GLM-5.3 يقترب من النماذج الرائدة: ما سر القفزة الكبيرة في أداء النموذج الصيني؟

حققت شركة Z.ai الصينية قفزة لافتة مع إطلاق نموذجها الجديد GLM-5.3، لكن المثير في هذا الإصدار ليس إضافة مئات المليارات من المعلمات أو بناء نموذج أساسي جديد من الصفر.

على العكس تمامًا.

تقول Z.ai إن GLM-5.3 يعتمد على قاعدة النموذج نفسها المستخدمة في GLM-5.2، وإن معظم التحسن جاء من توسيع مرحلة التدريب اللاحق، مع زيادة حجم وتنوع بيئات التدريب المعزز والمهام طويلة الأمد.

وتلخص الشركة فلسفتها وراء الإصدار بعبارة واضحة: توسيع التدريب اللاحق هو جوهر ما فعلته في GLM-5.3.

والنتيجة لافتة. فقد حقق النموذج قفزات كبيرة في عدد من اختبارات البرمجة والعمل الوكيلي، واقترب من بعض النماذج الاحتكارية المتقدمة، بينما تجاوزها في اختبارات محددة، خصوصًا في اكتشاف الثغرات الأمنية.

لكن الصورة ليست بهذه البساطة.

فـGLM-5.3 لا يتفوق على جميع النماذج الرائدة، كما أن معظم الأرقام المتداولة حاليًا تأتي من تقييمات نشرتها Z.ai نفسها ولم تخضع بعد لإعادة إنتاج مستقلة واسعة النطاق.

وهنا تكمن أهمية هذا الإصدار: ليس فقط في أرقام الاختبارات، وإنما في السؤال الأكبر حول مقدار ما يمكن استخراجه من نموذج موجود بالفعل عبر التدريب اللاحق وبيئات العمل الواقعية.

القفزة الكبيرة جاءت من التدريب اللاحق

على عكس العديد من الإصدارات الجديدة التي تجمع بين قاعدة بيانات تدريب جديدة وبنية معمارية مختلفة وتعديلات في مرحلة ما بعد التدريب، اختارت Z.ai في GLM-5.3 الإبقاء على قاعدة النموذج الأساسية نفسها تقريبًا.

ويعتمد النموذج على بنية Mixture-of-Experts بحجم إجمالي يقارب 743-744 مليار معلمة، وهي في الأساس قاعدة GLM-5.2 نفسها، مع تطوير مكثف لمرحلة التدريب اللاحق.

وبحسب ما نشرته Z.ai، ركز التدريب الجديد على مهام برمجية طويلة الأمد وبيئات تنفيذ تحاكي بصورة أكبر العمل الحقيقي للمهندسين.

وهذا الاختيار مهم لأنه يغير طريقة النظر إلى تطور النماذج.

فبدلًا من أن تكون كل قفزة في الأداء مرتبطة بنموذج أساسي أكبر، تحاول Z.ai استخراج قدرات إضافية من قاعدة موجودة بالفعل عبر تدريب أكثر كثافة وبيئات أكثر تعقيدًا.

وتظهر نتائج هذا النهج بوضوح في الاختبارات الموجهة إلى البرمجة والعمل الوكيلي.

تحسن كبير في مهام البرمجة والعمل الوكيلي

• في Terminal-Bench 3.0، ارتفع أداء GLM-5.3 من 4.6% في GLM-5.2 إلى 28.3%.
• وفي DeepSWE v1.1، قفز الأداء من 46.2% إلى 66.9%.
• أما في SWE-Marathon v1.1، فقد ارتفع من 19.4% إلى 42.5%، بينما وصل النموذج إلى 48.2% في AutomationBench مقارنة بـ26.2% للإصدار السابق.

هذه الزيادات كبيرة، لكنها لا تعني أن GLM-5.3 أصبح أفضل نموذج في كل اختبار.

فعلى سبيل المثال، تشير أرقام الإطلاق إلى أن بعض النماذج الاحتكارية لا تزال تتفوق عليه في اختبارات مثل Terminal-Bench وDeepSWE، بينما يتقدم Kimi K3 عليه قليلًا في DeepSWE.

لذلك فإن الوصف الأدق ليس أن GLM-5.3 «هزم النماذج الرائدة»، وإنما أنه قلص الفجوة معها بشكل ملحوظ، وأصبح من أقوى نماذج البرمجة مفتوحة الأوزان.

