← أحدث الأبحاث
💬 NLP

GLM-5: from Vibe Coding to Agentic Engineering

يُعد GLM-5 نموذجاً تأسيسياً من الجيل التالي ينتقل من "البرمجة القائمة على الانطباع" (vibe coding) إلى "الهندسة الوكيلة" (agentic engineering) عبر الاستفادة من هياكل البيانات والخوارزميات (DSA) لرفع كفاءة التكلفة، والتعلم التعزيزي غير المتزامن المبتكر لتحقيق أداء رائد في مهام هندسة البرمجيات المعقدة والمتكاملة.

المؤلفون الأصليون: GLM-5-Team, :, Aohan Zeng, Xin Lv, Zhenyu Hou, Zhengxiao Du, Qinkai Zheng, Bin Chen, Da Yin, Chendi Ge, Chenghua Huang, Chengxing Xie, Chenzheng Zhu, Congfeng Yin, Cunxiang Wang, Gengzheng Pan, Hao Ze
نُشر 2026-02-25
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: GLM-5-Team, :, Aohan Zeng, Xin Lv, Zhenyu Hou, Zhengxiao Du, Qinkai Zheng, Bin Chen, Da Yin, Chendi Ge, Chenghua Huang, Chengxing Xie, Chenzheng Zhu, Congfeng Yin, Cunxiang Wang, Gengzheng Pan, Hao Zeng, Haoke Zhang, Haoran Wang, Huilong Chen, Jiajie Zhang, Jian Jiao, Jiaqi Guo, Jingsen Wang, Jingzhao Du, Jinzhu Wu, Kedong Wang, Lei Li, Lin Fan, Lucen Zhong, Mingdao Liu, Mingming Zhao, Pengfan Du, Qian Dong, Rui Lu, Shuang-Li, Shulin Cao, Song Liu, Ting Jiang, Xiaodong Chen, Xiaohan Zhang, Xuancheng Huang, Xuezhen Dong, Yabo Xu, Yao Wei, Yifan An, Yilin Niu, Yitong Zhu, Yuanhao Wen, Yukuo Cen, Yushi Bai, Zhongpei Qiao, Zihan Wang, Zikang Wang, Zilin Zhu, Ziqiang Liu, Zixuan Li, Bojie Wang, Bosi Wen, Can Huang, Changpeng Cai, Chao Yu, Chen Li, Chengwei Hu, Chenhui Zhang, Dan Zhang, Daoyan Lin, Dayong Yang, Di Wang, Ding Ai, Erle Zhu, Fangzhou Yi, Feiyu Chen, Guohong Wen, Hailong Sun, Haisha Zhao, Haiyi Hu, Hanchen Zhang, Hanrui Liu, Hanyu Zhang, Hao Peng, Hao Tai, Haobo Zhang, He Liu, Hongwei Wang, Hongxi Yan, Hongyu Ge, Huan Liu, Huanpeng Chu, Jia'ni Zhao, Jiachen Wang, Jiajing Zhao, Jiamin Ren, Jiapeng Wang, Jiaxin Zhang, Jiayi Gui, Jiayue Zhao, Jijie Li, Jing An, Jing Li, Jingwei Yuan, Jinhua Du, Jinxin Liu, Junkai Zhi, Junwen Duan, Kaiyue Zhou, Kangjian Wei, Ke Wang, Keyun Luo, Laiqiang Zhang, Leigang Sha, Liang Xu, Lindong Wu, Lintao Ding, Lu Chen, Minghao Li, Nianyi Lin, Pan Ta, Qiang Zou, Rongjun Song, Ruiqi Yang, Shangqing Tu, Shangtong Yang, Shaoxiang Wu, Shengyan Zhang, Shijie Li, Shuang Li, Shuyi Fan, Wei Qin, Wei Tian, Weining Zhang, Wenbo Yu, Wenjie Liang, Xiang Kuang, Xiangmeng Cheng, Xiangyang Li, Xiaoquan Yan, Xiaowei Hu, Xiaoying Ling, Xing Fan, Xingye Xia, Xinyuan Zhang, Xinze Zhang, Xirui Pan, Xu Zou, Xunkai Zhang, Yadi Liu, Yandong Wu, Yanfu Li, Yidong Wang, Yifan Zhu, Yijun Tan, Yilin Zhou, Yiming Pan, Ying Zhang, Yinpei Su, Yipeng Geng, Yong Yan, Yonglin Tan, Yuean Bi, Yuhan Shen, Yuhao Yang, Yujiang Li, Yunan Liu, Yunqing Wang, Yuntao Li, Yurong Wu, Yutao Zhang, Yuxi Duan, Yuxuan Zhang, Zezhen Liu, Zhengtao Jiang, Zhenhe Yan, Zheyu Zhang, Zhixiang Wei, Zhuo Chen, Zhuoer Feng, Zijun Yao, Ziwei Chai, Ziyuan Wang, Zuzhou Zhang, Bin Xu, Minlie Huang, Hongning Wang, Juanzi Li, Yuxiao Dong, Jie Tang

