كنت أتجاوز مخططات الاختبارات القياسية دون أن أنظر إليها. كل إطلاق لنموذج جديد يأتي محملاً بجدار من الرسوم البيانية يفوز فيه النموذج الجديد بشكل مريح، فتعلمت أن أتجاهلها. ثم ظهر GLM 5.2، وبدأت كل صفحاتي تصرخ بأنه "يتفوق على GPT-5.5"، فكان لا بد أن أعرف إن كان ذلك حقيقياً أم مجرد ضجيج يوم الإطلاق. لذا جمعت الأرقام الفعلية، من الإصدار الرسمي لـ Z.AI ومن لوحات الصدارة من جهات خارجية ومن المراجعات المستقلة، وصففتها جنباً إلى جنب.
إليك القراءة الصادقة: GLM 5.2 هو أقوى نموذج مفتوح الأوزان في اختبارات البرمجة القياسية حالياً. إنه يتفوق على GPT-5.5 في معظمها، ويقترب بنقطة أو نقطتين من Claude Opus 4.8 في البرمجة طويلة المدى، ويفعل ذلك بجزء بسيط من السعر تقريباً. فيما يلي ما يقيسه كل اختبار فعلياً، وأين يفوز GLM 5.2، وأين لا يزال يخسر، وماذا يعني ذلك للعمل الذي ستوكله إليه بالفعل.
نتائج اختبارات GLM 5.2 في لمحة
إن قرأت جدولاً واحداً، فاقرأ هذا. هذه هي مجموعات اختبارات البرمجة الوكيلة التي يراقبها الجميع، مع الدرجات الرئيسية المعلنة عند الإطلاق:
| Benchmark | GLM 5.2 | Claude Opus 4.8 | GPT-5.5 |
|---|---|---|---|
| SWE-bench Pro | 62.1 | 69.2 | 58.6 |
| FrontierSWE | 74.4 | 75.1 | 72.6 |
| Terminal-Bench 2.1 | 81.0 | 85.0 | 84.0 |
| MCP-Atlas (استخدام الأدوات) | 76.8 | 77.8 | 75.3 |
| سعر إدخال API لكل MTok | ~$1.40 | ~$5.00 | ~$5.00 |
| أوزان مفتوحة | نعم (MIT) | لا | لا |
الأرقام تعكس الإصدار الرسمي لـ Z.AI ولوحات الصدارة من جهات خارجية اعتباراً من يونيو 2026. الاختبارات القياسية تتغير أسبوعياً والمنهجيات تختلف، فتحقق من الأرقام الحالية على صفحة كل مزوّد قبل اقتباسها.
النمط يبرز فوراً: يقع GLM 5.2 فوق GPT-5.5 وأسفل Opus 4.8 بقليل في المجموعات المهمة للبرمجة الحقيقية، بينما هو مفتوح الأوزان وأرخص بكثير. الآن لنحلل ما وراء كل صف.
اختبارات البرمجة: تفوق على GPT-5.5 وملاحقة Opus
الدرجتان اللتان يقتبسهما الناس أكثر هما SWE-bench Pro (هل يستطيع النموذج حل مشكلات GitHub الحقيقية؟) وTerminal-Bench 2.1 (هل يستطيع تشغيل صدفة حقيقية لإنجاز مهمة؟).
- SWE-bench Pro: 62.1. هذا يتخطى GPT-5.5 (58.6)، والأهم أنه يقفز فوق سلفه GLM 5.1 (58.4). لا يزال Opus 4.8 يتصدر الرقم الخام هنا، لكن GLM 5.2 هو أول نموذج مفتوح يصبح ضمن مدى المنافسة.
- Terminal-Bench 2.1: 81.0. هذه هي النتيجة التي فاجأتني فعلاً. سجّل GLM 5.1 حوالي 62 في الاختبار نفسه؛ وقفز 5.2 إلى 81.0، ليحل على بُعد نقاط قليلة خلف Opus 4.8 (85.0) وGPT-5.5 (84.0). قفزة جيلية بنحو 20 نقطة في عمل الطرفية الوكيل هي أكبر قصة منفردة في هذه الأرقام.
الخلاصة للبرمجة اليومية: في نوعية العمل من قبيل "حل هذه المشكلة، شغّل الاختبارات، أصلح أمر الصدفة" الذي يملأ السبرنت الحقيقي، أصبح GLM 5.2 الآن يلعب في الدوري نفسه مع النماذج المغلقة المتقدمة.
