في 13 يونيو 2026، أطلقت شركة Zhipu AI (التي تُسمِّي منتجاتها حاليًّا Z.ai) GLM 5.2 إلى كل طبقة ضمن خطتها البرمجية GLM. والرقم البارز هو نافذة السياق البالغة مليون رمز، أي خمسة أضعاف ما قدَّمه GLM 5.1، مقترنةً بأوزان مفتوحة مرخَّصة بموجب رخصة MIT، وعدت Zhipu بإصدارها خلال الأسبوع نفسه جنبًا إلى جنب مع واجهة برمجة التطبيقات المستقلة (standalone API) وروبوت الدردشة (chatbot). ولنموذجٍ يستهدف صراحةً البرمجة الوكيلية طويلة المدى (long-horizon agentic coding)، فإن حجم هذه القفزة في سعة السياق يشكِّل القصة برمتها.
ومما غاب عن الإعلان الرسمي عن الإطلاق أمرٌ لا يقل أهميةً: عدم وجود أي نتيجة لاختبار أداء (Benchmark) واحدة. فلا توجد درجات في SWE-bench ولا في Terminal-Bench ولا في Code Arena. وهذا أمر غير مألوف بالنسبة لإطلاق نموذج حدّي (frontier-scale)، وللأيام القليلة الأولى، كانت كل الكتابات حول «أداء» GLM 5.2 إما تسويقًا من قِبل الشركة المصنِّعة أو تقييمًا عفويًّا أجرته جهة خارجية خلال عطلة نهاية الأسبوع. وقد تغيّر ذلك عندما أُعلن عن توفر الأوزان المفتوحة في 16 يونيو: فنشرت Zhipu مجموعة كاملة من الاختبارات، وتبعها مقيّمون مستقلون بسرعة. ويغطي هذا التقرير طبيعة نموذج GLM 5.2 فعليًّا، والمواصفات التي أكدتها Zhipu، والنتائج المتاحة الآن (ومدى موثوقيتها)، وكيفية الوصول إلى هذا النموذج أو استضافته ذاتيًّا، ومدى تفوّقه على GLM 5.1 وعلى نماذج البرمجة المفتوحة الأخرى، ومن هم المستفيدون الحقيقيون منه.
أبرز النقاط المستخلصة
- أُطلق في 13 يونيو 2026 ضمن خطة نماذج البرمجة GLM؛ بينما أُطلقت واجهة برمجة التطبيقات (API) وروبوت الدردشة والأوزان المفتوحة المرخَّصة بموجب رخصة MIT في 16 يونيو.
- نموذج مكوّن من خليط من الخبراء (Mixture-of-Experts) بعدد معاملات يبلغ نحو 753 مليار معامل (حسب البطاقة الفنية الرسمية للنموذج من Zhipu) مع نحو 40 مليار معامل نشط لكل رمز، ويُعرَض في منصة Claude Code بمعرف النموذج
glm-5.2[1m](معرف أساسيglm-5.2). - نافذة سياق تبلغ مليون رمز (مقابل نحو 200 ألف رمز في GLM 5.1)، مع تحديد أقصى عدد للإخراج عند 131072 رمزًا، ووضعين للتفكير: عالي (High) وأقصى حد (Max).
- نهاية نقطة وصول متوافقة مع منصة Anthropic أي أن أدوات مثل Claude Code وCline OpenCode، وOpenClaw وغيرها تتصل بها عبر تغيير رابط URL الأساسي فقط.
- تتوفر الآن نتائج الاختبارات (Benchmarks). كانت غائبة تمامًا عند الإطلاق الناعم في 13 يونيو، لكنها صدرت مع الأوزان: حيث أعلنت الشركة المصنِّعة عن درجات بلغت 62,1 في اختبار SWE-bench Pro و81,0 في اختبار Terminal-Bench 2.1، بالإضافة إلى درجة مستقلة من Artificial Analysis بلغت 51 في مؤشر الذكاء الاصطناعي، مما يجعله النموذج الأفضل بين النماذج المفتوحة من حيث الأوزان. ويجب التعامل مع الأرقام الصادرة عن الشركة المصنِّعة على أنها أرقام ترويجية منها؛ أما النتائج المستقلة فهي تؤكّد الصورة العامة بشكل عام.