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك كنت تُعلّم متدرباً عبقرياً ولكنه أخرق قليلاً كيفية إصلاح الأشياء. لسنوات، اضطررت للوقوف فوق كتفه، تهمس بالتعليمات مثل: "حسناً، الآن اكتب هذا السطر من الكود"، أو "انتظر، هذا الزر لا يعمل، جرب الضغط على الزر الآخر". هذا هو ما يسميه البحث "برمجة الأجواء" (Vace Coding). إنه أمر مفيد، لكنه بطيء، ولا يستطيع المتدرب العمل بمفرده حقاً.

GLM-5 هي اللحظة التي يتخرج فيها هذا المتدرب أخيراً. فهو لا يكتفي فقط بالاستماع إلى "أجوائك" بعد الآن؛ بل يصبح مهندساً بارعاً. يمكنه النظر إلى مشكلة معقدة، وتخطيط المشروع بأكمله، وكتابة الكود، وإصلاح أخطائه، وتشغيل محاكاة تجارية لمدة عام كامل دون أن تحتاج لقول كلمة واحدة.

إليك التبسيط لهذا الإنجاز، باستخدام بعض التشبيهات من الحياة اليومية:

1. بنية الدماغ الجديدة: "أمين المكتبة الذكي" (DSA)

في السابق، لكي يجد الذكاء الاصطناعي صفحة محددة في مكتبة مكونة من 128,000 صفحة، كان عليه قراءة كل صفحة للتأكد من عدم تفويت أي شيء. كان هذا بطيئاً ومكلفاً.

  • الحل: يستخدم GLM-5 شيئاً يسمى DSA (انتباه ديب سيك المتفرق - DeepSeek Sparse Attention). تخيل أمين مكتبة لا يقرأ كل الكتب، بل لديه فهرس فائق الذكاء يعرف فوراً الصفحات الخمس التي تهم سؤالك ويتجاهل الـ 127,995 صفحة الأخرى.
  • النتيجة: أصبح الذكاء الاصطناعي الآن أسرع بمرتين وأقل تكلفة في التشغيل، ومع ذلك لا يزال يتذكر كل شيء مهم.

2. صالة التدريب: "الدوجو غير المتزامن"

في الماضي، كان تدريب الذكاء الاصطناعي يشبه صالة رياضية حيث يتعين على الجميع الانتظار حتى ينهي أبطأ شخص مجموعته قبل أن يبدأ الآخرون. إذا استغرق شخص واحد وقتاً طويلاً في التفكير، تظل الصالة الرياضية بأكملها واقفة بلا عمل.

  • الحل: بنى GLM-5 بنية تحتية غير متزامنة جديدة. تخيل "دوجو" (مكان تدريب) حيث يحدث "التفكير" (الاستنتاج) و"التعلم" (التدريب) في غرفتين منفصلتين. يقوم "المفكرون" بتوليد آلاف السيناريوهات، ويتعلم "المعلمون" منها فوراً، دون انتظار انتهاء أي شخص.
  • النتيجة: يتعلم الذكاء الاصطناي المهام المعقدة طويلة الأمد (مثل إدارة عمل تجاري لمدة عام) بشكل أسرع وأكثر كفاءة.

