Thursday, 24 September 2026 | التحديث اليومي نظرة ثاقبة للذكاء الاصطناعي، مكتوبة للبناة

مقارنة بين Qwen3 235B-A22B وGLM 5.2: المواصفات والأسعار وأيُّهما تختار (2026)

Qwen3 235B-A22B مقابل GLM 5.2 — النموذج الرئيسي المفتوح المصدر من شركة علي بابا في مواجهة نموذج شركة Zhipu. وفيما يلي المقارنة الكاملة جنبًا إلى جنب: المواصفات، وتكاليف واجهة برمجة التطبيقات (API)، وحجم نافذة السياق، والمتطلبات المادية المحلية، وتوصية واضحة ومبنية على البيانات بشأن النموذج الأنسب للاختيار.

المواصفاتQwen3 235B-A22BGLM 5.2
المطوّرعلي باباZhipu آي
النوعنموذج لغوي كبير (MoE)نموذج لغوي كبير (للبرمجة/الوكلاء، يعتمد على بنية MoE)
عدد المعايير (البارامترات)إجمالي 235 مليار معامل / 22 مليار معامل نشطة (MoE)744 مليار معلَّمة إجمالي / نحو 40 مليار نشطة (MoE)
نافذة السياق128 ألف رمزمليون
النمطنص → نصنص → نص
الترخيصرخصة Apache 2.0 (مفتوحة)ترخيص MIT (مفتوح المصدر)
أوزان مفتوحة المصدر✅ نعم✅ نعم
سعر الإدخال (بالدولار لكل مليون رمز)$0.45$1.4
سعر الإخراج (بالدولار لكل مليون رمز)$1.8$4.4
ذاكرة الفيديو (VRAM) بتنسيق 4 بت~140 جيجابايتنحو 370 جيجابايت
حد أدنى من وحدات معالجة الرسومات (GPU) للمعالجة المحليةتتطلب تشغيله على عدة وحدات معالجة رسومية (Multi-GPU) أو على حاسوب Mac بسعة 192 جيجابايت من الذاكرةخادوم متعدد وحدات معالجة رسومية (مثل: 5 × H100 بسعة 80 جيجابايت)
أُطلِقَ20252026-06

أبرز الاختلافات

  • التكلفة: Qwen3 235B-A22B هو أرخص بنسبة 173٪ من GLM 5.2 على أساس متوسط تكلفة الرمز.
  • السياق: يفوز نموذج GLM 5.2 من حيث حجم نافذة السياق (مليون رمز مقابل 128 ألف رمز) — ما يجعله أكثر كفاءة في معالجة المستندات الطويلة، وقواعد التعليمات البرمجية الكبيرة، والمدخلات الضخمة لأنظمة الاسترجاع المعزَّزة (RAG).
  • درجة الانفتاح: كلا النموذجين يمتلكان أوزانًا مفتوحة المصدر، وبالتالي يمكن استضافتهما محليًّا أو تخصيصهما حسب الحاجة. قارن احتياجاتهما من ذاكرة الفيديو (VRAM) أعلاه لمعرفة ما إذا كانت وحدة معالجة الرسومات لديك قادرة على تشغيل أحدهما.
  • تشغيل Qwen3 235B-A22B محليًّا: ~~140 جيجابايت عند دقة 4 بت (الحد الأدنى للاستخدام متعدد وحدات معالجة الرسومات أو ماك بسعة 192 جيجابايت).
  • تشغيل GLM 5.2 محليًّا: ~~370 جيجابايت عند دقة 4 بت (الحد الأدنى لخادم متعدد وحدات معالجة الرسومات، مثل 5 × H100 بسعة 80 جيجابايت).

أيُّها يجب أن تختار؟

اختر نموذج Qwen3 235B-A22B إذا كنت تبحث عن أقل تكلفة لكل رمز في مهام الحجم العالي.

اختر نموذج GLM 5.2 إذا كنت بحاجة إلى نافذة سياق أكبر.

→ قَدِّر التكاليف الفعلية في حاسبة تكلفة واجهة برمجة التطبيقات (API) · تحقق من الأجهزة المحلية في حاسبة الذاكرة VRAM · استعرض جميع أكثر من 30 نموذجًا.

جميع المواصفات والأسعار مستخلصة مباشرةً من قاعدة بيانات نماذج الذكاء الاصطناعي وتحديثها باستمرار. قارن أيًّا من النموذجين مع غيره من النماذج، أو قدِّر إنفاقك الشهري باستخدام حاسبات مجانية أعلاه.

بقلم مصطفى إحسان

مصطفى إحسان هو مؤسس ومُحرِّر موقع Convly.ai. وقد أنشأ قاعدة بيانات النماذج الحية للذكاء الاصطناعي الخاصة بالموقع، ومؤشر الأداء السعري الخاص به، بالإضافة إلى الحاسبات المجانية لحساب متطلبات الذاكرة VRAM، وتكاليف واجهة برمجة التطبيقات (API)، والاقتصاديات المرتبطة بالاستضافة الذاتية. ويكتب مصطفى عن أسعار النماذج، ونتائج الاختبارات المعيارية، والأجهزة اللازمة لتشغيل نماذج الذكاء الاصطناعي محليًّا، ويعطي دائمًا الأولوية للأرقام المُقاسة بدقة على الادعاءات التي تطلقها الشركات المصنِّعة.

انتقل إلى الأعلى