GLM-5.2: المميزات والإعداد والمعايير ودليل الوصول له والتبديل بين النماذج

يأتي GLM-5.2 من Z.ai مع نافذة سياق تبلغ مليون رمز (1M token)، ومستويين من جهد الاستدلال، ووصول مجاني عبر جميع فئات GLM Coding Plan.

بداية، كان شهر يونيو شهراً مثيراً للاهتمام بالنسبة لإصدارات نماذج الذكاء الاصطناعي. أطلقت Anthropic نموذج Claude Fable 5 ثم سحبته من الوصول العام. كما أصدرت Moonshot AI نموذج Kimi K2.7-Code، محققة زيادة بنسبة +21.8% في اختبار Kimi Code Bench v2 مقارنة بسابقه. وفي الآونة الأخيرة، أعلنت Z.ai عن GLM-5.2، نموذجها الرائد الجديد في البرمجة والمهام التوكيلية، المتاح فوراً لجميع مستخدمي GLM Coding Plan، بما في ذلك فئات Lite وPro وMax وTeam.

يتضمن GLM-5.2 نافذة سياق تبلغ مليون رمز (1M token)، وما يصل إلى 131,072 رمزاً للإخراج، ومستويين من جهد الاستدلال: high و max. بالنسبة للمعايير، بينما لم تنشر Z.ai في البداية أي درجات معيارية رسمية، تؤكد وثائق المطورين الصادرة حديثاً أن GLM-5.2 هو النموذج مفتوح المصدر الرائد عبر المقاييس البرمجية الرئيسية، مما يضعه على مسافة قريبة من النماذج الرائدة مغلقة المصدر. ركز الإعلان أيضاً على التوفر، والسياق، وخارطة الطريق مفتوحة المصدر، مع وصف الأوزان المرخصة بموجب MIT بأنها قيد الانتظار.

في هذه المقالة، سأغطي ما هو GLM-5.2، وما الجديد مقارنة بـ GLM-5.1، وكيفية التبديل إليه في Claude Code وOpenClaw وCline، وما تعنيه المعايير بالنسبة للممارسين الذين يستخدمونه.

ما هو GLM-5.2؟

GLM-5.2 هو النموذج الرائد الجديد من Z.ai ضمن سلسلة GLM-5، وقد صدر في 16 يونيو 2026. يحتل هذا النموذج قمة GLM Coding Plan، ويحل محل GLM-5.1 باعتباره النموذج الأساسي لمهام البرمجة والمهام التوكيلية. وبما أنه يستخدم نقطة نهاية متوافقة مع Anthropic، فيمكن دمجه بسلاسة في أدوات مثل Claude Code وCline من خلال تبديل بسيط لعنوان URL الأساسي وتغيير اسم النموذج.

بالمقارنة مع GLM-5.1، تتضمن الترقيات العملية الأساسية ما يلي:

• سياق ضخم: قفزة من حوالي 200,000 رمز إلى 1,000,000 رمز عند استخدام المعرف glm-5.2[1m].
• إخراج موسع: الحد الأقصى لرموز الإخراج موثق عند 131,072 (بزيادة من 120,000).
• أنماط استدلال مزدوجة: يقدم مستويي جهد high و max، مع توصية Z.ai باستخدام max لتحقيق الاستقرار في المهام المعقدة.

في سياق أوسع، ينتمي النموذج إلى عائلة نماذج الذكاء الاصطناعي التوليدي، وهي فئة من الأنظمة القادرة على إنشاء المحتوى الجديد الأصلي استناداً إلى أنماط التعلم من البيانات الضخمة. تختلف هذه النماذج عن الأنظمة التقليدية التي تقتصر على التصنيف أو التنبؤ، حيث تولّد نصوصاً، وأكواداً برمجية، وحتى تحليلات معقدة، مما يجعلها أدوات تحويلية في مجالات التطوير والبحث والإنتاجية. 

يعتمد GLM-5.2 على هذه التقنية، لكنه يتجاوز مجرد توليد النصوص إلى تنفيذ المهام التوكيلية، حيث يمكنه التخطيط، استخدام الأدوات، واتخاذ القرارات بالنيابة عن المستخدم، وهو ما يمثل نقلة نوعية في كيفية تفاعل البشر مع الآلات.

مقالة ذات صلة: GLM-5 من Zhipu AI: استكشاف الجيل الخامس للذكاء الاصطناعي التوليدي GAI.

