بطاقة عنوان مُنشأة لـ Claude Opus 5.5 مقابل GLM-5.4، مع ثلاث شرائح نصية تقول 'GLM-5.4: لا يوجد نموذج بهذا الاسم'، و'GLM-5.3 أوزان مفتوحة، 18 أغسطس 2026' و'Opus 5.5 الإتاحة العامة 22 سبتمبر 2026'، وتذييل يذكر أنه جرى التحقق من وثائق Z.ai وHugging Face في 19 نوفمبر 2026. شعار OrcaRouter في أسفل اليمين.
Guides & Insights

كلود أوبوس 5.5 مقابل GLM-5.4: الرمز الرخيص ليس المهمة الرخيصة

الكاتب

jinhao.song

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

أغلى خطأ في اختيار النموذج هو مقارنة قوائم الأسعار بدلاً من المهام المنجزة. يكلّف Claude Opus 5.5 أربعة دولارات لكل مليون رمز إدخال و20 دولارًا لكل مليون رمز إخراج. أما GLM-5.3 — النموذج الذي تطرحه Z.ai فعلاً، والذي يبحث عنه كل من يكتب «GLM-5.4» — فيكلّف 1.40 دولار و4.40 دولار. على بطاقة السعر، يبلغ سعر النموذج الصيني مفتوح الأوزان نحو خُمس السعر. أما بحسب قياس Artificial Analysis نفسه لتكلفة إنجاز المهمة، فإن الفجوة تنكمش إلى 2×. هذا الانكماش، وليس قائمة الأسعار، هو خلاصة هذه المقارنة.

أولًا، الاسم. لا وجود لـ GLM-5.4. يسرد فهرس توثيق Z.ai كلاً من GLM-5.3 وGLM-5.3-Flash بوصفهما نموذجَي النصوص الحاليين، ولا تضم منظمة المختبر على Hugging Face أي مستودع يحوي "5.4"، كما لا يُرجع بحثٌ نصيّ كامل في Hub يوم 19 نوفمبر أي نتيجة. إن الرقم مصطلح بحث، وليس إصدارًا. صدر GLM-5.3 في أغسطس 2026 — في 18 أغسطس وفق تاريخ الإصدار لدى Artificial Analysis، مع توفر الأوزان على Hub اعتبارًا من 25 أغسطس — وهو النموذج الذي تتعلق به كل الادعاءات أدناه.

ما هو GLM-5.3، وكم تبلغ تكلفته

GLM-5.3 هو النموذج النصي الرائد مفتوح الأوزان من Z.ai. يستخدم النموذج الأساسي نفسه الذي يستخدمه GLM-5.2، مع كل تحسين ناتج عن التدريب اللاحق، ولهذا بقيت الرخصة والمعمارية دون تغيير، ولهذا تتركز التحسينات في مكانين بالضبط: البرمجة المعقدة والعمل الوكيلي طويل الأمد. لديه سياق من 1M رمز، وحد أقصى للإخراج 128K، وإدخال نصي فقط، واستدلال لا يمكن إيقاف تشغيله — ثلاثة مستويات للجهد، منخفض، مرتفع وأقصى، والافتراضي هو أقصى.

Headless capture of Z.ai's developer documentation page for GLM-5.3, showing the model overview, the note that it uses the same base model as GLM-5.2 with all gains from post-training, and the feature section stating a 1M-token context window and 128K maximum output.

• السعر — Claude Opus 5.5: 4.00 دولارات للإدخال / 20.00 دولارًا للإخراج / 0.20 دولار لقراءة التخزين المؤقت، مقابل GLM-5.3: 1.40 / 4.40.

• الأوزان — واجهة برمجية مغلقة فقط مقابل إصدار مفتوح بنمط Apache على Hugging Face، قابل للتنزيل والاستضافة الذاتية.

• السياق — مليون توكن لكلٍّ منهما، والحد الأقصى للمخرجات 128 ألفًا لكلٍّ منهما.

