حدث شيء غريب في صناعة الذكاء الاصطناعي خلال الأسابيع الثمانية الماضية.

في يونيو، أطلقت Z.ai نموذج GLM-5.2 وأصبحت بهدوء أول نموذج بأوزان مفتوحة يتجاوز 80% على Terminal-Bench. في يوليو، طرحت Moonshot AI نموذج Kimi K3 — 2.8 تريليون معامل، أكبر نموذج بأوزان مفتوحة يُنشر على الإطلاق — فهبطت أسهم الذكاء الاصطناعي الصينية هبوطًا حادًا تضامنًا. ثم في 3 أغسطس، ردّت Alibaba بنموذج Qwen3.8-Max، بـ2.4 تريليون معامل، وفتحت مصدر نموذج من فئة Max لأول مرة في تاريخ الشركة.

ثلاثة نماذج قريبة من الحدود التقنية. ثلاث فلسفات ترخيص مختلفة. ثلاث نقاط سعرية متباعدة جدًا. وكم هائل من التغطية المرتبكة التي تعاملها كأنها قابلة للتبادل.

إنها ليست قابلة للتبادل. أحدها لا يرى الصور. وأحدها ليس قابلًا للتنزيل فعليًا بعد، رغم مئة عنوان رئيسي يصفه بأنه “مفتوح المصدر”. وأحدها يكلّف خمسة أضعاف الآخر لكل رمز إخراج، مع نتائج أسوأ في عدة معايير قياس للبرمجة.

هذه هي المقارنة التي تحسم الأمر.

باختصار — الحكم في 30 ثانية

إذا أردت أقوى قدرة خام وكانت ميزانيتك تسمح: Kimi K3. يحتل المرتبة #4 على Artificial Analysis Intelligence Index والمرتبة #1 على Frontend Code Arena، وهو الوحيد بين الثلاثة الذي يبادل نماذج Claude وGPT الرائدة الضربات. ستدفع $3/$15 لكل مليون رمز مقابل هذا الامتياز.

إذا أردت أفضل نسبة بين التكلفة والقدرة في البرمجة: GLM-5.2. بسعر $1.40/$4.40 يقل عن ثلث سعر الإخراج لدى K3، وهو مرخّص بـMIT فعليًا، والأوزان متاحة على Hugging Face منذ يونيو. لكنه ببساطة لا يعالج الصور.

إذا احتجت إدخالًا متعدد الوسائط ووكلاء بعيدة المدى في نموذج واحد: Qwen3.8-Max. نص وصورة و وفيديو كإدخال، إضافة إلى أقوى أرقام منشورة لوكلاء الرؤية بين الثلاثة. لكن حتى كتابة هذه السطور، الأوزان ما زالت وعدًا لا ملفًا للتنزيل.

إذا كنت تبني شيئًا جادًا: استخدم أكثر من نموذج. يشرح قسم التوجيه أدناه لماذا هذا ليس تهرّبًا من الإجابة.

جدول المحتويات

لماذا تهم هذه المقارنة الآن
تعرّف على المتنافسين
المواصفات وجهًا لوجه
تعمّق في معايير القياس
النجمة التي لا يذكرها أحد في معايير القياس
الأسعار: حساب التكلفة الحقيقي
ما تعنيه “الأوزان المفتوحة” فعليًا هنا
هل يمكنك استضافتها ذاتيًا فعلًا؟
ثلاث نوافذ سياق من مليون رمز ليست متساوية
أي نموذج تختار؟
استراتيجية التوجيه بين نماذج متعددة
المخاطر والتحذيرات وإشارات الخطر
ما القادم بعد ذلك
الأسئلة الشائعة
الحكم النهائي

لماذا تهم هذه المقارنة الآن

طوال معظم 2024 و2025، كان حديث الأوزان المفتوحة أشبه بدوري ترضية. كنت تختار نموذجًا غربيًا متقدمًا للعمل الصعب، ونموذجًا مفتوحًا للأمور الرخيصة عالية الحجم. كانت الفجوة حقيقية والجميع يعرفها.

انكسرت تلك الصورة هذا الصيف.

حين أطلقت Moonshot نموذج Kimi K3 في منتصف يوليو، روى رد فعل السوق القصة أفضل من أي جدول معايير. هبطت أسهم Z.ai المدرجة في هونغ كونغ بنسبة 30%. وتراجع MiniMax بنسبة 16%. وانخفضت Alibaba 4%. لم يكن المستثمرون يتفاعلون مع ورقة بحثية — بل مع نموذج كان المطورون يفضّلونه، في تقييمات عمياء جنبًا إلى جنب، على الأنظمة الأمريكية الرائدة في أعمال البرمجة الأمامية.

ثم رفع إطلاق Qwen3.8-Max من Alibaba سهمها 7% في هونغ كونغ. وفي الأسبوع نفسه، ذُكر أن إيرادات Moonshot اليومية نمت بما لا يقل عن ستة أضعاف بعد K3، إذ بلغت الشركة 300 مليون دولار من الإيرادات السنوية المتكررة في يونيو — ارتفاعًا من 200 مليون دولار في أبريل — بينما كانت تسعى لجولة تمويل بتقييم 50 مليار دولار.

لم تعد القصة عن بدائل رخيصة. إنها قصة ما إذا كان سعر القدرات بمستوى الحدود قد انهار للتو، وإن كان كذلك، فأيًا من هؤلاء الثلاثة يجب أن توصله فعليًا بالإنتاج.

تعرّف على المتنافسين

Kimi K3 (Moonshot AI)

تاريخ الإصدار: July 16, 2026 (API) · July 27, 2026 (weights)

Kimi K3 هو رهان الحجم. بـ2.8 تريليون معامل إجمالي، إنه أكبر بنحو 75% من V4 Pro من DeepSeek، الذي كان يحمل لقب “أكبر نموذج مفتوح واسع الاستخدام”. لكن الرقم المهم لمن يفكر في تكلفة الاستدلال هو الرقم المتناثر: يستخدم K3 تصميم خليط الخبراء بـ896 خبيرًا و16 نشطًا فقط لكل رمز، ما يضع نحو 50 مليار معامل في العمل في كل تمريرة أمامية.

قطعتان معماريّتان من تصميم Moonshot نفسها: Kimi Delta Attention، آلية انتباه خطي هجينة، و Attention Residuals، تصفها الشركة كبديل مباشر لوصلات التبقّي القياسية يظل مجديًا مع التوسّع. وقد نُشر كلاهما كبحث مفتوح على GitHub قبل إطلاق K3.