- استضافة النموذج ذاتيًّا تتطلب مركز بيانات: بحاجة تقريبية إلى 8 وحدات معالجة رسومية من نوع H200 عند دقة FP8، أو عدد أقل من وحدات المعالجة الرسومية باستخدام كمية كثيفة من التكميم INT4، قبل حتى أخذ ذاكرة KV الخاصة بنافذة السياق البالغة مليون رمز في الحسبان.
ماهية نموذج GLM 5.2 فعليًّا
يُعد GLM 5.2 الإصدار الثالث في سلسلة نماذج GLM-5 من شركة Zhipu، بعد GLM 5 وGLM 5.1، وهو مصمم لمهمة واحدة بالتحديد: كتابة البرمجيات والحفاظ عليها عبر جلسات طويلة متعددة الخطوات. وهو نموذج نادر (Sparse) من نوع خليط الخبراء (MoE) يحتوي على نحو 753 مليار معامل إجمالي، لكنه يستخدم نحو 40 مليار معامل نشط فقط لكل رمز معالج. (وتذكر البطاقة الفنية للنموذج على منصة Hugging Face من Zhipu أن العدد 753 مليار معامل؛ بينما تقوم بعض أدوات التتبع الخارجية بتقريبه إلى نحو 744 مليار معامل، وهو نفس العدد المذكور لـ GLM 5.1.) وهذه الخاصية النادرة هي ما يسمح لهذا النموذج الضخم بالعمل بسرعة قابلة للاستخدام وبتكلفة معقولة، لأنك تدفع مقابل الحوسبة المطلوبة للمعاملات النشطة البالغة نحو 40 مليار معامل، وليس مقابل إجمالي 753 مليار معامل في كل عملية تمرير أمامي (forward pass).
يتحدد جيل GLM 5.2 مقارنةً بسابقه من خلال أمرين رئيسيين. أولهما: السياق — إذ يقبل النموذج ما يصل إلى مليون رمز كمدخل. وتعرض واجهة برمجة التطبيقات (API) المستقلة معرف نموذج افتراضيًا هو glm-5.2 (مع سعة سياق أقصر)، بينما تُستخدم النسخة الكاملة ذات نافذة السياق المليونية باسم glm-5.2[1m] — وهي النسخة التي تُدمج في منصة Claude Code. وتمثل المليون رمز سعة كافية لاحتواء مستودع متوسط الحجم، واختباراته، وسجل عمل طويل في نافذة واحدة. ثانيهما: الإخراج — إذ يمكنه إنتاج ما يصل إلى 131072 رمزًا في استجابة واحدة، وهو ما يكتسب أهمية كبيرة حين يقوم الوكيل (agent) بتوليد وحدة برمجية كاملة أو فرقًا ضخمًا (refactor diff) شاملًا بدلًا من مجرد شريحة صغيرة من التعليمات البرمجية.
استبدلت Zhipu إعدادات الجهد السابقة (effort presets) بمستويين جديدين لجهد التفكير: عالي (High) وأقصى حد (Max)، وأوصت باستخدام وضع «أقصى حد» للمهام البرمجية المعقدة متعددة الخطوات. ولا توجد إعدادات «منخفض» أو «تلقائي». وإذا رغبت في خلفية عن النماذج السابقة لشركة Zhipu وكيف وصلت إلى هذه المرحلة، يمكنك الاطلاع على المقدمة التمهيدية الخاصة بسلسلة نماذج GLM من Zhipu التي تشرح تطور هذه السلسلة بالتفصيل.
المواصفات، والاختبارات التي ظهرت متأخرة
هذا هو الجزء الذي يستحق القراءة ببطء، لأن الوضع تطور بسرعة كبيرة. فقد أطلقت شركة Zhipu نموذج GLM 5.2 على منصة Coding Plan في 13 يونيو مع عدم نشر أي تقييمات على الإطلاق. وقد لاحظت جميع المنصات التي غطّت هذا الإطلاق الناعم — ومن بينها MarkTechPost — نفس الأمر: فكانت الإعلانات تتحدث عن التوافر وطول السياق وخريطة طريق مفتوحة المصدر، دون أن تشير إلى أداء النموذج أو درجاته التقييمية.
