ما هو GLM-5.2؟ الطراز الرائد مفتوح الأوزان من Z.ai بسياق يبلغ مليون رمز، بعد نسختين

GLM-5.2 هو نموذج لغوي كبير نصي فقط ومفتوح الأوزان من Z.ai، المختبر الواقع في بكين المعروف سابقًا باسم Zhipu AI، صدر في 16 يونيو 2026 بموجب رخصة MIT. وهو نموذج خليط خبراء بمعاملات تبلغ 753 مليارًا، مع نافذة سياق تبلغ مليون رمز، ولمدة شهرين تقريبًا كان أقوى نموذج برمجي مفتوح الأوزان يمكن لأي شخص تنزيله. لم يعد يحتل ذلك الموقع، لأن Z.ai أصدرت منذ ذلك الحين خلفين له مبنيين عليه — وهو الجزء الذي تغفله معظم الصفحات عن GLM-5.2، والجزء الذي يحدد ما إذا كان لا يزال ينبغي أن يهمك.

تذكر ثلاث وأربعون مقالة في أرشيف هذه المدونة GLM-5.2. حتى الآن، لم تكن أيٌّ منها عنه: يظهر النموذج كخصم في مقارنة تلو الأخرى، كنقطة المرجع الثابتة التي تُقاس بها النماذج الأحدث. هذا دور غريب لنموذجٍ تجاوزه صانعه بالفعل، وهو السبب وراء وجود هذه الصفحة — وصف مباشر لما هو GLM-5.2 في الواقع، وكم يكلّف، وما الذي يجيده، ومن ينبغي أن يختاره حتى الآن.

أين يقع GLM-5.2 في تشكيلة Z.ai الخاصة

تنشر Z.ai سجلًا مؤرخًا للإصدارات، وهو أنقى مصدر لذلك. اقرأه بالترتيب فيتّضح شكل العائلة:

• GLM-5 — 12 فبراير 2026. أول GLM-5، موجّه نحو هندسة الأنظمة المعقّدة ومهام الوكلاء طويلة المدى.
• GLM-5.1 — 7 أبريل 2026. عمل طويل الأفق، قادر على العمل منفردًا لمدة تصل إلى ثماني ساعات في تشغيل واحد.
• GLM-5.2 — 16 يونيو 2026. الطراز الرائد بسياق 1M للمهام طويلة الأفق؛ يصفه سجل Z.ai بأنه "سياق 1M دون فقدان، مما يحسّن بشكل كبير قدرات المهام طويلة الأفق".
• GLM-5.3 — 18 أغسطس 2026. نفس النموذج الأساسي المستخدم في GLM-5.2، مع تحقيق المكاسب من التدريب اللاحق. وتُفيد Z.ai بتحقيق مكسب بنسبة 50% على GLM-5.2 في Code Bench الداخلي الخاص بها، وبأفضل مستوى مفتوح المصدر على Terminal Bench 3.0.
• GLM-5.3-Flash — 26 أغسطس 2026. نموذج مختلف وأصغر مبني على قاعدة مدرّبة حديثًا (إجمالي 320B، و18B نشطة)، وهو أول GLM-5 متعدد الوسائط أصلاً.

البند المهم هو البند الخاص بـ GLM-5.3. إن GLM-5.3 ليس نسخة أكبر من GLM-5.2 — بل هو الأوزان الأساسية نفسها مدفوعة إلى أبعد من ذلك عبر التدريب اللاحق. وهذا يجعل GLM-5.2 آخر طراز في السلسلة جاءت قدرته من البنية المعمارية، ويجعل GLM-5.3 الطراز الرائد النصي الحالي. إذا كنت تختار طرازًا من Z.ai اليوم على أساس الجودة وحدها، فالإجابة هي GLM-5.3 وليست GLM-5.2.

GLM-5.3-Flash فرع منفصل وليس نسخة أرخص من GLM-5.3: نموذج أصغر متعدد الوسائط بطبيعته (نص وصورة وفيديو) بسعر أقل بمرتبة قدر من النماذج النصية الرائدة. إذا كنت بحاجة إلى الرؤية، فإن GLM-5.2 ليس النموذج الذي تريده في أي من الحالتين.