التوجه واضح لا لبس فيه — بنت Moonshot هذا للهندسة الطويلة المدى. وتدور صياغة الشركة حول مواصلة جلسات تمتد ساعات، والتنقل في مستودعات كبيرة، وتنسيق أدوات الطرفية بأقل إشراف. ويأتي بفهم بصري أصيل ووضع استدلال يعمل دائمًا، وهو متوافق مع OpenAI SDK، لذا التكامل في معظمه تبديل لعنوان URL الأساسي.

Qwen3.8-Max (Alibaba)

تاريخ الإصدار: July 19, 2026 (preview at WAIC Shanghai) · August 3, 2026 (general availability)

Qwen3.8-Max بـ2.4 تريليون معامل إجمالي، بنحو 95 مليارًا نشطًا لكل رمز — أي ضعف عدد المعاملات النشطة لدى K3 تقريبًا، ولهذا أثر حقيقي على تكلفة التشغيل سنعود إليه.

الجديد حقًا هنا ليس الحجم بل الوسائط. هذا أول نموذج Qwen يتجاوز تريليون معامل ويصبح متعدد الوسائط، يقبل النصوص والصور و والفيديو كإدخال. وهي المرة الأولى التي تلتزم فيها Alibaba بفتح مصدر نموذج رائد من فئة Max على الإطلاق. فكل نموذج Max سابق — Qwen3.7-Max وQwen3.6-Max-Preview — بقي محصورًا خلف API، بينما استمر خط الأوزان المفتوحة منفصلًا بأحجام أصغر.

عروض Alibaba بعيدة المدى هي أقوى تسويق بين الثلاثة. في أحدها، ذُكر أن النموذج أمضى أكثر من عشرة أيام يبني ذاتيًا هارنس برمجيات يتطور تلقائيًا، مستوعبًا الملاحظات ومكرّرًا عبر الشيفرة والمعاينات والسجلات دون تدخل بشري. وفي آخر، أعاد إنتاج ورقة بحثية في تعلّم الآلة من الصفر: 33 جولة تدريب على GPU على مدى نحو 125 ساعة، و7,600 سطر شيفرة، ثم 18 فكرة تحسين ولّدها بنفسه تفوقت على طريقة الورقة الأصلية. وبمشاركته في مسابقة حية ضد 526 فريقًا بشريًا، تقدّم على 87% من المشاركين.

تعامل معها كعروض من المورّد، لأنها كذلك فعلًا. لكنها عروض مورّد محددة بشكل غير معتاد.

GLM-5.2 (Z.ai / Zhipu AI)

تاريخ الإصدار: June 13, 2026 (Coding Plan preview) · mid-June 2026 (full open release)

GLM-5.2 هو أصغر نموذج هنا بفارق كبير وأكثرها تركيزًا. بنحو 744–753 مليار معامل إجمالي وحوالي 40 مليارًا نشطًا لكل رمز، بُني لشيء واحد: البرمجة الوكيلة بعيدة المدى.

يظهر هذا التركيز كإغفال متعمّد. لا يمتلك GLM-5.2 مُرمِّزًا بصريًا. يقبل النص والشيفرة. أعطه لقطة شاشة أو ملف PDF أو نموذجًا لواجهة مستخدم وسيرفض بخطأ. وقد صرّح الشريك المؤسس في Z.ai، جي تانغ، بالمنطق علنًا — فهو يرى أن الاستدلال القائم على النص، لا الإدخال البصري، هو القدرة التي ترفع سقف ذكاء الآلة. واستطلاع مجتمعي في يونيو عن ميزات الإصدار القادم حصد أكثر من 466,000 مشاهدة، وكانت الرؤية الطلب الأول بفارق ساحق. ومع ذلك لم تُطلق بعد.

ما يملكه GLM-5.2 فعلًا هو أوضح قصة ترخيص في هذه المقارنة، وأقل سعر بفارق واضح. صدر بترخيص MIT غير مقيّد مع أوزان متاحة على Hugging Face، ووصل بدعم من اليوم الأول في أكثر من عشرين بيئة برمجة تابعة لجهات خارجية.

المواصفات وجهًا لوجه

	Kimi K3	Qwen3.8-Max	GLM-5.2
المطور	Moonshot AI	Alibaba	Z.ai (Zhipu AI)
إجمالي المعاملات	2.8T	2.4T	~744–753B
النشطة لكل رمز	~50B (16 من 896 خبيرًا)	~95B	~40B
البنية	MoE متناثر + Kimi Delta Attention	MoE متناثر	MoE متناثر + انتباه IndexShare
نافذة السياق	1M رمز	1M tokens (991K كحد أقصى للإدخال)	1M رمز
أقصى إخراج	—	131K tokens	128K–131K tokens
إدخال نصي	✅	✅	✅
إدخال صور	✅	✅	❌
إدخال فيديو	❌	✅	❌
أوضاع الاستدلال	تفكير دائم التشغيل	قياسي / تفكير (ميزانية 262K)	عالي / أقصى
الأوزان متاحة	✅ 27 يوليو 2026	⏳ موعودة في أسبوع 10 أغسطس	✅ منذ يونيو 2026
الترخيص	MIT معدّل (بشروط)	لم يُعلن بعد	MIT (غير مقيّد)
إدخال API / 1M	$3.00	$2.00	$1.40
إخراج API / 1M	$15.00	$6.00	$4.40
الإدخال المخزّن مؤقتًا / 1M	$0.30	$0.25	$0.26

ثلاثة أمور تبرز من ذلك الجدول.

أولًا، GLM-5.2 يفعل أكثر بموارد أقل. حجمه الكلي نحو ربع حجم K3 وينافس في معايير قياس البرمجة — وهذا يخبرك أن الحجم ليس القصة كاملة في 2026.

ثانيًا، عدد المعاملات النشطة في Qwen3.8-Max هو الشاذ. بنحو 95B نشطًا، يكاد يكون ضعف نظيره في K3، رغم أنه أصغر إجمالًا. المعاملات النشطة تحدد تكلفة التشغيل، لذا من يخطط للاستضافة الذاتية عليه أن يلاحظ أن نموذج Qwen الرائد أغلى في التشغيل لكل رمز من نموذج يزيد عنه بـ400 مليار معامل.

ثالثًا، فارق الأسعار هائل. رموز الإخراج في K3 تكلّف 3.4× ما تكلّفه في GLM-5.2. على مدى شهر من الاستخدام الوكيل المكثّف، هذا ليس فرقًا هامشيًا.

