GLM-5.1 جعل النموذج المفتوح المصدر يثبت أقدامه لأول مرة في مهام المشاريع طويلة الأمد

بدأ النموذج المفتوح المصدر يأخذ الأمور على محمل الجد في المهام طويلة المدى

أعلن OpenRouter عن دمج GLM-5.1، مما حول النقاش من "ما حجم المعاملات" إلى "كم يمكن أن يستمر في العمل بشكل متواصل". خلال غياب المراقبة، قام GLM-5.1 بتحسين قاعدة بيانات المتجهات لمدة 8 ساعات، وأجرى أكثر من 600 تكرار، مع زيادة الأداء بمقدار 6 أضعاف. هذا غير موقع النماذج المفتوحة المصدر: لم تعد مجرد بديل رخيص، بل ربما تكون أكثر فاعلية في سير العمل الهندسي — خاصة أن نماذج مغلقة مثل Claude Opus 4.6 غالبًا ما تتوقف عن التحسن بعد تجربة بسيطة. ساعد كبار مسؤولي Hugging Face في الترويج، لكن التغريدات لم تذكر غالبًا تكلفة الحوسبة.

ردود الفعل لا تزال كما هي، مع انقسام حاد:

• مطورو المنتجات يصفقون على تويتر، وLMSYS وOllama يؤكدون على ترخيص MIT الذي يسهل التعديل والتخصيص؛
• على Reddit، يُعتقد أن "بدون تقييم مستقل، لا يُمكن تصديق الادعاءات"؛
• شرح النشر على Vercel وTogether.ai يُظهر أن النظام البيئي مهتم بأدوات الوكيل؛
• عدم اليقين الجيوسياسي يتزايد، وقد تسرع بعض الشركات في استضافة النماذج مفتوحة المصدر لتجنب مخاطر الامتثال.

نقاط مهمة يجب ملاحظتها:

• API مغلق المصدر لا يزال أرخص: مع 754 مليار معامل، يتطلب استنتاج الأجهزة عالية جدًا، ولا تستطيع الشركات المتوسطة تحمله. لكن هذا قد يحفز ابتكارات في مجال تقديم الخدمات.
• اللوائح جيدة، لكن الاستنتاج غير مستقر: حصل SWE-Bench Pro على 58.4%، يبدو جيدًا، لكن GPQA Diamond فقط 86.2%، وGemini 94.3%. التغليف بـ"ثالث عالم" لن يشتريه فريق يهدف إلى تطبيقات عامة.
• المطورون المستقلون أسرع في التجربة: بعد دمج OpenRouter، أصبح الوصول أسهل بكثير، مما قد يهدد مكانة Anthropic في مجال "الأمان والوكيل القادر على استخدام الأدوات".

الفرق بين نتائج الاختبار والتنفيذ الفعلي

أثارت عبارة "نسبة إكمال المهام طويلة المدى" جدلاً. عرض Z.ai (مثل إعداد سطح مكتب Linux الخاص بهم) ونتائج GLM-5.1 في Terminal-Bench 2.0 بنسبة 63.5% (بعد التحسين 69%) لا تتطابق. هناك فجوة بين التسويق والاختبار الحقيقي: الترويج يحتاج إلى إثارة، لكن الشركات تريد حالات يمكن التحقق منها، مثل تكامل روبوت الإشارة من Bella Protocol. استخدمت VentureBeat وComputerworld مصطلح "يوم عمل 8 ساعات" لرفع توقعات المستثمرين. حجم المعاملات أصبح أقل أهمية أمام "القدرة على الإنتاج المستمر" — وGLM-5.1 استسلمت لهذا، لكن تكاليف التشغيل أعلى أيضًا.

| الموقف | الأدلة والمصادر | تأثير على الصناعة | كيف نقيّم | |---|---|---|---| | المتفائلون بالمصدر المفتوح | منشور Z.ai: 21.5 ألف QPS على Vector-DB-Bench؛ دعم من CEO لـ Hugging Face | يعزز فكرة "ديمقراطية الذكاء الاصطناعي الوكولي"، ويعجل الاستثمار في النماذج المفتوحة | القيمة الحقيقية تكمن في التخصيص لصناعات معينة (مثل المالية)، وليس للجميع | | المشككون في المصدر المغلق | SWE-Bench Pro 58.4% مقابل Claude 57.3%؛ الفارق في Terminal-Bench | يعمق الشكوك حول موثوقية المصدر المفتوح، وتأخر انتقال الشركات من GPT | ربما تتبع الشركات نهجًا مزدوجًا: استخدام GLM في حالات تتطلب تدقيق الكود، وتبني نماذج أخرى | | الشركات العملية | دمج OpenRouter/Vercel؛ إطلاق روبوت تداول من Bella Protocol | التركيز يعود إلى تكاليف النشر، وطلبات العروض تميل لترخيص MIT | التنظيم والامتثال قد يسرع من استضافة الذكاء الاصطناعي داخليًا، ويزيد الضغط على الحلول المغلقة على السحابة | | المتابعون للمسابقات | معايير Hugging Face؛ مؤشر Artificial Analysis Intelligence 51/100 | يستهزئون بـ"طول المخرجات، وارتفاع السعر ($4.40 لكل مليون رمز إخراج)" | الاتجاه صحيح: التركيز على تحسين تقديم الخدمات، وعدم الانشغال بالمنافسة على المراتب |

هذه المسيرة—from التغريدات إلى إعادة التغريد من الخبراء ثم متابعة وسائل الإعلام—تجبر المختبرات المغلقة على تفسير سبب ارتفاع التكاليف. قد تروج Anthropic لـ"نسخة أسرع" (مثل Claude Opus 4.6 Fast) لمواجهة ذلك. السوق معتاد على مراقبة SOTA، لكنه يقلل من شأن الانقسامات المحتملة بسبب العوامل الجيوسياسية. GLM-5.1 يُختبر الآن لمعرفة مدى قدرة استراتيجية الذكاء الاصطناعي الصينية على التوسع عالميًا.

الاستنتاج: أن GLM-5.1 حولت "القدرة على التشغيل المستمر لعدة ساعات" إلى معيار أساسي في المهام الهندسية، وبدأت النماذج المفتوحة تصبح الخيار الافتراضي في سير العمل المحدد. الفرق الآن هو أن الفرق التي تركز على تحسين الكفاءة والتحقق من الهياكل المختلطة ستكون أكثر ميزة في المرحلة القادمة.

الأهمية: عالية
التصنيف: إصدار النماذج، اتجاهات الصناعة، المصدر المفتوح

الحكم: بالنسبة للمطورين الذين يبنون ويضبطون النماذج بأنفسهم، ولصناديق التمويل التي تعمل على البنية التحتية، هذه فرصة مبكرة للاستفادة. أما من يركز فقط على قدرات الحوار العامة، فالعلاقة ليست قوية. الفرق التي لا تبدأ الآن في تجارب المهام طويلة المدى وتحسينات تقديم الخدمات ستتخلف عن الركب في المرحلة التالية من تطبيقات الشركات.