واجهة برمجة تطبيقات GLM-5.1 على Novita AI: نموذج وكيل طويل الأمد

تصل معظم نماذج البرمجة إلى حاجز بعد بضع عشرات من استدعاءات الأدوات. فهي تجرب النهجيات الواضحة، تنفد من الأفكار، وتصل إلى مرحلة جمود. المزيد من الوقت لا يساعد — حيث استنفد النموذج بالفعل كل ما يعرف كيف يجربه.

يُبنى نموذج GLM-5.1، وهو الرائد الأحدث من Z.ai، على افتراض مختلف: أن التحسين المفيد يجب أن يتراكم بمرور الوقت، لا أن يتناقص. في معايير Z.ai الخاصة، أجرى 655 تكرارًا على مشكلة بحث متجهي ووصل إلى 21.5 ألف طلب في الثانية (QPS) — أي ما يقارب 6 أضعاف ما تحققه أفضل النماذج في جلسة قياسية. كما عمل لمدة 8 ساعات لبناء سطح مكتب Linux من الصفر، حيث يقرر بنفسه ما يضيفه تاليًا.

أصبح نموذج GLM-5.1 متاحًا الآن على Novita AI، عبر واجهات برمجة تطبيقات متوافقة مع OpenAI و Anthropic، مع الدفع لكل رمز.

جرّب GLM-5.1 الآن

ما الجديد الفعلي في نموذج GLM-5.1

GLM-5.1 هو نموذج مزيج الخبراء (Mixture-of-Experts) يحتوي على 754 مليار معامل، مع 40 مليار معامل نشط في كل عملية استدلال، ونافذة سياق تبلغ 204800 رمز.

التغيير الحقيقي يكمن في سلوكه على المهام طويلة الأمد. تسمي Z.ai هذا النمط بنمط الدرج: حيث يقوم النموذج بالتحسين ضمن استراتيجية ثابتة حتى يصل إلى سقف، ثم ينتقل إلى نهج هيكلي مختلف ويصعد مرة أخرى. حدث ستة تحولات من هذا النوع في تشغيل واحد لاختبار VectorDBBench. كل تحول بدأه النموذج بعد تحليله لسجلات المعايير الخاصة به وتحديد ما كان يعيق التقدم الإضافي.

هذا يختلف عن مجرد وجود نافذة سياق أطول. إنه النموذج يدير استراتيجيته بنفسه بشكل نشط.

نتائج معايير GLM-5.1: مهام البرمجة والوكيل

يتصدر GLM-5.1 معايير البرمجة والوكيل. أما في مجال الاستدلال، فإن Gemini 3.1 Pro و GPT-5.4 يتقدمون عليه.

الاستدلال

المعيار	GLM-5.1	GLM-5	Qwen3.6-Plus	MiniMax M2.7	DeepSeek-V3.2	Kimi K2.5	Claude Opus 4.6	Gemini 3.1 Pro	GPT-5.4
HLE	31.0	30.5	28.8	28.0	25.1	31.5	36.7	45.0	39.8
HLE (w/ Tools)	52.3	50.4	50.6	—	40.8	51.8	53.1	51.4	52.1
AIME 2026	95.3	95.4	95.1	89.8	95.1	94.5	95.6	98.2	98.7
HMMT Nov. 2025	94.0	96.9	94.6	81.0	90.2	91.1	96.3	94.8	95.8
HMMT Feb. 2026	82.6	82.8	87.8	72.7	79.9	81.3	84.3	87.3	91.8
IMOAnswerBench	83.8	82.5	83.8	66.3	78.3	81.8	75.3	81.0	91.4
GPQA-Diamond	86.2	86.0	90.4	87.0	82.4	87.6	91.3	94.3	92.0

البرمجة

المعيار	GLM-5.1	GLM-5	Qwen3.6-Plus	MiniMax M2.7	DeepSeek-V3.2	Kimi K2.5	Claude Opus 4.6	Gemini 3.1 Pro	GPT-5.4
SWE-Bench Pro	58.4	55.1	56.6	56.2	—	53.8	57.3	54.2	57.7
NL2Repo	42.7	35.9	37.9	39.8	—	32.0	49.8	33.4	41.3
Terminal-Bench 2.0 (Terminus-2)	63.5	56.2	61.6	—	39.3	50.8	65.4	68.5	—
Terminal-Bench 2.0 (best harness)	69.0 (Claude Code)	56.2 (Claude Code)	—	57.0 (Claude Code)	46.4 (Claude Code)	—	—	—	75.1 (Codex)
CyberGym	68.7	48.3	—	—	17.3	41.3	66.6	—	—