تعمّق في معايير القياس

أداء البرمجة والوكلاء

هنا تتجه النماذج الثلاثة جميعًا، وهنا تصبح المقارنة ذات معنى فعلي.

معيار القياس	Kimi K3	Qwen3.8-Max	GLM-5.2
Terminal-Bench 2.1	88.3	86.6	81.0
SWE-bench Pro	—	67.7	62.1
FrontierSWE	81.2	73.5	74.4
SWE Marathon	42.0 (#1)	—	—
Program Bench	77.8 (#1)	—	—
DeepSWE	67.5	56.6	—
MCP-Atlas (استخدام الأدوات)	~Fable 5 −0.5	—	77.0

للسياق حول أرقام Terminal-Bench تلك: يسجّل GPT-5.6 Sol بأقصى استدلال 88.8، ويصل Claude Opus 4.8 وClaude Fable 5 كلاهما إلى 84.6 في الجدول الذي أوردته Alibaba. ونتيجة Kimi K3 البالغة 88.3 تضعه على نصف نقطة من القمة. أما 86.6 لـQwen3.8-Max فتتجاوز نموذجَي Claude في الجدول نفسه. وكانت 81.0 لـGLM-5.2 أول نتيجة بأوزان مفتوحة تتجاوز 80 آنذاك.

أبرز فوز لـGLM-5.2 هو ضد GPT-5.5 تحديدًا: 62.1 مقابل 58.6 على SWE-bench Pro، و74.4 مقابل 72.6 على FrontierSWE — وهذه الأخيرة تضعه في تعادل شبه تام مع Claude Opus 4.8 عند 75.1. وفي استخدام الأدوات على MCP-Atlas سجّل 77.0 مقابل 75.3 لـGPT-5.5 و77.8 لـOpus 4.8.

الاستدلال والمعرفة العامة

معيار القياس	Kimi K3	Qwen3.8-Max	GLM-5.2
GPQA Diamond	93.5	92.6	89.5
Artificial Analysis Intelligence Index	57.11 (#4 من 189)	—	51.09
BrowseComp	91.2 (#1)	—	—
PaperBench	—	93.0 (في الصدارة)	—
IFBench	—	82.8 (في الصدارة)	—

كانت نتيجة K3 البالغة 93.5 على GPQA Diamond، عند الإطلاق، أفضل نتيجة نشرها أي نموذج بأوزان مفتوحة على ذلك المعيار. وعلى مؤشر Artificial Analysis Intelligence Index المستقل سجّل 57.11، محتلًا المرتبة الرابعة من 189 نموذجًا متتبعًا — خلف Claude Fable 5 (59.86) وكلا تهيئتَي GPT-5.6 Sol (58.89 و57.65)، لكنه متقدم على Claude Opus 4.8 عند 55.69.

يقع GLM-5.2 أدنى بوضوح على ذلك المؤشر المركب عند 51.09. تلك الفجوة هي الثمن الصادق لميزته السعرية في الاستدلال العام — وإن كانت تضيق بشدة في أعمال البرمجة الصرفة.

تعدد الوسائط والرؤية

هذه هي الفئة التي لا ينافس فيها GLM-5.2 ببساطة، والتي يقدّم فيها Qwen3.8-Max أقوى حجة له.

معيار القياس	Qwen3.8-Max	ملاحظات
OSWorld-Verified	86.1	مهام وكلاء استخدام الحاسوب
Parametric CAD Bench	91.5	استدلال التصميم المنظم
OmniDocBench 1.5	92.1	فهم المستندات
Vision Arena	#2 عالميًا	خلف نسخة من Fable 5 فقط

يتصدر Qwen3.8-Max معظم صفوف الرؤية في جدول Alibaba المنشور، ومرتبته الثانية في Vision Arena إشارة مستقلة قوية حقًا. ويملك Kimi K3 فهمًا بصريًا أصيلًا ويُقال إنه يؤدي جيدًا في الأعمال المتعلقة بالمخططات والمستندات والمهام متعددة الوسائط، لكن Qwen يملك هذه الفئة بين الثلاثة.

ترتيبات تفضيل البشر

تستحق نتائج الساحات العمياء القائمة على المشاركة الجماعية قراءة منفصلة عن جداول معايير القياس، لأنها تلتقط شيئًا تفوته تلك الجداول.

Frontend Code Arena: حلّ Kimi K3 في المرتبة #1 بـ1,679 إيلو، متقدمًا على Claude Fable 5 عند 1,631. وحلّ Qwen3.8-Max في المرتبة #4 بـ1,668 — أي متأخرًا 37 نقطة عن Claude Opus 5.
Text Arena: دخل Qwen3.8-Max كأعلى نموذج صيني ترتيبًا، وإن كان لا يزال متأخرًا عن عدة نماذج من Anthropic.
Code Arena: حلّ GLM-5.2 ثانيًا بين نماذج البرمجة في لوحة الصدارة العمياء.

فوز Kimi K3 بالصدارة المطلقة في Frontend Code Arena — على حساب Fable 5 — هو ربما أكثر نتيجة إثارة في هذا المقال بأكمله.

النجمة التي لا يذكرها أحد في معايير القياس

كل جدول أعلاه يستحق تحذيرًا صحيًا، والنسخة الصادقة من هذه المقارنة عليها أن تقول ذلك بصراحة.

آثار الهارنس هائلة. لا يقيس معيار قياس وكيل البرمجة النموذج وحده. إنه يقيس النموذج بالإضافة إلى بيئة التشغيل المحيطة به: الوصول إلى الأدوات، وأذونات الملفات، ومنطق ضغط السياق، وسلوك إعادة المحاولة، وقواعد التوقف. Kimi Code وClaude Code وCodex وTerminus وmini-SWE-agent كلها هارنسات مختلفة بقدرات مختلفة. والنتيجة الموسومة “Kimi K3 + Kimi Code” ليست قابلة للمقارنة مباشرة بنتيجة API خام.

جدول الإطلاق الخاص بـMoonshot يمزج الهارنسات — KimiCode وClaude Code لـK3، وClaude Code لصفوف Claude وGLM، وCodex لـGPT. بعض نتائج المنافسين تأتي من مورّدي هؤلاء المنافسين أنفسهم. وفي بعض التقييمات، طلبات Fable 5 المرفوضة بموجب سياسة الاستخدام تراجعت إلى Opus 4.8. لكن ثمة فحص معقول مدفون في البيانات: سجّل K3 نتيجة 67.5 على DeepSWE مع KimiCode و67.3 مع هارنس mini-SWE-agent الخاص بالمعيار نفسه. فارق 0.2 نقطة يشير إلى أن أثر الهارنس في تلك المهمة بعينها صغير.