ورقة المواصفات

• المعاملات — 753B إجمالًا، وفقًا لبطاقة النموذج على zai-org/GLM-5.2-FP8. لا تذكر Z.ai عدد المعاملات النشطة في تلك البطاقة؛ وتضع قوائم طرف ثالث هذا العدد قرب 40B لكل رمز، ولم نتمكن من تأكيد هذا الرقم من مصدر أساسي.
• نافذة السياق — 1M رمز، وُصفت في البطاقة بأنها «سياق متين بطول 1M رمز يحافظ بثبات على الأعمال طويلة الأفق».
• الحد الأقصى للإخراج — 128K رمز.
• الوسائط — نص إلى نص. لا إدخال صور، ولا صوت. ويذكر مدخل الكتالوج الخاص بنا لهذا النموذج أنه «يدعم إدخال النص فقط».
• الترخيص — MIT، بلا حدود إقليمية. تُنشر الأوزان عبر منظمة zai-org على Hugging Face في نسختَي BF16 وFP8.
• التحكم في الاستدلال — وضع تفكير هجين يُدار بواسطة معامل reasoning_effort بإعدادَي high و max، مع القيمة الافتراضية max. يدعم استدعاء الأدوات الأصلي والإخراج المهيكل.
• البنية — IndexShare، التي تعيد استخدام مفهرس خفيف واحد عبر كل أربع طبقات انتباه متفرق، ووفقًا لبطاقة النموذج، تقلّص عمليات FLOPs لكل رمز بمقدار 2.9× عند السياق الكامل؛ بالإضافة إلى طبقة محسّنة للتنبؤ متعدد الرموز ترفع طول قبول فك الترميز التخميني بنسبة تصل إلى 20%.
• عتاد التدريب — تفيد التغطية الصحفية للإطلاق أن النموذج دُرّب على مسرّعات Huawei Ascend دون أي عتاد من Nvidia. هذا ادعاء من تقارير إخبارية، وليس من بطاقة النموذج، ونحن ننقله على هذا الأساس.

ما الذي يتفوق فيه GLM-5.2 بشكل قابل للقياس

كل ما يبرع فيه GLM-5.2 تقريبًا هو قياس برمجي أو قياس وكيلي، والأرقام الواردة أدناه مُبلَّغ عنها من قِبل المورّد — فهي مستمدة من جدول المعايير في بطاقة النموذج الخاصة بـ Z.ai، وليست نتاج إعادة إنتاج مستقلة.

• Terminal Bench 2.1 (Terminus-2) — 81.0، مقابل 63.5 لـ GLM-5.1. هذه هي أكبر قفزة جيلية منفردة في الجدول.
• SWE-bench Pro — 62.1، مقابل 58.4 لـ GLM-5.1.
• FrontierSWE (Dominance) — 74.4، مقابل 30.5 لـ GLM-5.1 و72.6 لـ GPT-5.5.
• AIME 2026 — 99.2. GPQA-Diamond — 91.2. كلاهما في موقع تنافسي مريح مقابل الطليعة المغلقة على جدول Z.ai نفسه.
• MCP-Atlas (المجموعة العامة) — 76.8، بتعادل شبه تام مع 77.8 لـ Claude Opus 4.8 على الجدول نفسه.
• الاسترجاع في السياق الطويل — 78.3، وهو الرقم الأكثر أهمية لنافذة المليون رمز. لا تكون النافذة مفيدة إلا إذا صمد الاسترجاع في العمق، ورقم Z.ai نفسه يقول إنه يصمد في الغالب.

الصورة المستقلة أرقّ لكنها حقيقية. تُدرج Artificial Analysis نموذج GLM-5.2 عند درجة 34 على Intelligence Index v4.3.2 الخاص بها، مما يضعه في المرتبة 11 من 114 نموذجًا في فئته. يرتبط بهذا الرقم تحفظان، وتذكرهما Artificial Analysis نفسها: النموذج مُعلَّم كمهمَل على صفحتها، وأنها "تواصل فقط قياس الأداء لعبء العمل الافتراضي البالغ 10k من رموز الإدخال" — أما نتائج أحمال العمل الأخرى فهي تاريخية ولم تعد تُحدَّث. ويحمل مدخل الكتالوج الخاص بنا لهذا النموذج لقطة تقييم أقدم من 25 يونيو 2026 بدرجة ذكاء 33.7، وهي ليست نفس مراجعة المؤشر الخاصة بالرقم المباشر، ولا ينبغي قراءتها على أنها تغيّر في النموذج.