وتغيّر ذلك في 16 يونيو، عندما تم إتاحة الأوزان المفتوحة علنًا على منصة Hugging Face، وأصدرت Zhipu جدول تقييماتٍ موازيًا لها. وبالتالي فإن «الفراغ التقييمي» كان حقيقيًّا فعلًا، لكنه كان نتيجة تزامن زمني للإطلاق لا يعكس حالة دائمة. ومن هذا الاستنتاج ينتج أمرين.
أولهما: الأرقام التي أبلغ عنها المُصنِّع. فوفق البطاقة الرسمية لـZhipu، حقق نموذج GLM 5.2 درجة 62.1 في اختبار SWE-bench Pro (مقارنةً بـ 58.4 لـ GLM 5.1 و58.6 لـ GPT-5.5، لكنه يقع خلف Claude Opus 4.8 الذي حقَّق 69.2) و Terminal-Bench 2.1 من 81.0 (مقابل ~63.5 لـ GLM 5.1، وخلف قليلاً Opus 4.8 بـ 85.0 و GPT-5.5 بـ 84.0). على مجموعة FrontierSWE طويلة الأفق، تُبلّغ Zhipu عن GLM 5.2 متأخر عن Opus 4.8 بحوالي نقطة واحدة. هذه أرقام من الشركات المُطورة وينبغي قراءتها على هذا النحو — اختيارات الصيغة الملائمة أمر طبيعي في الجداول من الطرف الأول.
ثانياً، والأهم من ذلك، قام المقيّمون المستقلون الآن بالمساهمة وأيدوا الصورة بشكل عام. Artificial Analysis حقق GLM 5.2 51 على مؤشر الذكاء v4.1 الخاص به، مما يجعله النموذج الأفضل ذو الأوزان المفتوحة، متقدماً على MiniMax-M3 (44)، DeepSeek V4 برو (44) وKimi كي2.6 (43). وفي ساحة البرمجة التي يصوت عليها المجتمع، يحتل نموذج GLM 5.2 (ماكس) المرتبة المرتبة الثانية في لوحة التصنيف الخاصة بتطوير واجهات المستخدم/الويب (Frontend/WebDev)، خلف Claude Fable 5 وبعيداً كثيراً عن النماذج المفتوحة الأخرى. تحذير حقيقي واحد تظهره البيانات المستقلة: GLM 5.2 يستهلك رموزاً إخراجية أكثر بكثير لكل مهمة من نظرائه (قاست Artificial Analysis ~43k لكل مهمة Intelligence Index، بارتفاع من ~26k لـ GLM 5.1)، مما يقلل من ميزة التكلفة على المهام الطويلة.
لذا فإن الصياغة الصريحة اليوم ليست «لا أرقام، لا تثقوا بشيء». بل هي: GLM 5.2 نموذج قوي مُتحقق منه ذو أوزان مفتوحة على لوحات الصدارة المستقلة للذكاء والترميز الواجهة، بينما يجب التحقق من درجات الترميز الإجرائية من الطرف الأول (SWE-bench Pro، Terminal-Bench) مقابل مقيّم محايد مثل LiveBench أو مستودعك الخاص قبل أن تتعامل مع أي عنوان «يتفوق على GPT-5.5» كمسألة محسومة. عدد من هذه العناوين مدعوم تقنياً على معايير محددة — GLM 5.2 يتفوق قليلاً على GPT-5.5 على SWE-bench Pro في جدول Zhipu — لكنه يخسر أمام Claude Opus 4.8 عبر معظم نفس المجموعة، لذا فإن الصياغة مهمة.
