Rumor GLM-5.5: Zhipu membocorkan model berikutnya lewat surat kompensasi

Beberapa pengguna langganan GLM Coding Plan menerima pemberitahuan kompensasi dari Zhipu AI setelah mereka mengeluh soal penurunan kualitas keluaran model, masalah yang di kalangan pengguna disebut sebagai model yang mendadak berkurang kecerdasannya. Isi kompensasi itu sendiri tidak istimewa, tetapi satu kalimat di dalamnya menyita perhatian: setelah model baru dirilis, pengguna akan mendapat satu kesempatan tambahan untuk mengatur ulang kuota. Kalimat itu dibaca sebagai pengakuan tidak langsung bahwa model penerus sedang menuju peluncuran.

Laporan 36Kr yang mengutip artikel 量子位 menegaskan bahwa Zhipu belum mengumumkan apa pun secara resmi. Tidak ada tanggal, tidak ada kartu model, tidak ada bobot, tidak ada nama model di dokumentasi API, dan tidak ada harga. Yang beredar hanya dugaan dari sumber tak bernama: ukuran parameter GLM-5.5 disebut mungkin mencapai 2,5 sampai 3,5 triliun, jauh di atas GLM-5.3 yang terbit Agustus 2026 dengan total sekitar 743 miliar parameter, dan ada spekulasi soal kemungkinan arsitektur Recurrent Transformer yang pernah diuji perusahaan.

Perlu dicatat bahwa angka parameter total pada model campuran pakar tidak berbanding lurus dengan beban inferensi, karena hanya sebagian pakar yang aktif untuk setiap token. Klaim 2,5 sampai 3,5 triliun itu karena itu tidak bisa dipakai untuk memperkirakan kebutuhan GPU atau biaya per token sebelum ada keterangan resmi soal jumlah parameter aktif, ukuran konteks, dan tarif.

Pola kebocoran seperti ini bukan hal baru di laboratorium Tiongkok: sering kali tanda pertama muncul dari surel kompensasi, unggahan komunitas, atau potongan kode di repositori, bukan dari pengumuman resmi. Bagi pembaca, cara membacanya sederhana. Selama belum ada kartu model dan halaman harga, ini tetap rumor, sekalipun sumbernya kredibel. Yang bisa dicatat sebagai fakta hanya satu: Zhipu menyiapkan model penerus dan menjanjikannya kepada pelanggan yang kecewa.

Kaitannya dengan pekerjaan sehari-hari terletak pada perencanaan kapasitas. Tim yang memakai model terbuka untuk pemrosesan dokumen atau pemrograman biasanya menunda migrasi sampai model baru benar-benar terukur, karena biaya pengujian ulang prompt dan evaluasi tidak kecil. Karena itu, isyarat seperti ini lebih berguna sebagai pengingat menyiapkan jalur evaluasi, bukan sebagai alasan mengubah arsitektur sekarang.