megbízhatósága
Az AI trilemma
A jövőben az AI-fejlesztésnek a nyers képesség, a bizonytalanság kalibrálása (hallucinációs ráta) és a számítási hatékonyság hármas dilemmájára kell összpontosítania. A folyamatosan növekvő paraméterszám és adatmennyiség helyett a modellek kiválasztásakor a valós idejű megbízhatóságot és pontosságot kell előtérbe helyezni. A Z.ai GLM-5.2 modellje, amely MIT-licenc alatt érhető el, jó példa arra, hogy a nyílt forráskódú megoldások is képesek felvenni a versenyt a legnagyobb zárt modellekkel.
Kapcsolódó: GPT-5.5 Instant és hallucináció