جداول المورّد تجامل أصحابها. تقارن مقارنة Alibaba متعددة الوسائط Qwen3.8-Max بـQwen3.7-Plus، وليس Qwen3.7-Max — ما يجعل القفزة بين الأجيال تبدو أكبر مما هي. ومن محاسن Alibaba أنها نشرت أيضًا منحنى توسّع للتعلم المعزز لا لا يجمّله: يبلغ الأداء ذروته عند 0.725 حول 4,000 بيئة تدريب، ثم ينخفض إلى 0.719 و0.689. هذه شركة تُظهر عوائدها المتناقصة علنًا، وهو أكثر مما تفعله معظم المختبرات.

التحقق المستقل متأخر. صدر GLM-5.2 دون أي جدول معايير على الإطلاق؛ وجاءت الأرقام المتداولة لاحقًا من بيانات المورّد واختبارات جهات خارجية. أما نتائج Qwen3.8-Max الخمس المنشورة فهي مما أبلغ عنه المورّد، دون تقييم مستقل متاح حتى أوائل أغسطس. وKimi K3 هو الأكثر بيانات من جهات خارجية — Artificial Analysis وVals وArena — وحتى هناك تختلف النتائج بعضها عن بعض. صنّف Vals نموذج K3 ثانيًا إجمالًا في 17 يوليو، بين Fable 5 وGPT-5.6 Sol، بينما وضع Sol متقدمًا على K3 تحديدًا في Terminal-Bench 2.1 وSWE-bench Verified.

أكثر اختبار مستقل فائدة وجدته جاء من Fireworks AI، الذي شغّل K3 مقابل Claude Fable 5 عبر نحو 1,000 مهمة وكيلية. ولم تكن النتيجة فوزًا نظيفًا لأي منهما. تقدّم K3 في أعمال الأمن والتشفير وحلقات الطرفية الطويلة. وفاز Fable 5 في المهام متعددة اللغات وتصوّر البيانات والويب. لم يهيمن أي منهما.

الخلاصة العملية: شغّل تقييمك الخاص على مهامك الخاصة قبل الالتزام. كل واحد من هذه النماذج قريب بما يكفي من الآخرين بحيث لا يتوقع موقعك في لوحة الصدارة نتائجك.

الأسعار: حساب التكلفة الحقيقي

أسعار API لكل رمز

الطراز	الإدخال / 1M	الإخراج / 1M	الإدخال المخزّن مؤقتًا / 1M
GLM-5.2	$1.40	$4.40	$0.26
Qwen3.8-Max	$2.00	$6.00	$0.25
Kimi K3	$3.00	$15.00	$0.30
Claude Sonnet 5	$2.00	$10.00	—
Claude Opus 5	$5.00	$25.00	$0.50
Claude Fable 5	$10.00	$50.00	—

ملاحظتان أهم من الأرقام الخام.

سعر Kimi K3 كأنه نموذج غربي من الفئة المتوسطة، لا بديل اقتصادي. بسعر $3/$15 يكلّف أكثر لكل رمز إخراج من Claude Sonnet 5 و3.4× أكثر من GLM-5.2. وإذا كنت تفترض أن “نموذج صيني بأوزان مفتوحة” يعني “رخيص”، فإن K3 يكسر هذا الافتراض.

التخزين المؤقت هو الرافعة الحقيقية، لا السعر المعلن. الإدخال المخزّن مؤقتًا في Qwen بـ$0.25 أرخص ثماني مرات من الإدخال الجديد، وتوضح وثائق Alibaba نفسها أن ثبات البادئة يحدد التكلفة أكثر من طول الموجّه. لأحمال الوكلاء ذات الموجّه النظامي الثابت والمحادثة المتنامية، سيحرّك التخزين المؤقت المكثّف فاتورتك أكثر من اختيار النموذج. ويقدّم Qwen أيضًا إنشاء صريح للذاكرة المؤقتة بـ$2.50 وقراءات صريحة بـ$0.17 للأحمال التي يمكنك التخطيط لها.

خطط الاشتراك

إذا كنت مطورًا فرديًا أو فريقًا صغيرًا، فقد لا تكون التسعيرة لكل رمز طريقة شرائك إطلاقًا.

GLM Coding Plan يقدّم ثلاث فئات. الأسعار الشهرية الأساسية $18 (Lite) و$72 (Pro) و$160 (Max)، مع خصومات حسب دورة الفوترة — 10% شهريًا، 20% ربع سنويًا، 30% سنويًا. على الفوترة السنوية يعادل ذلك نحو $12.60 و$50.40 و$112 شهريًا. وتمنحك كل فئة رصيدًا من الموجّهات يتجدد كل خمس ساعات، وتعمل الخطة مباشرة مع Claude Code وCline وKilo Code وOpenClaw.

ثمة تفصيل يستحق الفهم: استهلاك الحصة يستخدم معاملات ضرب. استخدام GLM-5.2 خارج أوقات الذروة يبقى عند 1× حتى سبتمبر 2026 كعرض ترويجي. وبعد ذلك يعود إلى 2× خارج الذروة و3× في الذروة — أي أن حصتك الفعلية تعتمد بشدة على وقت عملك، لا على مقداره فقط.

Qwen يقدّم اشتراك Token Plan يبدأ من نحو $6 شهريًا (39 CNY) في فئة Lite كبديل للفوترة لكل رمز.

Moonshot تشغّل فئات اشتراك لتطبيقات Kimi مسمّاة على إيقاعات السرعة — Moderato وAllegro وAllegretto وVivace — مع أن التطبيقات نفسها مجانية ضمن حدود الاستخدام العامة.

تكلفة المهمة مقابل تكلفة الرمز

هنا الفخ: سعر الرمز ليس تكلفة المهمة المنجزة.

نموذج يحل مشكلتك في تمريرة واحدة بـ$15/1M إخراج قد يكون أرخص بسهولة من نموذج يحتاج أربع تكرارات بـ$4.40/1M. رموز الاستدلال تُحاسب بأسعار الإخراج في النماذج الثلاثة جميعًا، وK3 تحديدًا يعمل بتفكير دائم — وقد لاحظ تحليل أن K3 أنجز مجموعة Artificial Analysis بتكلفة إجمالية أقل قليلًا من GPT-5.6 Sol رغم توليد رموز مخرجات أكثر بكثير، لأنه احتاج إلى محاولات أقل.

