GLM-5-Turbo هو نموذج أساس LLM جديد من Zhipu AI تم تدريبه وضبطه خصيصًا لسير عمل بالأسلوب الوكيلي (تسمي الشركة النظام البيئي المستهدف OpenClaw/سيناريوهات “الكركند”). يقدّم سياقًا طويلًا جدًا (حتى ~200K رمز)، وإخراجًا متدفقًا ومُهيكلًا، ومعدلات أخطاء أقل في استدعاء الأدوات (أُبلغ عنها ~0.67% في اختبارات طرف ثالث)، وتسعيرًا أقل ماديًا لكل رمز. يهدف النموذج إلى مقايضة قدر يسير من ذروة الإنتاجية في الجولة الواحدة مقابل استقرار أفضل بكثير، وموثوقية أعلى في الأدوات، والتعامل مع المهام المجدولة/الدائمة وتنفيذ سلاسل طويلة — مفيد للوكلاء الذاتيين، وأنظمة التنسيق، وخطوط الأنابيب متعددة الأدوات.
ما هو GLM-5-Turbo؟
GLM-5-Turbo تقدمه Zhipu باعتباره نموذج أساس مُصمّم لغرض تنسيق الوكلاء وسير العمل الآلي المعقّد، وليس كنموذج دردشة أو متعدد الوسائط عام. تركز خيارات التصميم على:
- تدريب أصيل ملائم للوكلاء (استخدام الأدوات، اتباع الأوامر، المهام المؤقتة/الدائمة).
- نوافذ سياق كبيرة جدًا وقدرة إخراج ضخمة لدعم الجلسات الطويلة، والذاكرة، وتخطيط سلسلة التفكير.
- استدلال ثابت وعالي الإنتاجية للتدفقات التجارية الطويلة والمهام المجدولة.
على خلاف نماذج LLM التقليدية المُحسّنة للدردشة أو توليد النصوص، فإن GLM-5-Turbo هو:
- موجه للوكلاء أولًا (ليس للدردشة أولًا)
- مبني لبيئات OpenClaw (“الكركند”)
- مُصمم لسير عمل ذاتي متعدد الخطوات
🦞 ماذا يعني “Lobster Agent”؟
يشير مفهوم “الكركند” إلى OpenClaw، النظام البيئي لوكلاء الذكاء الاصطناعي من Zhipu حيث تقوم النماذج بـ:
- استخدام الأدوات ديناميكيًا
- تنفيذ سلاسل طويلة من المهام
- الحفاظ على ذاكرة دائمة
- العمل عبر الطرفيات والتطبيقات وواجهات برمجة التطبيقات
تم تحسين GLM-5-Turbo بعمق لهذا النموذج، مع معالجة مشكلات الوكلاء الأساسية مثل:
- موثوقية استدعاء الأدوات
- تفكيك المهام
- التخطيط بعيد الأمد
- استقرار التنفيذ
الميزات الأساسية ولماذا تهم
سياق طويل + قدرة إخراج هائلة (200K / 128K)
تتيح نافذة سياق من 200K رمز وقدرة إخراج 128K لـ GLM-5-Turbo أن:
- يحتفظ بذاكرة ممتدة للسياق السابق (المحادثات، مخرجات الأدوات، النتائج الوسيطة).
- ينتج مصنوعات طويلة جدًا (خطط متعددة المراحل، تقارير طويلة، قواعد شفرات) دون الحاجة إلى خياطة السياق بشكل متكرر.
- يستضيف وكلاء متعددَي الأدوار يجب أن يحتفظوا بسجل التنفيذ الكامل لاتخاذ قرارات دقيقة.
هذا خيار تقني مقصود للوكلاء — بدلًا من تقسيم المهام إلى مطالبات قصيرة، يمكن للوكلاء الحفاظ على حالة متماسكة عبر آلاف الأدوار أو الخطوات.
بدائيات الوكيل مضمنة في التدريب
بدلًا من تكييف نموذج عام مع مهام الوكلاء، تم تدريب GLM-5-Turbo على أهداف بأسلوب الوكيل (مثل سلوك استدعاء الأدوات، تحليل الأوامر/المعاملات). والأثر المعلن هو تقليل الهلوسات أثناء استدعاءات الأدوات، وخطط متعددة الخطوات أكثر استقرارًا، وزمن استجابة محسّن في التشغيلات الطويلة — وهي أمور قيّمة حيث يجب على الأتمتة ربط العديد من الواجهات/الأدوات الخارجية بشكل موثوق.
