GLM-5.3 inaondoa alama ya “thinking: disabled”, hivyo muunganisho wowote uliokuwa unatumia {"thinking":{"type":"disabled"}} sasa unarudisha hitilafu badala ya jibu. Mabadiliko haya yameharibu mfululizo wa majaribio (test suites) mamia kwa usiku mmoja na inawalazimu watengenezaji kuandika upya mstari mmoja wa kodi ili kuendelea kuendesha programu zao.
Kwa nini mabadiliko haya ni muhimu
Katika GLM-5.2, API iliruhusu watumiaji kuzima hali ya kufikiri (thinking mode) kwa maelekezo rahisi. Chaguo hilo lilikuwa mfumo wa kawaida katika skripti za otomatiki, mifumo ya usindikaji wa kundi (batch-processing pipelines), na roboti zenye ucheleweshaji mdogo (low-latency bots). GLM-5.3 imeondoa alama hiyo kabisa na kuleta viwango vitatu vya juhudi—low, high na max—ambapo max ndicho chaguo la asili. Model mpya kila wakati inatoa mfuatano wa mantiki (reasoning trace); haiwezi tena kuzimwa kabisa.
Nini kimeharibika na jinsi inavyoenea
Wakati mwili wa ombi (request body) ukiwa na "type":"disabled", seva inakataa payload hiyo, ikirudisha jibu la jumla la kushindwa. Hakuna hitilafu za uthibitishaji (authentication) au sintaksia zinazoonekana, hivyo tatizo linaweza kuwa gumu kutambuliwa hadi mchakato wa majaribio ya kurudi nyuma (regression run) ufaulu. Kwa sababu alama hiyo ilikuwa katika kazi msaidizi (helper function) moja inayoweza kutumika tena katika msimbo mwingi, athari zimeenea katika mfululizo mkubwa wa majaribio na njia za uzalishaji (production endpoints) vivyo hivyo.
Mabadiliko kamili ya kodi
Badilisha payload ya zamani:
extra_body = {"thinking": {"type": "disabled"}}
kwa toleo linaloendana na GLM-5.3:
extra_body = {"thinking": {"type": "enabled", "effort": "low"}}
Ufunguo wa "type":"enabled" unawasha tena injini ya mantiki (reasoning engine), wakati "effort":"low" inaiga kasi ya hali ya zamani iliyozimwa kadiri model mpya inavyoruhusu.
Athari za utendaji
Kuendesha maelekezo ya ukaguzi wa kodi (code-review prompts) yale yale kwa mpangilio wa juhudi ndogo (low-effort) hutoa matokeo ambayo ni “karibu na kasi ya zamani” lakini si sawa kabisa. Model bado inatoa mfuatano wa mantiki (reasoning trace), jambo ambalo huongeza tokeni chache za ziada na ongezeko kidogo la ucheleweshaji (latency). Katika kazi zenye kasi kubwa au zinazohitaji ucheleweshaji mdogo sana, unapaswa kufanya vipimo (benchmark) kwa data yako mwenyewe ili kuthibitisha kuwa ongezeko hilo la gharama ni linalokubalika.
Kwa nini uhamie licha ya gharama
GLM-5.3 inahifadhi usanifu wa vigezo (parameters) 744 bilioni wa mtangulizi wake lakini inajikita zaidi katika kodi na kazi za kiamilishi (agentic tasks). Vipimo huru (Terminal-Bench 3.0) vinaonyesha ongezeko la wazi katika alama, na majaribio ya ndani yaliripoti utambuzi bora wa makosa ya mantiki katika faili nyingi. Kwa timu zinazotegemea model hiyo kwa uchambuzi tata wa kodi, faida za utendaji zinaweza kuwa kubwa kuliko ongezeko dogo la matumizi ya tokeni.
Makubaliano ya upande wowote ambayo huwezi kuupuuza
Ikiwa programu inahitaji majibu yasiyo na mantiki kabisa—kwa mfano, huduma ya kukamilisha tokeni pekee—sasa haina chaguo la asili katika GLM-5.3. Watengenezaji lazima ama wakubali matokeo ya ziada ya mantiki au wabadilishe kwenda model nyingine ambayo bado inatoa hali ya kuzima (disabled mode).
Nini cha kufuatilia baadaye
- Ufuatiliaji wa ucheleweshaji (Latency monitoring): Baada ya mabadiliko ya payload, fuatilia muda wa majibu na idadi ya tokeni ili kutambua hitilafu mapema.
- Marekebisho ya juhudi (Effort tuning): Baadhi ya kazi zinaweza kufaidika na juhudi za "high" bila adhabu kubwa, hivyo jaribu zaidi ya mpangilio wa "low".
- Uondoshaji wa huduma za baadaye (Future deprecations): Kuondolewa kwa alama moja kunaashiria kuwa API inaweza kuona mwingiliano zaidi; endelea kufuatilia maelezo ya toleo yanayokuja.
Kwa ufupi: Kusasisha payload ya thinking kuwa {"type":"enabled","effort":"low"} kunarudisha uoanishaji na GLM-5.3. Hakiki ucheleweshaji na matumizi ya tokeni katika mifumo yako, na uamue ikiwa uwezo ulioboreshwa wa kodi unahalalisha mfuatano wa mantiki usioepukika.
Majadiliano na msaada wa jamii yanapatikana kwenye chaneli ya Telegram ya GyaanSetu AI.