| السمة | GLM 5.2 (مؤكد) |
|---|---|
| إطلاق خطة الترميز | 13 يونيو 2026 |
| API والأوزان المفتوحة | 16 يونيو 2026 |
| إجمالي المعاملات | ~753B (MoE؛ بعض المتتبعات تذكر ~744B) |
| نشط لكل رمز | ~40B |
| نافذة السياق | 1,000,000 رمز (glm-5.2[1m]) |
| الحد الأقصى للإخراج | 131,072 رمز |
| أنماط التفكير | High, Max |
| الترخيص | MIT (أوزان مفتوحة) |
| معيار مستقل | Artificial Analysis Intelligence Index 51 (أفضل نموذج بأوزان مفتوحة) |
كيفية الوصول إلى GLM 5.2 عبر السحابة
أسرع طريق هي GLM Coding Plan، اشتراك يوجّه وكلاء الترميز عبر نقاط نهاية Zhipu المستضافة. تتراوح مستويات الإطلاق الترويجي حول $10/الشهر للإصدار Lite (حوالي 400 طلب/الأسبوع)، ~$30/الشهر للإصدار Pro (~2,000 طلب/الأسبوع)، و ~$80/الشهر للإصدار Max (~8,000 طلب/الأسبوع)، مع تسعير قائم على المقاعد للفريق. الأسعار (غير الترويجية) أعلى — بعض الموزعين يذكرون ما يقارب $18 / $72 / $160 — والحصص تتغير، لذا تأكد من الأرقام الحالية على Z.ai قبل الاشتراك.
إذا كنت تفضل الدفع لكل رمز، يُدرج API المستقل بحوالي $1.40 لكل مليون رمز إدخال و $4.40 لكل مليون رمز إخراج على نقطة النهاية الخاصة بـ Zhipu، مع تخزين مؤقت للطلب يخفض الإدخال المخزن مؤقتاً إلى حوالي $0.26 لكل مليون ويمكن أن يقلل التكلفة الفعلية بشكل كبير على السياق المتكرر. البوابات من الطرف الثالث مثل OpenRouter تعلن معدلات مماثلة (اختبرها Simon Willison هناك بنفس $1.40 / $4.40)، لذا تسوق الموزعين إذا كانت التكلفة العامل الحاسم.
الخطاف الذي يجعل GLM 5.2 مثيراً للاهتمام للسير العملي الحالية هو نقطة نهاية متوافقة مع Anthropic. يمكن إعادة توجيه الأدوات التي تتحدث بالفعل API Anthropic Messages إلى Zhipu بتعيين متغير البيئة، بدون تغييرات الكود المطلوبة:
| الإعداد | القيمة |
|---|---|
ANTHROPIC_BASE_URL |
https://api.z.ai/api/anthropic |
| النموذج (Claude Code، 1M) | glm-5.2[1m] |
| نقطة نهاية الترميز (Cline، إلخ.) | https://api.z.ai/api/coding/paas/v4 |
| انتظار المكالمة الطويلة | رفع API_TIMEOUT_MS (مثل 3,000,000) لتشغيل وضع الخطة |
هذا التبديل الوحيد هو السبب في أن GLM 5.2 تم شحنه مع دعم في اليوم الأول لـ Claude Code و Cline و OpenCode و Roo Code و Goose و Crush و OpenClaw و Kilo Code. إذا كنت تعيش في وكيل محلي المحطة، فإن شرحنا لـ OpenCode وكيفية تعامله مع خلفيات النموذج يغطي الأسلاك بمزيد من التفاصيل.
الواقع المادي للأجهزة اللازمة لتشغيل نموذج بحجم ~753 مليار معامل ذاتيًّا
ترخيص MIT هو الميزة البارزة، وهو حقيقي: الآن بعد أن تكون الأوزان عامة على Hugging Face، يمكنك تنزيل وضبط دقيق وستضيف GLM 5.2 ذاتياً بدون قيود الاستخدام أو الإقليمية. المشكلة هي أن «مفتوح» لا يعني «يعمل على جهاز الكمبيوتر المحمول الخاص بك». نموذج ~753B هو عبء عمل مركز البيانات.
بدقة FP8 (حوالي بايت واحد لكل معامل)، تحتاج الأوزان وحدها إلى حوالي 750GB من VRAM، وهذا في الممارسة العملية يعني حوالي 8x H200 (141GB لكل منها) أو 8x B200. انخفض إلى INT4 والبصمة تنخفض إلى حوالي 370GB، والتي تناسب حوالي 4x H200 — أو يمكنك نشرها عبر المزيد، بطاقات أقل ذاكرة مثل 8x H100، على حساب بعض الجودة. وهذه الأرقام قبل السياق: كومة KV بـ 1 مليون رمز تضيف حوالي 80GB أو أكثر في الأعلى، لذا فإن تكوين السياق بـ 1M واقعياً يريد فئة عقدة H200/B200. أدلة النشر المبلّغ عنها تضع صندوق 8x H200 واحد في الحي التقريبي لـ $10k/الشهر على تسعير البقعة، ويرتفع نحو $25k أو أكثر على سحابات GPU عند الطلب.
