شرح نموذج GLM 5.2: مُشفر Zhipu المفتوح ذو السياق الذي يبلغ حجمه مليون

في 13 يونيو 2026، قامت شركة Zhipu AI (التي أصبحت تُعرف منتجاتها الآن باسم Z.ai) بطرح الإصدار GLM 5.2 في جميع مستويات «خطة GLM للبرمجة» الخاصة بها. الرقم الأبرز هو نافذة سياق تبلغ 1,000,000 توكن، أي خمسة أضعاف ما كان يقدمه GLM 5.1، مقترنة بأوزان مفتوحة مرخصة من معهد ماساتشوستس للتكنولوجيا (MIT)، والتي وعدت Zhipu بإتاحتها في غضون الأسبوع إلى جانب واجهة برمجة التطبيقات (API) المستقلة وروبوت الدردشة. بالنسبة لنموذج يستهدف بشكل مباشر البرمجة الوكالية ذات الأفق الطويل، فإن حجم هذا القفز في نطاق السياق هو جوهر الموضوع.

وما كان غائبًا عن إعلان الإطلاق كان ملحوظًا بنفس القدر: لم ترد أي نتيجة لاختبار أداء. لا SWE-bench، ولا Terminal-Bench، ولا أرقام Code Arena. وهذا أمر غير معتاد بالنسبة لإصدار على نطاق واسع، وخلال الأيام القليلة الأولى، كان كل ما كُتب عن ’أداء“ GLM 5.2 إما دعاية تسويقية من الشركة المصنعة أو مجرد تقييم شخصي خلال عطلة نهاية الأسبوع. لكن الوضع تغير عندما تم نشر الأوزان المفتوحة للجمهور في 16 يونيو: فقد نشرت Zhipu مجموعة كاملة من اختبارات الأداء، وسرعان ما حذت حذوها جهات تقييم مستقلة. تتناول هذه المقالة ماهية GLM 5.2 فعليًّا، والمواصفات التي أكدتها Zhipu، والأرقام المتوفرة حاليًّا (ومدى موثوقيتها)، وكيفية الوصول إلى نموذج بهذا الحجم أو استضافته ذاتيًّا، وكيف يقارن هذا النموذج بـ GLM 5.1 ونماذج الترميز المفتوحة الأخرى، ومن الذي ينبغي أن يهتم به.

ما هو GLM 5.2 في الواقع؟

يُعد GLM 5.2 الإصدار الثالث في سلسلة GLM-5 من Zhipu، بعد GLM 5 وGLM 5.1، وقد صُمم لغرض واحد: كتابة البرامج وصيانتها خلال جلسات طويلة متعددة الخطوات. وهو نموذج «مزيج الخبراء» (Mixture-of-Experts أو MoE) متفرق يحتوي على ما يقارب 753 مليار معلمة إجمالًا، لكن لا ينشط منها سوى حوالي 40 مليار معلمة فقط عند معالجة أي رمز معين. (تُدرج بطاقة نموذج Hugging Face الخاصة بـ Zhipu الرقم 753 مليار؛ بينما تقرب بعض أدوات التتبع التابعة لجهات خارجية هذا الرقم إلى حوالي 744 مليار، وهو نفس الرقم الخاص بـ GLM 5.1.) وهذه الندرة هي ما يسمح لنموذج بهذا الحجم بالعمل بسرعة وسعر معقولين، لأنك تدفع تكلفة الحوسبة مقابل المعلمات النشطة البالغ عددها حوالي 40 مليار معلمة، وليس الـ 753 مليار معلمة بالكامل، لكل تمريرة أمامية.).

هناك عاملان يميزان الجيل 5.2 من GLM عن الجيل الذي سبقه. أولاً، السياق: يقبل النموذج ما يصل إلى 1,000,000 رمز إدخال. وتوفر واجهة برمجة التطبيقات (API) المستقلة معرّف النموذج الافتراضي وهو glm-5.2 (مع سياق أقصر)، في حين يُشار إلى النافذة الكاملة التي تضم مليون توكن على النحو التالي: glm-5.2[1m] — النسخة التي تقوم بتوصيلها بـ «كلود كود». يكفي مليون توكن لاستيعاب مستودع متوسط الحجم واختباراته ونص عمل طويل في نافذة واحدة. ثانيًا، الإخراج: يمكنه إخراج ما يصل إلى 131,072 توكن في استجابة واحدة، وهو أمر مهم عندما يقوم الوكيل بإنشاء وحدة كاملة أو فرق إعادة هيكلة مترامية الأطراف بدلاً من مقتطف برمجي.