الإنتاجية واستقرار التنفيذ
يحسن إصدار GLM-5-Turbo استقرار التنفيذ والإنتاجية للتدفقات التجارية الطويلة مقارنةً بالنماذج الكبيرة المعممة — تؤكد لغة التسويق على "تنفيذ عالي الإنتاجية" و"استقرار استجابة رائد" بين النماذج المماثلة. وهذه أمور مهمة لنشر وكلاء المؤسسات حيث قد تؤدي خطوة فاشلة إلى كسر خط الأنابيب بأكمله. لا تزال المعايير المستقلة من طرف ثالث في طور الظهور.
بيانات قياس الأداء لـ GLM-5-Turbo
ملاحظة: نشرت Zhipu تقييمات داخلية، كما تتوفر معايير من طرف ثالث/أكاديمية لـ GLM-5. GLM-5-Turbo إصدار جديد؛ سيستغرق ظهور تشغيلات معيارية مستقلة من المجتمع بعض الوقت. أدناه نسرد الأرقام المنشورة الأكثر متانة والسياق.
GLM-5 (مرجعي) — مقاييس منشورة تمثيلية
يُبلغ عن GLM-5 (السلف الرائد لـ Turbo) بنتائج قوية في العديد من مهام الهندسة/سير العمل — على سبيل المثال:
- SWE-bench Verified: 77.8 (مذكور في وثائق GLM-5 كأفضل نقاط نموذج مفتوح).
- Terminal Bench 2.0: 56.2 (مذكور كأفضل أداء نموذج مفتوح على التوزيع المعطى).
تؤسس هذه الأرقام GLM-5 كخط أساس مرتفع في مهام هندسة البرمجيات والتنفيذ؛ ويُوضَع GLM-5-Turbo لمقايضة بعض التركيز على الحجم/عدد المعاملات الخام لصالح موثوقية أفضل للوكلاء وإنتاجية أعلى. أظهر GLM-5-Turbo نسبة خطأ في استدعاء الأدوات ~0.67% في تشغيلاتهم المقارنة، وهي أقل ماديًا من تشغيلات مزود GLM-5 المقارنة التي تراوحت بين ~2.33% و6.41%.
ZClawBench: اختبار معياري لسيناريوهات وكيل OpenClaw
أصدرت Zhipu أيضًا معيار ZClawBench لتقييم الوكلاء الأذكياء. في اختبارات عمياء تغطي مجالات متنوعة مثل تطوير الشفرة، وتحليل البيانات، وإنشاء المحتوى، فاز النموذج الجديد بالاسم الرمزي Pony-Alpha-2 برضا 90% من المشاركين.
التسعير والتوافر (من يبيع وبكم)
نفّذت Zhipu زيادة سعرية بنحو ~20% لواجهة برمجة التطبيقات الخاصة بـ GLM-5-Turbo عند الإطلاق، وقدمت بالتزامن باقات اشتراك “Lobster Package” بهدف تسوية تسعير الرموز لعمليات نشر الوكلاء.
فئات الاشتراك المبلغ عنها (حِزم أمثلة)
حزمتان توضيحيتان من Lobster (الأسعار تحويلات مُبلّغ عنها وتقريبية):
- خطة Lobster المبدئية: ~39 CNY / شهر (~US$5.66) مقابل 35,000,000 رمز.
- خطة Lobster المتوسطة: ~99 CNY / شهر (~US$14.36) مقابل 100,000,000 رمز.
استنادًا إلى تلك الأرقام المنشورة، فإن تكلفة كل 1 مليون رمز تقريبًا:
- الخطة المبدئية: ~US$0.162 لكل 1M رمز.
- الخطة المتوسطة: ~US$0.144 لكل 1M رمز.
هذه الأرقام لكل 1M هي تحويلات بسيطة لتكلفة الاشتراك وحد الرموز وتوضح اقتصاديات أحمال عمل الوكلاء ذات الحجم الكبير. (حسابات مبنية على العملة وكميات الرموز المُبلّغ عنها صحفيًا).
سعر واجهة البرمجة
قائمة سوق ممثل (CometAPI): $0.96 لكل 1M رموز إدخال و$3.20 لكل 1M رموز إخراج لـ GLM-5-Turbo.