كفاءة أفضل في استخدام الرموز

من النتائج اللافتة أيضًا أن التحسن لم يقتصر على نسبة النجاح.

في اختبار Z.ai الداخلي للبرمجة، تشير بيانات الشركة إلى أن GLM-5.3 استطاع تحقيق نتائج أفضل باستخدام عدد أقل من رموز الخرج مقارنة بـGLM-5.2.

فعند استخدام أعلى مستوى من الجهد، حقق GLM-5.3 نسبة نجاح بلغت 34.5% باستخدام نحو 75 ألف رمز خرج، مقارنة بـ23.4% للإصدار السابق باستخدام نحو 96 ألف رمز.

وهذا يعني أن النموذج لا يحاول فقط حل المزيد من المهام، وإنما يحاول الوصول إلى الحل باستخدام مسارات أكثر كفاءة.

وهذه النقطة مهمة اقتصاديًا، لأن نماذج البرمجة الوكيلة يمكن أن تستهلك كميات ضخمة من الرموز أثناء العمل على المشاريع المعقدة.

لكن يجب الانتباه إلى أن هذه الأرقام تأتي من اختبار Z.ai الداخلي، وبالتالي تحتاج إلى إعادة إنتاج مستقلة قبل اعتبارها معيارًا عامًا للكفاءة.

السر الحقيقي: بيئات تدريب تشبه العمل الهندسي الحقيقي

ربما يكون الجانب الأكثر أهمية في GLM-5.3 هو الطريقة التي دربت بها Z.ai النموذج.

بدلًا من الاقتصار على مسائل برمجية قصيرة أو اختبارات أكاديمية منفصلة، طورت الشركة بيئات تنفيذ تحاكي بصورة أكبر العمل الحقيقي للمهندسين.

هذه البيئات تمنح الوكلاء إمكانية التعامل مع أدوات وملفات وقواعد أكواد وأنظمة تنفيذ، بحيث يتعين عليهم اكتشاف المشكلة ثم التخطيط للحل وتنفيذه والتحقق من النتيجة.

وتشير المعلومات المنشورة حول التدريب إلى أن بعض المهام صُممت لتكون طويلة ومعقدة بما يكفي لتمثل عدة أيام من عمل مهندس بشري.

كما استخدمت Z.ai وكلاء للمساعدة في إنشاء بيئات التدريب والمهام، ثم وكلاء آخرين للتحقق من أن المهام قابلة للحل قبل إدخالها في دورة التدريب.

وهذا النوع من التدريب يفسر جزئيًا لماذا ظهرت أكبر التحسينات في الاختبارات التي تتطلب العمل الوكيلي طويل الأمد واستخدام الأدوات بدلًا من مجرد الإجابة عن سؤال نصي قصير.

منظومة Slime تدعم التدريب المعزز طويل الأمد

لإدارة هذا النوع من التدريب على نطاق واسع، تعتمد Z.ai على بنية تحتية من بينها Slime، وهي منظومة مفتوحة المصدر مخصصة لتدريب النماذج باستخدام التعلم المعزز في المهام الوكيلة.

وتساعد هذه البنية على الربط بين التدريب وعمليات التنفيذ وجمع نتائج التجارب، وهي مشكلة تصبح أكثر تعقيدًا عندما يتعين على النموذج تنفيذ مهام طويلة داخل بيئات برمجية حقيقية.

وتقول البيانات المنشورة حول النظام إن التحسينات في البنية التحتية أدت إلى زيادة إنتاجية التدريب المعزز بنحو 2.3 مرة في بعض مهام البرمجة طويلة الأمد.

لكن من المهم جدًا توضيح أن هذا الرقم يتعلق بإنتاجية التدريب، وليس بسرعة توليد الإجابات للمستخدم النهائي.

الأمن السيبراني هو الجانب الأكثر إثارة للجدل

ربما تكون أكثر نتائج GLM-5.3 إثارة للاهتمام خارج البرمجة التقليدية هي قدراته في الأمن السيبراني.

تقول Z.ai إنها أدخلت بيانات وبيئات تدريب متخصصة لاكتشاف الثغرات، لكنها لاحظت أثناء التدريب أن قدرات النموذج الأمنية بدأت تتطور إلى ما هو أبعد من مجرد العثور على أخطاء منفردة.

وبحسب الشركة، بدأ النموذج في تشكيل خطط متعددة المراحل للتعامل مع سلاسل استغلال أكثر تعقيدًا.