قِس التكلفة لكل تذكرة محلولة، لا التكلفة لكل مليون رمز. فهو’ الرقم الوحيد الذي يعكس الواقع.

ما تعنيه “الأوزان المفتوحة” فعليًا هنا

في هذا القسم تنهار معظم التغطيات لهذه النماذج الثلاثة، لأن كلمة “مفتوح” تؤدي عملاً هائلاً في كثير من العناوين.

ثلاث حالات مختلفة تُدمج في كلمة واحدة:

متاح عبر API — يمكنك استدعاؤه، لكن لا يمكنك’ امتلاكه
أوزان مفتوحة — يمكنك تنزيل المعاملات
مفتوح المصدر بترخيص متساهل — يمكنك التنزيل والتعديل وإعادة التوزيع والاستخدام التجاري بحرية

إليك’ أين يقف كل نموذج في الواقع.

GLM-5.2: مفتوح فعلاً

ترخيص MIT، بلا قيود، والأوزان على Hugging Face تحت zai-org/GLM-5.2. نزّل، واضبط بدقة، واستضفه ذاتيًا، وبع منتجات مبنية عليه. لا حدود للإيرادات، ولا شروط إسناد، ولا تفاوض. هذا أنظف ما يصل إليه ترخيص الأوزان المفتوحة، وهو’ ميزة تنافسية حقيقية يُقلّ الحديث عنها، لأن ترخيص MIT ليس’ عنوانًا جذابًا.

Kimi K3: مفتوح بشروط

صدرت الأوزان في 27 يوليو بموجب ترخيص مخصص تسميه Moonshot ترخيص Kimi K3. يُسمح بالاستخدام التجاري الواسع، لكن يُطبَّق شرطان:

أي شركة يبلغ إيراداتها السنوية أكثر من 20 مليون دولار عليها التفاوض على عقد مع Moonshot قبل تقديم K3 لعملاء خارجيين كخدمة
أي شركة يبلغ إيرادات شهرية تتجاوز 20 مليون دولار أو أكثر من 100 مليون مستخدم نشط شهريًا عليها إظهار إسناد Kimi K3 في أي منتج يتضمن النموذج

بالنسبة لمطوّر مستقل أو شركة ناشئة، لا يُلزم أي من الشرطين. أما لشركة SaaS راسخة تخطط لإعادة بيع الاستدلال المدعوم بـ K3، فالشرط الأول يُلزمها بلا شك. اقرأ الترخيص قبل أن تبني عليه نموذج عمل.

Qwen3.8-Max: ليس مفتوحًا بعد

هذا هو الجزء الذي يجب قوله بصراحة، لأن عددًا كبيرًا جدًا من العناوين وصفت Qwen3.8-Max بأنه مفتوح المصدر.

حتى 5 أغسطس 2026، لا يمكن تنزيل أوزان Qwen3.8-Max. تعهّدت Alibaba عند الإطلاق بإصدار الأوزان “الأسبوع المقبل” — أي أسبوع 10 أغسطس — على Hugging Face وModelScope، لكل من Qwen3.8-Max ونقطة تفتيش أصغر Qwen3.8-27B. لم يُسمَّ أي ترخيص. وبحث في Hugging Face عن Qwen3.8 حتى 4 أغسطس لم يُرجع أي بطاقة نموذج رسمية من Alibaba، بل رفعات مجتمعية بأسماء مثل Qwen3.8_4B_Distilled — تقطيرات من أطراف ثالثة، لا النموذج الرئيسي، ويسهل الخلط بينها وبين الأصل إن كنت’ تتصفح بسرعة.

هناك’ سبب للتفاؤل الحذر: لدى Alibaba سجل حقيقي في المصادر المفتوحة، إذ صدرت سلسلتا Qwen3 وQwen3.5 تحت Apache 2.0. لكن هناك’ أيضًا نمط في الاتجاه المعاكس — فكل نموذج رئيسي من فئة Max منذ Qwen3-Max كان مملوكًا. وإذا وصلت الأوزان بترخيص متساهل، فسيكسر ذلك النمط تمامًا، وقد يكون قصة أكبر من عدد المعاملات. وإلى أن يوجد مستودع وملف ترخيص، خطّط على أساس API.

هل يمكنك استضافتها ذاتيًا فعلًا؟

الأوزان المفتوحة لا تفيد إلا إذا استطعت تشغيلها، وهنا يتباعد التسويق وواقع العتاد تباعدًا حادًا.

Kimi K3 هو تنزيل بحجم 1.56 TB، يُشحن بدقة MXFP4 لتوافق أوسع مع العتاد. ومع ذلك، يحتاج نموذج بـ 2.8 تريليون معامل إلى بنية تحتية من فئة العقد العملاقة — والرقم الموصى به هو 64 مسرّعًا أو أكثر. وبالنسبة للغالبية العظمى من الفرق، فإن الأوزان أثر بحثي وضمان سيادة، لا خطة نشر. ستستخدم API.

Qwen3.8-Max بإجمالي 2.4T هو أيضًا أثر لمركز بيانات متعدد العقد. ونموذج Alibaba الأصغر’ Qwen3.8-27B هو المسار الواقعي للاستضافة داخل المنشأة، وهو’ ما ينبغي أن يهم أي شخص يخطط فعلاً للاستضافة الذاتية.

GLM-5.2 بإجمالي ~753B ونحو ~40B نشطة هو الأسهل معالجة بين الثلاثة، لكن “الأسهل معالجة” يعني مع ذلك بنية تحتية جدية من GPU. والشركات الصغيرة لن’ تمتلكها عمومًا.

فلماذا تهم الأوزان المفتوحة إن كان الجميع تقريبًا لا يستطيع تشغيلها؟ سببان، وكلاهما حقيقي.

الأول هو السيادة. فالدول التي تنفق المليارات على بنية تحتية محلية للذكاء الاصطناعي كانت في الغالب تملك العتاد وتستأجر النماذج من مزوّدين أمريكيين. ونموذج حدودي بأوزان مفتوحة يغيّر هذه الحسبة — إذ تستطيع حكومة تشغيله على أرضها، وإعادة تدريبه للغتها وسياقها القانوني، وإبقاء بيانات مواطنيها داخل حدودها.

والثاني هو سوق الاستدلال. الأوزان المفتوحة تعني أن أي مزوّد استضافة يستطيع تقديم النموذج، ما يدفع أسعار الرمز إلى الانخفاض بالمنافسة لا بحسن نية البائع. وهذا’ جزء كبير من سبب توافر GLM-5.2 بسعر إدخال 1.00–1.20 دولار عبر موجّهات طرف ثالث، أقل من 1.40 دولار، سعر Z.ai نفسه’.

