Perplexity merilis pratinjau riset pada 9 Juli 2026 tentang versi pasca-pelatihan dari model GLM 5.2 milik Z.AI, yang dibangun untuk beroperasi di dalam harness agen Komputer-nya dan saat ini tersedia di produksi. Sistem ini biaya sepertiga dari Claude Opus 4.8 berdasarkan benchmark. Perusahaan menyesuaikan model sumber terbuka China tersebut agar berfungsi sebagai pengatur yang hanya meningkat ke model frontier saat diperlukan, menandai fine-tune sumber terbuka China kedua Perplexity dalam 18 bulan setelah R1-1776.
Perplexity Fine-Tunes GLM 5.2 dengan Alat Penasihat untuk Pengurangan Biaya
GLM 5.2 adalah model dengan 744 miliar parameter dari Z.ai, sebelumnya Zhipu AI, sebuah laboratorium Beijing yang masuk dalam Daftar Entitas AS sejak Januari 2025. Dirilis dengan lisensi MIT pada Juni, model ini termasuk yang teratas dalam benchmark pengkodean jangka panjang dengan biaya API yang jauh lebih rendah. Parameter adalah berbagai pengaturan dan konfigurasi yang dapat diatur model selama pelatihan.
Perplexity menggunakan pasca-pelatihan untuk mengajarkan GLM 5.2 satu keterampilan penting: mengetahui kapan harus menangani tugas sendiri dan kapan harus meningkat ke model frontier yang lebih kuat. Fine-tuned GLM 5.2 menyertakan apa yang disebut Perplexity sebagai "alat penasihat"—kemampuan asli untuk mengenali saat query melebihi kompetensinya dan menyerahkan ke model frontier pihak ketiga. Sebagian besar tugas tidak pernah mencapai model yang mahal.
"Ketika dipasangkan dengan penasihat, model ini berfungsi dengan performa setara Opus 4.8 dengan biaya yang jauh lebih rendah," tulis CEO Aravind Srinivas di X.
Perplexity membandingkan sistem ini dengan GLM 5.2 standar untuk menetapkan baseline biaya. Menggunakan metrik efisiensi internal perusahaan yang mengukur berapa banyak biaya untuk menyelesaikan tugas kompleks, hasilnya menunjukkan bahwa model yang disesuaikan dengan penasihat sekitar dua kali lebih mahal untuk dijalankan dibandingkan versi dasar. Menggunakan model Opus 4.8 terbaik untuk semua tugas jauh lebih mahal (sekitar 600% lebih mahal). Dengan menggabungkan alat ini, sistem Perplexity mencapai performa kualitas yang sama dengan Opus tetapi hanya sepertiga dari biaya.
Proses Fine-Tuning Melatih Ulang Model Dasar dengan Dataset Terfokus
Fine-tuning adalah proses mengambil model AI yang sudah dilatih dan melatih ulang dengan dataset yang lebih kecil dan terfokus agar lebih mahir dalam pekerjaan tertentu. Perplexity menggunakan pasca-pelatihan—proses serupa yang diterapkan setelah pelatihan utama model—untuk mengajarkan GLM 5.2 kapan harus menangani tugas sendiri dan kapan harus meningkat.
Pengembang mendapatkan model dasar dan menambahkan pengaturan berbeda agar fine-tune tersebut memiliki pengetahuan lebih dalam bidang tertentu, bias politik berbeda, atau batasan yang lebih ketat. Bobot terbuka berarti siapa saja dapat mengunduh, memodifikasi, dan melakukan fine-tune secara komersial tanpa batasan. Perplexity melakukan hal tersebut.
Lisensi Sumber Terbuka MIT Memungkinkan Modifikasi Komersial
Lisensi MIT dari GLM 5.2 menyederhanakan kalkulasi: Tidak ada kontrak API yang dilanggar, tidak ada akses yang bisa diubah pemerintah. Anda mengunduh bobotnya dan dapat melakukan fine-tune sesuai kebutuhan.
Perplexity pernah melalui jalur ini sebelumnya. Ketika DeepSeek R1 menyebar ke dunia AI awal 2025, perusahaan melakukan fine-tune menjadi R1-1776—memetakan sekitar 300 topik yang awalnya ditolak karena sensor pemerintah China, dan melatih ulang model agar lebih condong ke Amerika Serikat.
"Kami tidak dapat memanfaatkan kemampuan penalaran R1 yang kuat tanpa terlebih dahulu mengurangi bias dan sensor," tulis tim Perplexity dalam sebuah posting blog saat itu.
Langkah GLM 5.2 ini mengikuti pola yang sama, kecuali tujuannya kali ini bukan politik tetapi ekonomi. Produk Komputer Perplexity sudah mengatur lebih dari 19 model AI; GLM yang disesuaikan dirancang sebagai default murah yang menyerap sebagian besar tugas sebelum menyentuh model frontier.
Srinivas mengatakan tesis jangka panjangnya sederhana: pasca-pelatihan model sumber terbuka untuk menjadi mahir dalam peningkatan, di dalam harness agen yang sudah melayani jutaan pengguna. Perplexity "berposisi unik" untuk menyelesaikannya, tulisnya, karena infrastruktur sudah diterapkan secara skala besar.
Model Beroperasi di GPU Nvidia B200 di Amerika Serikat
Model ini berjalan di GPU Nvidia B200 di Amerika Serikat. Selanjutnya: pasca-pelatihan Nemotron 3 Ultra, yang akan meniru arsitektur yang sama menggunakan model sumber terbuka Amerika.
Benchmark lengkap dan makalah riset diharapkan dalam beberapa minggu mendatang. Model ini tersedia sebagai pratinjau riset.
FAQ
Apa yang dirilis Perplexity pada 9 Juli 2026?
Perplexity merilis pratinjau riset dari versi pasca-pelatihan GLM 5.2 milik Z.AI, yang dibangun untuk beroperasi di dalam harness agen Komputer-nya dan saat ini tersedia di produksi. Sistem ini biaya sepertiga dari Claude Opus 4.8 berdasarkan benchmark.
Bagaimana fine-tune GLM 5.2 milik Perplexity mengurangi biaya?
Fine-tuned GLM 5.2 menyertakan "alat penasihat" yang mengenali saat query melebihi kompetensinya dan menyerahkan ke model frontier pihak ketiga. Sebagian besar tugas tidak pernah mencapai model yang mahal. Perplexity membandingkan sistem ini dan menemukan bahwa model ini mencapai performa kualitas yang sama dengan Opus 4.8 dengan biaya sekitar sepertiga.
Apa rencana fine-tune model berikutnya dari Perplexity?
Selanjutnya adalah pasca-pelatihan Nemotron 3 Ultra, yang akan meniru arsitektur yang sama menggunakan model sumber terbuka Amerika. Model ini berjalan di GPU Nvidia B200 di Amerika Serikat.
