تخطَّ إلى المحتوى
NerdLevelTech
الذكاء الاصطناعي والتعلم الآلي

نماذج Coding LLMs الصينية Open-Weight: اكتساح الثلاثة أسابيع لعام

في ١٧ يومًا، أطلقت GLM-5.1 و Kimi K2.6 و DeepSeek V4 نماذج LLMs للبرمجة مفتوحة الأوزان من الفئة الرائدة وبجزء ضئيل من الأسعار الغربية. داخل موجة أبريل ٢٠٢٦.

Nerd Level Techنُشر في ١٣ دقيقة للقراءةEnglish
صورة غلاف: نماذج Coding LLMs الصينية Open-Weight: اكتساح الثلاثة أسابيع لعام
جدول المحتويات

ملخص

بين ٧ أبريل و٢٤ أبريل ٢٠٢٦، أطلقت ثلاثة مختبرات صينية نماذج برمجية مفتوحة الأوزان (open-weight) قلصت الفجوة بالكامل تقريبًا مع النماذج الرائدة الغربية. أصبح GLM-5.1 (Z.ai، ٧ أبريل) أول نموذج مفتوح الأوزان يتصدر SWE-Bench Pro بنسبة ٥٨٫٤٪، متفوقًا على نسبة ٥٧٫٧٪ لنموذج GPT-5.4.١٢ وبعد تسعة أيام، استعاد Claude Opus 4.7 (Anthropic، ١٦ أبريل) الصدارة بنسبة ٦٤٫٣٪ ورفع سقف SWE-bench Verified إلى ٨٧٫٦٪.٣٤ رد نموذج Kimi K2.6 (Moonshot AI، ٢٠ أبريل) بنسبة ٥٨٫٦٪ على SWE-Bench Pro و80.2% على SWE-bench Verified — وهو نموذج MoE بـ ١ تريليون معلمة يدير ما يصل إلى ٣٠٠ وكيل فرعي في عملية برمجية واحدة.٥٦ وبعد أربعة أيام، أطلق DeepSeek V4 Preview (٢٤ أبريل) نموذج MoE بـ ١٫٦ تريليون معلمة مع سياق ١ مليون توكن، و٨٠٫٦٪ على SWE-bench Verified، وتصنيف ٣٬٢٠٦ على Codeforces (أعلى من ٣٬١٦٨ لنموذج GPT-5.4)، مع أوزان مرخصة بـ MIT بتكلفة مخرجات تبلغ تقريبًا سبع تكلفة Claude Opus 4.7.٧٨٩ لم ينجح أي من الثلاثة في سد الفجوة مع Opus 4.7 على SWE-Bench Pro — ولكن من حيث التكلفة لكل مهمة، وتنظيم الوكلاء، وطول السياق، ووضوح الترخيص، أصبحت النماذج مفتوحة الأوزان الآن على مسافة قريبة جدًا من النماذج المغلقة.

ما ستتعلمه

  • الجدول الزمني الدقيق للإصدارات خلال ١٧ يومًا — ولماذا يهم الترتيب
  • كيف سجل كل نموذج في SWE-Bench Pro وSWE-bench Verified وLiveCodeBench وCodeforces
  • فجوة السعر بين النماذج الصينية الثلاثة مفتوحة الأوزان وGPT-5.5 / Claude Opus 4.7
  • لماذا تغير تراخيص MIT مقابل Modified MIT مقابل التراخيص غير التجارية من هوية من يمكنه فعليًا استخدام هذه الأوزان
  • الرهانات الثلاثة المختلفة التي وضعها كل مختبر — وأيها يناسب عبء عملك
  • أين لا تزال الفجوة المتبقية مع Claude Opus 4.7 مؤلمة، وأين لم تعد كذلك

نافذة الـ ١٧ يومًا التي غيرت آفاق النماذج مفتوحة الأوزان

قبل ٧ أبريل، كانت لوحة صدارة البرمجة للنماذج مفتوحة الأوزان تتخلف كثيرًا عن النماذج المغلقة الرائدة. كان أفضل نموذج مفتوح الأوزان في SWE-Bench Pro يتخلف عن GPT-5.4 بعدة نقاط. وكانت الفجوة في SWE-bench Verified أوسع. ثم جاءت ثلاثة إصدارات في غضون سبعة عشر يومًا.

