LangChain: GLM-5 và MiniMax M2.7 tiến gần các mô hình đóng trong tác vụ AI agent
LangChain cho biết các mô hình có trọng số mở GLM-5 và MiniMax M2.7 đang trở thành lựa chọn thực tế thay cho các mô hình frontier đóng trong những tác vụ agent như thao tác tệp, sử dụng công cụ và làm theo chỉ dẫn có cấu trúc. Trong đánh giá ban đầu với Deep Agents, GLM-5 giải quyết đúng 94/138 bài kiểm thử, đạt độ chính xác 64%, còn MiniMax M2.7 giải quyết đúng 85 bài, đạt 57%; Claude Opus 4.6 đạt 68%, Gemini 3.1 Pro đạt 65% và GPT-5.4 đạt 61% trên cùng bộ kiểm thử. Lợi thế chính nằm ở chi phí và tốc độ: bài viết niêm yết MiniMax M2.7 ở mức 0,30 USD cho mỗi triệu token đầu vào và 1,20 USD cho mỗi triệu token đầu ra, so với 5 USD và 25 USD của Claude Opus 4.6. LangChain dẫn dữ liệu từ OpenRouter cho thấy GLM-5 chạy trên Baseten có độ trễ trung bình 0,65 giây và tốc độ 70 token/giây, trong khi Opus 4.6 đạt 2,56 giây và 34 token/giây. Bài đánh giá bao phủ các nhóm tác vụ gồm thao tác tệp, sử dụng công cụ, truy xuất, hội thoại, bộ nhớ, tóm tắt và kiểm thử đơn vị; các chỉ số hiệu quả theo dõi số bước và số lần gọi công cụ. Kết quả vẫn còn sơ bộ và bộ đánh giá đang được mở rộng, nhưng chúng cho thấy nhà phát triển có thể xây dựng agent AI nhanh hơn và rẻ hơn bằng mô hình mở, kể cả triển khai riêng tư hoặc cục bộ qua các công cụ như Ollama và vLLM.
Các nhà phát triển có thể bắt đầu thử GLM-5 hoặc MiniMax M2.7 trong Deep Agents cho những quy trình cần gọi công cụ, thao tác tệp và làm theo chỉ dẫn, đồng thời chạy qua nhà cung cấp đám mây hoặc hạ tầng riêng với Ollama và vLLM. Do kết quả vẫn là đánh giá ban đầu, nên kiểm thử trên tác vụ thực tế trước khi thay thế hoàn toàn mô hình đóng.
Đọc bài gốc