• التحكم في مستوى الجهد — يشغّل Opus 5.5 تفكيرًا تكيفيًا لا يمكن تعطيله، والوضع الافتراضي medium مقابل GLM-5.3 الذي يظل استدلاله مفعّلًا دائمًا، والافتراضي max.

• مؤشر الذكاء — 59.1 مقابل 31.7 في المراجعة v5.0.1، بفارق 27.4 نقطة.

• تكلفة كل مهمة Index — 10.04 دولار مقابل 5.01 دولار، أي بفارق 2×، وليس 4.5× كما يوحي السعر المعلن.

• الوسائط — إدخال النص والصورة مقابل النص فقط.

لماذا تتحول ميزة سعرية قدرها 4.5× إلى ميزة تكلفة قدرها 2×

شغّلت Artificial Analysis كلا النموذجين عبر مجموعة Index نفسها وأحصت عدد التوكنات التي استهلكها كل منهما. أنتج Claude Opus 5.5 ما مقداره 218M توكن إخراج عبر المجموعة. وأنتج GLM-5.3 ما مقداره 135M. هذا ليس الاتجاه الذي يتوقعه معظم الناس — فالنموذج الأغلى هو الأكثر إسهابًا هنا — لكن النسبة المهمة هي مقابل السعر، ولا يقترب تفوق GLM-5.3 البالغ 1.6× في عدد التوكنات من تعويض تفوقه البالغ 4.5× لكل توكن في الاتجاه المعاكس.

Generated two-column scoreboard titled 'Claude Opus 5.5 vs GLM-5.3 - the scoreboard'. Left column Claude Opus 5.5 rows: Intelligence Index 59.1, cost per task $10.04, Terminal-Bench 4.0 59.6%, FrontierCode 2.0 46.4%, weights closed, price $4 / $20. Right column GLM-5.3 rows: Intelligence Index 31.7, cost per task $5.01, Terminal-Bench 4.0 41.9%, FrontierCode 2.0 21.6%, weights Apache open, price $1.40 / $4.40. Footer: both per Artificial Analysis index v5.0.1, GLM-5.4 does not exist. OrcaRouter logo bottom-right.

أجرِ الحساب بالطريقة التي تجريها الميزانية. في مهمة يستهلك فيها كلا النموذجين العدد نفسه من الرموز، يكون GLM-5.3 أرخص بمقدار 4.5×. عمليًا، يستهلك GLM-5.3 نحو 0.62 رمز مقابل كل رمز واحد يستهلكه Opus 5.5، لذا تقترب النسبة الفعلية من 2.8× قبل احتساب رموز الإدخال، والرقم المقاس لكل مهمة البالغ 5.01 دولار مقابل 10.04 دولار يضعه عند 2×. لا يزال هذا توفيرًا حقيقيًا — نحو النصف تقريبًا — لكن النصف قرار مختلف عن الخُمس. أي فريق اعتمد في ميزانيته على السعر المعلن ثم حصل على فاتورة مضاعفة سيكون قد بنى دراسة جدوى خاطئة.

هناك تأثير من الدرجة الثانية يستحق الإشارة إليه لأنه أوقع أكثر من فريق في الخطأ: القيم الافتراضية للاستدلال في GLM-5.3 هي max. أي عملية ترحيل تكتفي باستبدال معرّف النموذج وتترك الإعداد الافتراضي للاستدلال دون تغيير تحصل على أغلى تهيئة للنموذج وأبطئها، وهو بالضبط مصدر الإسهاب. وتنص ملاحظة الترحيل الخاصة بـ Z.ai صراحةً على أن تعطيل الاستدلال لم يعد مدعومًا وأنه يجب ضبط low عن قصد.

فجوة القدرات حقيقية، وهي ليست موحّدة.

فجوة مؤشر قدرها 27 نقطة تبدو مانعة، وبالنسبة للعمل المعرفي العام تكاد تكون كذلك فعلاً. لكن أرقام كل اختبار معياري على حدة تفصل بين النموذجين وفق خط أهم من الدرجة المركبة. جميع الأرقام أدناه من Artificial Analysis، وبنفس أداة الاختبار، وكلا النموذجين عند أعلى إعداد جهد لهما.