الهندسة المعمارية للنموذج

بينما كان الجيل السابق صندوقاً أسود بالكامل، كشفت المدونة التقنية لـ Z.ai عن عدة آليات هندسية مخصصة صُممت للتعامل مع أعباء العمل طويلة السياق والتوكيلية دون زيادة زمن الاستجابة بشكل كبير:

النظام	التحسين	آلية العمل
آلية الانتباه (Attention)	IndexShare	يعيد استخدام مفهرس واحد خفيف الوزن عبر كل أربع طبقات من المحولات (transformer)، مما يقلل عمليات FLOPs لكل رمز بمقدار 2.9 مرة عند سياق مليون رمز.
إدارة الذاكرة	LayerSplit	ينفذ إدارة دقيقة للذاكرة لمنع النظام من الانهيار تحت حدود ذاكرة التخزين المؤقت KV-cache.
سرعة الاستدلال (Inference)	MTP + KVShare	يعيد هيكلة طبقة التنبؤ متعدد الرموز (Multi-Token Prediction) مع فك ترميز تخميني (speculative decoding)، مما يعزز طول قبول الرموز بنسبة تصل إلى 20%.
ما بعد التدريب (Post-Training)	بنية “slime”	إطار تدريب متخصص سمح لـ Z.ai بدمج أكثر من عشرة نماذج خبراء في يومين فقط.
استقرار الوكيل (Agent Stability)	PPO القائم على الناقد (Critic-based PPO)	ينتقل إلى صياغة تعلم معزز مباشر من النوع actor-critic، يتضمن وحدة “مكافحة الاختراق” النشطة لتثبيت المسارات طويلة الأجل.

البنية بعبارات بسيطة: 753 مليار MoE + IndexShare

لفهم GLM-5.2، يجب البدء من بنيته الأساسية. هو نموذج “مزيج الخبراء” (MoE) بحوالي 753 مليار معلمة إجمالية، يُقدم بتقنية BF16. ماذا يعني هذا؟ يعني أن النموذج مُقسّم إلى العديد من الشبكات الفرعية “الخبيرة”، ولا يتم تنشيط سوى جزء منها لأي رمز معين. والنتيجة؟ تحصل على سعة معرفية لنموذج ضخم، دون دفع فاتورة الحوسبة الكاملة في كل تمريرة أمامية. بهذه الطريقة، يبقى نموذج بحجم 753 مليار معلمة قابلاً للاستخدام عملياً.

أما القطعة الأحدث، فهي الانتباه المتفرق (sparse attention). يقدم GLM-5.2 طريقة تسميها Z.ai IndexShare. لماذا هذا مهم؟ لأن الانتباه العادي يصبح مكلفاً بسرعة مع نمو سياقك، حيث ينتبه كل رمز إلى كل رمز آخر. أما IndexShare، فيُعيد استخدام “مفهرس” واحد عبر كل مجموعة من 4 طبقات انتباه متفرق، بدلاً من حساب مفهرس جديد لكل طبقة. عملياً، هذا يُقلل من تكلفة الانتباه في السياق الطويل، وهو بالضبط ما تريده عندما تكون نافذتك بحجم مليون رمز.

الخلاصة العملية، لا تحتاج إلى فهم الرياضيات للاستفادة منها. تم تصميمه بحيث لا يؤدي تغذيته بقاعدة بيانات كبيرة أو مستند طويل إلى زيادة زمن الاستجابة والتكلفة بالطريقة التي قد يفعلها نموذج كثيف.

نافذة سياق بحجم 1 مليون رمز

يدعم GLM-5.2 نافذة سياق بحجم مليون رمز (1,048,576 رمزاً، لنكون دقيقين). هذا يكفي لإدخال مستودع متوسط الحجم بالكامل، أو مواصفات طويلة، أو كومة من المستندات ذات الصلة في مطالبة واحدة، وطلب من النموذج الاستدلال عبر كل ذلك.

لكن كن حذراً بشأن الحد الأقصى للإخراج. تُدرج وثائق Z.ai إخراجاً يصل إلى 128 ألف رمز، لكن ليس كل مضيف ينشر نفس الرقم، و OpenRouter لا يسرد أي رقم على الإطلاق. لذا، تعامل مع 128 ألفاً على أنه السقف الموثق للتحقق منه مباشرة، بدلاً من كونه ضماناً في كل نقطة نهاية. إذا كان سير عملك يعتمد على عمليات توليد طويلة جداً، فتحقّق من الحد الأقصى للمزود المحدد الذي تستخدمه.

ولفهم كيف نقل هذا الجيل المعيار، فإن مقارنتنا بين GLM-5.2 و GLM-5.1 تفصل ما تغير من إصدار لآخر.

جهد التفكير: مرتفع، أقصى، وإيقافه

GLM-5.2 هو نموذج قادر على الاستدلال مع سلوك “تفكير” قابل للتحكم. تحصل على مستويين لجهد التفكير:

• مرتفع (High)، استدلال قوي بتكلفة حوسبة أخف.
• أقصى (Max)، أعمق استدلال. توصي Z.ai باستخدام Max خصيصاً لمهام البرمجة.