بالنسبة للأغلبية الساحقة من الفرق، تلك الرياضيات تقول استخدم API. يكون استضافة GLM 5.2 ذاتياً منطقياً فقط عندما تبرر استقامة البيانات أو العزل الهوائي أو الحجم المرتفع جداً المستدام العبء التشغيلي — ولاحظ أن API الاستضافة المريحة يعمل على بنية تحتية صينية، وهي اعتبارها الخاص لبعض المشترين. إذا كان هدفك الحقيقي هو نموذج يمكنك تشغيله على أجهزة تملكها فعلاً، فإن ~753B MoE هي الأداة الخاطئة، وإرشادنا إلى أفضل نماذج اللغة المحلية (LLMs) للبرمجة يشير إلى خيارات بحجم محطة عمل واحدة أو خادم GPU متواضع.
المزايا
- سياق بـ 1M رمز كبير حقاً وملائم جيداً للعمل الإجرائي الكامل للمستودع.
- ترخيص MIT متسامح مع أوزان مفتوحة كاملة، بدون علامة بحث فقط أو غير تجاري.
- بشكل مستقل أفضل نموذج بأوزان مفتوحة على Artificial Analysis Intelligence Index، و #2 على لوحة صدارة Frontend الخاصة بـ Code Arena.
- نقطة نهاية متوافقة مع Anthropic من الباب الأول تعني تكلفة هجرة قريبة من الصفر من عملاء Claude، وتسعير Coding Plan يقلل من واجهات برمجة التطبيقات للحدود المغلقة للمستخدمين الثقيلين.
تحفظات
- درجات الترميز الإجرائية من الطرف الأول (SWE-bench Pro، Terminal-Bench) مشغّلها من الشركة وتتأخر عن Claude Opus 4.8؛ تأكد مع المقيّمين المحايدين أو مهامك الخاصة.
- يستخدم رموزاً إخراجية ملحوظة أكثر لكل مهمة من نظرائه، مما يقلل من ميزة التكلفة على المهام الطويلة.
- يتطلب استضافة ذاتية أجهزة متعددة GPU لمركز البيانات، وليس مجموعات المستهلك أو prosumer؛ API المستضافة تعمل على بنية تحتية صينية.
- فقط مستويات High و Max؛ بدون وضع رخيص وسريع للمهام تافهة. التسعير والحصص لا تزال تستقر.
مقارنة GLM 5.2 مع GLM 5.1 ومع النماذج المفتوحة الأخرى
مقابل سابقتها الخاصة، GLM 5.2 بنفس الحجم تقريباً — تصف Zhipu أنها فئة المعاملات نفسها مثل GLM 5.1 (~753B مقابل ~754B) — بنفس تصميم MoE و ~40B معاملات نشطة. القفزة تكاد تكون بالكامل نافذة السياق وسقف الإخراج، بالإضافة إلى ارتفاع قابل للقياس في درجات المعايير.