التاريخالإصدارالمختبرالنتيجة الرئيسية
٧ أبريل ٢٠٢٦GLM-5.1Z.ai (Zhipu سابقًا)أول نموذج مفتوح الأوزان يحتل المركز الأول في SWE-Bench Pro بنسبة ٥٨٫٤٪١٢
١٦ أبريل ٢٠٢٦Claude Opus 4.7Anthropicيستعيد صدارة SWE-Bench Pro بنسبة ٦٤٫٣٪، ويحقق ٨٧٫٦٪ في SWE-bench Verified٣٤
٢٠ أبريل ٢٠٢٦Kimi K2.6Moonshot AI٥٨٫٦٪ في SWE-Bench Pro، و٨٠٫٢٪ في SWE-bench Verified، مع سرب من ٣٠٠ وكيل٥٦
٢٣ أبريل ٢٠٢٦GPT-5.5OpenAI٥٨٫٦٪ في SWE-Bench Pro (تعادل مع Kimi K2.6) و٨٨٫٧٪ في SWE-bench Verified — يأخذ صدارة Verified من Opus 4.7١٠١١
٢٤ أبريل ٢٠٢٦DeepSeek V4 PreviewDeepSeekنموذج MoE بـ ١٫٦ تريليون معلمة، ٨٠٫٦٪ في SWE-bench Verified، و٣٬٢٠٦ على Codeforces، وسياق ١ مليون٧٨٩

القصة ليست في أن أي نموذج صيني واحد قد تفوق على النموذج الرائد من Anthropic. لم يفعل أي منهم ذلك في SWE-Bench Pro. القصة هي أنه في غضون ثلاثة أسابيع، عادلت أو هزمت النماذج مفتوحة الأوزان الرائدة كل مزود نماذج مغلقة آخر — بما في ذلك GPT-5.5 — في اختبار برمجي رئيسي واحد على الأقل، مع خفض السعر بمقدار ٦ إلى ٣٠ ضعفًا.

SWE-Bench Pro: أصعب اختبار برمجي عام

يقيم SWE-Bench Pro قدرة الوكيل على حل مشكلات GitHub الحقيقية من البداية إلى النهاية. إنه أصعب من SWE-bench Verified لأنه يتضمن تغييرات طويلة المدى ومتعددة الملفات. إليكم وضع الساحة اليوم.

الموديلSWE-Bench Proتاريخ الإصدارالترخيص
Claude Opus 4.7٦٤٫٣٪١٦ أبريل ٢٠٢٦مغلق٤
Kimi K2.6٥٨٫٦٪٢٠ أبريل ٢٠٢٦MIT معدل٥٦
GPT-5.5٥٨٫٦٪٢٣ أبريل ٢٠٢٦مغلق١٠
GLM-5.1٥٨٫٤٪٧ أبريل ٢٠٢٦MIT١٢
GPT-5.4٥٧٫٧٪٥ مارس ٢٠٢٦مغلق١
DeepSeek V4-Pro (الحد الأقصى)٥٥٫٤٪٢٤ أبريل ٢٠٢٦MIT٧٨
Claude Opus 4.6٥٣٫٤٪٥ فبراير ٢٠٢٦مغلق٦

هناك أمران بارزان. أولاً، الفجوة بين الرائد مفتوح الأوزان (Kimi K2.6 بنسبة ٥٨٫٦٪) والرائد المغلق (Opus 4.7 بنسبة ٦٤٫٣٪) هي ٥٫٧ نقطة مئوية — وهي فجوة أوسع من الفجوة بين GPT-5.5 و Kimi K2.6 (صفر). ثانياً، GPT-5.5 و Kimi K2.6 متعادلان في هذا الاختبار المرجعي، لكن GPT-5.5 يكلف ٥ دولارات لكل مليون توكن مدخلات و٣٠ دولاراً لكل مليون مخرجات، بينما يُدرج Kimi K2.6 بسعر ٠٫٩٥ دولار للمدخلات / ٤٫٠٠ دولارات للمخرجات على Moonshot API.١٢١٣١٤

إذا قمت بالتقييم بناءً على SWE-Bench Pro وحده، فإن النماذج مفتوحة الأوزان قد عادلت GPT-5.5 بجزء بسيط من السعر. الفجوة المتبقية هي لصالح Opus 4.7 من Anthropic — وهذه الفجوة حقيقية ولكنها ضيقة بما يكفي بحيث لا تبرر، بالنسبة للعديد من أعباء العمل، دفع علاوة سعرية تتراوح بين ٦ إلى ٣٠ ضعفاً لتوكن المخرجات.

SWE-bench Verified و LiveCodeBench و Codeforces

يعد SWE-Bench Pro هو الاختبار المرجعي الرئيسي، ولكنه ليس الوحيد. تتفوق نماذج مختلفة في فئات مختلفة.