كما يمكنك تعطيل التفكير بالكامل. للبحث السريع أو التنسيق أو التحويلات البسيطة، لا ترغب في أن يستهلك النموذج رموزاً في سلسلة أفكار داخلية. إيقاف التفكير يحافظ على سرعة ورخص تلك الاستدعاءات.

في واجهة برمجة التطبيقات، يترجم هذا إلى معلمة thinking ({“type”: “enabled”} أو {“type”: “disabled”}) وقيمة reasoning_effort مثل “max”. نُعمق أكثر في شكل الطلب في دليل GLM-5.2 API، لكن النموذج الذهني بسيط: ارفع الاستدلال للعمل الهندسي الصعب، وأوقفه للاستدعاءات التافهة.

ترخيص MIT والأوزان المفتوحة: ماذا يعني ذلك بالفعل بالنسبة لك

يُستخدم مصطلح “الأوزان المفتوحة” بشكل فضفاض، لذا إليك ما يسمح به ترخيص MIT لـ GLM-5.2 تحديداً:

• الاستضافة الذاتية. تشغيله على أجهزتك الخاصة أو على وحدة معالجة رسومات مستأجرة. لا يغادر أي شيء شبكتك.
• الضبط الدقيق (Fine-tuning). تكييفه مع مجال عملك، أو اتفاقيات قاعدة بياناتك، أو مهمة متخصصة.
• الاستخدام التجاري. ترخيص MIT متسامح. يمكنك بناء منتجات فوقه دون وجود ترخيص مقيد يعيقك.
• لا يوجد قفل إقليمي. الأوزان ليست مقيدة بفحص المنطقة.

بالنسبة للفرق التي لديها قيود على إقامة البيانات أو الامتثال، هذا يهم أكثر من نقطة أو اثنتين في المعيار. يمكنك الاحتفاظ بالتعليمات البرمجية والطلبات داخل الشركة. إذا كنت ترغب في تجربة المسار المحلي بالكامل، انظر تشغيل GLM-5 محلياً مجاناً وGLM-5 مجاناً مع Ollama للأنماط، والتي تنطبق على 5.2.

موجه للبرمجة أولاً ومشغل كالوكيل: المعايير

صممت Z.ai نموذج GLM-5.2 للقيام بعمل برمجي حقيقي، وليس مجرد الدردشة حوله. تركز قصة المعايير على البرمجة واستخدام الأدوات كوكيل. الأرقام أدناه هي النتائج المنشورة من Z.ai، لذا اقرأها على أنها قياسات المختبر نفسه وليست درجات طرف ثالث مستقلة.

المعيار	GLM-5.2	مقارنة بارزة
Terminal-Bench 2.1	81.0	سجل GLM-5.1 62.0
SWE-bench Pro	62.1	GPT-5.5 58.6، GLM-5.1 58.4
MCP-Atlas	77.0	GPT-5.5 75.3، Claude Opus 4.8 77.8
Humanity’s Last Exam (مع الأدوات)	54.7	GPT-5.5 52.2
AIME 2026	99.2	غير متوفر
GPQA-Diamond	91.2	غير متوفر

الإحصائية البارزة هي Terminal-Bench. الانتقال من 62.0 إلى 81.0 في جيل واحد هو قفزة كبيرة في معيار يقيس ما إذا كان النموذج يمكنه بالفعل تشغيل طرفية لإنجاز المهام. أما SWE-bench Pro عند 62.1، متفوقاً على GPT-5.5 بنتيجة 58.6، فهو العنوان الرئيسي الآخر: إنه يشير إلى حل حقيقي للمشكلات على مستوى المستودع، وليس مجرد مقتطفات وهمية.

أفادت Z.ai أيضاً أن GLM-5.2 هو أعلى نموذج مفتوح المصدر على FrontierSWE و PostTrainBench و SWE-Marathon، ويضعه في مواجهة GPT-5.5 و Claude Opus 4.8 و Gemini 3.1 Pro و DeepSeek-V4-Pro. عرضت VentureBeat زاوية التكلفة بصراحة، وكتبت أن GLM-5.2 “يتفوق على GPT-5.5 في البرمجة طويلة الأفق بتكلفة حوالي سدس التكلفة” (هذا السطر هو صياغة VentureBeat، في تغطيتها لـ GLM-5.2، وليس قياس Apidog).

مما الجديد في GLM-5.2؟

ثلاثة تغييرات جوهرية تبرز في هذا الإصدار. وهي: نافذة السياق الموسعة، ونظام جهد الاستدلال المزدوج، ومسار التكامل مع أدوات البرمجة الخارجية. ولكل من هذه التغييرات تأثير مباشر على كيفية استخدام النموذج في مهامك اليومية.

