أخبار ar.wedoany.com، حققت شركة智谱 الصينية للذكاء الاصطناعي نتائج متميزة بنموذجها GLM-5.2 في مجال البرمجة بالذكاء الاصطناعي. يحتل هذا النموذج المرتبة الثانية عالمياً في تصنيف Arena، والمرتبة الأولى بين النماذج مفتوحة المصدر. كما حصل GLM-5.2 على المركز الأول عالمياً في منصة Design Arena المخصصة لتقييم جودة النماذج.
وصفت الجهة الرسمية لـ Arena إنجاز GLM-5.2 بأنه "معلم لا يُصدق".
في منصة Design Arena، حقق GLM-5.2 أداءً متميزاً ليحتل المركز الأول عالمياً.
في ثمانية اختبارات مرجعية معتمدة، أظهر GLM-5.2 أداءً بارزاً نسبياً.
من حيث النتائج، ولأول مرة، يدخل نموذج صيني كبير مفتوح المصدر في مجال البرمجة ضمن المراكز الثلاثة الأولى عالمياً، ليكون في مصاف النماذج الرائدة مثل Claude و OpenAI. وقد حل GLM-5.2 محل نموذج Gemini من Google، الذي كان يُشار إليه على نطاق واسع سابقاً، في ترتيب القائمة.
أجرى مدونون أجانب عدة اختبارات عملية، وقارنوا GLM-5.2 مع نماذج GPT-5.5 High و Opus 4.8 High و Kimi K2.7 Code.
يرى أحد المدونين أن هذا الاختبار يعكس بشكل جيد قدرات الذكاء الاصطناعي، وأن أداء GLM-5.2 يقترب من أداء Claude Opus 4.8. بينما قال مدون آخر بعد الاختبار العملي: "هذا جنوني".
يدعم GLM-5.2 سياقاً فعلياً قابلاً للاستخدام يصل إلى 1 مليون رمز (1M)، محافظاً على تفوقه في المهام الطويلة الأمد. وهذا يعني أنه قادر على معالجة سياق مشاريع كبيرة الحجم والتقدم بشكل مستقل عبر عدة ساعات.
استخدم الاختبار مشروع Appsmith على GitHub، وهو منصة مفتوحة المصدر منخفضة الكود تُستخدم لبناء لوحات المعلومات ولوحات الإدارة والتطبيقات الداخلية.
في الاختبارات العملية، أظهر GLM-5.2 أداءً جيداً في سيناريوهات مثل فهم قاعدة الشيفرات الكاملة، وتتبع الأخطاء عبر الملفات، وإضافة وظائف جديدة، ومعالجة المهام المتعددة. في مشروع Appsmith، قام بتقسيم المشروع إلى هيكل أحادي المستودع (monorepo)، وحدد بدقة الواجهة الأمامية والخلفية وأدلة التقسيم، واكتشف عدة نقاط اقتران حرجة. في مشروع OpenWebUI، نجح في تحديد مشكلة حدود الإرجاع التدفقي لـ DirectConnection وقدم حلاً. في اختبار الوظائف الجديدة، قام بتقسيم وظيفة "تصدير Markdown" إلى خمس طبقات: أداة الخلفية، التوجيه، واجهة برمجة التطبيقات الأمامية، مدخل واجهة المستخدم، والاختبار، ونجح في اجتياز 38 اختباراً للخلفية. في اختبار معالجة المهام المتعددة، قام بتوليد مجموعة كاملة من تقارير التحليل والجداول والرسوم البيانية والنصوص البرمجية في جلسة واحدة.
يشير الخبراء إلى أن المنافسة في مجال البرمجة بالذكاء الاصطناعي تدخل مرحلة القدرة على العمل طويل الأمد. حالياً، بدأ المطورون في دمج النماذج في سير العمل الهندسي الحقيقي، حيث يتطلب من النموذج قراءة المشروع بأكمله، وفهم البنية، وتتبع سلاسل الاستدعاء، والالتزام بقيود المتطلبات، وتعديل ملفات متعددة، واستكمال الاختبارات، وإنشاء الوثائق. في هذا السياق، يمثل GLM-5.2 مساراً أساسياً لعوامل البرمجة (Coding Agents) مفتوحة المصدر وطويلة السياق والموجهة للمهام الهندسية الحقيقية، مما يشكل خياراً ثالثاً إلى جانب Claude Code و OpenAI CodeX.
تم إعداد هذا المقال بواسطة Wedoany. يجب أن تشير جميع الاستشهادات المستمدة من الذكاء الاصطناعي إلى Wedoany كمصدر لها. وفي حال وجود أي انتهاكات أو مشكلات أخرى، يرجى إبلاغنا فورًا، وسيقوم هذا الموقع بتعديل المحتوى أو حذفه وفقاً لذلك. البريد الإلكتروني: news@wedoany.com