تعرض صفحة تسعير المطور لدى Zhipu (Z.ai) معدلًا مباشرًا أعلى قليلًا لـ GLM-5-Turbo: $1.20 لكل 1M رموز إدخال و$4.00 لكل 1M رموز إخراج (أسعار الإدخال المخبأة أقل).
GLM-5-Turbo مقابل GLM-5 — مقارنة جنبًا إلى جنب
على مستوى عالٍ:
- GLM-5 = نموذج الأساس الرائد للأغراض العامة (استدلال قوي، ترميز، معايير)
- GLM-5-Turbo = نسخة مُحسّنة للوكلاء من GLM-5 (تركّز على سير العمل الطويل، استخدام الأدوات، الاستقرار)
GLM-5-Turbo ليس بنية نموذج جديدة تمامًا، بل نسخة متخصصة مُحسّنة للإنتاج من GLM-5 مصممة لأنظمة الوكلاء مثل OpenClaw.
التموضع الأساسي
| Model | التموضع |
|---|---|
| GLM-5 | نموذج LLM رائد للأغراض العامة (استدلال، ترميز، معايير) |
| GLM-5-Turbo | نموذج موجّه للوكلاء أولًا (أتمتة، تنسيق، استخدام الأدوات) |
👉 ببساطة:
- استخدم GLM-5 → عندما تريد أقصى قدر من "الذكاء"
- استخدم GLM-5-Turbo → عندما تريد "أتمتة/وكلاء أكثر استقرارًا"
مقارنة قدرات الوكلاء (الأهم)
يدعم GLM-5 (قدرات الوكلاء) بالفعل:
- استخدام الأدوات
- استدلال متعدد الخطوات
- وكلاء الترميز
لكن به قيود:
- قد يفقد السياق في السلاسل الطويلة
- قد تتدهور استدعاءات الأدوات بمرور الوقت
- يتطلب منطق تنسيق أكثر
تم تحسين GLM-5-Turbo صراحةً للوكلاء:
التحسينات الرئيسية:
- زيادة موثوقية استدعاء الأدوات
- زيادة جودة تفكيك المهام (التخطيط)
- اتساق أعلى في السلاسل الطويلة
- دعم التنفيذ الدائم
مثال على التحسين:
- تنفيذ مستقر عبر 10+ خطوات دون فقدان السياق
👉 هذا حاسم من أجل:
- أنظمة على نمط AutoGPT
- سير عمل متعدد الوكلاء
- أتمتة SaaS
السرعة والكفاءة
| Aspect | GLM-5 | GLM-5-Turbo |
|---|---|---|
| سرعة الاستدلال | متوسطة | أسرع |
| الإنتاجية | قياسية | أعلى |
| كمون المهام الطويلة | قد يتدهور | مُحسَّن |
تم تصميم GLM-5-Turbo لحل مشكلة حقيقية في الصناعة:
تتباطأ النماذج الكبيرة أو تتعطل أثناء سير العمل الطويل
مقارنة التسعير
| Model | الإدخال ($/1M رموز) | الإخراج ($/1M رموز) |
|---|---|---|
| GLM-5 | ~$1.00 | ~$3.20 |
| GLM-5-Turbo | ~$1.20 | ~$4.00 |
👉 GLM-5-Turbo أغلى (~20% أعلى)
لماذا أغلى؟
لأنه يوفر:
- موثوقية أعلى في التنسيق
- استقرارًا إنتاجيًا أعلى
- تحسينات خاصة بالوكلاء
👉 في المؤسسات:
- تدفع أكثر لكل رمز
- لكنك تقلل تكلفة الفشل + مرات إعادة المحاولة
| Attribute | GLM-5 | GLM-5-Turbo |
|---|---|---|
| الهدف الأساسي | نموذج أساس رائد عام (قدرات واسعة، ترميز قوي/معايير) | نموذج أساس مُحسّن للوكلاء/“OpenClaw”/الكركند |
| نافذة السياق | (مُبلّغ أنَّها مرتفعة؛ يركّز GLM-5 على ~200K (يدعم GLM-5 أيضًا سياقًا طويلًا | 200,000 رمز (موثّقة صراحةً). |
| الحد الأقصى لرموز الإخراج | (كبير، يعتمد على النموذج) | 128,000 رمز (موثّقة). |
| أبرز نتائج المعايير | SWE-bench: 77.8؛ Terminal Bench 2.0: 56.2 (أرقام GLM-5 المُبلغ عنها). | التقييمات الداخلية تدّعي استقرارًا أفضل للسلاسل الطويلة وإنتاجية أعلى لسير عمل الوكلاء؛ المعايير العامة المستقلة قيد الانتظار. |