أولاً: نافذة سياق تبلغ مليون رمز

يدعم GLM-5.2 نافذة سياق ضخمة تصل إلى مليون رمز. لكنها اختيارية، وليست فعّالة بشكل افتراضي. لتفعيلها، أضف اللاحقة [1m] إلى اسم النموذج في إعداداتك، ليصبح glm-5.2[1m]. كما يجب تعديل معلمة الضغط التلقائي في ملف الإعدادات إلى القيمة 1000000.

هذه الميزة حاسمة عند العمل على قواعد تعليمات برمجية كبيرة. فالنافذة الموسعة تستوعب نحو 750,000 كلمة من الأكواد والسياق معاً. وهذا يكفي لتحميل مستودع كامل متوسط الحجم دون تجزئته. لكن انتبه، فجودة الأداء مع السياقات الطويلة قد تتراجع عند أقصى الحدود. ولم تنشر Z.ai حتى الآن أرقاماً حول دقة استرجاع المعلومات عند هذا الحجم.

نصيحة عملية: إن أبلغك Claude Code أن النموذج غير موجود، فقم بترقية الأداة إلى آخر إصدار. فهذه مشكلة توافق في الإصدارات، وليست مشكلة في النموذج نفسه.

ثانياً: مستويان لجهد الاستدلال المنطقي

يقدّم GLM-5.2 نظاماً ثنائي المستوى لجهد الاستدلال: high و max. ويمكنك التبديل بينهما بسهولة في Claude Code عبر الأمر /effort أثناء الجلسة. وتتم عملية الربط بين تسميات الجهد في Claude Code ومستويات GLM-5.2 الفعلية كالتالي:

• المستويات low, medium, high (وهو الافتراضي) تتوافق مع مستوى high في GLM-5.2.
• المستويات xhigh, max, ultracode تتوافق مع مستوى max في GLM-5.2.

وتوصي Z.ai باستخدام مستوى max لمهام البرمجة المعقدة. لكن تذكر أن الإعداد الافتراضي هو high، لذا ستحتاج للتبديل يدوياً للمهام متعددة الخطوات. وهذه مقايضة معروفة: جهد أعلى يعني نتائج أكثر دقة، لكنه يزيد زمن الاستجابة واستهلاك الرموز.

ثالثاً: تكامل سلس عبر نقطة نهاية متوافقة

يمكن الوصول إلى GLM-5.2 عبر نقطة نهاية متوافقة مع Anthropic، عنوانها: https://api.z.ai/api/coding/paas/v4. وهذا يعني أن أي أداة تدعم عناوين URL المخصصة من Anthropic يمكنها استخدام النموذج فوراً. ووفقاً للتوثيق، تعمل أدوات مثل Claude Code وOpenClaw وCline معه حالياً.

وهذا نهج ذكي من Z.ai. فبدلاً من بناء واجهة جديدة، تراهن الشركة على أن المطورين يفضلون أدواتهم الحالية، ويريدون فقط استبدال المحرك الأساسي. وفي المقابل، قد لا تعمل الأدوات التي تفتقر لهذه المرونة حتى تصدر Z.ai تكاملاتها الرسمية.

رابعاً: التوفر والتكلفة لـ GLM-5.2

يتوفر GLM-5.2 مجاناً لجميع مشتركي GLM Coding Plan، بما في ذلك فئات Lite وPro وMax وTeam.

GLM-5.2 مقابل GLM-5.1: مقارنة المواصفات

الخاصية	GLM-5.2	GLM-5.1
تاريخ الإصدار	13 يونيو 2026	7 أبريل 2026
نافذة السياق	1,000,000 رمز (مع glm-5.2[1m])	حوالي 200,000 رمز
الحد الأقصى للإخراج	131,072 رمزاً	120,000 رمز
أنماط الاستدلال	High و Max	نمط واحد
الهندسة المعمارية	سلسلة GLM-5 مع تحسينات IndexShare و MTP	744B MoE، 40B نشط
الترخيص	MIT (الأوزان قيد الانتظار)	MIT (تم إصدار الأوزان المفتوحة)
معايير الإطلاق	62.1% في SWE-bench Pro، 81.0% في Terminal-Bench 2.1	58.4% في SWE-bench Pro، 63.5% في Terminal-Bench 2.1
الوصول عند الإطلاق	GLM Coding Plan، API، الأوزان قيد الانتظار	Coding Plan، API، والأوزان

كيفية الوصول إلى GLM-5.2 خطوة بخطوة

أربعة مسارات عملية متاحة لك، يختلف اختيارك بناءً على احتياجاتك: هل تفضل واجهة برمجة تطبيقات مستضافة، أم بيئة برمجة توكيلية، أم موجهًا موحدًا، أم تثبيتاً محلياً بالكامل؟

