Zhipu AI reconheceu falhas no lançamento do GLM-5 e ofereceu compensações

Zhipu AI Reconhece Erros no Lançamento do GLM-5 e Oferece Compensações

A empresa chinesa Zhipu AI se viu em uma situação difícil após o fracasso do lançamento do programa GLM Coding Plan. Em 21 de fevereiro, a empresa publicou uma carta oficial de desculpas na qual não apenas reconheceu os erros cometidos, mas também anunciou medidas de compensação específicas para usuários afetados. Este é um caso raro no mercado, onde grandes empresas de tecnologia tipicamente preferem minimizar falhas operacionais em vez de torná-las públicas.

Zhipu AI é uma das desenvolvedoras mais proeminentes de modelos de linguagem na China, responsável pela série de modelos GLM. A empresa há muito compete com jogadores como Baidu e Alibaba pela atenção de desenvolvedores e clientes corporativos. O lançamento do GLM-5 deveria ser mais um passo à frente e fortalecer a posição da plataforma, mas o hype em torno do modelo se voltou contra a própria empresa: o tráfego se mostrou significativamente superior às previsões e a infraestrutura não conseguiu lidar com a carga.

Em sua carta, Zhipu AI identificou abertamente três erros principais. Primeiro — transparência insuficiente nas regras do programa GLM Coding Plan: os usuários não entendiam exatamente para o quê estavam se inscrevendo e quais eram as condições de acesso aos novos recursos. Segundo — implantação em fases muito lenta do GLM-5: a empresa escolheu uma abordagem cautelosa para expandir o acesso, o que, combinado com o hype, levou a uma insatisfação generalizada. Terceiro — mecanismo de transição negligentemente planejado para clientes existentes, que se viram cortados das atualizações prometidas sem uma explicação clara das razões. Notavelmente, a administração não tentou transferir a responsabilidade para circunstâncias externas — todos os três pontos são formulados como falhas de gestão interna.

O aspecto técnico do problema se mostrou previsivelmente doloroso. Após o lançamento do GLM-5, o tráfego excedeu todas as expectativas e a empresa simplesmente não conseguiu aumentar a capacidade dos servidores no ritmo necessário. Como resultado, teve que introduzir acesso em fases ao modelo: primeiro para usuários de nível Max, depois para Pro e, por fim, para Lite.

No momento da publicação das desculpas, os clientes de nível Max já haviam recebido acesso completo, usuários Pro estavam formalmente conectados, mas nos horários de pico enfrentavam limitações devido à alta carga nos clusters. Os assinantes do plano Lite aguardam sua vez — a empresa planeja abrir o acesso a eles gradualmente durante períodos de menor demanda após os feriados. Como compensação, todos os usuários afetados dos planos Pro e Lite receberam a oportunidade de solicitar independentemente um reembolso se o serviço não correspondeu às suas expectativas.

Esta história é importante não apenas como um escândalo corporativo, mas também como um sintoma de um problema mais amplo da indústria. A corrida para lançar novos modelos frequentemente supera as capacidades da infraestrutura — e isso não se limita a empresas chinesas. Situações semelhantes com sobrecarga de servidores e condições de acesso opacas foram vivenciadas por empresas ocidentais: basta lembrar os inúmeros desligamentos do ChatGPT no lançamento ou as limitações periódicas de acesso à API da OpenAI em períodos de alta demanda. A diferença é que Zhipu AI decidiu agir abertamente — o reconhecimento público de erros no setor de tecnologia permanece mais uma exceção do que uma norma.

Para o mercado de modelos de linguagem, este episódio estabelece um precedente importante. Os usuários estão se tornando mais exigentes: esperam não apenas modelos de qualidade, mas também infraestrutura confiável, termos claros e respostas rápidas aos problemas. As empresas que sabem como se comunicar honestamente com seu público durante crises têm a chance de manter a confiança mesmo após falhas graves. Zhipu AI apostou em tal abordagem — agora resta ver se ações reais para corrigir a situação respaldarão essas palavras.