اختبارات المدى الطويل: حيث تظهر الفجوة
هذا هو الجزء الصادق الذي تتجاوزه معظم منشورات الإطلاق. كلما طالت المهمة وصعبت، زاد تقدم النماذج المغلقة المتقدمة، وأرقام GLM 5.2 تُظهر ذلك.
| Benchmark | GLM 5.2 | Claude Opus 4.8 | GPT-5.5 |
|---|---|---|---|
| FrontierSWE | 74.4 | 75.1 | 72.6 |
| PostTrainBench | 34.3 | 37.2 | 28.4 |
| SWE-Marathon | 13.0 | 26.0 | 12.0 |
في FrontierSWE، وهي برمجة واقعية طويلة المدى، ينهي GLM 5.2 (74.4) بتعادل شبه تام مع Opus 4.8 (75.1) ويتخطى GPT-5.5، وهذا مبهر حقاً. وفي PostTrainBench يحتفظ بالمركز الثاني، متقدماً مجدداً على GPT-5.5. لكن انظر إلى SWE-Marathon، وهو ماراثون الهندسة الذي يمتد لساعات: Opus 4.8 (26.0) يقارب ضعف GLM 5.2 (13.0). هذه هي "نسبة الـ 10% الصعبة" تظهر في البيانات، فعندما تمتد المهمة عبر ساعات وعشرات الخطوات، يبقى للنموذج المغلق المتقدم في الاستدلال أفضلية حقيقية.
رأيت الشيء نفسه عندما اختبرت النموذجين وجهاً لوجه على 40 طلب سحب حقيقي: ساوى GLM 5.2 Opus في العمل اليومي ولم يتأخر إلا في أصعب المشكلات وأطولها. إن أردت ذلك التحليل المفصّل، فقد كتبته هنا: GLM 5.2 مقابل Claude Opus 4.8: مقارنة البرمجة.
استخدام الأدوات والوكلاء والاستدلال
البرمجة ليست القصة كاملة، فسير عمل الوكلاء يحيا أو يموت بناءً على استدعاء الأدوات، وبعض المهام تحتاج استدلالاً خالصاً.
- MCP-Atlas: 76.8. في هذا الاختبار لاستخدام الأدوات يتفوق GLM 5.2 على GPT-5.5 (75.3) ويقع أسفل Opus 4.8 (77.8) بشعرة. في حلقات الوكلاء، يهم استدعاء الدوال الموثوق أكثر من نقطة في لوحة الصدارة، وهذا قريب بما يكفي لاعتباره متعادلاً.
- Tool-Decathlon: 48.2. هنا الإخفاق الصادق الآخر. في هذا الاختبار الأصعب والأوسع للأدوات، يتقدم كل من Opus 4.8 (59.9) وGPT-5.5 (55.6) بوضوح. لا يزال تنسيق الأدوات المتعددة المعقّد نقطة ضعف.
- الاستدلال: في AIME 2026 (رياضيات المسابقات) يسجّل GLM 5.2 درجة 99.2، متخطياً GPT-5.5 (98.3). وفي GPQA-Diamond (علوم بمستوى الدراسات العليا) يسجّل 91.2، متأخراً عن 93.6 التي بلغها كل من Opus وGPT-5.5. والترجمة: إنه ممتاز في الرياضيات المنظمة، ومتأخر بخطوة في أصعب أسئلة المعرفة.
تاج الأوزان المفتوحة
ابتعد عن الاختبارات الفردية وستبرز حقيقة واحدة: GLM 5.2 هو النموذج مفتوح الأوزان الرائد على Artificial Analysis Intelligence Index المستقل (51 في الإصدار v4.1)، متقدماً على نماذج مفتوحة أخرى مثل MiniMax-M3 وDeepSeek V4 Pro وKimi K2.6. كما تصدّر فئات الأكواد في Design Arena، ويُصنّف ضمن أفضل حفنة من جميع النماذج، مفتوحة كانت أو مغلقة، في لوحات الصدارة المجمّعة مثل BenchLM.
لا يوجد نموذج آخر يمكنك تنزيله واستضافته ذاتياً بهذا القرب من النماذج المغلقة المتقدمة. هذا هو العنوان الذي تخبرك به هذه الاختبارات حقاً.
زاوية التكلفة: الدوري نفسه بجزء من السعر
الاختبارات القياسية لا تعمل بميزانية، لكن فريقك يعمل بها، وهنا يتوقف GLM 5.2 عن كونه مثيراً للاهتمام ويصبح قراراً. يقع سعر إدخال API الخاص به حول 1.40 دولار لكل مليون رمز مقابل نحو 5.00 دولار لكل من Opus 4.8 وGPT-5.5. قدّرت VentureBeat الفجوة الإجمالية، بدمج الإدخال والإخراج، بنحو سدس تكلفة GPT-5.5.
ضع ذلك بجانب الدرجات: تحصل على أداء ضمن نقطة أو نقطتين من النماذج المتقدمة في معظم أعمال البرمجة، مقابل ما بين ثلث وسدس السعر. هذه هي النسبة التي تجعل تاج الأوزان المفتوحة أكثر من مجرد جائزة.
ماذا تعني هذه الاختبارات فعلاً لعملك
الدرجات تجريدات. إليك كيف سأترجمها إلى قرار توجيه:
- البرمجة اليومية (الـ 90%) — المشكلات، إعادة الهيكلة، الاختبارات، الأكواد الرابطة، عمل الطرفية. تقول أرقام GLM 5.2 في SWE-bench Pro وTerminal-Bench وFrontierSWE إنه سيواكب النماذج المتقدمة. اجعله الخيار الافتراضي.
