TL;DR
حتى أواخر أكتوبر 2026، لم تُصدر Z.ai (Zhipu AI) رسميًا ولم تؤكد GLM-5.5. تسريبات المجتمع والإعلام الصيني تصف احتمال قدوم نموذج رائد جديد بإجمالي معلمات في نطاق 2.5–3.5 تريليون (تقارير سابقة بدأت عند >1T)، مع استمرار سياق من 1M رمز، وتركيز كبير على الترميز طويل المدى والهندسة الوكيلية، واحتمال ترقيات معمارية (انتباه هجين، تقنيات كفاءة mHC، وتكهنات حول Transformers تكرارية/حلقيّة)، وإمكانات أوزان مفتوحة.
توفر CometAPI بالفعل وصولًا مخفّض التكلفة ومتوافقًا مع OpenAI إلى السلسلة الحالية الكاملة من GLM-5 وهي مُهيّأة جيدًا لإتاحة سريعة في يوم الإطلاق لأي خليفة.
أبرز النقاط
- GLM-5.5 لا يزال غير مؤكد وغير مُطلق؛ القنوات الرسمية لا تزال تعرض GLM-5.3 وGLM-5.3-Flash (أغسطس 2026).
- تطورت شائعات المعلمات من >1T (مذكرات JPMorgan/محللين، منتصف 2026) إلى 2.5–3.5T إجمالي في تقارير صينية حديثة (أكتوبر 2026). وبما أنه نموذج MoE، فإن المعلمات النشطة لكل رمز ستظل أقل بكثير.
- مجالات التركيز وفقًا للتسريبات: يمتلك GLM-5.5 عوامل ترميز مستقلة طويلة التشغيل، وعمق استدلال مُحسّن، وكفاءة استدلال أعلى، واحتمال حداثة معمارية.
- تحوّل التكهن بنافذة الإطلاق من أغسطس إلى أواخر أكتوبر/أوائل نوفمبر 2026 بناءً على وتيرة Z.ai التاريخية (~54–70 يومًا بين الإصدارات الكبرى) وإشعار تعويض حديث ألمح إلى "نموذج جديد".
- التسعير غير معروف؛ الاستقراءات من أسعار GLM-5.3 المُعلنة (~$1.40 إدخال / $4.40 إخراج لكل مليون رمز) وتسعير Flash الأقل بكثير تُشير إلى استمرار قيمة قوية.
- التموضع كمنافس محتمل لنماذج Claude عالية المستوى (بما في ذلك قدرات فئة Fable/Mythos في الترميز والوكلاء) يبقى تكهنيًا لكنه يتّسق مع مسار Z.ai الأخير في سد الفجوات على مصاف الأوزان المفتوحة.
- يمكن للمطورين الوصول إلى نماذج GLM الحالية اليوم عبر CometAPI بأسعار تنافسية وأدوات موحّدة، ومراقبة إضافة أي واجهة GLM-5.5 بسلاسة.
ما هو GLM-5.5؟
GLM-5.5 هو تسمية المجتمع والإعلام للنسخة الكبرى التالية المُشاعة في سلسلة GLM-5 من نماذج اللغة الكبيرة.
على خلاف الإصدارات النقطية السابقة التي كانت في الغالب ترقيات ما بعد التدريب أو كفاءة على قواعد مماثلة، تُؤطر التسريبات GLM-5.5 كخطوة أكثر جوهرية—ربما قفزة جديدة في مقياس ما قبل التدريب أو تطور معماري كبير يستهدف الترميز الوكيلي طويل المدى وهندسة الأنظمة المعقدة. لم تستخدم Z.ai الاسم "GLM-5.5" في الوثائق الرسمية أو بطاقات النماذج أو مستودعات Hugging Face (zai-org) أو فهارس API أو ملاحظات الإصدارات حتى أواخر أكتوبر 2026.