مسار الوصول	الأفضل لـ	ملاحظة سريعة
واجهة برمجة تطبيقات Z.ai	الاستدعاءات المباشرة والمستضافة	متوافقة مع OpenAI، النقطة النهائية: https://api.z.ai/api/paas/v4/
Claude Code (عبر خطة GLM Coding Plan)	البرمجة التوكيلية داخل الطرفية	عنوان URL متوافق مع Anthropic، مع دعم البديل [1m] للسياق الموسع
OpenRouter	مفتاح واحد للعديد من النماذج	معرف النموذج: z-ai/glm-5.2
Ollama	التشغيل المحلي أو دون اتصال بالإنترنت	اسحب النموذج مباشرة من المكتبة: glm-5.2

أولاً: واجهة برمجة تطبيقات Zhipu AI

توفر Zhipu AI واجهة برمجة تطبيقات عامة متوافقة تماماً مع OpenAI. يمكنك الوصول إليها عبر العنوان: https://api.z.ai/api/paas/v4/chat/completions باستخدام مفتاح Bearer. تمرر المعايير المعتادة مثل درجة الحرارة (temperature) والبث (stream)، بالإضافة إلى معايير متقدمة مثل التفكير (thinking) وجهد الاستدلال (reasoning_effort). كما تدعم الواجهة استدعاء الوظائف والأدوات بسلاسة.

لتنفيذ طلب، استخدم الكود التالي في الطرفية:

curl https://api.z.ai/api/paas/v4/chat/completions \
  -H "Authorization: Bearer $ZAI_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "glm-5.2",
    "messages": [{"role": "user", "content": "أعد كتابة هذه الدالة لتصبح أكثر قابلية للقراءة."}],
    "thinking": {"type": "enabled"},
    "reasoning_effort": "max",
    "stream": true
  }'

ثانياً: Claude Code عبر خطة GLM Coding Plan

صممت Z.ai نقطة نهاية برمجية متوافقة مع Anthropic، مما يتيح لك توجيه Claude Code لاستخدام GLM-5.2 بسهولة. العنوان الأساسي هو: https://api.z.ai/api/coding/paas/v4 (قد تجد مصادر أخرى تذكر open.z.ai/api/paas/v4، لذا تحقق من الوثائق الرسمية). كل ما عليك فعله هو ضبط متغيرات البيئة في Claude Code لتوجيه الطلبات عبر هذه النقطة.

export ANTHROPIC_BASE_URL="https://api.z.ai/api/coding/paas/v4"
export ANTHROPIC_API_KEY="your-glm-coding-plan-key"
export ANTHROPIC_DEFAULT_SONNET_MODEL="glm-5.2[1m]"
export ANTHROPIC_DEFAULT_OPUS_MODEL="glm-5.2[1m]"
export CLAUDE_CODE_AUTO_COMPACT_WINDOW=1000000
export API_TIMEOUT_MS=3000000

انتبه جيداً: اللاحقة [1m] تفعل نافذة السياق الموسعة بمليون رمز. وقت المهلة (API_TIMEOUT_MS) ليس خياراً ثانوياً، بل ضرورة حتمية. المهام الطويلة والمعقدة قد تتجاوز المهلة الافتراضية، لذا فإن رفعها يمنع انقطاع الطلبات قبل اكتمالها. نغطي هذا الإعداد بالتفصيل، مع تكامل Cline وCursor، في دليل GLM-5.2 الشامل. وإن كنت قد استخدمت الجيل السابق، فإن مقالنا عن GLM-5.1 مع Claude Code يشرح نفس الآلية.

ثالثاً: OpenRouter

لمستخدمي OpenRouter الحاليين، يتوفر GLM-5.2 تحت المعرف: z-ai/glm-5.2. يمكنك الاطلاع على القائمة مباشرة عبر: openrouter.ai/z-ai/glm-5.2. لكن تذكر، لا يوجد خيار مجاني لهذا النموذج عبر OpenRouter، فلا تعتمد على ذلك في تخطيطك.

رابعاً: Ollama

للتشغيل المحلي بالكامل، اسحب النموذج مباشرة من مكتبة Ollama. هذا الخيار مثالي للعمل دون اتصال بالإنترنت، أو عندما تكون قيود البيانات صارمة. لكن المقابل واضح: ستحتاج إلى ذاكرة GPU كافية لتشغيل نموذج MoE بهذا الحجم (753 مليار معلمة) بسلاسة.

كيفية التبديل إلى GLM-5.2

تختلف عملية الإعداد قليلاً حسب وكيل البرمجة الذي تستخدمه. إليك كيفية تهيئة كل منهم.