ثلاث نوافذ سياق من مليون رمز ليست متساوية

تعلن النماذج الثلاثة جميعًا عن نافذة سياق بمليون رمز. وهذا’ نحو 750,000 كلمة — قاعدة شيفرة كبيرة كاملة، أو نحو 400 صفحة من المستندات، في طلب واحد.

تختلف التفاصيل بطرق تهم التشغيل:

Qwen3.8-Max يحدّ الإدخال الفعلي عند 991K رمز، وينخفض إلى 983K عند تشغيل التفكير، مع ميزانية استدلال قصوى منفصلة قدرها 262K. ويبلغ الإخراج حده الأقصى 131K رمز في الوضعين. وحدود المعدل هي 2M رمز في الدقيقة و15K طلب في الدقيقة.
GLM-5.2 يدعم حتى 128–131K رمز إخراج، وهو ما يكفي لفروقات كبيرة متعددة الملفات في محاولة واحدة. وكانت نافذته البالغة 1M قفزة بنحو 5× عن ~200K لدى GLM-5.1’، وهو’ الترقية التي غيّرت أكثر ما يستطيعه النموذج.
Kimi K3 يقدّم سياقًا بمقدار 1M مع أقوى مؤشرات الاسترجاع في السياق الطويل بين الثلاثة، لأن معماره صُمم حول الجلسات الطويلة الأفق تحديدًا.

السؤال الأنفع من “كم تبلغ النافذة” هو “هل يبقى النموذج متماسكًا في طرفها الأقصى.” والسياق المعلن و القابل للاستخدام يتباعدان، ولم يُختبَر أي من هذه النماذج الثلاثة تحت الضغط باستقلالية وبطول كامل بطريقة أعتبرها’ قاطعة. فإن كان عملك يعتمد على استرجاع حقيقي بـ 800K رمز، فاختبره قبل أن تبني معمارك عليه.

أي نموذج تختار؟

للمطوّر الفرد أو الهاكر المستقل → GLM-5.2

الاقتصاديات حاسمة. خطة Lite Coding Plan بسعر 12.60 دولار شهريًا عند الفاتورة السنوية تمنحك وكيل برمجة قادرًا فعلاً داخل Claude Code أو Cline، مع تجربة مجانية خمسة أيام عبر ZCode (3 ملايين رمز GLM-5.2 زائد 2 مليون رمز GLM-5-Turbo يوميًا) لتكوين حكم حقيقي قبل أن تدفع أي شيء.

أنت تتنازل عن الرؤية. فإن كان عملك في الواجهات الخلفية أو CLI أو السكربتات أو تطوير API، فلن’ تلاحظ ذلك إلا نادرًا. وإن كنت’ تعمل على الواجهة الأمامية من تصاميم، فستلاحظه فورًا.

لفريق الهندسة في شركة ناشئة → GLM-5.2 أساسًا، وKimi K3 للتصعيد

وجّه الوسط الواسع من عملك — إصلاحات الأخطاء الروتينية، وإعادة الهيكلة، وتوليد الاختبارات، والكود المتكرر — إلى GLM-5.2، واحتفظ بـ K3 للمهام التي تتحول فيها القدرة الإضافية فعلاً إلى تذكرة مكتملة. ففارق 7 نقاط في SWE-bench Pro بينهما حقيقي، لكنه يهم فقط في الذيل الصعب.

للمؤسسات والصناعات المنظَّمة → GLM-5.2 مستضاف ذاتيًا، أو Qwen3.8-27B عند صدوره

التفصيل الحاسم: تمر واجهة API السحابية الخاصة بـ Z.ai عبر بنية تحتية مقرها الصين’. بالنسبة للمشاريع الشخصية ومعظم الشركات الناشئة، هذه ليست مشكلة. أما المؤسسة المنظَّمة فتحتاج إما إلى مراجعة قانونية أو إلى التحول للاستضافة الذاتية. وترخيص MIT يجعل الاستضافة الذاتية مجدية فعلاً على نحو لا تفعله شروط حد الإيرادات في K3’.

لسير عمل متعدد الوسائط واستخدام الحاسوب → Qwen3.8-Max

إن كان وكيلك يحتاج إلى قراءة لقطات الشاشة، أو تحليل المستندات بصريًا، أو معالجة الفيديو، فـ GLM-5.2 مستبعد، وQwen يتقدم على Kimi في أرقام الرؤية المنشورة. وOSWorld-Verified عند 86.1 وOmniDocBench عند 92.1 مؤشران قويان على استخدام الحاسوب وفهم المستندات. فقط خصّص ميزانية للوصول عبر API بدل الاستضافة الذاتية إلى أن تظهر الأوزان والترخيص فعلاً.

للباحثين والنشرات المركّزة على السيادة → Kimi K3

أكبر نقطة تفتيش بأوزان مفتوحة نُشرت على الإطلاق، مع تقرير تقني يغطي التصميم والتدريب ومنهجية معايير القياس. وإن كنت’ تدرس معماريات MoE على نطاق حدودي، أو Kimi Delta Attention أو Attention Residuals، فهذا أقدر نموذج يمكنك فحصه فعلاً.

لأقصى قدرة بغض النظر عن التكلفة → Kimi K3

الرابع في Artificial Analysis، والثاني في Vals Index، والأول في Frontend Code Arena، والنموذج الوحيد بين الثلاثة الذي يتبادل الانتصارات بانتظام مع نماذج Claude وGPT الرائدة. وتكلفته على قدر ذلك.

استراتيجية التوجيه بين نماذج متعددة

الجواب الصادق على “أيها ينبغي أن أستخدم” هو أن اختيار واحد هو عادةً الإطار الخاطئ.

النماذج الثلاثة جميعًا متوافقة مع OpenAI-SDK. وGLM-5.2 يقدّم إضافةً نقاط نهاية متوافقة مع Anthropic، ويَدعم Qwen مواصفتي OpenAI وDashScope معًا. والتبديل بينها هو عنوان URL أساسي ومعرّف نموذج. لا تكلفة احتكار تُذكر تقريبًا.