استبدلت شركة «Zhipu» الإعدادات المسبقة القديمة الخاصة بمستويات الجهد بمستويين جديدين هما «High» و«Max»، وتوصي باستخدام مستوى «Max» لأعمال البرمجة المعقدة والمتعددة الخطوات. ولا يوجد إعداد «Low» أو «Auto». إذا كنت ترغب في معرفة المزيد عن الطرز السابقة لشركة «Zhipu» وكيف وصلت الشركة إلى ما هي عليه الآن، فإن مقالتنا دليل موجز عن مجموعة منتجات GLM من Zhipu يتتبع شجرة العائلة.

المواصفات، ونتائج اختبارات الأداء التي وصلت متأخرة

هذا هو الجزء الذي يستحق القراءة ببطء، لأن الأحداث كانت تتوالى بسرعة. أرسلت شركة «زيبو» الإصدار GLM 5.2 إلى «خطة البرمجة» في 13 يونيو مع لا توجد تقييمات منشورة من أي نوع. وقد أشارت جميع وسائل الإعلام التي غطت هذا الإطلاق التجريبي، بما في ذلك موقع MarkTechPost، إلى نفس النقطة: فقد تناول الإعلان مسألة التوافر وطول السياق وخريطة طريق المشروع مفتوح المصدر، ولم يذكر شيئًا عن النتائج التي حققها النموذج.

تغير هذا الوضع في 16 يونيو، عندما نُشرت الأوزان المفتوحة للجمهور على موقع Hugging Face ونشر Zhipu جدولًا للمقارنة المعيارية إلى جانبها. لذا، فإن “الفجوة في المقارنة المعيارية” كانت حقيقية، لكنها كانت مجرد حالة استثنائية مرتبطة بتوقيت الإطلاق، وليست حالة دائمة. وينتج عن ذلك أمران.

أولاً، الأرقام التي أعلن عنها المورد. وفقًا لبيانات شركة «Zhipu» نفسها، يسجل GLM 5.2 SWE-bench Pro: 62.1 (مقابل 58.4 لـ GLM 5.1 و58.6 لـ GPT-5.5، لكنه أقل من Claude Opus 4.8 الذي سجل 69.2) و Terminal-Bench 2.1 من 81.0 (مقارنةً بـ ~63.5 في GLM 5.1، ويأتي مباشرةً بعد Opus 4.8 الذي سجل 85.0 وGPT-5.5 الذي سجل 84.0). في مجموعة FrontierSWE ذات الأفق الطويل، تشير Zhipu إلى أن GLM 5.2 يتخلف عن Opus 4.8 بنحو نقطة واحدة. هذه أرقام مقدمة من المزودين وينبغي النظر إليها على هذا النحو — فمن الطبيعي أن تكون اختيارات مجموعات الاختبار مواتية في الجداول الصادرة عن المزودين أنفسهم.

ثانياً، والأهم من ذلك، فقد أدلى المقيّمون المستقلون الآن بآرائهم، ويؤكدون بشكل عام هذه الصورة. التحليل الاصطناعي تقييم برنامج GLM 5.2 عند 51 في مؤشر «Intelligence Index» الإصدار 4.1، مما يجعلها النموذج الرائد في فئة الوزن المفتوح, ، متقدماً على MiniMax-M3 (44)،, ديبسيك V4 Pro (44) و Kimi K2.6 (43). وفي منصة «Code Arena» التي يعتمد تصنيفها على تصويت أعضاء المجتمع، يحتل GLM 5.2 (Max) المرتبة احتل #2 المرتبة الثانية في قائمة المتصدرين لفئة Frontend/WebDev، خلف كلود فابل 5 فقط وبفارق كبير عن النماذج المفتوحة الأخرى. وهناك تحذير حقيقي واحد تبرزته البيانات المستقلة: يستهلك GLM 5.2 عددًا أكبر بكثير من الرموز الناتجة لكل مهمة مقارنة بنظرائه (قامت شركة Artificial Analysis بقياس حوالي 43 ألف رمز لكل مهمة في مؤشر الذكاء، بزيادة عن حوالي 26 ألف رمز في GLM 5.1)، مما يقلل من ميزته التكلفية في المهام الطويلة.