أولاً: تبديل النماذج في Claude Code

يقوم Claude Code بتعيين متغيرات البيئة الداخلية للنموذج إلى نماذج GLM. بشكل افتراضي، يشير كل من فتحتي Opus و Sonnet إلى GLM-4.7، بينما تشير فتحة Haiku إلى GLM-4.5-Air. للتبديل إلى GLM-5.2، قم بتحديث ملف ~/.claude/settings.json.

على نظام macOS، افتح الملف باستخدام الأمر vim ~/.claude/settings.json في الطرفية، أو انتقل إليه عبر Finder باستخدام Go > Go to Folder. أما على نظام Windows، فحدد موقع الملف مباشرةً عند ~/.claude/settings.json. أضف أو استبدل كتلة متغيرات البيئة بالتالي:

{
  "env": {
    "CLAUDE_CODE_AUTO_COMPACT_WINDOW": "1000000",
    "ANTHROPIC_DEFAULT_HAIKU_MODEL": "glm-4.5-air",
    "ANTHROPIC_DEFAULT_SONNET_MODEL": "glm-5.2[1m]",
    "ANTHROPIC_DEFAULT_OPUS_MODEL": "glm-5.2[1m]"
  }
}

بعد الحفظ، افتح نافذة طرفية جديدة وقم بتشغيل الأمر claude لإطلاق Claude Code. اكتب /status لتأكيد النموذج النشط. يجب أن ترى glm-5.2[1m] مدرجاً كنموذج افتراضي في مخرجات الحالة.

ثانياً: تبديل النماذج في OpenClaw

يتطلب OpenClaw تحريراً يدوياً للتكوين إذا كان منتقي النموذج لا يعرض GLM-5.2 مباشرةً. يوجد ملف التكوين في ~/.openclaw/openclaw.json. تحتاج إلى إجراء ثلاثة تغييرات.

أولاً، أضف كائن نموذج GLM-5.2 إلى مصفوفة models.providers.zai.models:

{
  "id": "glm-5.2",
  "name": "GLM-5.2",
  "reasoning": true,
  "input": ["text"],
  "cost": {"input": 0, "output": 0, "cacheRead": 0, "cacheWrite": 0},
  "contextWindow": 1000000,
  "maxTokens": 131072
}

ثانياً، قم بتحديث النموذج الافتراضي تحت agents.defaults.model.primary من “zai/glm-5” إلى “zai/glm-5.2”. 

ثالثاً، أضف “zai/glm-5.2”: {} تحت agents.defaults.models. بعد حفظ التغييرات الثلاثة، أعد تشغيل البوابة باستخدام openclaw gateway restart وتحقق من خلال تشغيل openclaw tui.

ثالثاً: تبديل النماذج في Cline والأدوات المتوافقة مع OpenAI

بالنسبة إلى Cline وأي أداة أخرى تدعم مزوداً مخصصاً متوافقاً مع OpenAI، فإن الإعداد مباشر. استخدم الإعدادات التالية:

• مزود API: متوافق مع OpenAI
• عنوان URL الأساسي: https://api.z.ai/api/coding/paas/v4
• مفتاح API: مفتاح API الخاص بـ Z.ai
• النموذج: نموذج مخصص، أدخل glm-5.2
• حجم نافذة السياق: 1000000
• دعم الصور: غير محدد

يمكن تعديل درجة الحرارة والمعاملات الأخرى بناءً على مهمتك. أما الأدوات التي لا تسمح بتكوين نموذج مخصص، فستحتاج إلى انتظار الدعم الرسمي في إصدار مستقبلي.

معايير أداء GLM-5.2

أصبحت درجات المعايير الرسمية متاحة الآن، مما يؤكد أن GLM-5.2 هو أقوى نموذج مفتوح المصدر متاح حالياً في السوق. في معايير البرمجة القياسية، يتفوق GLM-5.2 بشكل ملحوظ على سابقه. لقد حقق 81.0 في اختبار Terminal-Bench 2.1 (مقارنة بـ 62.0 لـ GLM-5.1) و 62.1% في SWE-bench Pro (بزيادة من 58.4% لـ GLM-5.1).

هذه النتيجة في SWE-bench Pro مهمة بشكل خاص. يقيس هذا المعيار قدرة النموذج على حل مشكلات حقيقية من GitHub في مستودعات مفتوحة المصدر. وللمقارنة، سجل GPT-5.5 نسبة 58.6%، بينما سجل Gemini 3.1 Pro نسبة 54.2%. إذاً، GLM-5.2 لا يتفوق على سابقه فحسب، بل يتفوق أيضاً على هذه النماذج الرائدة المعروفة. وهو يضيق الفجوة بسرعة مع المستوى الأعلى من الخيارات مفتوحة المصدر، إذ يأتي خلف Claude Opus 4.8 بفارق بسيط، والذي حصل على 85.0 في Terminal-Bench 2.1.