وهذا يجعل بناء معمارية توجيه رخيصًا، وتجاهلها مكلفًا:

طبقة رخيصة للعمل عالي الحجم منخفض المخاطر. التصنيف والتلخيص والتعديلات المباشرة. GLM-4.7 بسعر 0.60/2.20 دولار يتولى أكثر مما يتوقعه الناس — فما زال يسجل 73.8% في SWE-bench Verified.
الطبقة الافتراضية لمعظم العمل الحقيقي. GLM-5.2 أو Qwen3.8-Max حسب حاجتك إلى الرؤية.
طبقة تصعيد للذيل الصعب. Kimi K3، أو نموذج غربي رائد، للمهام التي يكون فيها الفشل مكلفًا وتتجاوز تكلفة التكرار تكلفة الرمز.
توجيه متخصص حسب نوع المهمة. بيانات Fireworks مفيدة هنا — فقد تفوق K3 في الأمن وحلقات الطرفية الطويلة، بينما فاز Fable 5 في تعدد اللغات وتصوير البيانات. وهذه فروق قابلة للتوجيه، لا ضوضاء.

الفرق التي تحقق أكبر استفادة من مشهد النماذج’ في 2026 ليست تلك التي اختارت صوابًا، بل’ تلك التي بنت المفتاح’.

المخاطر والتحذيرات وإشارات الخطر

ادعاء التقطير. اتهم Michael Kratsios، مدير مكتب سياسة العلوم والتكنولوجيا في البيت الأبيض، Moonshot علنًا ببناء Kimi K3 عبر تقطير نموذج Claude Fable من Anthropic’. ولم يعترف Moonshot بذلك. إنه’ نزاع لم يُحسم له آثار قانونية ومحتملة على المشتريات، وإن كنت’ في سياق يهم فيه مصدر النموذج — التعاقد الحكومي مثلاً — فهو يخص سجل المخاطر لديك.

توجيه البيانات والولاية القضائية. الشركات الثلاث جميعًا تعمل أساسًا تحت الولاية القضائية الصينية. ونداءات API تمر عبر بنيتها التحتية. والاستضافة الذاتية تحل هذا؛ أما استخدام API فلا. وهذه مسألة امتثال، لا مسألة سياسية، ولها جواب تقني واضح إن كانت متطلباتك تقتضيه.

التحقق من معايير القياس ضعيف فعلاً. جدول معايير القياس لدى Qwen3.8-Max’ كله من إبلاغ البائع دون أي تكرار مستقل منشور. وأرقام GLM-5.2’ وصلت بعد الإطلاق من مصادر مختلطة. أما K3 وحده فلديه تقييم جوهري من طرف ثالث، وهذه التقييمات تختلف فيما بينها.

غموض الترخيص في Qwen. السابقة ليست التزامًا. وإلى أن يوجد مستودع على Hugging Face بملف ترخيص فعلي، فأي خطة تعتمد على أوزان Qwen3.8-Max هي خطة مبنية على بيان صحفي.

آليات الحصص تتغير. ينتهي عرض مضاعف 1× خارج أوقات الذروة في GLM’ في سبتمبر 2026، وبعده يتضاعف استهلاك الحصة تقريبًا خارج الذروة وثلاث مرات في الذروة. وإن كنت’ تحدد حجم اشتراك على أساس الإنتاجية الفعلية الحالية، فاحسب أيضًا أرقام ما بعد العرض.

وتيرة الإصدارات قاسية. صدر GLM-5 في فبراير، و5.1 في أبريل، و5.2 في يونيو. أما Kimi فانتقل إلى K2.5 في يناير، وK2.6 في أبريل، وK2.7 Code في يونيو، وK3 في يوليو. وأي استنتاج تصل إليه اليوم عمره الصلاحية يُقاس بالأسابيع.

ما القادم بعد ذلك

النموذج الرائد التالي لدى Z.ai’ هو الإصدار الأقرب الأكثر ترقبًا. وتشير مذكرة بحثية من JPMorgan، نقلتها Reuters وCGTN، إلى نافذة في أغسطس 2026. وتصف تسريبات المجتمع نموذجًا يتجاوز تريليون معامل، مع نقل نافذة السياق 1M إليه وأوزان مفتوحة، ويركز على وكلاء البرمجة الطويلة التشغيل. وحتى الاسم محل خلاف — فـ GLM-5.3 وGLM-5.5 وGLM-6 كلها تظهر في النقاش الحالي، مع تقارير تشير إلى أن Z.ai قد تتجاوز 5.3 و5.4 تمامًا. وحتى 4 أغسطس، ما زالت وثائق Z.ai’ تسرد GLM-5.2 كأحدث إصدار. ودعم الرؤية هو أعلى طلب في المجتمع بفارق كبير.

أوزان Qwen3.8-Max هي الحدث الملموس الأقرب، الموعود في أسبوع 10 أغسطس إلى جانب Qwen3.8-27B. ونقطة تفتيش 27B هي التي ينبغي متابعتها للنشر العملي داخل المنشأة.

التقرير التقني الكامل لـ Kimi K3’ الذي يغطي التصميم ومنهجية التدريب وإعادة إنتاج معايير القياس كان متوقعًا أن يتبع إصدار الأوزان.

سأحدّث’ هذه المقارنة كلما صدر أحدها.

الأسئلة الشائعة

ما أفضل نموذج ذكاء اصطناعي بأوزان مفتوحة الآن؟

من حيث القدرة الخام: Kimi K3 — فهو الرابع بين 189 نموذجًا في مؤشر Artificial Analysis Intelligence Index والأول في Frontend Code Arena. ومن حيث القيمة في عمل البرمجة: GLM-5.2، بأقل من ثلث تكلفة إخراج K3’ وبترخيص MIT غير مقيّد فعلاً. وكلمة “الأفضل” تعتمد كليًا على ما إذا كنت’ تحسّن للقدرة أو للتكلفة لكل مهمة محلولة.

هل Qwen3.8-Max مفتوح المصدر فعلاً؟

ليس بعد. حتى 5 أغسطس 2026 هو عبر API فقط. تعهّدت Alibaba بإصدار الأوزان في أسبوع 10 أغسطس على Hugging Face وModelScope، لكن لم يظهر أي مستودع أو ترخيص. والعناوين التي تصفه بأنه مفتوح المصدر تصف التزامًا، لا تنزيلًا.

هل يستطيع GLM-5.2 معالجة الصور؟

لا. فـ GLM-5.2 ليس لديه مُرمِّز بصري — فهو يقبل النص والشيفرة فقط. وكان هذا قرارًا معماريًا متعمدًا، لا سهوًا، والرؤية هي أعلى طلب في المجتمع للإصدار التالي.