الوكيل

المعيار	GLM-5.1	GLM-5	Qwen3.6-Plus	MiniMax M2.7	DeepSeek-V3.2	Kimi K2.5	Claude Opus 4.6	Gemini 3.1 Pro	GPT-5.4
BrowseComp	68.0	62.0	—	—	51.4	60.6	—	—	—
BrowseComp (w/ Context Manage)	79.3	75.9	—	—	67.6	74.9	84.0	85.9	82.7
τ³-Bench	70.6	69.2	70.7	67.6	69.2	66.0	72.4	67.1	72.9
MCP-Atlas (Public Set)	71.8	69.2	74.1	48.8	62.2	63.8	73.8	69.2	67.2
Tool-Decathlon	40.7	38.0	39.8	46.3	35.2	27.8	47.2	48.8	54.6
Vending Bench 2	$5,634	$4,432	$5,115	—	$1,034	$1,198	$8,018	$911	$6,144

يعد اختبار SWE-Bench Pro (58.4) هو الأبرز — حيث يحقق أعلى نتيجة بين جميع النماذج التسعة في هذا المقارنة، سواء كانت مفتوحة المصدر أو مملوكة. أما اختبار CyberGym فهو القفزة الأكبر بين الأجيال: من 48.3 على GLM-5 إلى 68.7. تجدر الإشارة إلى اختبار Terminal-Bench 2.0: صف “أفضل حزمة تنفيذ” يعكس النتيجة التي أبلغ عنها كل فريق باستخدام بيئة التنفيذ المفضلة لديه. يحقق GLM-5.1 نتيجة 69.0 مع Claude Code؛ بينما يحقق GPT-5.4 نتيجة 75.1 مع Codex.

كيف يبدو تنفيذ الوكيل طويل الأمد في الممارسة العملية

لا تعكس أرقام المعايير ذات الجولة الواحدة ما يحدث عندما تترك نموذجًا يعمل لساعات. أجرت Z.ai ثلاثة سيناريوهات مع ملاحظات أقل تنظيماً تدريجياً لتوضيح ما يفعله GLM-5.1 بشكل مختلف.

السيناريو 1: تحسين قاعدة بيانات متجهية، أكثر من 600 تكرار

يمنح اختبار VectorDBBench النموذج هيكلًا أساسيًا بلغة Rust مع نقاط نهاية HTTP ودمى تنفيذ فارغة. باستخدام وكلاء قائمين على استدعاء الأدوات، يقرأ النموذج ويكتب الملفات، ويترجم الكود، ويختبر، ويقوم بالتحليل الأدائي — عادةً ضمن ميزانية تبلغ 50 جولة. أفضل نتيجة تحت هذا التقييد: 3547 طلب في الثانية (QPS)، حققها Claude Opus 4.6.

أزالت Z.ai الحد الأقصى. في كل تكرار، يمكن لـ GLM-5.1 استخدام عدد استدعاءات الأدوات التي يحتاجها، ثم يقدم نسخة جديدة لاختبار الأداء. أجرى 655 تكرارًا مع أكثر من 6000 استدعاء أداة ووصل إلى 21.5 ألف طلب في الثانية (QPS) — أي ما يقارب 6 أضعاف أفضل نتيجة في الجلسة الواحدة.

يوضح انتقالان كيف وصل إلى هذه النتيجة. حول التكرار 90، تحول من مسح كامل المجموعة إلى فحص عناقيد IVF مع ضغط متجهي f16، قافزًا إلى 6.4 ألف طلب في الثانية. حول التكرار 240، أدى مسارًا من مرحلتين — وهو تسجيل مسبق u8 يليه إعادة ترتيب f16 — ووصل إلى 13.4 ألف طلب في الثانية. حدث ستة تحولات هيكلية من هذا النوع طوال التشغيل الكامل، كل منها بدأه النموذج بعد تحليله لسجلات المعايير الخاصة به وتحديد الاختناق الحالي.

السيناريو 2: تحسين نواة معالج الرسوميات (GPU)، أكثر من 1000 جولة

يطلب اختبار KernelBench من النموذج أخذ تنفيذ مرجعي بلغة PyTorch وإنتاج نواة معالج رسوميات أسرع مع مخرجات مطابقة. يغطي المستوى 3 50 مشكلة كاملة النموذج: MobileNet و VGG و MiniGPT و Mamba. الأساس: torch.compile بمعامل 1.15x، و max-autotune بمعامل 1.49x.

