تطلق Z.ai نموذج GLM-4.7 المصمم لبيئات التطوير الواقعية، مُرسّخةً مكانتها كـ "OpenAI الصينية"

بكين، 27 ديسمبر 2025 /PRNewswire/ — في 22 ديسمبر، أصدرت Z.ai نموذج GLM-4.7، أحدث إصدار من عائلة نماذج اللغة الكبيرة GLM. تم تصميم GLM-4.7 للتعامل مع المهام متعددة الخطوات في الإنتاج، ويستهدف بيئات التطوير التي تتضمن دورات مهام طويلة واستخدام متكرر للأدوات ومتطلبات أعلى للاستقرار والاتساق.

مبني على GLM-4.6 مع التركيز على التطوير المعقد

يعد GLM-4.7 خطوة إلى الأمام مقارنة بـ GLM-4.6 مع وظائف محسّنة للمطورين. يتميز بدعم قوي لسير عمل الترميز والاستدلال المعقد والتنفيذ بنمط الوكيل الذكي، مما يمنح النموذج اتساقًا أكبر حتى في المهام الطويلة متعددة الخطوات، بالإضافة إلى سلوك أكثر استقرارًا عند التفاعل مع الأدوات الخارجية. بالنسبة للمطورين، هذا يعني أن GLM-4.7 هو أداة موثوقة للإنتاج اليومي.

تمتد التحسينات إلى ما هو أبعد من الأداء التقني. ينتج GLM-4.7 أيضًا مخرجات طبيعية وجذابة للمحادثات والكتابة وسيناريوهات لعب الأدوار، مما يطور GLM نحو نظام مفتوح المصدر متماسك. 

مصمم لسير عمل التطوير الفعلي

أصبحت التوقعات بشأن جودة النموذج محور تركيز رئيسي للمطورين. بالإضافة إلى اتباع المطالبات أو الخطط، يحتاج النموذج إلى استدعاء الأدوات الصحيحة والبقاء متسقًا عبر المهام الطويلة متعددة الخطوات. مع استطالة دورات المهام، يمكن أن يكون للأخطاء البسيطة تأثيرات بعيدة المدى، مما يزيد من تكاليف تصحيح الأخطاء ويمدد الجداول الزمنية للتسليم. تم تدريب GLM-4.7 وتقييمه مع وضع هذه القيود الواقعية في الاعتبار.

في بيئات البرمجة متعددة اللغات وبيئات الوكلاء القائمة على الطرفية، يُظهر النموذج استقرارًا أكبر عبر سير العمل الممتد. يدعم بالفعل أنماط التنفيذ "فكر ثم تصرف" ضمن أطر الترميز المستخدمة على نطاق واسع مثل Claude Code و Cline و Roo Code و TRAE و Kilo Code، بما يتماشى بشكل أوثق مع كيفية تعامل المطورين مع المهام المعقدة في الممارسة العملية.

قامت Z.ai بتقييم GLM-4.7 على 100 مهمة برمجة فعلية في بيئة تطوير قائمة على Claude Code، تغطي السيناريوهات الأمامية والخلفية وسيناريوهات اتباع التعليمات. بالمقارنة مع GLM-4.6، يحقق النموذج الجديد مكاسب واضحة في معدلات إنجاز المهام والاتساق السلوكي. هذا يقلل من الحاجة إلى تعديلات المطالبات المتكررة ويسمح للمطورين بالتركيز بشكل أكثر مباشرة على التسليم. نظرًا لنتائجه الممتازة، تم اختيار GLM-4.7 كنموذج افتراضي لخطة ترميز GLM.

أداء موثوق عبر معايير استخدام الأدوات والترميز

عبر مجموعة من معايير إنشاء الأكواد واستخدام الأدوات، يقدم GLM-4.7 أداءً تنافسيًا شاملاً. في BrowseComp، وهو معيار يركز على المهام المستندة إلى الويب، حقق النموذج 67.5 نقطة. في τ²-Bench، الذي يقيّم استخدام الأدوات التفاعلية، يحقق GLM-4.7 درجة 87.4، وهي أعلى نتيجة مُبلّغ عنها بين النماذج مفتوحة المصدر المتاحة للجمهور حتى الآن.

في معايير البرمجة الرئيسية بما في ذلك SWE-bench Verified و LiveCodeBench v6 و Terminal Bench 2.0، يؤدي GLM-4.7 أداءً مساويًا أو أعلى من مستوى Claude Sonnet 4.5، مع إظهار تحسينات واضحة مقارنة بـ GLM-4.6 عبر أبعاد متعددة.

في Code Arena، منصة التقييم الأعمى واسعة النطاق التي تضم أكثر من مليون مشارك، يحتل GLM-4.7 المرتبة الأولى بين النماذج مفتوحة المصدر ويحمل المركز الأول بين النماذج المطورة في الصين.