لذا، فإن الصيغة الصحيحة اليوم ليست “لا أرقام، لا تثق بأي شيء”. بل هي: GLM 5.2 هو نموذج قوي ذو أوزان مفتوحة تم التحقق من كفاءته في قوائم التصنيف المستقلة الخاصة بالذكاء الاصطناعي وبرمجة الواجهة الأمامية، في حين يجب التحقق من صحة نتائجه في اختبارات البرمجة الوكالية الخاصة بالشركة المصنعة (SWE-bench Pro، Terminal-Bench) يجب التحقق من صحتها من خلال جهة تقييم محايدة مثل LiveBench أو مستودعك الخاص قبل أن تعتبر أي عنوان من عناوين “يتفوق على GPT-5.5” أمراً مؤكداً. العديد من هذه العناوين مدعوم تقنيًّا بمعايير أداء محددة — حيث يتفوق GLM 5.2 على GPT-5.5 في SWE-bench Pro وفقًا لجدول Zhipu — لكنه يخسر أمام Claude Opus 4.8 في معظم اختبارات المجموعة نفسها، لذا فإن طريقة عرض النتائج مهمة.

كيفية الوصول إلى GLM 5.2 عبر السحابة

أسرع مسار هو «خطة الترميز GLM»، وهي اشتراك يوجه وكلاء الترميز عبر نقاط النهاية المستضافة من قِبل Zhipu. تبلغ مستويات العرض الترويجي عند الإطلاق حوالي $10 شهريًّا لخطة Lite (حوالي 400 موجه/أسبوع)، حوالي $30 شهريًّا لخطة Pro (حوالي 2,000 موجه أسبوعيًّا)، وحوالي $80 شهريًّا لخطة Max (حوالي 8,000 موجه أسبوعيًّا)، مع تسعير قائم على عدد المقاعد لخطة Team. الأسعار المعلنة (غير الترويجية) أعلى — حيث يقدم بعض الموزعين عروضًا أقرب إلى $18 / $72 / $160 — كما أن الحصص تتغير، لذا تأكد من الأرقام الحالية على Z.ai قبل الاشتراك.

إذا كنت تفضل الدفع لكل توكن، فإن واجهة برمجة التطبيقات (API) المستقلة تبلغ تكلفتها حوالي $1.40 لكل مليون توكن مدخل و$4.40 لكل مليون توكن مخرج على نقطة النهاية الخاصة بـ Zhipu، مع تخزين مؤقت فوري يخفض تكلفة المدخلات المخزنة مؤقتًا إلى حوالي $0.26 لكل مليون، ويمكن أن يقلل التكلفة الفعلية بشكل كبير في السياقات المتكررة. تعلن بوابات الجهات الخارجية مثل OpenRouter عن أسعار مماثلة (اختبرها سيمون ويليسون هناك بنفس الأسعار $1.40 / $4.40)، لذا قم بمقارنة عروض الموزعين إذا كانت التكلفة هي العامل الحاسم.

الميزة التي تجعل GLM 5.2 مثيرًا للاهتمام بالنسبة لسير العمل الحالي هي نقطة النهاية المتوافقة مع Anthropic. يمكن إعادة توجيه الأدوات التي تدعم بالفعل واجهة برمجة تطبيقات الرسائل (Messages API) الخاصة بـ Anthropic إلى Zhipu عن طريق تعيين متغير بيئي، دون الحاجة إلى إجراء أي تغييرات في الكود:

هذا التغيير البسيط هو السبب في أن الإصدار GLM 5.2 قد تم طرحه مع دعم فوري لـ Claude Code و Cline و OpenCode و Roo Code و Goose و Crush و OpenClaw و Kilo Code. إذا كنت تستخدم وكيلًا مدمجًا في المحطة الطرفية، فإن دليلنا التفصيلي لـ OpenCode وكيفية تعامله مع الخلفيات النموذجية يتناول موضوع الأسلاك بمزيد من التفصيل.

