بطاقة عنوان مُولّدة تقرأ «Qwen 4 vs GLM-5.5: النموذج مفتوح الأوزان هو الأغلى»، مع عنوان فرعي «أحدث إصدار من GLM يقدّمه Z.ai فعليًا هو GLM-5.3، بواقع 15.8 سنتًا لكل نقطة مؤشر مقابل 7.6 لـ Qwen4-Max». ثلاثة صفوف مرقّمة تقرأ «درجة المؤشر 42.9 مقابل 31.7، Artificial Analysis v5.0.1»، و«التكلفة لكل مهمة مؤشر مكتملة 3.27 دولار مقابل 5.01 دولار» و«الأوزان منشورة لـ GLM-5.3، ولا شيء لـ Qwen4-Max». تذييل يقرأ «الدرجات والتكلفة لكل مهمة وفق Artificial Analysis Intelligence Index v5.0.1؛ الأسعار وفق بطاقة الأسعار المنشورة لكل بائع.» تصميم متجهي مسطح على أبيض بلمسات زرقاء وسماوية، وعلامة OrcaRouter مركّبة في أسفل اليمين.
Guides & Insights

Qwen 4 مقابل GLM-5.5: النموذج المفتوح الأوزان هو الخيار المكلف

الكاتب

jinhao.song

تاريخ النشر

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

الحدس السائد حول الأوزان المفتوحة هو أنها الخيار الرخيص. لكنها في هذه المقارنة ليست كذلك. GLM-5.3، أحدث G​LM تقدمه Z.ai فعليًا، يكلّف 5.01 دولارات لتشغيل حزمة مؤشرات Artificial Analysis ويسجل 31.7 عليها — أي 15.8 سنتًا لكل نقطة مؤشر. Qwen4-Max يكلّف 3.27 دولارات مقابل 42.9 نقطة — أي 7.6 سنتات لكل نقطة. النموذج الاحتكاري أكثر من ضعف كفاءة النموذج الآخر لكل وحدة من القدرة المقاسة، وهو النموذج الذي لا يمكنك تنزيله. في هذه الأثناء GLM-5.5، النموذج المذكور في عنوان هذا المقال، غير موجود: ففهرس التوثيق وصفحة التسعير لدى Z.ai يتوقفان عند GLM-5.3، ومسارات توثيق 5.4 و5.5 تُرجع «غير موجود». وعليه، فإن ما يلي مقارنة مع G​LM الذي يُشحن فعليًا، مع التعامل مع رقم الإصدار المفقود بوصفه رقم إصدار مفقودًا، لا ورقة مواصفات يُختلق محتواها.

أولاً، البطاقة الموجودة

صدر GLM-5.3 في 18 أغسطس 2026 بموجب ترخيص GLM-5.3، مع نشر أوزانه وإدخال نصي فقط. وتحوّل Qwen4-Max إلى التسعير حسب الاستخدام في 16 نوفمبر 2026، وهو احتكاري، مع إدخال الصور وAlibaba Cloud مضيفًا وحيدًا له. يفصل بينهما تسعون يومًا في تاريخ الإصدار، ويقعان على طرفين متقابلين من خط المغلق/المفتوح، وهو المحور الذي يتناوله هذا المقال فعليًا.

• السعر لكل مليون — GLM-5.3: $1.40 إدخال / $4.40 إخراج؛ Qwen4-Max: $1.50 / $4.50 في سنغافورة، و$1.413 / $4.24 في أماكن أخرى. من حيث أسعار الرموز، تُعد Z.ai البطاقة الأرخص بنسبة 7% و2%.

• المُدخل المُخزَّن مؤقتًا — GLM-5.3 بسعر 0.26 دولار لكل مليون عند القراءة؛ وQwen4-Max بسعر 0.075 دولار، مع كتابة التخزين المؤقت بسعر 1.875 دولار لمدة خمس دقائق و3.00 دولارات لمدة ساعة. وقراءة التخزين المؤقت لدى Qwen أرخص بمقدار 3.5×، ولهذا السبب تشير نتيجة كل مهمة على حدة ونتيجة كل رمز على حدة إلى اتجاهين مختلفين.

• سياق المُعالجة — 1,000,000 رمز في كليهما. يحدّ GLM-5.3 من الإخراج عند 128,000؛ بينما يتيح Qwen4-Max ما مقداره 131,072 دون تفكير، أو 262,144 موزّعة بين الاستدلال والإجابة.