كم تبلغ تكلفة Kimi K3؟

3 دولارات لكل مليون رمز إدخال و15 دولارًا لكل مليون رمز إخراج، مع إدخال مخزّن مؤقتًا بـ 0.30 دولار. وهذا يجعله الأغلى بين الثلاثة بفارق واسع، وإن ظل أقل بكثير من Claude Opus 5 عند 5/25 دولارًا وClaude Fable 5 عند 10/50 دولارًا.

هل يمكنني تشغيل هذه النماذج على عتادي الخاص؟

عمليًا، ليس النماذج الرائدة. فـ Kimi K3 تنزيل بحجم 1.56 TB يحتاج إلى 64 مسرّعًا أو أكثر. وQwen3.8-Max بإجمالي 2.4T نشر في مركز بيانات متعدد العقد. وGLM-5.2 بإجمالي ~753B ونحو ~40B نشطة هو الأسهل معالجة لكنه ما زال يحتاج بنية تحتية جدية من GPU. وQwen3.8-27B المرتقب هو الخيار الواقعي داخل المنشأة.

أي نموذج أفضل لوكلاء البرمجة؟

يتقدم Kimi K3 في Terminal-Bench 2.1 (88.3) وProgram Bench وSWE Marathon. ويقدّم GLM-5.2 أفضل نسبة تكلفة إلى قدرة عند 81.0 في Terminal-Bench و62.1 في SWE-bench Pro. ويقع Qwen3.8-Max بينهما عند 86.6 و67.7 مع إضافة الإدخال متعدد الوسائط. والثلاثة تعمل مع Claude Code وCline وهارنسات مشابهة.

هل تتفوق هذه النماذج على Claude وGPT؟

في معايير قياس محددة، أحيانًا. فيتقدم Kimi K3 في Frontend Code Arena على Claude Fable 5، ويسجل أعلى من Claude Opus 4.8 في مؤشر Artificial Analysis. لكن Moonshot نفسها تعترف بأن K3 ما زال متأخرًا عن Fable 5 وGPT-5.6 Sol عمومًا، وأن الاختبار المستقل يُظهر نتائج مختلطة حسب فئة المهمة لا فائزًا واضحًا.

أيها لديه أفضل ترخيص للاستخدام التجاري؟

GLM-5.2، بلا لبس. ترخيص MIT غير مقيّد بلا حدود إيرادات أو شروط إسناد. وترخيص Kimi K3’ المخصص يسمح باستخدام تجاري واسع لكنه يضيف شروطًا للشركات التي تتجاوز إيراداتها 20 مليون دولار وتعيد بيعه كخدمة. أما Qwen3.8-Max فليس له ترخيص معلن على الإطلاق.

هل من الآمن استخدام نماذج ذكاء اصطناعي صينية لبيانات الأعمال؟

تمر نداءات API عبر بنية تحتية تحت الولاية القضائية الصينية. وبالنسبة للمشاريع الشخصية ومعظم الشركات الناشئة، هذه ليست مشكلة. أما الصناعات المنظَّمة فتحتاج إما إلى مراجعة قانونية أو إلى الاستضافة الذاتية — ولهذا بالضبط يكون ترخيص MIT لـ GLM-5.2’ أهم من درجاته في معايير القياس بالنسبة لبعض المؤسسات.

ما الفرق بين’ إجمالي المعاملات والمعاملات النشطة؟

نماذج مزيج الخبراء تنشّط جزءًا فقط من معاملاتها لكل رمز. فـ Kimi K3 لديه 2.8T إجمالاً لكنه ينشّط نحو 50B (16 من 896 خبيرًا). وQwen3.8-Max لديه 2.4T إجمالاً مع ~95B نشطة. وGLM-5.2 لديه ~753B مع ~40B نشطة. والمعاملات النشطة تحكم تكلفة الاستدلال — ولهذا يكون تقديم النموذج الرائد لـ Qwen’ أغلى من تقديم K3 الأكبر.

الحكم النهائي

أهم ما تكشفه هذه المقارنة ليس أي نموذج يفوز، بل’ أن السؤال نفسه تغيّر’.

قبل سنتين، كان السؤال المثير للاهتمام عن النماذج ذات الأوزان المفتوحة هو مدى تأخرها. وهذا السؤال ممل الآن، لأن الجواب هو “قريبة بما يكفي بحيث يعتمد الأمر على مهمتك.” فقد تفوّق Kimi K3 على Claude Fable 5 في لوحة تفضيل بشري عمياء لشيفرة الواجهة الأمامية. وتفوّق GLM-5.2 على GPT-5.5 في إصلاحات أخطاء حقيقية بسدس التكلفة. وهذه ليست نتائج فئة التراضين’.

السؤال المثير الآن هو ما الذي تشتريه في الواقع’. والجواب مختلف لكل واحد من هؤلاء الثلاثة بطرق لا علاقة لها بموقعه في معايير القياس:

GLM-5.2 يبيعك الاستقلال. أوزان MIT، بلا شروط، بلا تفاوض، وأدنى سعر في المقارنة. أنت تشتري الحق في التوقف عن الاعتماد على مورّد’.
Kimi K3 يبيعك القدرة. أقوى الدرجات هنا، بسعر يعكس ذلك، وبشروط ترخيص لا تؤثر إلا إذا كبرت.
Qwen3.8-Max يبيعك الاتساع. النص والصورة والفيديو في نموذج واحد، وأرقام قوية في الوكلاء، مدعومة بالتزام Alibaba’ البالغ 53 مليار دولار للبنية التحتية — وفي الوقت الحالي، وعد بالأوزان لا أوزان.

إن كان عليّ اختصار كل واحد في سطر: اختر GLM-5.2 إن كنت’ تدفع الفاتورة بنفسك، وKimi K3 إن كانت القدرة تستحق العلاوة، وQwen3.8-Max إن كان وكيلك يحتاج عيونًا.

وأيًا كان ما تختاره، ابنِ الموجّه. ففي مشهد صدرت فيه ثلاثة نماذج قريبة من الحدودي في ثمانية أسابيع، تكون القدرة على التبديل أعلى قيمة من القدرة على الاختيار الصحيح.

آخر تحديث: 5 أغسطس 2026. تتغير الأسعار ومعايير القياس والترخيص في هذا المجال أسبوعيًا — فتحقق من الأرقام الحالية مقابل الوثائق الرسمية قبل اتخاذ قرارات شراء. وتشمل المصادر VentureBeat وMarkTechPost وFortune وSCMP وQuartz وArtificial Analysis وNorthflank ووثائق البائعين من Moonshot AI وAlibaba Qwen وZ.ai.