• Terminal-Bench 4.0 — 59.6% مقابل 41.9%. فجوة قدرها 18 نقطة في العمل الطرفي القائم على الوكلاء.

• FrontierCode-AA 2.0 — 46.4% مقابل 21.6%. يتجاوز Opus 5.5 أكثر من ضعف GLM-5.3.

• Terminal-Bench-Science 0.1 — 59.0% مقابل 9.5%. أكبر فجوة على لوحة الصدارة، وهزيمة ساحقة.

• HLE-Diamond — 67.9% مقابل 17.9%.

• AA-Omniscience — 48.1 بدقة 65.5% مقابل 6.0 بدقة 32.3%.

• GDPval-AA v2.1 — 1866 Elo مقابل 1655، وهو أضيق فارق في المجموعة عند 211 نقطة.

• ITBench-SRE — 38.2% مقابل 46.1%، وهي إحدى المواضع القليلة التي يتفوق فيها GLM-5.3.

• LCR (الاستدلال بالسياق الطويل) — 84.7% مقابل 79.7%.

النمط هو أن GLM-5.3 يصمد في الاستدلال بالسياق الطويل وفي مهام موثوقية المواقع، وينهار في العمل الطرفي المكثّف علميًا وفي استرجاع المعرفة. إذا كان عبء عملك هو تحليل المستندات عبر سياق طويل، فإن الدرجة المركّبة البالغة 27 نقطة تبالغ في تقدير الفارق. وإذا كان البرمجة الوكيلية على مستودعات غير مألوفة — وهو ما يسوّق له كلا المورّدين — فإن الدرجة المركّبة تقلّل من تقديره.

جدول المورّد الذي تنشره Z.ai يقارن Opus 4.8، وليس Opus 5.5

من المفيد معرفة ذلك قبل أن تثق بأي رقم يقارن بين GLM وClaude تجده في مخطط ما. تحتوي بطاقة طراز GLM-5.3 من Z.ai على جدول معايير يتضمن عمودًا بعنوان "Opus 4.8" وعمودًا بعنوان "Fable 5 (w/ fallback)". ولا يظهر فيه Claude Opus 5.5، الذي صدر بعد خمسة أسابيع من GLM-5.3. وهذا ليس خداعًا — فقد بُني الجدول عندما طُرح 5.3 ولم يكن Opus 5.5 قد وُجد بعد — لكنه يعني أن المقارنة التي يبحث عنها معظم الناس لم تنشرها أي من الشركتين قط، وأن الأرقام الوحيدة المتاحة من بيئة الاختبار نفسها هي الأرقام المستقلة أعلاه.

تحمل أرقام Z.ai الخاصة بها ادعاءً واحدًا يستحق الأخذ بجدية، لأنه يشير إلى القوة الحقيقية للنموذج مفتوح الأوزان: على CyberGym، معيارها لاكتشاف الثغرات، يسجّل GLM-5.3 نسبة 84.5 مقابل 78.1 لـ Opus 4.8. وتصف البطاقة هذه الزيادة بأنها "ناشئة" — إذ توسّعت قدرة الأمن السيبراني أسرع مما توقعه الفريق مع توسّع التدريب اللاحق — كما تتضاعف معايير الاستغلال أكثر من الضعف مقارنةً بـ GLM-5.2. نشرت Anthrop​ic تحليلًا لقدرات GLM-5.3 السيبرانية في 29 سبتمبر، وهو أمر لا تفعله الجهات المصنّعة عادةً بشأن إصدار مفتوح الأوزان لمنافس. إذا كان عملك يتعلق بأدوات الأمن الدفاعي، فهذا هو المحور الوحيد الذي يتقدم فيه النموذج المفتوح فعلاً، وهو أيضًا المحور الذي تهم فيه الأوزان المفتوحة أكثر من غيره: يمكنك تشغيل المصنّف على بنيتك التحتية بدلًا من إرسال مطالبات قريبة من الاستغلال إلى واجهة API لشخص آخر.