وتظهر الأرقام المنشورة نتيجة قوية في CyberGym، حيث سجل GLM-5.3 نسبة 84.5%، متفوقًا بشكل طفيف على Mythos 5 عند 83.8% وGPT-5.6 Sol عند 83.6% في جدول المقارنة الذي نشرته Z.ai.

لكن الصورة تنقلب عند الانتقال من اكتشاف الثغرة إلى استغلالها.

في ExploitBench، سجل GLM-5.3 نسبة 54.4%، بينما وصل Mythos 5 إلى 78%.

وهذا فارق كبير، ويعني أن النموذج لم يصل بعد إلى مستوى النماذج المغلقة في جميع مراحل العمل الهجومي.

اكتشاف أكثر من 2400 ثغرة

تدعي Z.ai أن نماذج GLM تمكنت، بالتعاون مع فرق أمنية، من اكتشاف 2,436 ثغرة عبر 269 مشروعًا مفتوح المصدر، بينها 1,097 ثغرة مصنفة بدرجة عالية أو حرجة.

وتقول الشركة إن بعض هذه الثغرات تعود إلى مشاريع وبرمجيات قديمة جدًا، وإن أقدم ثغرة ضمن الاكتشافات تعود إلى عام 1981.

كما أنشأت Z.ai سجلًا لتوثيق الاكتشافات الأمنية.

لكن من المهم عدم تقديم هذه الأرقام على أنها تدقيق أمني مستقل أو دليل على أن جميع هذه الثغرات اكتشفها GLM-5.3 وحده. فهي جزء من برنامج أمني أوسع أجرته Z.ai باستخدام نماذجها، وبعض النتائج لا تزال خاضعة للإفصاح المنسق أو الحظر المؤقت.

لماذا أخرت Z.ai إطلاق الأوزان المفتوحة?

هذه النقطة ربما تكون من أهم تفاصيل إطلاق GLM-5.3.

رغم أن Z.ai تضع نفسها ضمن الشركات التي تدفع بقوة نحو النماذج مفتوحة الأوزان، فإن أوزان GLM-5.3 لم تكن متاحة مع الإطلاق الأولي.

وقالت الشركة إنها تخطط لإطلاقها بعد الانتهاء من تقييمات السلامة، مع الإشارة إلى فترة تقارب أسبوعين.

في الوقت الحالي، أصبح النموذج متاحًا عبر مسارات مثل GLM Coding Plan وZCode، بينما يجري طرح الوصول تدريجيًا.

وهذا يختلف عن نمط GLM-5.2، الذي وصل إلى الأوزان المفتوحة بصورة أسرع.

السبب واضح: القدرات السيبرانية التي ظهرت أثناء التدريب تفرض مخاطر أكبر عند إتاحة الأوزان لأي شخص دون قيود.

GLM-5.3 ليس نموذجًا بصريًا

هناك نقطة أخرى تستحق الذكر عند تقييم النموذج.

رغم التحسينات الكبيرة في البرمجة والأمن السيبراني، GLM-5.3 ليس نموذجًا متعدد الوسائط بالمعنى الذي يشمل الرؤية والصور.

وكانت الرؤية من أكثر الميزات التي طالب بها مجتمع المستخدمين قبل الإطلاق، لكن الإصدار الجديد بقي موجهًا أساسًا إلى النص والبرمجة والمهام الوكيلة.

وهذا يعني أن GLM-5.3 لا يمثل قفزة شاملة في كل فئات الذكاء الاصطناعي، بل يركز بصورة واضحة على coding agents والمهام طويلة الأمد والأمن السيبراني.

هل يتفوق GLM-5.3 فعلًا على النماذج المغلقة؟

الإجابة المختصرة: في بعض الاختبارات، نعم؛ بشكل عام, لا يمكن قول ذلك بعد.

GLM-5.3 حقق أرقامًا متقدمة جدًا في CyberGym، وتفوق في بعض الاختبارات على نماذج احتكارية.

لكن في اختبارات أخرى ما زالت النماذج المغلقة تتقدم عليه بفارق واضح.

وهذا يظهر بوضوح في ExploitBench، كما تظهر الفجوة أيضًا في بعض اختبارات البرمجة طويلة الأمد.

لذلك فإن الادعاء الأكثر دقة هو أن GLM-5.3 يقترب من النماذج المغلقة في عدد من المهام المتقدمة، بينما أصبح منافسًا قويًا جدًا ضمن فئة النماذج مفتوحة الأوزان.

وهذا بحد ذاته إنجاز مهم.