3. عادات "التفكير": "مخطط المهندس المعماري"

كانت نماذج الذكاء الاصطناعي القديمة غالباً ما تقفز مباشرة إلى الإجابة، مثل طالب يخمن الإجابات في الاختبار. أما GLM-5 فقد تعلم ثلاث طرق جديدة للتفكير:

  • التفكير المتداخل (Interleaved Thinking): يتوقف ليفكر قبل كل إجراء، مثل مهندس معماري يراجع المخطط قبل وضع الطوبة.
  • التفكير المحفوظ (Preserved Thinking): إذا طلبت منه إصلاح خطأ في قاعدة بيانات ضخمة، فإنه يتذكر أفكاره السابقة حتى لا يضطر لإعادة اشتقاق المنطق بالكامل في كل مرة. إنه يحتفظ بدفتر ملاحظات جارٍ.
  • التفكير على مستوى الدور (Turn-Level Thinking): يمكنك أن تقول له: "فكر بعمق في هذه المسألة الرياضية المعقدة، ولكن أعطني إجابة سريعة لهذا التحية البسيطة". إنه يعرف متى يغير نمط تفكيره.

4. اختبار العالم الحقيقي: "فترة التدريب"

لا يكتفي البحث بإظهار درجات الاختبار فحسب، بل يظهر قيام الذكاء الاصطناعي بوظائف حقيقية.

  • اختبار آلة البيع الذاتي: تخيل إعطاء ذكاء اصطناعي 1,000 دولار وطلب إدارة مشروع آلة بيع ذاتي لمدة عام. لم يكتفِ GLM-5 بالبقاء فحسب؛ بل حقق 4,432 دولاراً. لقد تعلم كيفية إعادة ملء السلع، وإصلاح الآلات المعطلة، وإدارة التدفق النقدي بشكل أفضل من معظم البشر.
  • مهندس البرمجيات: عندما طُلب منه إصلاح أخطاء في برمجيات حقيقية (مثل تلك المستخدمة من قبل الملايين)، حل GLM-5 مشاكل أكثر من أي نموذج مفتوح المصدر آخر، منافساً بذلك النماذج الأكثر تكلفة وسرية من شركات التقنية الكبرى.

5. مفاجأة "بوني ألفا" (Pony Alpha)

قام المؤلفون بشيء جريء: أصدروا النموذج دون الكشف عن هويته (مطلقين عليه اسم "Pony Alpha") على منصة عامة. أرادوا معرفة ما إذا كان الناس سيحبونه لمهاراته فقط، دون معرفة أنه من صنع فريق صيني.

  • النتيجة: أحبه الناس. خمن البعض أنه من مختبرات أمريكية كبرى مثل Anthropic أو Google. وعندما كشف المؤلفون أنه GLM-5، أثبت ذلك أن جودة النموذج تتحدث عن نفسها، متجاوزة الحدود والتحيزات.

الصورة الكبيرة

إن GLM-5 ليس مجرد "روبوت دردشة أذكى". إنه يمثل تحولاً من طلب المساعدة إلى تفويض العمل.

  • قبل: أنت السائق؛ والذكاء الاصطناعي هو الراكب الذي يعطي الاتجاهات.
  • الآن: أنت المدير؛ والذكاء الاصطناعي هو مدير المشروع الذي يدير الفريق، والجدول الزمني، والتنفيذ.

يخلص البحث إلى أننا ننتقل من عصر "برمجة الأجواء" (التخمين والأمل) إلى "الهندسة الوكيلية" (Agentic Engineering) (التخطيط، والبناء، والتكرار بدقة). ويعد GLM-5 أول نموذج مفتوح المصدر يتقن هذا العصر الجديد حقاً.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💬 cs.CL →