تؤكد النماذج الحالية المؤكدة على الترميز، وسير عمل الوكلاء، والسياق الطويل (1M رمز في الإصدارات الحديثة)، ومع Flash، التعددية الأصلية في الوسائط. وتستمر شائعات GLM-5.5 في هذا الاتجاه مع الادعاء بمقياس إجمالي أكبر وتحسينات في الكفاءة.
تحسينات مُشاعة / افتراضية لـ GLM-5.5
تزعم التسريبات قفزة إلى 2.5–3.5T إجمالي المعلمات—حوالي 3.4–4.7× مقارنةً بمقياس GLM-5.3. وبما أن هذه نماذج MoE، فلن تتوسع المعلمات النشطة (وبالتالي FLOPs لكل رمز) بشكل خطّي. تثير مناقشات المجتمع أيضًا إمكانية عناصر Transformer تكرارية أو حلقية سبق أن تحقّقت Z.ai من فعاليتها في البحث، إلى جانب مزيد من تحسينات الانتباه الهجين وتقنيات mHC التي شوهدت بالفعل في Flash.
عادةً ما يحسّن السعة الإجمالية الأكبر كثافة المعرفة، وتغطية المهارات النادرة، والقدرة على الحفاظ على الاتساق عبر مسارات وكيلة طويلة جدًا—شريطة أن يجاري جودة بيانات التدريب وما بعد التدريب ذلك.
الترميز طويل المدى والأداء الوكيلي
كل إصدار من GLM-5 في 2026 شدّد على "من الترميز بالمزاج إلى الهندسة الوكيلية"، وآفاق مهام مستقلة أطول (بمقياس الساعات في بعض التسويق)، واستخدام الأدوات، ومعايير الترميز (عائلة SWE-bench، Terminal-Bench، إلخ). سلّط GLM-5.3 تحديدًا الضوء على مكاسب في الترميز المعقّد وقدرات ناشئة مرتبطة بالأمن السيبراني.
تضع التسريبات GLM-5.5 على أنه استمرار وتعظيم لهذا التركيز: وكلاء مستقلون طويلو التشغيل بشكل أفضل، وتخطيط متعدد الخطوات أكثر موثوقية، وأداء أقوى في مهام هندسة الإنتاج. إذا تبيّنت ادعاءات المعلمات والمعمارية، فتوقّع زيادات قابلة للقياس على مجموعات الوكالة وتقليل الحاجة إلى سقالات ثقيلة أو تدخلات بشرية متكررة.
ماذا يقول فعليًا المذكرة المسربة لخبراء GLM-5.4/5.5؟
في 21 أكتوبر 2026، شارك مستخدم X @NFT_Chen لقطات شاشة لملخص مقابلة خبراء متداول حول نموذج الأساس التالي من Z.ai. تُظهر الصورة أدناه مادة منسوبة على الشاشة إلى منشور على Xueqiu؛ وهي دليل على الادعاء المتداول، وليست إفصاحًا تقنيًا موثّقًا من Z.ai.
لم يُجرَ توثيق مستقل للمشاركين الأصليين في المقابلة أو الوثائق المصدر أو الأدلة التقنية. وبناءً عليه، تصف التفاصيل أدناه ما تدّعيه المادة المسربة بدلًا من ما أعلنته Z.ai رسميًا.
يرتفع عدد المعلمات المُشاع إلى 2.5T–3.5T
يتحدى النص مباشرةً ادعاءً سابقًا بأن GLM-5.5 سيصل في أواخر أكتوبر بما يقارب 1.6 تريليون معلمة.