| الأنماط | نص (أساسي)، عائلة GLM لديها variantes رؤية في نماذج شقيقة | نص فقط (حسب الوثائق) — مُحسّن للوكلاء المعتمدين على الأدوات. |
| حالات الاستخدام الموصى بها | واسعة: دردشة، ترميز، استدلال، محتوى | تنسيق الوكلاء، استدعاء الأدوات، الأتمتة بعيدة الأمد |
| التسعير | تسعير GLM-5 الحالي (يختلف حسب الخطة) | إصدار جديد — زيادة سعر واجهة برمجة ~20%؛ تقديم فئات اشتراك Lobster جديدة |
كيفية استخدام GLM-5-Turbo
CometAPI — وصول واحد عبر واجهة OpenAI-Compatible إلى العديد من النماذج
تدرج CometAPI نموذج GLM-5-Turbo كمتاح وتوفر عنوان URL أساسيًا متوافقًا مع OpenAI وحزمة SDK. استخدم سلسلة اسم النموذج التي ينشرونها (موقعهم يسرد GLM-5-Turbo بتسعير مماثل). أمثلة مقتبسة من وثائق CometAPI:
curl -X POST "https://api.cometapi.com/v1/chat/completions" \ -H "Authorization: Bearer YOUR_COMETAPI_KEY" \ -H "Content-Type: application/json" \ -d '{ "model": "z-glm-5-turbo", // or use the exact model slug shown in CometAPI UI "messages": [{"role":"user","content":"Create a 5-step checklist for onboarding a new hire."}], "max_tokens": 800 }'
تكمن قيمة CometAPI في سهولة التجميع (تكامل واحد للعديد من النماذج). أكد سلسلة اسم النموذج الدقيقة في لوحة تحكم CometAPI قبل الاستدعاء.
أفضل الممارسات عند بناء وكلاء Lobster / OpenClaw باستخدام GLM-5-Turbo
- صمّم من أجل الموثوقية لا من أجل الكمون الخام: ميزة Turbo هي انخفاض فشل استدعاء الأدوات في السلاسل الطويلة. شكّل تشغيلات الوكيل لتفضيل الإكمالات المتينة (إعادات المحاولة، استدعاءات أدوات عديمة الأثر الجانبي) على مكاسب ضئيلة في أول رمز.
- استخدم البثّ واستدعاءات الأدوات التزايدية: تبنَّ البث/المخرجات المتقطعة لتقليل إعادة العمل والسماح باستدعاء الأدوات مبكرًا حيثما كان مناسبًا. يدعم GLM-5-Turbo البث.
- مخرجات مُهيكلة للمحللات: فضّل JSON أو نتائج منسّقة جيدًا لأجل تحليل حتمي بالأدوات اللاحقة. يدعم Turbo المخرجات المُهيكلة.
- خطط للجدولة/الدوام: إذا كان يجب على وكيلك الفحص دوريًا أو تشغيل مهام في الخلفية، فاستخدم دلالات الوقت الأفضل وميزات التخزين المؤقت في Turbo لتجنب إعادة التخطيط في كل دورة.
- راقب استدعاءات الأدوات وفعّل البدائل: سجّل استدعاءات الأدوات وصمّم بدائل رشيقة (مثل إعادة المحاولة مع تغير طفيف في درجة الحرارة أو استدعاء أداة احتياطية) لأن سير العمل الوكيلي هش إذا فشلت واجهة خارجية واحدة. Turbo يقلل معدلات الخطأ لكنه لا يلغي فشل العوامل الخارجية.
يمكن للمطورين الوصول إلى واجهات GLM-5 وGLM-5 turbo عبر CometAPI الآن. للبدء، راجع API guide للحصول على تعليمات مفصلة. قبل الوصول، يُرجى التأكد من تسجيل الدخول إلى CometAPI والحصول على مفتاح API. يقدّم CometAPI سعرًا أقل بكثير من السعر الرسمي لمساعدتك على الدمج.
Ready to Go؟ → Sign up fo GLM-5 and GLM-5 turbo today !