الواقع التقني لتشغيل ~753B بنفسك

تعد رخصة MIT الميزة الأبرز، وهي حقيقية بالفعل: الآن بعد أن أصبحت الأوزان متاحة للجمهور على Hugging Face، يمكنك تنزيل GLM 5.2 وضبطه واستضافته بنفسك دون أي قيود على الاستخدام أو قيود إقليمية. لكن المشكلة هي أن كلمة “مفتوح” لا تعني “يعمل على حاسوبك المحمول”. فالنموذج الذي يبلغ حجمه حوالي 753B يمثل عبء عمل خاص بمراكز البيانات.

عند دقة FP8 (حوالي بايت واحد لكل معلمة)، تحتاج الأوزان وحدها إلى حوالي 750 جيجابايت من ذاكرة VRAM، وهو ما يعني عمليًّا حوالي 8 بطاقات H200 (سعة كل منها 141 جيجابايت) أو 8 بطاقات B200. وإذا انخفضت الدقة إلى INT4، تنخفض المساحة المطلوبة إلى حوالي 370 جيجابايت، وهو ما يتسع لحوالي 4 وحدات H200 — أو يمكنك توزيعها على عدد أكبر من البطاقات ذات السعة التخزينية الأقل، مثل 8 وحدات H100، على حساب بعض الجودة. وهذه الأرقام لا تأخذ السياق في الاعتبار: حيث تضيف ذاكرة التخزين المؤقت KV التي تتسع لمليون توكن ما يقدر بـ 80 جيجابايت أو أكثر، لذا فإن التكوين الذي يتعامل مع سياق 1M يتطلب عمليًا استخدام فئة العقد H200/B200. تشير أدلة النشر المتوفرة إلى أن تكلفة وحدة واحدة من طراز 8x H200 تقع في نطاق $10k شهريًّا تقريبًا وفقًا للأسعار الفورية، وترتفع إلى $25k أو أكثر في السحابة التي تعتمد على وحدات معالجة الرسومات (GPU) عند الطلب.

بالنسبة للغالبية العظمى من الفرق، تشير هذه الحسابات إلى ضرورة استخدام واجهة برمجة التطبيقات (API). ولا يكون الاستضافة الذاتية لـ GLM 5.2 خيارًا منطقيًّا إلا عندما تبرر متطلبات «موقع تخزين البيانات» أو «العزل التام» أو الحجم المستمر الكبير جدًّا العبء التشغيلي — مع ملاحظة أن واجهة برمجة التطبيقات المُستضافة المريحة تعمل على بنية تحتية صينية، وهو ما يمثل اعتبارًا بحد ذاته بالنسبة لبعض المشترين. إذا كان هدفك الحقيقي هو الحصول على نموذج يمكنك تشغيله على الأجهزة التي تمتلكها فعليًّا، فإن نموذج MoE بحجم ~753B ليس الأداة المناسبة، ودليلنا إلى أفضل نماذج اللغة الكبيرة (LLM) المحلية للبرمجة تشير إلى خيارات مصممة لمحطة عمل واحدة أو لخادم مزود بوحدة معالجة رسومات متواضعة.

GLM 5.2 مقابل GLM 5.1 وحقل الوزن المفتوح

بالمقارنة مع الإصدار السابق، فإن GLM 5.2 له الحجم نفسه تقريبًا — حيث تصفه Zhipu بأنه ينتمي إلى نفس فئة المعلمات مثل GLM 5.1 (حوالي 753 مليار مقابل حوالي 754 مليار) — مع نفس تصميم MoE وحوالي 40 مليار معلمة نشطة. وتكمن هذه القفزة بشكل شبه كامل في نافذة السياق والحد الأقصى للإخراج، بالإضافة إلى تحسن ملحوظ في نتائج اختبارات الأداء.