بدلًا من ذلك، يضع المصدر المزعوم نموذج الأساس التالي بين 2.5 تريليون و3.5 تريليون معلمة.
| المواصفات | GLM-5.5 في CometAPI |
|---|---|
| المطوّر | Zhipu AI / Z.ai |
| اسم النموذج المحتمل | GLM-5.4 أو GLM-5.5 |
| حالة الإصدار | غير مُعلن رسميًا |
| إجمالي المعلمات | 2.5T–3.5T، تسريب غير مُتحقق |
| المعلمات النشطة | غير مُعلن |
| المعمارية | موصوفة كإعادة تصميم هجومية |
| نهج التدريب | يُزعم تدريب أسرع وكفاءة مُحسّنة |
| تقدم التدريب | أفيد بأن هضبة الخسارة السابقة تم حلّها |
| نافذة السياق | غير مُعلن |
| طرائق الإدخال | غير مؤكد |
| هدف الأداء | قدرة رائدة من فئة Fable، غير مُتحقق |
| الاستدلال | استهداف تشغيل أسرع وأقل تكلفة |
| النشر يوم-الأول | ادّعاء بتوافر واسع النطاق |
| أسعار API | غير مُعلن |
| توافر الأوزان المفتوحة | غير مؤكد |
| تاريخ الإصدار | لا تاريخ مُتحقق |
هذا التمييز بين إجمالي المعلمات والمعلمات النشطة مهم. يمكن لنموذج MoE متفرق أن يحتوي على تريليونات من إجمالي المعلمات بينما يُفعّل جزءًا فقط منها لكل رمز.
لماذا واجه GLM-5.5 صعوبات تدريبية حسب التقارير؟
يصف النص مرحلة مبكرة من التدريب المسبق توقّف خلالها الانخفاض المتوقع في دالة الخسارة.
سيكون ذلك مسألة مهمة على مقياس متعدد التريليونات من المعلمات. يمكن أن تنشأ عدم استقرارية التدريب من إعدادات التحسين، أو تفاعلات المعمارية، أو الدقة العددية، أو توزيع البيانات، أو سلوك النظام الموزّع. لا تُحدّد المادة المسربة أيٌ من هذه العوامل سبب المشكلة المزعومة.
وتزعم لاحقًا أن المشكلة قد تم حلّها وأن عملية التدريب تقترب من الاكتمال.
لهذا التفسير حدّان. أولًا، انخفاض خسارة التدريب ليس دليلًا على قدرات قوية في المهام اللاحقة. ثانيًا، إكمال التدريب المسبق لا يُثبت اكتمال ما بعد التدريب واختبارات السلامة والنشر الإنتاجي.
ماذا يعني ادّعاء التوفّر يوم-الأول؟
تقول المقابلة المسربة إن Z.ai ترغب في توفير سعة استدلال كبيرة فورًا بدلًا من إطلاق نموذج لا يستطيع سوى عدد قليل من المستخدمين الوصول إليه بشكل موثوق.
وتصف أيضًا مناقشات مع عدة مزوّدي سحابة حول ترتيبات مشاركة الإيرادات، إلى جانب تعزيز فريق البنية التحتية لدى Z.ai.
هذه ادعاءات تشغيلية محددة، رغم أنه لم تُذكر أسماء مزوّدين أو عقود أو التزامات سعة أو ضمانات مستوى خدمة.
GLM-5.5 تغييرات معمارية رئيسية: 2.5T–3.5T
قدّمت Z.ai رسميًا GLM-5 بمعمارية MoE من 744B معلمة، تُفعّل حوالي 40B معلمة لكل رمز. أعاد إصدار GLM-5.3 استخدام نموذج الأساس GLM-5.2، مع قدوم التحسينات من ما بعد التدريب بدلًا من معمارية أساس جديدة.
إلى أي مدى سيكون GLM-5.5 أكبر؟
| المؤشر | GLM-5.3 | الشائعة الدنيا لـ GLM-5.5 | الشائعة العليا لـ GLM-5.5 |
|---|---|---|---|
| إجمالي المعلمات | ~744B | 2,500B | 3,500B |
| الحجم النسبي | 1.0× | 3.36× | 4.70× |
| تخزين أوزان BF16 | ~1.49 TB | ~5.0 TB | ~7.0 TB |
| تخزين أوزان FP8 | ~0.74 TB | ~2.5 TB | ~3.5 TB |
| المعلمات النشطة | ~40B | غير معروف | غير معروف |
| تحقق المعمارية | مواصفات الأسرة الرسمية | غير مُتحقق | غير مُتحقق |
تستخدم تقديرات التخزين تيرابايت عشري وتحسب قيم أوزان النموذج فقط. وهي تستثني بيانات التكميم، وذاكرة KV، والتنشيطات، ومخازن الاتصال، ونُسخ الخدمة، وغيرها من النفقات العامة وقت التشغيل.