الاختبارات المستقلة ما زالت نقطة حاسمة

رغم قوة الأرقام المنشورة، يجب عدم الخلط بين نتائج الشركة والتحقق المستقل.

GLM-5.3 أُطلق في 14 أغسطس 2026، وبالتالي فإن معظم الاختبارات المتاحة حاليًا هي اختبارات أجرتها Z.ai أو مبنية على بيانات الإطلاق.

بدأت بالفعل تجارب مجتمع المستخدمين بعد الإطلاق، لكن لا توجد حتى الآن قاعدة كبيرة من الاختبارات مستقلة التي تسمح بالحكم النهائي على النموذج عبر مجموعة واسعة من الاستخدامات.

وهذه النقطة مهمة جدًا لأن الاختبارات التي تحقق فيها GLM-5.3 أكبر قفزاته هي في الأساس اختبارات متخصصة في العمل الوكيلي والبرمجة والأمن السيبراني.

لذلك سيكون من المفيد خلال الأسابيع المقبلة مراقبة الاختبارات المستقلة التي تستخدم إعدادات متطابقة مع النماذج المنافسة، خصوصًا في المهام التي لم تُستخدم لتوجيه التدريب.

ماذا يعني GLM-5.3 لصناعة الذكاء الاصطناعي؟

أهمية GLM-5.3 تتجاوز مجرد ترتيب جديد في جداول الاختبارات.

الإصدار يقدم مثالًا عمليًا على إمكانية تحقيق قفزات كبيرة في الأداء من دون إعادة بناء النموذج الأساسي من الصفر.

فإذا كانت نتائج Z.ai قابلة لإعادة الإنتاج، فإن ذلك يشير إلى أن مرحلة ما بعد التدريب وبيئات العمل الاصطناعية قد تصبح أحد أهم مصادر التحسين في الجيل القادم من النماذج.

كما أن ظهور قدرات سيبرانية أقوى مما توقعت الشركة نفسها يسلط الضوء على مشكلة أخرى: قد تظهر قدرات جديدة أثناء التدريب لا تكون هي الهدف الأساسي الذي صُممت من أجله عملية التدريب.

وهذا يجعل قضية السلامة أكثر تعقيدًا، خصوصًا عندما يتعلق الأمر بنماذج مفتوحة الأوزان.

الخلاصة: قفزة مهمة، لكن الحكم النهائي لم يصدر بعد

يمثل GLM-5.3 واحدًا من أكثر إصدارات النماذج مفتوحة الأوزان إثارة للاهتمام في الفترة الأخيرة.

القفزة التي حققها مقارنة بـGLM-5.2 كبيرة في مهام البرمجة والعمل الوكيلي، والأكثر أهمية أن Z.ai حققتها أساسًا من خلال توسيع التدريب اللاحق وبيئات التعلم المعزز بدلًا من بناء نموذج أساسي جديد بالكامل.

كما أن نتيجة 84.5% في CyberGym تضعه في مستوى قريب جدًا من نماذج احتكارية متقدمة، وإن كان لا يزال متأخرًا بشكل واضح في اختبارات استغلال الثغرات الأكثر تعقيدًا.

لكن يجب مقاومة المبالغة.

GLM-5.3 ليس أفضل نموذج في كل شيء، ولا توجد حتى الآن اختبارات مستقلة كافية لإثبات أن جميع أرقام Z.ai ستتكرر في ظروف مختلفة.

وفي الوقت نفسه، فإن تأخير الأوزان المفتوحة بسبب تقييمات السلامة يوضح أن القدرات السيبرانية المتقدمة أصبحت جزءًا أساسيًا من قصة النموذج، وليس مجرد نتيجة جانبية في جدول اختبارات.

إذا أكدت الاختبارات المستقلة خلال الأسابيع المقبلة معظم هذه النتائج، فقد يكون GLM-5.3 أحد أوضح الأمثلة حتى الآن على أن الفجوة بين النماذج مفتوحة الأوزان والنماذج الاحتكارية يمكن تقليصها ليس فقط عبر زيادة حجم النموذج، بل عبر تحسين طريقة تدريبه بعد بناء النموذج الأساسي.

وهذا هو الجانب الأكثر أهمية في GLM-5.3: القصة ليست فقط نموذجًا جديدًا، بل تجربة في مدى ما يمكن أن يفعله التدريب اللاحق عندما يُدعَم ببيئات عمل طويلة الأمد وبنية تحتية مصممة خصيصًا للوكلاء.