أجرت Z.ai اختبارًا على أربعة نماذج في المستوى 3، متتبعة متوسط السرعة الهندسي عبر جولات استخدام الأدوات:

• يحسن GLM-5 بسرعة في البداية ثم يستقر
• يستمر Claude Opus 4.5 لفترة أطول، ثم يتناقص أداؤه أيضًا
• ينتهي GLM-5.1 بمعامل 3.6x ويستمر في تحقيق تقدم جيدًا طوال التشغيل
• Claude Opus 4.6 هو الأقوى بمعامل 4.2x، ولا يزال يظهر هامش تحسين في النهاية

لا يضاهي GLM-5.1 هنا Claude Opus 4.6. لكنه يمد بوضوح مدة التشغيل المفيدة لما بعد GLM-5، وهذا هو الهدف.

السيناريو 3: بناء سطح مكتب Linux، 8 ساعات من العمل المستقل

السيناريوهان الأولان بهما رقم يمكن تحسينه. أما هذا فلا. الأمر المطلوب: بناء بيئة سطح مكتب بنمط Linux كتطبيق ويب. لا كود بدء، لا نماذج تصميم، لا ملاحظات وسيطة.

تنتج معظم النماذج هيكلًا أساسيًا — شريط مهام ثابت، نافذة عنصر نائب — ثم تعلن انتهاء العمل.

عمل GLM-5.1 داخل إطار تنفيذ بسيط: بعد كل جولة تنفيذ، يراجع النموذج مخرجاته الخاصة، يحدد ما هو مفقود أو معطوب، ويستمر. على مدار 8 ساعات، بنى متصفح ملفات، طرفية، محرر نصوص، مراقب نظام، آلة حاسبة، وألعاب وظيفية، كلها مدمجة في واجهة مستخدم متماسكة. أصبح التصميم أكثر مصقولاً مع كل تمريرة. تم التعامل مع الحالات الحدية. قرر النموذج خارطة الطريق بأكملها بنفسه.

ما الغرض من بناء نموذج GLM-5.1

يعد نموذج GLM-5.1 الخيار الأمثل للمهام التي ينتج عنها مخرجات أفضل مع مدة تشغيل إضافية فعلية:

• وكلاء برمجة طويلة التشغيل — إعادة هيكلة ملفات متعددة، عمليات ترحيل، بنيات نظام كاملة
• أدوات برمجة وكيلية — تعمل مع Claude Code و OpenClaw و Trae و Cursor و Codex و Cline
• أتمتة الطرفية — تحقق 63.5 في اختبار Terminal-Bench 2.0 (Terminus-2)، ارتفاعًا من 56.2 على GLM-5
• الأمن السيبراني — تحقق 68.7 في اختبار CyberGym، وهي الأعلى في مجموعة المعايير هذه
• بحث الويب — تحقق 68.0 في اختبار BrowseComp، وهي الأعلى هنا أيضًا

أسعار واجهة برمجة تطبيقات GLM-5.1 على Novita AI

|السعر| |—|—| |المدخلات|$1.40 / M رمز| |قراءة الذاكرة المخزنة مؤقتًا|$0.26 / M رمز| |المخرجات|$4.40 / M رمز|

الدفع لكل رمز، بدون التزام شهري. الأسعار الكاملة على novita.ai/pricing.

كيفية البدء: متوافق مع حزم تطوير البرامج SDK لـ OpenAI و Anthropic

تعمل واجهة برمجة تطبيقات Novita AI مع كل من حزم تطوير البرامج SDK لـ OpenAI و Anthropic. أدخل معرف النموذج وسيعمل الإعداد الحالي لديك كما هو. يمكن استدعاء GLM-5.1 مباشرة من Claude Code و OpenClaw و Trae و Cursor و Codex وأي منصة تقبل نقطة نهاية متوافقة مع OpenAI أو Anthropic.

جرّب GLM-5.1 على مساحة التجربة | عرض وثائق واجهة برمجة التطبيقات

Python (OpenAI SDK):

from openai import OpenAI

client = OpenAI(
    api_key="<Your Novita API Key>",
    base_url="https://api.novita.ai/openai"
)

response = client.chat.completions.create(
    model="zai-org/glm-5.1",
    messages=[
        {"role": "system", "content": "You are a helpful assistant."},
        {"role": "user", "content": "Refactor this module to use async/await throughout."}
    ],
    max_tokens=131072,
    temperature=0.7
)

print(response.choices[0].message.content)

