GLM 5.2 من Zhipu AI تحل محل Claude Opus 4.8 في Databricks بتكلفة أقل بنسبة 34%
وجدت شركة Databricks، عند الاختبار على قاعدة شيفرتها الخاصة، أن النموذج المفتوح GLM 5.2 من Zhipu AI يولّد شيفرة مطابقة في جودتها لما ينتجه Claude Opus 4.8، لكن بتكلفة أقل بنسبة 34% (1.28 دولار مقابل 1.94 دولار للمهمة الواحدة). وتعتمد Databricks نموذج GLM 5.2 أداةً رئيسية لعملها اليومي، وتنصح القطاع بأكمله بعدم الاكتفاء بالمعايير المرجعية العالمية (البنتشمارك)، وببناء معاييره الخاصة على قاعدة شيفرته الفعلية.
معالج بواسطة الذكاء الاصطناعي من The Decoder؛ بتحرير Hamidun News
في 11 يوليو 2026 أعلنت شركة Databricks قرارًا استراتيجيًا: نقل النموذج الصيني المفتوح GLM 5.2 من Zhipu AI إلى مرتبة الأداة الرئيسية لأتمتة البرمجة. وفي اختبارات أجرتها على قاعدة شيفرتها الضخمة التي تضم ملايين الأسطر، حقق GLM 5.2 نتائج مطابقة لنتائج Claude Opus 4.8 من Anthropic، لكن بتكلفة أقل بنسبة 34%: 1.28 دولار للمهمة مقابل 1.94 دولار.
كيف اختبرت Databricks النماذج
شغّل مهندسو Databricks وكلاء برمجة على قاعدة الشيفرة الإنتاجية الحقيقية للشركة، وهي ملايين الأسطر من الشيفرة المصدرية التي تعكس كل تعقيدات التطوير الفعلي وخصوصياته. وهذا أمر حاسم، لأن المعايير المرجعية العامة كثيرًا ما تقيس النماذج على مهام اصطناعية لا تتطابق مع سلوك النموذج في خصوصيات شيفرتك أنت.
ولم تقس Databricks جودة الشيفرة المولَّدة وسرعتها فحسب، بل قاست أيضًا التكلفة العملية على نطاق واسع: كم من المال يُنفق فعليًا على أتمتة البرمجة يوميًا وأسبوعيًا وشهريًا في بيئة الإنتاج. وهنا تحديدًا أثبت GLM 5.2 المفتوح قيمته.
النتائج: GLM 5.2 في مستوى Opus 4.8
النتائج واضحة:
- GLM 5.2 من Zhipu AI: تكلفة 1.28 دولار للمهمة البرمجية الواحدة
- Claude Opus 4.8 من Anthropic: 1.94 دولار للمهمة نفسها
- التوفير عند الانتقال إلى GLM 5.2: 0.66 دولار للمهمة، أي انخفاض في التكاليف بنسبة 34%
- جودة الشيفرة المولَّدة: متطابقة
- سرعة التنفيذ والدقة: متقاربتان
- أُجريت الاختبارات على بيانات الإنتاج الخاصة بـ Databricks، وليس على معايير مرجعية عامة
واختبرت Databricks مرشحين آخرين أيضًا، لكن GLM 5.2 احتل المرتبة الأولى من حيث نسبة السعر إلى الجودة.
لماذا يقوّض هذا الرأي السائد
النظرة التقليدية في القطاع ترى أن النماذج الغربية المغلقة (Claude Opus وGPT من OpenAI وGemini من Google) تتفوق تلقائيًا على نظيراتها المفتوحة القادمة من آسيا. وتنقض Databricks هذه الفكرة بالتجربة العملية: ففي مهام الإنتاج الحقيقية، يكتب GLM 5.2 المفتوح من شركة Zhipu AI الصينية الشيفرة بالكفاءة نفسها التي يكتب بها Opus 4.8 المملوك لشركته، لكن مع توفير ملحوظ.
«تعتمد الشركات في كثير من الأحيان على المعايير المرجعية المتاحة للعموم فقط، ولا تختبر النماذج على بياناتها الخاصة. وقد تختلف النتائج اختلافًا كبيرًا»، هذا ما خلصت إليه
Databricks في جوهر موقفها.
ويطرح هذا الاستنتاج سؤالًا أساسيًا: إذا كانت النماذج المفتوحة تنافس المغلقة في الواقع العملي، فلماذا ندفع 34% زيادة؟
ماذا يعني ذلك للسوق
يتجه سوق نماذج الذكاء الاصطناعي بعيدًا عن احتكار مزوّد أو مزوّدَين نحو تنوع حقيقي. فالنماذج المفتوحة من Zhipu AI (GLM) وMeta (Llama) وMistral باتت قادرة على المنافسة، لا من حيث السعر فحسب، بل من حيث الجودة في مهام الإنتاج العملية أيضًا. وبالنسبة إلى الشركات، يعني هذا أن الخيارات تتسع، وأنه لا حاجة إلى اختيار النموذج صاحب أفضل تصنيف علني بشكل أعمى، بل ينبغي الاختبار على البيانات الخاصة وحساب التكلفة الفعلية للملكية.
الأسئلة الشائعة
متى يصبح GLM 5.2 متاحًا للعموم؟
نموذج GLM 5.2 متاح بالفعل بوصفه نموذجًا مفتوح المصدر من Zhipu AI. ويمكن لأي شركة تنزيله واختباره ونشره على خوادمها أو في السحابة دون رسوم ترخيص.
كم ستوفر الشركة عمليًا عند الانتقال إلى GLM 5.2؟
يتوقف التوفير على حجم الاستخدام. فإذا كانت الشركة تنفق 100 دولار يوميًا على Claude Opus 4.8 للبرمجة، فإن الانتقال إلى GLM 5.2 سيوفر نحو 34 دولارًا يوميًا، أو 12 400 دولار سنويًا. لكن ذلك يتطلب إجراء اختبار خاص على قاعدة شيفرتك أنت.
*Meta مصنفة منظمة متطرفة ومحظورة في روسيا.
Access Frontier LLMs & Multimodal AI in One Workspace
Discover NomadNet AI (nomadnet.ai) — unified access to frontier language models, research synthesis, and multimodal workflows.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.