ما الذي يكون سيئًا فيه بشكل قابل للقياس

ثلاثة أمور، وتستحق أن نكون صريحين بشأنها.

• إنه نصي فقط. لا يوجد إدخال صور، ولا إدخال صوتي. GLM-5.3-Flash هو النموذج متعدد الوسائط في هذه العائلة، وإذا كان عبء عملك يتضمن لقطات شاشة أو ملفات PDF أو فيديو، فإن GLM-5.2 هو الفرع الخاطئ تمامًا.
• إنه يخسر بشكل سيئ في قياسات أطول أفق وأصعب هندسة البرمجيات. في SWE-Marathon يحصل على 13.0 مقابل 26.0 لـ Claude Opus 4.8. في DeepSWE يحصل على 46.2 مقابل 58 لـ Claude Opus 4.8 و70 لـ GPT-5.5. في NL2Repo يحصل على 48.9 مقابل 69.7 لـ Opus 4.8. كل هذه أرقام أبلغ عنها البائع من نفس الجدول الذي يُظهر فوز GLM-5.2 في أماكن أخرى، وهذا ما يجعلها موثوقة: نشرتها Z.ai بجانب انتصاراتها الخاصة.
• لقد تم تجاوزه في القياسات التي جعلته مشهورًا. يستخدم GLM-5.3 نفس القاعدة ويتفوق عليه في Code Bench الخاص بـ Z.ai بنسبة 50%، وفي Terminal Bench 3.0 وفي Agents' Last Exam. كما تم وضع علامة مهمل على GLM-5.2 في Artificial Analysis.

أحد الأرقام التي لم نتمكن من الحصول عليها: لم نتمكن من تأكيد قياس حالي مستقل للإنتاجية أو زمن الاستجابة لـ GLM-5.2 من مصدر تمكنا من فتحه، لذلك لا تذكر هذه الصفحة أي رقم بدلًا من تكرار رقم لم نتمكن من التحقق منه.

السعر وأين يتم تشغيله

قائمة الأسعار الخاصة بـ Z.ai، كما قُرئت اليوم، تُدرج GLM-5.2 بسعر:

• الإدخال — 1.40 دولار لكل مليون رمز
• الإدخال المخزَّن مؤقتًا — 0.26 دولار لكل مليون رمز
• الإخراج — 4.40 دولار لكل مليون رمز

تخزين المدخلات المُخزّنة مؤقتًا مُدرج كمجاني لفترة محدودة. لاحظ أن GLM-5.3 يحمل بالضبط نفس المعدلات الثلاثة، لذا فإن الطراز الأحدث ليس أغلى في قائمة Z.ai — وهو ما يزيل السبب المعتاد للبقاء على الطراز الأقدم.

بخصوص التوفر: يُقدَّم النموذج عبر نقطة نهاية Z.ai الخاصة المتوافقة مع OpenAI على api.z.ai/api/paas/v4/chat/completions، مع حزم SDK رسمية لـ Python وJava، ويمكن تنزيل الأوزان من Hugging Face للاستضافة الذاتية بموجب MIT. بالإضافة إلى ذلك، يتوفر عبر عدد من منصات الاستدلال من أطراف ثالثة. نحن نوجّهه: يحمل OrcaRouter نموذج GLM-5.2 على صفحة النموذج الخاصة به بسعر مزوّد Z.ai دون أي هامش ربح، لذا فإن سعر 1.40 دولار / 4.40 دولار المذكور أعلاه هو ما تدفعه عبرنا بدلاً من نسخة منه بسعر مرتفع. كما يصل المفتاح نفسه إلى بقية الكتالوج، وهذا مهم هنا لسبب محدد — انظر أدناه.

من ينبغي أن يختار GLM-5.2، ومن ينبغي أن يختار شيئًا آخر؟

اختر GLM-5.2 إذا كنت تستضيفه بنفسك وكانت نافذة المليون رمز هي المتطلب بدلًا من نتائج المعايير. فرخصة MIT بلا قيود إقليمية، وأوزان FP8 المنشورة، وتصميم الانتباه IndexShare تجعله خيارًا عمليًا حقًا للتشغيل على سياق طويل، ورقم الاستدعاء عند العمق هو الرقم الذي يبرّر هذه النافذة. وهو أيضًا خيار معقول إذا كانت لديك خطوط معالجة مضبوطة مسبقًا على سلوك reasoning_effort وكانت تكلفة إعادة التحقق من المطالبات مقابل GLM-5.3 تتجاوز المكسب.