• الأوزان — GLM-5.3 منشورة، بموجب ترخيصها الخاص؛ Qwen4-Max لا شيء، استضافة من بائع واحد. هذا هو الفرق كله، وكل ما يلي ينبع منه.

• الوسائط — يستقبل Qwen4-Max النصوص والصور؛ بينما GLM-5.3 نصّي إدخالًا وإخراجًا. إذا كانت خطوة المعالجة لديك تتغذّى على لقطات الشاشة أو ملفات PDF، فإن المقارنة تنتهي هنا.

• التحكم في الاستدلال — يعمل GLM-5.3 مع تفعيل الاستدلال دائمًا، وبمستويات جهد low وhigh وmax، مع افتراضي max؛ بينما يتيح Qwen4-Max المستويات low وhigh وxhigh، مع افتراضي high.

• نسب التدريب — تصف Z.ai نموذج GLM-5.3 بأنه النموذج الأساسي نفسه الخاص بـ GLM-5.2، جرى تحسينه عبر التدريب اللاحق بدلاً من تدريب مسبق جديد. وهذا أمر يجدر معرفته عند مقارنة درجاته بنموذج ذي بنية جديدة.

A generated two-column scoreboard titled 'Qwen4-Max vs GLM-5.3 - the scoreboard'. The Qwen4-Max column reads index score 42.9, cost per index task $3.27, cents per index point 7.6, input per million $1.50, output per million $4.50, hallucination rate 28.4%. The GLM-5.3 column reads index score 31.7, cost per index task $5.01, cents per index point 15.8, input per million $1.40, output per million $4.40, hallucination rate 38.9%. A footer reads 'Scores and per-task cost per Artificial Analysis Intelligence Index v5.0.1; prices per each vendor's published rate card.' The OrcaRouter mark is composited bottom right.

سبعة سنتات مقابل ستة عشر، موضّحًا

فجوة التكلفة لكل نقطة ليست من آثار التسعير. إذ تتوزع تكلفة GLM-5.3 البالغة $5.01 لكل مهمة إلى $4.49 من المدخلات و$0.52 من المخرجات — أي 90% مدخلات، و$4.13 من تلك المدخلات عبارة عن قراءات من ذاكرة التخزين المؤقت. أما تكلفة Qwen4-Max البالغة $3.27 فهي $2.80 مدخلات و$0.47 مخرجات، مع $1.12 من قراءات ذاكرة التخزين المؤقت و$1.67 من كتابات ذاكرة التخزين المؤقت. لذا، ينفق النموذجان تقريبًا لا شيء على الرموز التي يولّدانها، وينفقان كل شيء تقريبًا على إعادة قراءة السياق.

الفرق يكمن في مقدار السياق الذي يستهلكه كل منهما للوصول إلى إجابة. يقرأ GLM-5.3 نحو 10.3 مليارات رمز إدخال عبر مجموعة الاختبارات ويُصدر 135 مليون رمز إخراج؛ بينما يقرأ Qwen4-Max نحو 9.9 مليارات ويُصدر 127 مليونًا. الحجم شبه متطابق. لذا فإن فارق النقاط البالغ تسع عشرة نقطة ليس قصة حجم أيضًا — هو ببساطة أن أحد النموذجين أفضل في المهام، وفرق التكلفة لكل مهمة يأتي من تسعير ذاكرة التخزين المؤقت، حيث تتراكم قراءة بتكلفة 0.075 دولار مقابل قراءة بتكلفة 0.26 دولار عبر عشرة مليارات رمز.

هذه هي الآلية الجديرة بأن تُؤخذ معنا: في دورات قياس الأداء ذات السياق الطويل، فإن سعر قراءة الذاكرة المؤقتة، وليس سعر الإدخال المعلن، هو ما يحدد الفاتورة. قد يكلف نموذج بسعر إدخال 1.40 دولار وقراءة ذاكرة مؤقتة بـ0.26 دولار تكلفة أكبر لكل مهمة من نموذج بسعر إدخال 1.50 دولار وقراءة ذاكرة مؤقتة بـ0.075 دولار.

حيث تقع النقاط التسع عشرة

• Terminal-Bench 4.0 — Qwen4-Max 48.5%، GLM-5.3 41.9%. سبع نقاط، وهي الأقرب بين مجموعات الوكلاء.