| النموذج | إجمالي المعاملات | السياق | الحد الأقصى للإخراج | الترخيص | SWE-bench Pro (من الشركة) |
|---|---|---|---|---|---|
| GLM 5.2 | ~753B MoE | 1,000,000 | 131,072 | MIT | 62.1 |
| GLM 5.1 | ~754B MoE | ~200,000 | ~131K | MIT | 58.4 |
وفي سباق البرمجة الأوسع نطاقًا القائم على النماذج المفتوحة الوزن، يدخل نموذج GLM 5.2 الآن بوصفه المرشح الأبرز على عدة لوحات تقييم مستقلة، بدلًا من كونه مُقدِّمًا جديدًا لم يُختبر بعد. وتولِّد أحدث أجيال Kimi من مختبر Moonshot (Kimi K2) وجميع نماذج DeepSeek ومبرمجو Qwen ينشرون نتائجهم على اختبارَي SWE-bench والبرمجة الوكيلية (agentic-coding)، كما أن النموذج الرئيسي لـ Qwen يوفِّر أيضًا سياقًا بسعة مليون رمز — لكن في مؤشر الذكاء الاصطناعي التحليلي (Artificial Analysis Intelligence Index)، يتصدَّر GLM 5.2 (51) كلًّا من DeepSeek V4 برو (44) وKimi كي2.6 (43). ومع ذلك، فإن موقع النموذج في اللوحة القيادية لا يعادل بالضرورة مدى ملاءمته لمجموعة الشيفرات الخاصة بك، ففي حِزَم البرمجة الوكيلية الداخلية (first-party agentic suites)، لا يزال GLM 5.2 يتأخَّر خلف الحدود المغلقة (Claude Opus 4.8). ولتكوين فكرة عن كيفية تنافس المختبرات الصينية الأخرى، راجع تحليلنا المفصَّل لـ DeepSeek V4 مقابل Qwen 3، والنموذج الذي يتم شراؤه بشكل متكرر مقابله، نظرنا إلى Kimi K2.7 للبرمجة. كما وضعنا الاثنين وجهاً لوجه في GLM 5.2 مقابل Kimi K2.7 للبرمجة.
تحقق من هذه الأرقام في المصدر
تتغير المواصفات والأسعار دون إشعار. وهذه هي الصفحات الرسمية للمورِّدين لما ورد أعلاه:
الأسئلة الشائعة
هل GLM 5.2 مفتوح المصدر فعلاً؟
تم الإفراج عن الأوزان بموجب ترخيص MIT، وهي واحدة من أكثر التراخيص إذناً المتاحة وتسمح بالاستخدام التجاري والتعديل وإعادة التوزيع. أصبحت الأوزان عامة على Hugging Face (باسم zai-org/GLM-5.2 وبناء FP8) في 16 يونيو 2026. لاحظ أن «أوزان مفتوحة تحت MIT» لا تعني نفس الشيء تماماً لمشروع مفتوح المصدر تماماً ببيانات تدريب عامة؛ تحصل على النموذج، وليس الوصفة.
كم تكلف استخدام GLM 5.2؟
عبر API، توقع تقريباً 1.40 دولار لكل مليون token إدخال و 4.40 دولار لكل مليون token إخراج على نقطة نهاية Zhipu، مع أن التخزين المؤقت يخفض الإدخال المؤقت إلى حوالي 0.26 دولار لكل مليون. خطة GLM Coding الاشتراكية غالباً ما تكون أرخص للاستخدام المستمر، مع مستويات ترويجية تبدأ من حوالي 10 دولار/شهر لـ Lite وتصل إلى ~80 دولار/شهر لـ Max (تكون أسعار القائمة أعلى). موفرو الطرف الثالث مثل OpenRouter يسردون أسعار token متشابهة.
هل يمكنني تشغيل GLM 5.2 على وحدة معالجة الرسومات الخاصة بي؟
فقط إذا كانت «وحدة معالجة الرسومات الخاصة بي» تعني خادم متعدد وحدات معالجة الرسومات. تحتاج أوزان ~753B تقريباً 8x H200 بـ FP8، أو حوالي 4x H200 (أو بطاقات ذاكرة أقل) مع كمية INT4، والسياق 1M-token يضيف متطلبات KV-cache كبيرة في الأعلى. لا يمكن لوحدة معالجة رسومات مستهلك واحدة تشغيل هذا النموذج؛ لهذا تريد نموذجاً محلياً أصغر مبني بغرض محدد.
هل تعمل GLM 5.2 مع Claude Code؟
نعم. تعرض Zhipu نقطة نهاية متوافقة مع Anthropic، لذا تشير Claude Code إلى https://api.z.ai/api/anthropic، عين النموذج على glm-5.2[1m]، وقدم مفتاح Z.ai API. يُنصح برفع مهلة الطلب لعمليات التخطيط الطويلة. يعمل النهج نفسه مع Cline و OpenCode و OpenClaw و Goose و Roo Code و Crush و Kilo Code.
كيف يقارن نافذة السياق في GLM 5.2 مع GLM 5.1؟
أنها أكبر بخمس مرات: 1,000,000 token مقابل حوالي 200,000 في GLM 5.1. يبقى الإخراج الأقصى مرتفعاً أيضاً عند 131,072 token، والذي يجعل GLM 5.2 أنسب لاستيعاب قاعدة كود كاملة بالإضافة إلى نص طويل للعوامل في جلسة واحدة.