اختر GLM-5.3 بدلاً من ذلك إذا كنت تشتري الرموز لا الأوزان، وكانت الجودة هي المحور الوحيد. فهو النموذج الأساسي نفسه، لكنه أفضل تدريبًا لاحقًا، وبالأسعار المعلنة ذاتها. ولا توجد حجة سعرية تفضّل النموذج الأقدم في قائمة أسعار Z.ai نفسها.

اختر GLM-5.3-Flash بدلاً من ذلك إذا كنت بحاجة إلى الرؤية، أو إذا كنت بحاجة إلى الخيار الأرخص القادر: فهو يتعامل مع النص والصورة والفيديو وسعره أقل بكثير من كلا الطرازين الرائدين للنص.

اختر شيئًا آخر تمامًا إذا كان عملك في الطرف الصعب من الهندسة البرمجية بعيدة المدى. في الجدول المنشور لـ Z.ai نفسه، يتفوق Claude Opus 4.8 على GLM-5.2 في SWE-Marathon وDeepSWE وNL2Repo وSWE-bench Pro وProgramBench وTool-Decathlon؛ ويتفوق GPT-5.5 عليه في DeepSWE وProgramBench. انتصارات GLM-5.2 حقيقية لكنها تتركز في البرمجة الوكيلية والاستدلال بنمط الطرفية، لا في مهام الماراثون. إذا كان تقييمك يبدو كتشغيل وكيل لمدة ساعتين على مستودع كبير غير مألوف، فإن ميزة السعر للأوزان المفتوحة لا تسد هذه الفجوة وفق هذه الأرقام.

الملخص العملي

GLM-5.2 هو نموذج MoE نصي فقط بمعاملات تبلغ 753B، مرخّص بموجب MIT، وسياق بسعة 1M، صدر في 16 يونيو 2026 بسعر 1.40 دولار / 4.40 دولار لكل مليون رمز، مع أرقام أبلغت عنها الشركة المطوّرة: Terminal Bench 2.1 بنتيجة 81.0، وSWE-bench Pro بنتيجة 62.1، ومؤشر Artificial Analysis Intelligence Index المستقل بنتيجة 34. وهو آخر طراز رائد من GLM جاءت قدرته من البنية المعمارية لا من التدريب اللاحق، وقد استُبدل مرتين من قِبَل الشركة التي أنتجته، ووُسم بأنه متقادم على المؤشر المستقل الذي قيّمه.

لا شيء من ذلك يجعله نموذجًا سيئًا. بل يجعله نموذجًا محسومًا: السؤال المثير للاهتمام بشأن GLM-5.2 في سبتمبر 2026 ليس ما إذا كان جيدًا، بل ما إذا كان الشيء المحدد الذي تحتاجه — نموذج برمجي بسياق طويل، قابل للاستضافة الذاتية، مرخّص بموجب MIT — يستحق لك أكثر من النقاط الثلاث التي يضيفها GLM-5.3 فوق الأوزان نفسها. بالنسبة لمعظم مشتري الرموز، الجواب لا. وبالنسبة لأي شخص يقوم بتنزيل الأوزان، فلا يزال الجواب نعم.

إذا أردت اختبار ذلك بنفسك دون تخصيص مسار إنتاجي له، فإن طبقة التوجيه هي الطريقة الأقل تكلفة للقيام بذلك: وجّه الطلب نفسه إلى GLM-5.2 وGLM-5.3 عبر نقطة نهاية واحدة، وقارن باستخدام مطالباتك الخاصة، ودع التبديل التلقائي عند الفشل يتعامل مع الحالة التي تكون فيها نقطة نهاية النموذج الأقدم هي التي تتعطل.

Call GLM-5.2 through OrcaRouter at the Z.ai provider rate, zero markup. https://www.orcarouter.ai/models/z-ai/glm-5.2 One API key reaches GLM-5.2, GLM-5.3 and 200+ other models, with automatic failover if an endpoint goes down.