• FrontierCode 2.0 — 26.5% مقابل 21.6%. خمس نقاط؛ كلا النموذجين ضعيفان هنا من حيث القيمة المطلقة.

• HLE Diamond — 44.9% مقابل 17.9%. سبعٌ وعشرون نقطة، وهو أوسع تباعد منفرد في المقارنة.

• المعرفة الشاملة — 27.7 مقابل 6.0، مع معدلات هلوسة 28.4% و38.9% على التوالي. GLM-5.3 أقل دقة وأقل ميلاً إلى الامتناع عن الإجابة، وهي أسوأ تركيبة متاحة.

• الدرجات الفرعية للقدرات — يتصدر Qwen4-Max جميع المجالات الخمسة التي يُبلغ عنها كلا النموذجين: الهندسة 50.1 مقابل 37.6، والتمويل والمحاسبة 54.1 مقابل 42.1، والقانون 49.6 مقابل 35.8، والاستراتيجية والعمليات 56.9 مقابل 47.4، والاقتصاد 51.3 مقابل 37.3.

لا شيء في تلك القائمة قريب بما يكفي ليُثار حوله الجدل. السؤال المثير للاهتمام ليس ما إذا كان Qwen4-Max أفضل، لأنه كذلك بوضوح.

A headless-browser screenshot of the Artificial Analysis page for GLM-5.3, captured 17 November 2026 in English, showing Z.ai's mark, the label Open weights model, Released August 2026, the heading GLM-5.3: Intelligence, Performance & Price Analysis, a rank strip reading Intelligence #3 of 29, Performance #21 of 27, Cost #28 of 28 and Verbosity #23 of 29, a statistics row giving a 61.448-second time to first answer token, 87 output tokens per second, $1.40 input and $4.40 output per million tokens, an 81% cache discount, 10.3 billion input tokens and an output-to-input ratio of 1.312%, and the summary paragraph describing the model as among the leading open-weight models in intelligence but particularly expensive against other open-weight models of similar size, notably slow per task and very verbose, with text input, text output and a 1M-token context window.

الشيء الوحيد الذي لا يستطيع Qwen4-Max فعله

كل صف أعلاه مقارنة قدرات، لكن القدرة هي الإطار الخاطئ عندما يمكن أخذ أحد النموذجين إلى المنزل. تنشر Z.ai أوزان GLM-5.3 بموجب ترخيصها الخاص؛ ولا تنشر A​libaba شيئًا عن Qwen4-Max وتُدرج مضيفًا واحدًا فقط. هذا الفرق يغيّر ثلاثة أمور لا يقيسها أي معيار قياس.

• الاستمرارية — النموذج الذي تستضيفه يواصل الاستجابة عندما تتغيّر صفحة أسعار أحد المورّدين، أو تُهمَل منطقة ما، أو يصدر إشعار بالإهمال. ولدى Qwen4-Max سابقة في هذا بتاريخ 25 نوفمبر 2026: فقد أُوقف مُعرّف المعاينة بعد تسعة أيام من الإتاحة العامة، وتوقّف عمل أي إعدادات كانت لا تزال تشير إلى qwen4-max-preview.

• منحنى التكلفة — تتحوّل التكلفة الحدّية لـ GLM-5.3 إلى معدّل استغلالك لوحدات GPU. وعند الحجم العالي المستمر يكون ذلك عادةً أقل من سعر واجهة API؛ أما عند الحجم المنخفض المتقطّع فيكون أسوأ. وتحديد نقطة التقاطع هو مسألة حسابية تتعلّق بمعدّل الاستغلال، لا بجودة النموذج.

• التحكم — الضبط الدقيق، والتكميم، واختيار النواة، والقدرة على فحص ما يفعله النموذج. لا شيء من ذلك متاح لـ Qwen4-Max.

في مقابل ذلك: النموذج المفتوح أضعف بتسعة عشر نقطة مؤشر، وأسوأ في الامتناع عن الإجابة، ولا يرى الصور. وبالنسبة إلى نشر جديد من الصفر، فإن المقايضة غير جذابة. أما بالنسبة إلى نظام مبني بالفعل حول حزمة استدلال مستضافة ذاتيًا — حيث ليس بديل GLM-5.3 هو Qwen4-Max بل G​LM السابق — فإن الترخيص هو السمة الحاسمة، وفجوة الدرجات هي تكلفة ضرورية لممارسة العمل.