ومع ذلك، فإن زيادة بمقدار 4.7× في إجمالي المعلمات لن تُنتج بالضرورة زيادة بمقدار 4.7× في الحوسبة لكل رمز. يمكن للتفعيل المتفرق للخبراء، وتحسينات الذاكرة، وتوازنية النموذج المُحسّنة أن تُغيّر هذه العلاقة.
أي تحسينات معمارية قد تجعل ذلك عمليًا؟
هناك سابقتان مفيدتان في عائلة GLM المُصدَرة.
أولًا، قدّم GLM-5.2 تقنية IndexShare، بإعادة استخدام مفهرس الانتباه المتفرق عبر أربع طبقات انتباه. تُبلغ Z.ai عن تقليل بمقدار 2.9× في FLOPs الانتباه لكل رمز عند طول سياق مليون رمز.
ثانيًا، اعتمد GLM-5.3-Flash معمارية مُدرّبة حديثًا بإجمالي 320B ونشط 18B تجمع بين الانتباه المتفرق والخطي. كما قدّم Manifold-Constrained Hyper-Connections ومجموعة تدريب مسبق متعددة الوسائط من 30T رمز.
بالمقارنة مع GLM-5.3، تُبلغ Z.ai أن GLM-5.3-Flash يستخدم تقريبًا 3.0× حوسبة انتباه أقل وذاكرة KV أصغر بمقدار 4.4×.
لا تُثبت هذه التحسينات معمارية GLM-5.5. إنها تُظهر أن Z.ai تحقق بالفعل في مشاكل الكفاءة التي سيُضخّمها نموذج بمقياس تريليوني.
بالنسبة لنموذج MoE أكبر بكثير، تتنافس قوتان: تكلفة حوسبة مطلقة أعلى مقابل تقنيات تفرّق وكفاءة مُحسّنة (انتباه هجين، mHC المذكورة في مناقشات Flash) يمكن أن تُبقي المعلمات النشطة وتكلفة الاستدلال قابلة للإدارة. التموضع التاريخي لـ Z.ai أعطى الأولوية لأداء قوي مقابل الدولار مقارنةً بنماذج الغرب المُغلقة على الحدّ الأمامي. توقّع أسعار API تبقى تنافسية—ربما ضمن نطاق قريب من أسعار الرائد الحالي أو أعلى قليلًا—خاصة إذا أتاحت الأوزان المفتوحة خيارات الاستضافة الذاتية.
هل يستطيع GLM-5.5 فعلًا دعم استدلال واسع النطاق من اليوم الأول؟
يُنشئ تقديم نموذج MoE متعدد التريليونات من المعلمات تحديات إضافية تتجاوز تخزين أوزانه. يجب أن يعمل توجيه الخبراء واتصال المسرّع والمعالجة الأولية والسرعة أثناء فك التشفير وإدارة ذاكرة السياق الطويل بشكل موثوق تحت أحمال متزامنة.
على عكس حجم النموذج، نشرت Z.ai أدلة على تقدم فعلي في بنية الخدمة لديها.
أثبتت Z.ai بالفعل توسّع البنية التحتية
في مقال بحثي بتاريخ 17 سبتمبر، وصفت Z.ai كيف ساعد وكيل بنية تحتية يعمل بـ GLM-5.3 في إدخال GLM-5.3-Flash إلى الإنتاج على عنقود يضم أكثر من 100,000 مسرّع ذكاء اصطناعي محلي.