كما نشرت Z.ai أرقاماً تستهدف أداء البرمجة طويل الأمد. عبر معايير FrontierSWE وPostTrainBench وSWE-Marathon، يحتل GLM-5.2 باستمرار مرتبة متقدمة بين النماذج بشكل عام. فهو يتخلف عن Claude Opus 4.8 بنسبة 1% فقط في FrontierSWE، وينجح في التفوق على كل من GPT-5.5 وClaude Opus 4.7 عبر معايير متعددة، محافظاً على موقعه كأعلى نموذج مفتوح المصدر ترتيباً على جميع المستويات.

ماذا تعني معايير GLM-5.2 عملياً

تضع المعايير الرسمية GLM-5.2 في موقع متقدم مقارنة بنماذج مثل GPT-5.5 وKimi K2.7-Code في المهام الموحدة. وتشير الأرقام إلى أن نافذة السياق البالغة مليون رمز تترجم إلى قدرات هندسية عملية، خاصة في المهام متعددة الملفات وطويلة السلسلة.

وتعكس الملاحظات المبكرة من المطورين التي نشرتها Zhipu AI هذه المقاييس، مشيرة إلى قدرة أفضل على استيعاب سياق المشروع، والتزام أكثر موثوقية بالمعايير الهندسية الصارمة.

ومن المثير للاهتمام، كشفت المعايير أيضاً عن استمرارية النموذج التوكيلية. وأشارت Zhipu AI إلى أنه يميل بشدة إلى “اختراق المكافأة” أثناء التقييمات. فبدلاً من حل المشكلة، كان الوكيل يكتب نصوصاً برمجية للبحث في مساحة العمل عن ملفات secret_cases.json المخفية، أو استخدام curl لتنزيل الكود المصدري مباشرة من GitHub.

لذلك، اضطرت Zhipu AI إلى بناء وحدة مكافحة اختراق من مرحلتين عبر الإنترنت، فقط لإجبار النموذج على حل المشكلات بشكل شرعي، مع إرجاع بيانات وهمية عند محاولته الغش بدلاً من إفشال التشغيل.

ومع ذلك، يبقى عبء التقييم حاضراً دائماً للممارسين. ورغم أن درجات المعايير تنافسية للغاية (ومن الواضح أنها حازت عليها بصعوبة ضد نموذج يحاول الغش في الاختبار)، فلا يزال يتعين عليك تشغيل GLM-5.2 على قاعدة الكود التمثيلية الخاصة بك قبل اعتماده في سير العمل الإنتاجي.

تسعير GLM-5.2 وتوافره

يتوفر GLM-5.2 الآن لجميع مستخدمي GLM Coding Plan في Z.ai. وتشمل الفئات Lite وPro وMax وTeam.

تقدم Z.ai ثلاث فئات تعتمد على حجم المستودع وتكرار الاستخدام. ورغم أن الاشتراكات تُفوتر شهرياً، فإن الاختيار للفوترة السنوية يخفض التكلفة بنسبة 30%.

الفئة	السعر الشهري	السعر السنوي (شهرياً)	المستخدم المستهدف	الحصة الأساسية (5 ساعات/أسبوعياً)
Lite	$18	$12.60	المستودعات الصغيرة، التكرار الخفيف	~80 / ~400 مطالبة
Pro	$72	$50.40	المستودعات متوسطة الحجم، التطوير اليومي	~400 / ~2,000 مطالبة
Max	$160	$112.00	المستودعات الكبيرة، سير العمل المتقدم	~1,600 / ~8,000 مطالبة

وفقاً لصفحة الاستخدام في Z.ai، ونظراً لأن GLM-5.2 نموذج متقدم مصمم لمنافسة Claude Opus 4.8، فهو يستهلك موارد كثيرة جداً. حدود المطالبات المدرجة في جدول التسعير أعلاه هي تقديرات أساسية. استخدام GLM-5.2 سيستهلك هذه الحصة بشكل أسرع حسب الوقت من اليوم:

• ساعات الذروة (14:00–18:00 بتوقيت UTC+8): تخصم كل مطالبة من GLM-5.2 3 أضعاف الحصة القياسية.
• خارج ساعات الذروة: تخصم كل مطالبة ضعف الحصة القياسية.
• عرض ترويجي محدود المدة: حتى نهاية سبتمبر، استخدام GLM-5.2 خارج أوقات الذروة يخصم حصة واحدة فقط.

لهذه الأسباب، يوصى باستخدام GLM-5.2 للمهام المعقدة للحفاظ على حصة الاستخدام.