TypeScript (OpenAI SDK):

import OpenAI from "openai";

const client = new OpenAI({
  apiKey: "<Your Novita API Key>",
  baseURL: "https://api.novita.ai/openai",
});

const response = await client.chat.completions.create({
  model: "zai-org/glm-5.1",
  messages: [
    { role: "system", content: "You are a helpful assistant." },
    { role: "user", content: "Build a CLI tool for parsing JSON logs." }
  ],
  max_tokens: 131072,
});

console.log(response.choices[0].message.content);

حالات الاستخدام للمطورين

يكون نموذج GLM-5.1 مفيدًا بشكل أكبر في المهام التي لا يمكن حلها في جولة واحدة وتستفيد من التحسين التكراري:

• وكلاء برمجة مستقلين — عيّن مهمة على مستوى المستودع واترك النموذج يخطط وينفذ ويختبر ويتكرر دون الحاجة إلى عمليات تسجيل دخول
• أتمتة خط أنابيب CI/CD — يجعل استدعاء الوظائف من السهل ربط GLM-5.1 بحلقات البناء/الاختبار/تصحيح الأخطاء
• إنشاء مستندات تقنية طويلة — تدعم سياق 204 ألف رمز ومخرجات 131 ألف رمز إنشاء مستندات كبيرة ومتماسكة في استدعاء واحد
• تحسين أداء نواة معالج الرسوميات (GPU) وتعلم الآلة (ML) — معامل تسريع 3.6× في اختبار KernelBench يترجم مباشرة إلى عمل بنية تحتية لتعلّم الآلة
• هيكلة تطبيقات الويب — بنى GLM-5.1 واجهة سطح مكتب كاملة من موجه نصي طبيعي واحد؛ وينطبق نفس الحلقة على أي مهمة معقدة للواجهة الأمامية أو الخلفية
• هندسة الأمن — نتيجة 68.7 في اختبار CyberGym تضعه بين أقوى النماذج المتاحة لمهام الأمن المستقل

الخلاصة

أغلقت النماذج مفتوحة المصدر الفجوة في معايير الاستدلال. الفجوة المتبقية هي في التنفيذ طويل الأمد — البقاء متماسكًا ومنتجًا عبر مئات استدعاءات الأدوات وساعات من العمل المستقل. يعد GLM-5.1 الدليل الأوضح حتى الآن على أن هذه الفجوة يمكن سدها.

إذا كنت تدير أحمال عمل وكيلية جادة وتريد تجنب القفل المملوك، فهو الخيار مفتوح المصدر الأقوى حاليًا لمهام البرمجة والوكيل. على Novita AI، تحصل عليه مع توافق مع حزم تطوير البرامج SDK لـ OpenAI و Anthropic، تسعير الدفع لكل رمز، وبدون تكاليف بنية تحتية إضافية.

جرّب GLM-5.1 على مساحة التجربة | عرض وثائق واجهة برمجة التطبيقات

Novita AI هي منصة سحابية للذكاء الاصطناعي والوكلاء تساعد المطورين والشركات الناشئة على بناء ونشر وتوسيع نطاق النماذج والتطبيقات الوكيلية بأداء عالٍ، وموثوقية، وكفاءة في التكلفة.

الأسئلة الشائعة

ما التغييرات التي حدثت بين GLM-5 و GLM-5.1؟u003c/strongu003e

أكبر تغيير هو في التنفيذ طويل الأمد. يصل GLM-5 إلى مرحلة جمود بعد بضع عشرات من التكرارات؛ بينما يستمر GLM-5.1 في إيجاد استراتيجيات جديدة عبر مئات الجولات. نمط الدرج — التحولات الهيكلية التي يبدأها التحليل الذاتي — هو ما يخلق الفرق. كما تحسنت نتائج معايير البرمجة بشكل عام.

هل GLM-5.1 مفتوح المصدر؟u003c/strongu003e

نعم، بترخيص MIT. الأوزان متاحة على منصة Hugging Face. يمكنك استخدامه تجاريًا، وضبطه الدقيق، واستضافته ذاتيًا.

كيف يقارن GLM-5.1 بـ Claude Opus 4.6؟

في اختبار SWE-Bench Pro، يحقق GLM-5.1 نتيجة 58.4 مقابل 57.3 لـ Claude Opus 4.6. أما في اختبار KernelBench لتحسين معالج الرسوميات طويل الأمد، يتقدم Claude Opus 4.6 بمعامل 4.2× مقابل 3.6× لـ GLM-5.1. بالنسبة لمعظم مهام البرمجة الوكيلية، النموذجان متقاربان جدًا — ويتمتع GLM-5.1 بميزة كونه مفتوح الوزن وأقل تكلفة.