- مهام الماراثون (الـ 10% الصعبة) — هندسة متعددة الساعات وكثيرة الخطوات حيث يكشف SWE-Marathon وTool-Decathlon الفجوة. أبقِ نموذجاً مغلقاً متقدماً جاهزاً لهذه المهام.
- خطوط الأنابيب الحساسة للتكلفة أو عالية الحجم — نسبة السعر تجعل GLM 5.2 الخيار الافتراضي البديهي، مع التصعيد فقط في الحالة الصعبة النادرة.
الشيء الوحيد الذي لا يلتقطه أي اختبار هو كيف يبدو النموذج على كودك أنت. الدرجة هي متوسط على مجموعة اختبار شخص آخر؛ مستودعك ومطالباتك وحالاتك الحدية هي ما تطلقه فعلاً.
أسرع طريقة لاختبار GLM 5.2 بنفسك
قراءة لوحة الصدارة شيء، ومشاهدة نموذج يتعامل مع مهمتك أنت شيء آخر. المشكلة مع نموذج مفتوح الأوزان أن الطريقة "الصحيحة" لتشغيله عادة تعني تنزيل الأوزان أو ربط مفتاح API، ومعظم الناس يتوقفون عند تلك النقطة بالضبط.
يمكنك تخطي كل ذلك. glm5.app يتيح لك الدردشة مع GLM 5.2 مباشرة في متصفحك، دون تثبيت ولا مفتاح ولا إعداد. الصق تذكرة حقيقية من قائمة مهامك، وشاهد كيف يبرمج ويخطط، واحكم على جودة البرمجة اليومية بنفسك بدلاً من الوثوق بمخطط.
إن أردت أن تشعر بمكان GLM 5.2 نسبة إلى النماذج المتقدمة، فهذا أسرع مسار: جرّب GLM 5.2 مجاناً على glm5.app ودع مهمتك أنت تقرر.
الأسئلة الشائعة
هل GLM 5.2 أفضل من GPT-5.5 في الاختبارات القياسية؟ في معظم مجموعات البرمجة وطويلة المدى، نعم، فهو يتصدر GPT-5.5 في SWE-bench Pro (62.1 مقابل 58.6) وFrontierSWE (74.4 مقابل 72.6) وMCP-Atlas، بينما يكلف أقل بكثير.
هل GLM 5.2 أفضل من Claude Opus 4.8؟ ليس في الدرجات الخام. لا يزال Opus 4.8 يتقدم في معظم الاختبارات ويبتعد بوضوح في أصعب المهام متعددة الساعات (SWE-Marathon وTool-Decathlon). GLM 5.2 قريب بما يكفي بحيث نادراً ما تظهر الفجوة في البرمجة اليومية، وبجزء من السعر.
ما درجة GLM 5.2 في SWE-bench Pro؟ 62.1، وهو أول نموذج مفتوح الأوزان يقترب فعلاً من النماذج المغلقة المتقدمة، وقفزة واضحة عن درجة GLM 5.1 البالغة 58.4.
هل أرقام اختبارات GLM 5.2 هذه موثوقة؟ تأتي من الإصدار الرسمي لـ Z.AI ومن لوحات صدارة مستقلة، لكن الاختبارات تتحرك بسرعة والطرق تتباين. تعامل معها كلقطة لحظية وتحقق من الأرقام الحالية على صفحة كل مزوّد.
أين يقع تصنيف GLM 5.2 بين النماذج المفتوحة؟ الأول. يتصدر Artificial Analysis Intelligence Index للنماذج مفتوحة الأوزان ويقود فئات الأكواد في Design Arena.
كيف يمكنني اختبار GLM 5.2 دون أي إعداد؟ دردش معه مجاناً في متصفحك على glm5.app، دون مفتاح API ولا تثبيت ولا شيء لتنزيله.
الخلاصة النهائية
إذن كيف يؤدي GLM 5.2 حقاً؟ إنه النموذج مفتوح الأوزان الذي أغلق الفجوة أخيراً: متقدم على GPT-5.5 في معظم اختبارات البرمجة، وضمن نقطة أو نقطتين من Claude Opus 4.8 في العمل طويل المدى، ومتأخر بوضوح فقط في أصعب المهام متعددة الساعات، وكل ذلك بجزء من التكلفة. للعمل الذي يملأ أيام معظم المطورين، تقول الدرجات إنه خيار افتراضي من فئة النماذج المتقدمة يمكنك أيضاً تشغيله بطريقتك الخاصة.
لكن الاختبار القياسي متوسط على مهام شخص آخر. الدرجة الوحيدة التي تهم هي كيف يتعامل مع مهامك أنت، فمرّر مطالبتك الخاصة من خلاله، دون مفاتيح ولا إعداد، هنا مباشرة: جرّب GLM 5.2 مجاناً على glm5.app.