الموديلSWE-bench VerifiedLiveCodeBenchCodeforces Elo
GPT-5.5٨٨٫٧٪ (OpenAI)١١لم يتم الإبلاغ عنه كعنوان رئيسيلم يتم الإبلاغ عنه رسمياً
Claude Opus 4.7٨٧٫٦٪٤٨٩٫٦٪٤لم يتم الإبلاغ عنه رسمياً
DeepSeek V4-Pro (الحد الأقصى)٨٠٫٦٪٧٨٩٣٫٥٪٧٣٬٢٠٦٧٨
Kimi K2.6٨٠٫٢٪٥لم يتم الإبلاغ عنه كعنوان رئيسيلم يتم الإبلاغ عنه كعنوان رئيسي
Claude Opus 4.6٨٠٫٨٪٧٨٨٫٨٪٧لم يتم الإبلاغ عنه رسمياً

يتفوق DeepSeek V4-Pro في LiveCodeBench (٩٣٫٥٪) و Codeforces (٣٬٢٠٦ — متقدماً على ٣٬١٦٨ لـ GPT-5.4). ويقع Kimi K2.6 ضمن جزء بسيط من النقطة من Opus 4.6 في SWE-bench Verified. يتصدر GPT-5.5 بفارق ضئيل في SWE-bench Verified بنسبة ٨٨٫٧٪ (حسب تقرير OpenAI)، مع تقارب Claude Opus 4.7 بنسبة ٨٧٫٦٪. كلاهما يتصدر النماذج مفتوحة الأوزان (DeepSeek V4-Pro بنسبة ٨٠٫٦٪) بحوالي ٧ إلى ٨ نقاط في ذلك الاختبار المرجعي.

لاحظ أن أرقام SWE-bench Verified التي أبلغ عنها الموردون تستخدم إطار العمل (scaffold) وميزانية الأدوات الخاصة بكل مختبر؛ في لوحة المتصدرين المستقلة vals.ai، التي تثبت إطار عمل محايداً، يستقر GPT-5.5 عند ~٨٢٫٦٪، وهو أقرب إلى مجموعة النماذج مفتوحة الأوزان.١٥ المقارنة العادلة بين المختبرات أصعب مما توحي به الأرقام الرئيسية.

النمط العام: النماذج مفتوحة الأوزان تنافسية في مهام البرمجة التنافسية وتوليد الأكواد (LiveCodeBench، Codeforces) وهي قريبة جداً في مهام حل المشكلات (SWE-bench Verified). تظل حلول الوكلاء الذكية طويلة المدى (SWE-Bench Pro) هي المجال الذي تحتفظ فيه Anthropic بأوضح تقدم.

فجوة السعر التي تهم حقاً

يحكي تسعير التوكن الواحد قصة سبب قيام هذه الإصدارات بإعادة تشكيل عمليات النشر في بيئات الإنتاج.

الموديلالمدخلات (دولار/مليون)المخرجات (دولار/مليون)ملاحظات
Claude Opus 4.7$5.00$25.00مغلق١٢
GPT-5.5$5.00$30.00مغلق؛ تضاعف تقريباً مقارنة بـ GPT-5.4 ($2.50/$15)١٣
Kimi K2.6 (Moonshot API)$0.95$4.00MIT معدل، الاستضافة الذاتية متاحة١٤
DeepSeek V4-Pro (قائمة الأسعار)$1.74$3.48MIT٩
DeepSeek V4-Pro (عرض ترويجي)$0.435$0.87خصم ٧٥٪ حتى ٣١ مايو ٢٠٢٦٩
GLM-5.1 (OpenRouter)$1.05$3.50MIT، يختلف حسب المزود١٦

بناءً على تكلفة المخرجات وحدها:

  • Kimi K2.6 أرخص بحوالي ٦ مرات من Claude Opus 4.7 وأرخص بحوالي ٧٫٥ مرة من GPT-5.5.
  • DeepSeek V4-Pro (قائمة الأسعار) أرخص بحوالي ٧ مرات من Opus 4.7 وأرخص بحوالي ٨٫٦ مرة من GPT-5.5.
  • DeepSeek V4-Pro (عرض ترويجي) أرخص بحوالي ٢٩ مرة من Opus 4.7 — حتى ٣١ مايو.