حيث تغيّر الأوزان المفتوحة القرار فعليًا

كل ما سبق مقارنة بين القدرات والتكلفة، وفي كلتا الناحيتين يتفوق Claude Opus 5.5 في معظم الأعمال. أما سبب استمرار نشر GLM-5.3 فلا يتعلق بأي منهما: بل بأن نموذجًا من عائلة 5.3 يُنزَّل ويعمل خلف بوابتك الخاصة، ولا يغادر شبكتك أبدًا.

ثلاثة مواقف ملموسة يتفوق فيها ذلك على 27 نقطة مؤشر. بيانات خاضعة للتنظيم لا يمكنها عبور حدود الولاية القضائية، حيث يكون الخيار إما GLM-5.3 أو لا شيء. تصنيف عالي الحجم يتفوق فيه ضبط دقيق للنموذج الأساسي بمعاملات 300M على النموذج العام في تصنيفاتك بجزء يسير من تكلفة كل استدعاء. وأدوات مرتبطة بالأمن السيبراني، حيث تشير ميزة المعيار ومتطلب الاستضافة الذاتية في الاتجاه نفسه.

أما بالنسبة إلى كل ما تبقى، فالتوصية الصادقة هي إبقاء قرار التوجيه منخفض التكلفة. فكلا الطرازين متاحان على مفتاح OrcaRouter واحد — anthropic/claude-opus-5.5 وz-ai/glm-5.3 — دون أي هامش ربح يُضاف إلى سعر القائمة لدى المزوّد، وهذا أمر يهمّ جانب Z.ai أكثر مما يهمّ جانب Anthropic لأن Z.ai أعادت تسعير هذه السلسلة مرتين في 2026. وجّه دفعات العمل الكثيفة منخفضة المخاطر إلى GLM-5.3 وحلقة التخطيط إلى Opus 5.5، ودع تجاوز الفشل يغطي الحالة التي يمرّ فيها مزوّد الطبقة الرخيصة بأمسية سيئة. تجعل لغة التوجيه DSL من ذلك تغييرًا في الإعدادات بدلًا من تكاملين، والرقم المدمج لكل مهمة هو ما ينبغي وضعه في الميزانية بدلًا من أيٍّ من السعرين المعلنين.

Headless capture of OrcaRouter's model page for z-ai/glm-5.3, showing the model name and its sections for code samples, pricing, performance and public benchmarks.

الإجابة، بعد أن استقر الاسم.

كلود أوبوس 5.5 هو النموذج الأفضل للبرمجة الوكيلية، والعمل الطرفي المكثّف علميًا، وأي مهمة يكون فيها الاسترجاع مهمًا. وهو يكلّف نحو ضعف ما يكلّفه GLM-5.3 لكل مهمة منجزة، لا أربعة أضعاف ونصف، ويستحق هذا الفارق في أعباء العمل التي يعلنها كلا المورّدين.

يكون GLM-5.3 هو الخيار الصحيح عندما يجب أن تكون الأوزان ملكك، أو عندما يكون عبء العمل هو الاستدلال على السياقات الطويلة أو الفرز أثناء المناوبة، أو عندما تكون المهمة هي الدفاع السيبراني. فهو نموذج مفتوح حقيقي قريب من حدود الطليعة بسعر منخفض فعلًا، وأكبر نقطة ضعف فيه — العمل العلمي الطرفي بنسبة 9.5% — ضيّقة بما يكفي بحيث يخبرك تقييم مخصص لعبء العمل في غضون فترة قصيرة من بعد الظهر ما إذا كان ذلك يهمك أم لا.

GLM-5.4، النموذج المذكور في العنوان، ليس جزءًا من القرار. فهو مجرد رقم إصدار لا يقف خلفه أي إصدار فعلي، وإذا أطلقت Z.ai هذا النموذج، فستكون الحسابات المذكورة أعلاه هي ما سيتعين عليه تجاوزه.

مقارنات في هذه المقالة3

مستخرج من هذه المقالة · المعايير: Artificial Analysis · يُحدَّث يوميًا