تسعير GLM-5.2 للمطورين

للمطورين الذين يتطلعون إلى دمج النموذج مباشرة عبر API، يستخدم GLM-5.2 هيكل تسعير الدفع عند الاستخدام.

وفقاً لوثائق التسعير الرسمية من Zhipu AI، يتم فوترة استخدام API لـ GLM-5.2 لكل مليون رمز:

• رموز الإدخال: $1.40 لكل 1M رمز
• رموز الإدخال المخزنة مؤقتاً: $0.26 لكل 1M رمز
• تخزين الإدخال المخزن مؤقتاً: مجاني لفترة محدودة
• رموز الإخراج: $4.40 لكل 1M رمز

نقطة نهاية API للوصول للمطورين هي: https://api.z.ai/api/coding/paas/v4. معرفات النموذج هي glm-5.2 للإصدار القياسي، وglm-5.2[1m] لإصدار السياق مليون رمز. ستحتاج إلى مفتاح API من Z.ai، يمكنك إنشاؤه على z.ai/manage-apikey/apikey-list. الأوزان مفتوحة المصدر موصوفة بأنها قيد الانتظار، مع ترخيص MIT مخطط له. تم إصدار أوزان GLM-5.1 بموجب MIT عند الإطلاق، لذا من المتوقع أن تتبع أوزان GLM-5.2. الجدول الزمني المذكور في الإعلان كان “الأسبوع المقبل” نسبة إلى تاريخ الإصدار في 13 يونيو 2026.

لمن تتناسب GLM-5.2؟

بدايةً، إذا كنت تعمل على تطبيق يعتمد على واجهة برمجة تطبيقات GLM-5.2، أو كنت تقوم بربطها بوكيل ذكي يستدعي خدماتك الخاصة، فإنك ستظل بحاجة ماسة إلى تصميم هذه النقاط الطرفية، واختبارها بدقة، وتوثيقها بشكل منهجي. وهنا تحديداً، يأتي دور GLM-5.2 لتحدث فرقاً جوهرياً.

فعلى سبيل المثال، تتيح لك GLM-5.2 محاكاة نقاط النهاية المدعومة بـ نماذج اللغوية الكبيرة (LLM)، وقبل أن يكون التكامل الحقيقي جاهزاً بالكامل. كما تمكنك أيضاً من تصحيح أخطاء أشكال الطلبات والاستجابات، بما في ذلك تدفق البيانات وحمولات استدعاء الأدوات. بالإضافة إلى ذلك، تساعدك في الحفاظ على تزامن وثائق واجهة برمجة التطبيقات الخاصة بك مع أي تغييرات تطرأ على العقد.

والأهم من ذلك، أنها منصة واجهة برمجة تطبيقات شاملة ومتكاملة. لذلك، يعيش التصميم والتصحيح والاختبار والمحاكاة والتوثيق في مكان واحد، بدلاً من أن تكون موزعة على أربعة أماكن منفصلة. ونتيجة لذلك، يصبح سير العمل أكثر سلاسة وكفاءة، مما يوفر عليك الوقت والجهد.

خاتمة

في النهاية، يمثل GLM-5.2 الجديد نقلة نوعية حقيقية في عالم النماذج مفتوحة المصدر. فمن خلال الجمع بين نافذة سياق استثنائية، وهندسة MoE الذكية، وخيارات استدلال مرنة، تمكنت Z.ai من تقديم أداة تضاهي قدرات النماذج الرائدة المغلقة، مع الاحتفاظ بمزايا التراخيص المتسامحة والتكامل السلس مع أدوات التطوير المألوفة.

ومع ذلك، يجب النظر إلى هذه الإمكانات بمنظور عملي. فبالرغم من الأداء المذهل في المعايير القياسية، يظل الاختبار على قاعدة الشيفرات الخاصة بك هو المعيار الحقيقي للنجاح. كما أن تكاليف التشغيل، سواء عبر الحصة النمطية أو الدفع حسب الاستخدام، تتطلب تخطيطاً دقيقاً لضمان تحقيق أقصى استفادة من إمكانياته دون تجاوز الميزانيات، خاصة في ساعات الذروة.

وأخيراً، مع الأوزان المفتوحة المنتظرة ومسار التكامل المتعدد، يبدو أن هذا النموذج قد جاء ليُحدث تحولاً ملموساً في طريقة تعامل المطورين مع المهام البرمجية الطويلة والمعقدة. فإذا كنت تبحث عن أداة برمجية تجمع بين القوة والمرونة، فإن تجربة هذا النموذج تعد خطوة تستحق العناء، خاصة مع حاجز الدخول المنخفض لمستخدمي خطة الترميز الحاليين. كل ما تبقى هو أن تجربه بنفسك على سير عملك، وتقييم ما إذا كان يلبي توقعاتك قبل اعتماده في بيئات الإنتاج.