في السباق الأوسع نطاقاً للبرمجة ذات الأوزان المفتوحة، يدخل GLM 5.2 الآن كمرشح رائد في العديد من المنصات المستقلة، بدلاً من كونه مبتدئاً لم يثبت جدارته بعد. تنشر كل من الجيل Kimi K2 من Moonshot وأحدث برامج الترميز DeepSeek وQwen نتائج اختبارات SWE-bench والترميز الوكالي، كما يقدم المنتج الرئيسي لـ Qwen سياقًا مكونًا من مليون رمز — ولكن في مؤشر الذكاء الاصطناعي للتحليل (Artificial Analysis Intelligence Index)، يتقدم GLM 5.2 (51) على DeepSeek V4 Pro (44) و Kimi K2.6 (43). ومع ذلك، فإن الترتيب في قائمة المتصدرين لا يعني بالضرورة ملاءمة البرنامج لقاعدة الكود الخاصة بك، وفي مجموعات البرمجة الوكيلية الخاصة بالشركة المصنعة نفسها، لا يزال GLM 5.2 متخلفًا عن الرائد الحالي (Claude Opus 4.8). وللتعرف على كيفية تنافس المختبرات الصينية الأخرى، انظر تحليلنا لـ DeepSeek V4 مقابل Qwen 3, ، أما بالنسبة للطراز الذي غالبًا ما يُقارن به، فإليكم نظرتنا إلى Kimi K2.7 للبرمجة. كما قمنا بمقارنة الاثنين وجهاً لوجه في مقارنة بين GLM 5.2 و Kimi K2.7 في مجال البرمجة.

الأسئلة الشائعة

هل برنامج GLM 5.2 مفتوح المصدر فعلاً؟

تم إصدار الأوزان بموجب ترخيص MIT، الذي يُعد أحد أكثر التراخيص مرونةً المتاحة، ويسمح بالاستخدام التجاري والتعديل وإعادة التوزيع. وقد تم نشر الأوزان على منصة Hugging Face (كـ zai-org/GLM-5.2 (وإصدار FP8) في 16 يونيو 2026. تجدر الإشارة إلى أن عبارة “الأوزان المفتوحة بموجب ترخيص MIT” لا تعني أن المشروع مفتوح المصدر بالكامل مع توفر بيانات تدريب عامة؛ فأنت تحصل على النموذج، وليس على «الوصفة».

كم تبلغ تكلفة استخدام GLM 5.2؟

من خلال واجهة برمجة التطبيقات (API)، يُتوقع أن تبلغ التكلفة حوالي $1.40 لكل مليون توكن مدخل و$4.40 لكل مليون توكن مخرج على نقطة نهاية Zhipu، مع انخفاض التكلفة المدخرة للمدخلات المخزنة مؤقتًا إلى حوالي $0.26 لكل مليون. غالبًا ما تكون خطة الاشتراك في GLM Coding Plan أرخص للاستخدام المنتظم، حيث تبدأ المستويات الترويجية من حوالي $10 شهريًّا لخطة Lite وترتفع إلى حوالي $80 شهريًّا لخطة Max (أسعار القائمة أعلى من ذلك). ويقدم مزودو الخدمات من الأطراف الثالثة، مثل OpenRouter، أسعارًا مماثلة لكل توكن.

هل يمكنني تشغيل GLM 5.2 على بطاقة الرسومات الخاصة بي؟

هذا فقط إذا كان المقصود بـ “بطاقة الرسوميات الخاصة بي” هو خادم متعدد بطاقات الرسوميات. تتطلب الأوزان البالغة حوالي 753B ما يقارب 8x H200 عند FP8، أو حوالي 4x H200 (أو بطاقات ذات ذاكرة أقل) مع تكمية INT4، كما أن سياق الـ 1M-token يضيف متطلبات كبيرة لذاكرة التخزين المؤقتة KV. لا يمكن لوحدة معالجة رسومات (GPU) استهلاكية واحدة تشغيل هذا النموذج؛ ولذلك، ستحتاج إلى نموذج محلي أصغر حجمًا ومصمم خصيصًا لهذا الغرض.

هل يعمل برنامج GLM 5.2 مع لغة البرمجة Claude Code؟

نعم. يوفر Zhipu نقطة نهاية متوافقة مع Anthropic، لذا يمكنك توجيه Claude Code إلى https://api.z.ai/api/anthropic, ، اضبط النموذج على glm-5.2[1m], ، وتوفير مفتاح واجهة برمجة تطبيقات (API) لـ Z.ai. يُوصى بزيادة مهلة انتظار الطلب في عمليات التخطيط الطويلة. وينطبق هذا النهج أيضًا على Cline وOpenCode وOpenClaw وGoose وRoo Code وCrush وKilo Code.

كيف تختلف نافذة السياق في الإصدار 5.2 من GLM عن تلك الموجودة في الإصدار 5.1؟

إنه أكبر بخمس مرات: مليون توكن مقابل حوالي 200,000 توكن في GLM 5.1. كما يظل الحد الأقصى للإخراج مرتفعًا عند 131,072 توكن، مما يجعل GLM 5.2 أكثر ملاءمةً لاستيعاب قاعدة كود كاملة بالإضافة إلى نص محادثة طويل للوكيل في جلسة واحدة.