استدلال أكثر قابلية للتوقع والتحكم

يقدم GLM-4.7 تحكمًا أكثر دقة في كيفية استدلال النموذج من خلال المهام طويلة الأمد والمعقدة. مع دمج أنظمة الذكاء الاصطناعي في سير عمل الإنتاج، أصبحت مثل هذه القدرات محور تركيز متزايد للمطورين. يستطيع GLM-4.7 الحفاظ على الاتساق في استدلاله عبر تفاعلات متعددة، مع تعديل عمق الاستدلال وفقًا لتعقيد المهمة. هذا يجعل سلوكه ضمن الأنظمة القائمة على الوكلاء أكثر قابلية للتنبؤ بمرور الوقت. بالإضافة إلى ذلك، تستكشف Z.ai بنشاط طرقًا جديدة لنشر الذكاء الاصطناعي على نطاق واسع أثناء تطويرها وتحسينها لسلسلة GLM.

تحسينات في إنشاء الواجهة الأمامية والقدرات العامة

بخلاف الصحة الوظيفية، يُظهر GLM-4.7 فهمًا أكثر نضجًا بشكل ملحوظ للبنية المرئية وأعراف تصميم الواجهة الأمامية المعتمدة. في مهام مثل إنشاء صفحات الويب أو المواد التقديمية، يميل النموذج إلى إنتاج تخطيطات ذات مسافات أكثر اتساقًا وتسلسل هرمي أوضح وتصميم أكثر تماسكًا، مما يقلل من الحاجة إلى المراجعات اليدوية اللاحقة.

في الوقت نفسه، أدت التحسينات في جودة المحادثة وأسلوب الكتابة إلى توسيع نطاق حالات استخدام النموذج. تجعل هذه التغييرات GLM-4.7 أكثر ملاءمة للتطبيقات الإبداعية والتفاعلية.

التكامل مع النظام البيئي والوصول المفتوح

يتوفر GLM-4.7 عبر واجهة برمجة تطبيقات BigModel.cn ومدمج بالكامل في بيئة التطوير الشاملة لـ Z.ai. قام المطورون والشركاء عبر النظام البيئي العالمي بالفعل بدمج خطة ترميز GLM في أدواتهم، بما في ذلك منصات مثل TRAE و Cerebras و YouWare و Vercel و OpenRouter و CodeBuddy. يشير الاعتماد عبر أدوات المطورين ومقدمي البنية التحتية ومنصات التطبيقات إلى أن GLM-4.7 يُستخدم في استخدامات هندسية ومنتجات أوسع.

Z.ai ستصبح "أول شركة عامة للنماذج الكبيرة في العالم"

أعلنت Z.ai أنها تهدف إلى أن تصبح أول شركة نماذج كبيرة مدرجة علنًا في العالم من خلال الإدراج في بورصة هونغ كونغ. يمثل هذا الطرح العام الأولي المخطط المرة الأولى التي ترحب فيها أسواق رأس المال بشركة مدرجة يتمثل عملها الأساسي في التطوير المستقل لنماذج الأساس الذكاء الاصطناعي العام.

في أعوام 2022 و 2023 و 2024، حققت Z.ai على التوالي إيرادات 57.4 مليون يوان صيني (~8.2 مليون دولار أمريكي) و 124.5 مليون يوان صيني (~17.7 مليون دولار أمريكي) و 312.4 مليون يوان صيني (~44.5 مليون دولار أمريكي). بين عامي 2022 و 2024، بلغ معدل نمو الإيرادات السنوي المركب للشركة 130%. بلغت الإيرادات للنصف الأول من عام 2025 ما قيمته 190 مليون يوان صيني (~27 مليون دولار أمريكي)، مما يمثل ثلاث سنوات متتالية من مضاعفة الإيرادات. خلال فترة التقرير، كان العمل المتعلق بالنماذج الكبيرة للشركة هو المحرك الرئيسي للنمو.

توفر GLM-4.7

النموذج الافتراضي لخطة الترميز: https://z.ai/subscribe

جربه الآن: https://chat.z.ai/

الأوزان: https://huggingface.co/zai-org/GLM-4.7

المدونة التقنية: https://z.ai/blog/glm-4.7

حول Z.ai

تأسست Z.ai في عام 2019، ونشأت من تسويق الإنجازات التكنولوجية في جامعة تسينغهوا. فريقها هم رواد في إطلاق أبحاث النماذج الكبيرة في الصين. بالاستفادة من بنيتها المعمارية الأصلية للتدريب المسبق GLM (نموذج اللغة العام)، قامت Z.ai ببناء محفظة نماذج شاملة تغطي اللغة والأكواد والوسائط المتعددة والوكلاء الذكيون. نماذجها متوافقة مع أكثر من 40 رقاقة محلية الصنع، مما يجعلها واحدة من الشركات الصينية القليلة التي تبقى خارطة طريقها التقنية متماشية مع المعايير العالمية من الدرجة الأولى.

اعرض المحتوى الأصلي لتنزيل الوسائط المتعددة:https://www.prnewswire.com/news-releases/zai-releases-glm-4-7-designed-for-real-world-development-environments-cementing-itself-as-chinas-openai-302649821.html

المصدر Z.ai