وهذه هي أسعار استدلال الـ API. تعني تراخيص MIT للأوزان أنه يمكنك استضافة DeepSeek V4 أو GLM-5.1 ذاتياً بتكلفة صفرية لكل توكن. بالنسبة لضغط عمل برمجِي ثقيل يُنتج ملايين التوكنات يومياً، تصبح الحسابات غير مريحة بسرعة للمنافسين ذوي المصادر المغلقة.

ثلاثة رهان مختلفة

لم تبنِ المختبرات الصينية الثلاثة نفس النوع من النماذج. قام كل منهم برهان معماري ومنتجي متميز.

GLM-5.1: رهان الأفق الطويل المرخص بـ MIT

نموذج GLM-5.1 هو MoE بـ ٧٥٤ مليار معامل مع ٤٠ مليار معامل نشط لكل توكن، مرخص بـ MIT، مع نافذة سياق ٢٠٠ ألف وتوكنات مخرجات قصوى ١٢٨ ألف.١٧ ترويج شركة Z.ai يركز على البرمجة الوكيلية ذات الأفق الطويل: تم تصميم النموذج ليعمل بشكل مستقل لمدة تصل إلى ثماني ساعات من تنفيذ المهام المستمر دون نقاط تفتيش بشرية.٢ تم تدريبه على ١٠٠٬٠٠٠ شريحة Huawei Ascend 910B — وهي إشارة متعمدة إلى أن المختبرات الصينية يمكنها تدريب نماذج رائدة بدون أجهزة NVIDIA.٢

الأفضل لـ: سير عمل الهندسة الوكيلية حيث يحتاج النموذج إلى التخطيط والتنفيذ والتحقق والمراجعة عبر ملفات ومهام فرعية متعددة دون إشراف.

Kimi K2.6: رهان سرب الـ ٣٠٠ وكيل

نموذج Kimi K2.6 هو MoE بـ ١ تريليون معامل مع ٣٢ مليار معامل نشط لكل توكن، مرخص بـ MIT معدل، مع نافذة سياق ٢٥٦ ألف.٥٦ الميزة المعمارية الرئيسية لشركة Moonshot هي سرب الوكلاء (Agent Swarm): حيث يمكن لعملية برمجة واحدة تنسيق ما يصل إلى ٣٠٠ وكيل فرعي ينفذون ٤٬٠٠٠ خطوة منسقة.٦ استعرضت Moonshot مدة ١٣ ساعة من البرمجة المستقلة المستمرة على محرك مطابقة مالي مفتوح المصدر أثناء الإطلاق.٥

الأفضل لـ: أعباء العمل التي تتحلل بشكل طبيعي إلى مهام فرعية متوازية — إعادة هيكلة الكود (refactoring) عبر مئات الملفات، توليد الاختبارات، والتحويل بين اللغات المتعددة.

DeepSeek V4: رهان التكلفة المدفوع بالمعمارية

يأتي DeepSeek V4 في شكل نموذجين: V4-Pro (إجمالي ١٫٦ تريليون / ٤٩ مليار نشط) و V4-Flash (إجمالي ٢٨٤ مليار / ١٣ مليار نشط)، كلاهما تحت ترخيص MIT مع نافذة سياق مليون توكن و ٣٨٤ ألف توكن مخرجات كحد أقصى.٨٩ العنوان المعماري الأبرز هو الانتباه الهجين (Hybrid Attention) — طبقات الانتباه المتناثر المضغوط والانتباه المضغوط بشدة التي تخفض عمليات الـ FLOPs للاستدلال لكل توكن إلى ٢٧٪ من V3.2 وذاكرة التخزين المؤقت KV إلى ١٠٪ عند سياق مليون توكن.٨ يعد V4 النموذج الوحيد في هذه الموجة الذي يمتلك نافذة سياق تصل لمليون توكن.

الأفضل لـ: العمل على قواعد الأكواد الكبيرة حيث يكون طول السياق هو القيد الأساسي — المستودعات الكاملة، جلسات تصحيح الأخطاء الطويلة، ومراجعة الأكواد متعددة المستندات.

اختلافات التراخيص التي تهم في الإنتاج

تختلف كلمة "مفتوح" في "مفتوح الأوزان" بشكل ملموس عبر النماذج الثلاثة.

