نموذج GLM-5.2 من Z.ai يقلص الفجوة مع OpenAI و Anthropic

أطلقت Z.ai، الذي وصفته بأنه نموذج لغوي كبير مفتوح المصدر (LLM). ويُقال إنه يتفوق على نماذج LLM مفتوحة المصدر الأخرى في مجال التحليل الاصطناعي، حيث يحتل مرتبة ضمن أفضل ثلاثة نماذج LLM في العالم. وهذا يعني أن GLM-5.2 قريب جدًا من أحدث نماذج LLM التي طورتها شركتا Anthropic وOpenAI.

قد يؤثر هذا الإصدار بشكل كبير على المشهد التنافسي في سوق الذكاء الاصطناعي. قبل إصداره، كانت نماذج التعلم الآلي ذات الأوزان المفتوحة متأخرة كثيراً عن نظيراتها ذات الأوزان المغلقة في جميع الاختباراتdent تقريباً. تشير نتائج اختبار GLM-5.2 إلى تضييق هذه الفجوة، مما يترتب عليه آثار مهمة على استخدام المؤسسات، والتسعير، ونماذج أعمال مختبرات الأوزان المغلقة.

ماذا تقول نتائج المقارنة المعيارية عن GLM 5.2؟

وفقًاdent لشركة التقييم المستقلة Vals AIGLM-5.2 أفضل أداء بين الآخرين في خمسة معايير مختلفة: مؤشر Vals، ومعيار Harvey's Legal Agent، ومعيار Finance Agent v2، ومعيار ProofBench، ومعيار Vibe Code.

أفادت شركة Vals AI بأن نموذج GLM-5.2 هو أول نموذج مفتوح الوزن يتجاوز نسبة 30% في منصة ProofBench، متفوقًا بذلك على النموذج صاحب المركز الثاني بفارق 11 نقطة مئوية. علاوة على ذلك، لم يتأخر سوى بنقطة مئوية واحدة عن نموذج Claude Opus 4.5 من شركة Anthropic، مما يضعه في مكانة استثنائية قريبة من الأداء المتميز للنماذج الخاصة.

نقدم لكم GLM-5.2: ذكاء متطور، أوزان مفتوحة

– تحسينات ملحوظة في البرمجة والمهام الآلية
–tronقدرات قوية طويلة المدى مع نافذة سياقية تبلغ مليون
مستويان من جهد الاستدلال: GLM-5.2 (الحد الأقصى) يدفع الحدود، بينما GLM-5.2 (العالي) يُظهر قوةtron… pic.twitter.com/SjGPSVhePJ

– ز.اي (@Zai_org) 16 يونيو 2026

بحسب التحليل الاصطناعي، يُعدّ نموذج GLM-5.2 أفضل نموذج مفتوح الوزن حاليًا، حيث حقق مؤشر ذكاء بلغ 51، مقارنةً بـ 40 لنموذج GLM-5.1. أما النماذج الأخرى، بما في ذلك MiniMax-M3 وDeepSeek V4 Pro، فقد حصلت على 44، بينما حصل Kimi K2.6 على 43.

حقق GLM-5.2 نسبة 78% في اختبار TerminalBench v2.1 (متفوقًا بـ 16 نقطة على GLM-5.1)، و50% في اختبار SciCode، و71% في اختبار AA-LCR، و89% في اختبار GPQA Diamond. وفي اختبار GDPval-AA v2 المعياري طويل المدى، سجل GLM-5.2 درجة Elo بلغت 1524، متفوقًا بذلك على درجة 1514 التي حققها GPT-5.5.

مع ذلك، ورغم الأداء المذهل الذي أظهره نموذج GLM 5.2، يشير الخبراء إلى أن فهم نتائج الاختبارات المعيارية يزداد تعقيدًا. فعلى سبيل المثال، تُقلل النماذج المُجمّعة، مثل الذكاء الاصطناعي، من تأثير التحيز المرتبط بالاختبارات الفردية، لكنها تزيد من تأثير نظام الترجيح المُستخدم، والتغيرات في البيانات، وتغيير مجموعات التقييم. ولا تزال تأثيرات تلوث المعايير ونتائج التحسين من الشواغل الرئيسية في اختبارات الذكاء الاصطناعي الرائدة.

ما هي مكونات بنية GLM-5.2؟

بحسب شركة Z.ai، يُعدّ نموذج GLM-5.2 أقوى نموذج تُقدّمه الشركة لمهام الاستدلال طويل الأمد والبرمجة الآلية. يوفر هذا النموذج نافذة سياقية تتألف من مليون رمز، مقارنةً بـ 200 ألف رمز في نموذج GLM-5.1.

يحتوي GLM-5.2 على بنية مزيج من الخبراء ويتكون من حوالي 750 مليار معلمة إجمالية و 40 مليار معلمة نشطة، وهو مُحسَّن لعمليات الاستدلال والبرمجة متعددة الخطوات.

يستخدم GLM-5.2 شكلين من أشكال الاستدلال: إعداد عالي الجهد للمهام المعقدة ووضع منخفض التكلفة مصمم لتحقيق الكفاءة والتحكم في زمن الاستجابة.