يصف التقرير الرسمي للبنية التحتية تحسينًا بنحو ثلاثة أضعاف في الأداء الشامل من طرف إلى طرف وعملية تحسين نشر اكتملت في أقل من أسبوعين.
| مؤشر البنية التحتية | نتيجة منشورة لـ GLM-5.3-Flash | دلالة على GLM-5.5 |
|---|---|---|
| نشر المسرّعات | أكثر من 100,000 مسرّع محلي | دليل على بنية تحتية واسعة النطاق قائمة |
| الأداء الشامل | تحسن بنحو 3× | القدرة على تحسين الخدمة مُثبتة |
| الجدول الزمني للتكييف | أقل من أسبوعين للوصول إلى جاهزية الإنتاج | عمليات نشر أسرع مُثبتة |
| تحسين بمساعدة وكيل | وكيل البنية التحتية لـ GLM-5.3 | احتمال إعادة استخدام التحسين الآلي |
| السعة لـ GLM-5.5 | غير مُبلغ عنه | لا يزال غير مُتحقق |
تتعلق هذه النتائج بـ GLM-5.3-Flash، وليس بالخلف المُشاع متعدد التريليونات.
هل تُقدّم تجربة GLM HighSpeed دليلاً إضافيًا؟
يؤكد سجل تغييرات ZCode 3.15.1، بتاريخ 12 أكتوبر 2026، أن مشتركين مختارين عشوائيًا يمكنهم المشاركة في تجربة GLM HighSpeed.
ربطت تقارير المجتمع تلك التجربة باسم GLM-5.3-Highspeed، وفي حالات معزولة، بسرعات توليد استثنائية.
يؤكد سجل التغييرات الرسمي التجربة، لكنه لا يُثبت ارتباطًا بـ GLM-5.5 ولا يُقدّم معيار سرعة مُوحّد.
ما الذي قد يؤكد أن GLM-5.5 ترقية حقيقية على الحدّ الأمامي؟
تُقدّم التسريبات عدة ادعاءات ملموسة يمكن للدلائل المستقبلية إسنادها أو دحضها.
| الادعاء المُسرب | الأدلة المطلوبة | لماذا يهم |
|---|---|---|
| 2.5T–3.5T معلمات | معمارية رسمية أو بطاقة نموذج | يُثبت القفزة المزعومة في القياس |
| معمارية عالية الكفاءة جديدة | تقرير تقني وكشف عن المعلمات النشطة | يُفسر اقتصاديات الاستدلال |
| حلّ صعوبات التدريب | معلومات تدريب أو إصدار رسمية | يدعم جاهزية التطوير |
| أداء من فئة Fable | تقييمات مستقلة متطابقة | يُثبت التنافسية الفعلية |
| توافر واسع يوم-الأول | سعة إنتاج وقياسات خدمة | يختبر الجاهزية التشغيلية |
| تكلفة استدلال أقل | أسعار API منشورة وقياسات أحمال | تُحدّد الجدوى التجارية |
| هوية نموذج GLM-5.5 | معرّف النموذج الرسمي | يُميّز الإصدار الحقيقي عن الشائعات |
الخلاصة
تُبرز محادثة GLM-5.5 سرعة الحدّ الأمامي للأوزان المفتوحة والضجيج المصاحب للتسريبات غير المؤكدة. شائعات مقياس المعلمات التي تصل إلى 3.5T، جنبًا إلى جنب مع استمرار التركيز على قدرات ترميز وكيلة مفيدة يوم-الأول، خلقت حماسة مشروعة. وفي الوقت نفسه، فإن غياب التأكيد الرسمي يعني أن على المطورين التعامل مع كل رقم وزمن محدد كقيمة مؤقتة.
يسجل Z.ai في 2026—تكرار سريع، نماذج مفتوحة تنافسية، وتركيز قوي على أعباء هندسية عملية—يجعل خطوة تالية ذات معنى أمرًا مُحتملًا. وحتى وصولها، تبقى أفضل إستراتيجية هي الاستفادة من توليد GLM-5.3 / Flash الممتاز المتاح بالفعل. منصات مثل CometAPI تُقلّل احتكاك التجريب وتضع الفرق لاعتماد أي خلف لحظة يصبح متاحًا.