هل نشرت Zhipu معايير لـ GLM 5.2؟
لم تنشرها في إطلاق خطة البرمجة يوم 13 يونيو — فقد ركّز هذا الإطلاق على التوافر وخريطة طريق النماذج المفتوحة المصدر. لكن Zhipu نشرت جدول اختبارات شاملًا عند إصدار الأوزان في 16 يونيو، وتبعها مختبرات مستقلة: إذ يصنِّفها مؤشر الذكاء من Artificial Analysis كأفضل نموذج مفتوح المصدر من حيث الأوزان (51)، بينما تُصنِّفها منصة Code Arena في المرتبة الثانية في اختبارات البرمجة الأمامية. أما نتائج الاختبارات الوكيلية التي أجرتها الشركة المصنِّعة (مثل SWE-bench Pro 62.1 وTerminal-Bench 2.1 من أصل 81.0) فيجب التحقق منها دائمًا أمام تقييمات محايدة.
هل يتفوق GLM 5.2 على Kimi K2 أو DeepSeek في مجال البرمجة؟
نعم، فهو حاليًّا متقدِّم عليها من حيث الذكاء التراكمي المستقل: إذ يمنحه مؤشر Artificial Analysis درجة 51 مقابل درجات في أواخر الثلاثينيات وأوائل الأربعينيات لـ DeepSeek V4 Pro وKimi K2.6، وهو يتقدَّم عليهما أيضًا في لوحة التصنيف الأمامية في Code Arena. ومع ذلك، قد يضيق الفارق أو ينعكس تمامًا في أي مهمة برمجية وكيلية محددة، كما أن الثلاثة ينشرون نتائج مفصلة لاختبار SWE-bench، لذا فإن القرار المهم يجب أن يستند إلى اختبار مباشر على مستودعك الخاص بدلًا من الاعتماد على لوحة التصنيف وحدها.
الخلاصة
يُعَد GLM 5.2 إصدارًا حقيقيًّا ومهمًّا: فهو نموذج برمجي مُرخَّص بموجب رخصة MIT ويضم نحو 753 مليار معيار، مع نافذة سياق تبلغ مليون رمز، وواجهة برمجة تطبيقات متوافقة تمامًا مع أنظمة Anthropic، مما يسمح باستبداله بسهولة في أدوات مثل Claude Code أو Cline خلال ثوانٍ. أما بالنسبة للمستخدمين المكثفين للبرمجة الوكيلية الذين يحتاجون إلى نافذة سياق طويلة وترخيصٍ مرن، فإن قيمة هذا النموذج قوية جدًّا، كما أن أسعار خطة البرمجة تنافسية للغاية.
لقد انخفض الفارق في نتائج الاختبارات القياسية الذي هيمن على أول 72 ساعة من الإطلاق: فالجهات المستقلة تصنِّف الآن GLM 5.2 كأفضل نموذج مفتوح المصدر من حيث الذكاء التراكمي، وتقربه من القمة في اختبارات البرمجة الأمامية، وهي شهادة حقيقية. ومع ذلك، ينبغي الانتباه إلى تحذيرين مهمين: فالادعاءات الجذابة حول «تفوُّقه على GPT-5.5» تستند إلى اختبارات وكيلية أجرتها الشركة المصنِّعة، حيث لا يزال GLM 5.2 متأخرًا عن Claude Opus 4.8، كما أنه يستهلك عددًا كبيرًا من رموز الإخراج، لذا يجب التحقق من الجدوى الاقتصادية على حمولتك التشغيلية الخاصة. كما أن الواقع المتعلق بالعتاد يشير إلى نفس الاتجاه: فبالنسبة لمعظم المستخدمين، يُعد هذا النموذج واجهة برمجة تطبيقات سحابية للاختبار، وليس أوزانًا يمكن استضافتها ذاتيًّا. ومن الواضح أن إجراء تجربة جادة أمرٌ ضروريٌّ؛ أما قرار الانتقال الكامل إليه فيعتمد على أدائه في بيئة كودك الخاصة، وليس على موقعه في لوحة التصنيف.