هل نشرت شركة Zhipu نتائج اختبارات الأداء الخاصة بـ GLM 5.2؟

لم يتم ذلك خلال حفل إطلاق «خطة البرمجة» في 13 يونيو — فقد ركز ذلك الإعلان على التوافر وخريطة طريق الأوزان المفتوحة. لكن Zhipu نشرت جدولًا كاملًا لنتائج الاختبارات المعيارية عندما تم الإعلان عن الأوزان في 16 يونيو، وتبعتها المختبرات المستقلة: صنفتها Artificial Analysis كأفضل نموذج مفتوح الأوزان في مؤشر الذكاء الخاص بها (51)، وصنفتها Code Arena في المرتبة #2 في البرمجة الأمامية. ولا يزال يتعين التحقق من صحة النتائج التي أجرتها الجهات الموردة (SWE-bench Pro 62.1، Terminal-Bench 2.1 من 81.0) من خلال مقارنتها بتقييمات محايدة.

هل يُعد GLM 5.2 أفضل من Kimi K2 أو DeepSeek في مجال البرمجة؟

فيما يتعلق بالذكاء التجميعي المستقل، تتصدر «Artificial Analysis» حالياً الترتيب: حيث سجلت «GLM 5.2» 51 نقطة، مقابل «DeepSeek V4 Pro» و«Kimi K2.6» اللذين سجلا نتائج في أوائل الأربعينات، كما تتصدر كلاهما لوحة الترتيب الخاصة بالواجهة الأمامية في «Code Arena». في أي مهمة محددة تتعلق بالبرمجة التفاعلية، قد تضيق الفجوة أو تنعكس النتائج، وتقوم الشركات الثلاث بنشر نتائج مفصلة لاختبار SWE-bench، لذا عند اتخاذ قرار ذي أهمية كبيرة، قم بإجراء مقارنة مباشرة على مستودعك الخاص بدلاً من الاعتماد على لوحة تصنيف واحدة.

خلاصة القول

يُعد GLM 5.2 إصدارًا حقيقيًّا وملحوظًا: نموذج ترميز يحتوي على حوالي 753 مليار معلمة، مرخص بموجب ترخيص MIT، مع سياق يضم مليون رمز، وواجهة برمجة تطبيقات (API) متوافقة مع Anthropic يمكن استخدامها مباشرةً، مما يتيح لك استبداله في Claude Code أو Cline في غضون ثوانٍ. بالنسبة لمستخدمي البرمجة الوكالية المكثفة الذين يرغبون في سياق طويل وترخيص مرن، فإن القيمة المضافة قوية، وأسعار خطة البرمجة (Coding Plan) تنافسية للغاية.

لقد انحسرت الفجوة في الأداء المعياري التي ميزت الساعات الـ72 الأولى: حيث يصنف المُقيِّمون المستقلون الآن GLM 5.2 باعتباره النموذج الرائد ذي الأوزان المفتوحة من حيث الذكاء الإجمالي، ويقترب من الصدارة في مجال البرمجة الأمامية، وهو ما يُعد إنجازًا حقيقيًّا. لكن يجب أخذ تحفظين في الاعتبار. فالمزاعم الأكثر إثارة حول “تفوقه على GPT-5.5” تستند إلى معايير أداء وكيلية يديرها المورد، حيث لا يزال GLM 5.2 متخلفًا عن Claude Opus 4.8، كما أن النموذج يستهلك عددًا كبيرًا من الرموز الناتجة، لذا يجب التحقق من الجدوى الاقتصادية بناءً على حجم العمل الخاص بك. وتشير واقع الأجهزة إلى نفس الاتجاه: بالنسبة للجميع تقريبًا، هذه واجهة برمجة تطبيقات (API) سحابية يجب اختبارها، وليست أوزانًا يجب استضافتها ذاتيًا. ومن الواضح أن الأمر يستدعي إجراء تجربة جادة؛ أما ما إذا كان يستحق الترحيل الكامل أم لا، فهذا يعتمد على أدائه مع الكود الخاص بك، وليس على ترتيبه في قائمة المتصدرين.