بحسب التحليل الاصطناعي، يتمتع نموذج GLM-5.2 بقدرة إنتاجية تصل إلى 43,000 رمز إخراج لكل عملية تقييم، مقارنةً بـ 26,000 رمز لنموذج GLM-5.1. ورغم أن هذا يُحسّن مؤشرات الأداء، إلا أنه قد يزيد من تكاليف الحوسبة عمليًا.

مدونة Z.ai إلى التحسينات في وكلاء البرمجة، وعملية تصحيح الأخطاء، والبحث الآلي، ومعالجة المستندات، وإنشاء النماذج الطويلة، مما يجعل النموذج مثالياً للمهام المستمرة والمتعددة الخطوات بدلاً من المطالبات المعزولة.

سياق السوق واحتكاكات النظام البيئي

يأتي إطلاق GLM-5.2 في خضم نقاشٍ محتدم حول مدى تقارب أنظمة الأوزان المفتوحة مع النماذج الاحتكارية الرائدة. وقد احتلت شركات الذكاء الاصطناعي الصينية مراكز متقدمة في تصنيفات النماذج المفتوحة، وأصبح GLM-5.2 عنصراً أساسياً في هذه العملية.

أصبح هذا النقاش علنياً من خلال تعليقات إيلون ماسك وجي تانغ (مؤسس شركة Z.ai) حول موعد وصول النماذج الصينية إلى مستوى النماذج الرائدة. ردّ ماسك قائلاً: "ربما في الربع الأول من العام المقبل".

رفض تانغ ذلكقائلاً: "لن يستغرق الأمر كل هذا الوقت".

ربما الربع الأول

— إيلون ماسك (@elonmusk) 18 يونيو 2026

على الرغم من أن المعايير قد تُظهر تقاربًا سريعًا، إلا أن ردود الفعل المبكرة من الممارسين تكشف عن اختلافات في الأداء في العالم الحقيقي.

أعرب مهندس الذكاء الاصطناعي Da7_Tech عن مخاوفه ليس بشأن النموذج نفسه، بل بشأن البنية التحتية وشفافية استهلاك نظام Z.ai ، قائلاً إنه "يتعارض مع كل ما يتوقعه الناس من قيم نماذج المصادر المفتوحة".

قام بتجربة تطبيق Zcode، Z.aiتم تطويره باستخدام نماذج GLM، ضمن خطة Pro التي تدعي أنها "15 ضعف Claude Code". في جلسة مهمة واحدة، ذكر أن الاستخدام قد نفد في أقل من ساعة - مما أدى فعليًا إلى استهلاك الساعات الخمس المسموح بها للمهمة بأكملها.

وادّعى أيضًا وجود تباين بين الاستخدام الذي يُظهره التطبيق والمبلغ الفعلي المُفوتر. إذ يُفترض أن التطبيق أظهر أقل من مليوني رمز، بينما فُوتر حسابه بما يقارب 60 مليون رمز، وذلك وفقًا للحدود اليومية والأسبوعية. ويُشير هذا إلى أنه تم احتساب رموز مُخزّنة ووسيطة ضمن الاستخدام بدلًا من الحساب الفعلي. وذكر لاحقًا أن شركة Z.ai حذفت خاصية عدّ الرموز من "وضع الهدف" وعدّلت أوصاف خطة Pro الخاصة بها.

إضافةً إلى ذلك، قارن مطور الذكاء الاصطناعي مايكل غو بين GLM-5.2 وGPT-5.5 متوسط ​​الأداء أثناء محاولته تصحيح مشكلة في برنامجه البرمجي "تريبي" المبني على منصة OpenClaw. إليكم ما خلص إليه:

"على الأقل في حالة الاختبار التي أجريتها، لم يكن أداؤه بنفس كفاءة GPT-5.5 متوسطة الأداء. لم يكن حتى قريبًا من ذلك."

وجد GPT-5.5 medium المشكلة المتعلقة بإجابات الوكيل المتكررة بسرعة كبيرة، بينما لم يتمكن GLM-5.2 من العثور عليها.

باختصار، أشار إلى أنه على الرغم من أن نتائج الاختبارات المعيارية قد تشير إلى أداء جيد، إلا أن أعمال تصحيح الأخطاء الفعلية قد تكشف عن تناقضات تغيب عن النتائج المجمعة.

تضييق الفجوة ولكن مع اختلاف واقع التطبيق

تثبت نتائج الاختبارات المعيارية أن GLM-5.2 هي واحدة من أفضل بنى الأوزان المفتوحة المتاحة حاليًا، وأحيانًا تكون أفضل من البنى الاحتكارية الأخرى.

ومع ذلك، يبدو أن التقييمات المتعلقة بأداء النظام وكفاءته وشفافيته تختلف باختلاف حالات الاستخدام والتكامل مع الأنظمة الأخرى.

وبالتالي، هناك جانبان للمسألة: GLM-5.2 هي خطوة مهمة إلى الأمام في تطوير مجال بنية الوزن المفتوح، ولكن تطبيقها سيتطلب نفس القدر من الجهد فيما يتعلق بجاهزية البنية التحتية وجودة المنتج مثل نتائج القياس المعياري.

في الوقت الحالي، يمثل GLM-5.2 خطوة مهمة نحو تضييق الفجوة بين أنظمة الذكاء الاصطناعي المفتوحة والمغلقة - على الرغم من أنه ليس تقاربًا حاسمًا بعد.