لماذا يُعدّ النموذج المفتوح هو المكلف، في جملة واحدة؟

لأن الأوزان المفتوحة تنقل التكلفة من عدّاد الرموز إلى ميزانية الهندسة، وميزانية الهندسة لا تظهر في قائمة الأسعار. ويعني تشغيل GLM-5.3 على عتادك الخاص التخطيط للسعة، ومكدس خدمة يمكنك ترقيعه، وإطار تقييم جيدًا بما يكفي ليخبرك ما إذا كان نشرك يطابق النموذج المرجعي — وهي تكاليف تتجاوز فرق 3.27 دولار لكل مهمة عند أي حجم يشغله فريق واحد. إن 15.8 سنتًا لكل نقطة مؤشر هي الرقم المرئي؛ أما الرقم غير المرئي فهو أكبر، ويُدفع مرة واحدة سواء كنت تخدم ألف طلب أو مليون طلب.

ينقلب ذلك الحساب عند التوسّع، وينقلب بقوة أكبر إذا احتجت إلى الضبط الدقيق. فالضبط الدقيق هو المتطلب الوحيد الذي يجعل النموذج المفتوح ليس أرخص فحسب، بل الخيار الوحيد، ولا يُغني عنه أي قدر من تفوّق Qwen4-Max في المؤشر.

استدعاء العنصر القابل للتوجيه

GLM-5.3 موجود في كتالوجنا بصيغة z-ai/glm-5.3 بسعر Z.ai المعلن، 1.26 دولارًا للإدخال و3.96 دولارًا للإخراج لكل مليون، دون أي إضافة فوق ذلك — وهي الأسعار نفسها التي تنشرها Z.ai، بما في ذلك أي تغيير تجريه عليها. أما Qwen4-Max فليس في كتالوجنا؛ فمعرّف qwen4 يعيد نتيجة «غير موجود»، ومساره هو Model Studio API الخاص بـ Alibaba وعدة منصات طرف ثالث. أقرب نموذج Qwen نوفّره هو qwen/qwen3.8-max بسعر 2.00 دولار و6.00 دولار.

وهذا يترك تسلسلًا عمليًا لأي شخص يريد النموذج الأقوى دون عقد ثانٍ: شغّل التقييم على z-ai/glm-5.3 عبر نقطة النهاية التي لديك بالفعل، وإن كانت فجوة التسع عشرة نقطة قاتلة لحالة استخدامك، فقيّم Qwen4-Max مقابل مزيج الرموز الخاص بك لا مقابل المؤشر. وقد حُسبت الأرقام لكل مهمة في هذا المقال من أداة اختبار معيارية ذات حركة ذاكرة تخزين مؤقت ثقيلة على نحو غير معتاد؛ وسيضيّق عبء عمل إنتاجي ذو مطالبات قصيرة ومخرجات طويلة الفجوة بين $5.01 و$3.27 بحدّة، لأن أيًا من الفاتورتين لا يكاد يتكوّن من المخرجات.

A headless-browser screenshot of the OrcaRouter model page for GLM-5.3, captured 17 November 2026 in English, showing the identifier z-ai/glm-5.3, the byline Z.ai dated 2026-08-18, a max output of 128K, input listed as text, output listed as text, and a p50 time-to-first-token reading.

ما سنحتاج إلى رؤيته

من شأن GLM-5.5 أن يقلب هذه المقارنة رأساً على عقب، ولا يوجد في الوقت الحالي أي أثر له — فلا مسار توثيق، ولا صف تسعير، ولا معرّف نموذج على صفحات Z.ai نفسها حتى 17 نوفمبر 2026. وإذا صدر، فالأسئلة التي ينبغي طرحها هي: هل تنشر Z.ai الأوزان كما فعلت مع 5.3؟ وهل تضيف إدخال الصور؟ وهل تصلح سلوك الامتناع؟ لأن ذلك الرقم الأخير (38.9%) هو ما يجعل GLM-5.3 صعب التوصية به لأي استخدام غير مُراجَع، قبل فجوة المؤشر.

في الوقت نفسه، الخلاصة الصادقة غير بديهية وقصيرة. فالنموذج المفتوح يكلّف أكثر لكل نقطة، ويسجّل نتائج أدنى في كل مجموعة اختبارات جرى قياسها، ويبقى الخيار الصحيح لنوع واحد بعينه من المشترين: من يكون قيده رخصةً لا مقياس أداء.

مقارنات في هذه المقالة2

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