النموذجالترخيصالاستخدام التجاريالاستضافة الذاتية
GLM-5.1MITنعم، غير مقيد١٧نعم
DeepSeek V4MITنعم، غير مقيد٨نعم
Kimi K2.6MIT معدلنعم — يتطلب الإسناد لعمليات النشر التي تتجاوز ١٠٠ مليون مستخدم نشط شهرياً أو ٢٠ مليون دولار إيرادات شهرية١٤نعم
MiniMax M2.7 (سابق، ١٨ مارس)MIT معدل تقييدي"مطلوب تصريح كتابي للاستخدام التجاري"١٨مسموح لغير التجاري

إن شحن GLM-5.1 و DeepSeek V4 تحت ترخيص MIT القياسي هو الحالة القانونية النهائية التي يريدها معظم مشتري المؤسسات. يعمل ترخيص MIT المعدل لـ Kimi K2.6 كترخيص MIT قياسي لغالبية الفرق — حيث يتطلب بند واحد مضاف إسناداً بارزاً لـ "Kimi K2" فقط لعمليات النشر التي تتجاوز ١٠٠ مليون مستخدم نشط شهرياً أو ٢٠ مليون دولار من الإيرادات الشهرية.١٤ أما MiniMax M2.7 — الذي تم إصداره سابقاً في ١٨ مارس ٢٠٢٦، قبل موجة أبريل — فيوضح النمط الذي لم يترسخ: "MIT معدل" مع قيود غير تجارية تتطلب تفويضاً كتابياً مسبقاً لأي استخدام تجاري.١٨

بالنسبة للمشتريات المؤسسية، التسلسل الهرمي العملي هو: GLM-5.1 ≈ DeepSeek V4 (بدون عوائق) ← Kimi K2.6 (مراجعة خفيفة) ← MiniMax M2.7 (ترخيص منفصل).

ما يتفوق فيه كل نموذج فعلياً

مقارنة النماذج الصينية الثلاثة مفتوحة الأوزان وجهاً لوجه — وضد النماذج المغلقة الرائدة عند الاقتضاء:

  • أفضل SWE-Bench Pro مفتوح الأوزان: Kimi K2.6 (٥٨٫٦٪)، متقدماً بفارق ضئيل على GLM-5.1 (٥٨٫٤٪)؛ كما يتساوى مع GPT-5.5 مغلق المصدر (٥٨٫٦٪)
  • أفضل LiveCodeBench (حسب تقرير المورد): DeepSeek V4-Pro (٩٣٫٥٪)
  • أفضل Codeforces: DeepSeek V4-Pro (٣٬٢٠٦ Elo)
  • أفضل برمجة مستقلة طويلة الأمد: GLM-5.1 (تنفيذ مهام مستمر لمدة ٨ ساعات)
  • أفضل تنسيق للمهام الفرعية المتوازية: Kimi K2.6 (سرب من ٣٠٠ وكيل)
  • أفضل سياق لقواعد الأكواد الكبيرة (بين الثلاثة): DeepSeek V4 (مليون توكن)
  • أفضل سعر لكل توكن مخرجات: عرض DeepSeek V4-Pro الترويجي (حتى ٣١ مايو)
  • أنظف ترخيص للمشتريات المؤسسية: GLM-5.1 أو DeepSeek V4 (ترخيص MIT القياسي)

لا تزال الفجوة مع Claude Opus 4.7 في SWE-Bench Pro (٥٫٧ نقطة) و SWE-bench Verified (حوالي ٧ نقاط) حقيقية. بالنسبة لوكلاء البرمجة المستقلين في المهام الحرجة حيث تهم كل نقطة مئوية من دقة حل المشكلات، لا يزال Opus 4.7 يحتفظ بالصدارة — بتكلفة توكن مخرجات تزيد من ٦ إلى ٣٠ ضعفاً اعتماداً على النموذج مفتوح الأوزان وفئة التسعير التي تقارنه بها.

الفجوة التي لا تزال قائمة

سيكون من الخطأ القول إن النماذج الرائدة مفتوحة الأوزان قد لحقت بالنماذج المغلقة. إن نتيجة Claude Opus 4.7 البالغة ٦٤٫٣٪ في SWE-Bench Pro هي أعلى نتيجة تم الإبلاغ عنها علناً في ذلك الاختبار المرجعي، وفي SWE-bench Verified لا تزال النماذج المغلقة الرائدة — GPT-5.5 بنسبة ٨٨٫٧٪ و Opus 4.7 بنسبة ٨٧٫٦٪ — تتفوق بنحو ٧-٨ نقاط على قادة النماذج مفتوحة الأوزان. في المهام الوكيلية ذات الأفق الطويل التي تتضمن حل ملفات متعددة في ظل وجود غموض، يتفوق Opus 4.7 حالياً.

ولكن في معظم مهام البرمجة التي لا تقع عند أقصى حدود الصعوبة، أصبحت النماذج مفتوحة الأوزان الآن ضمن نطاق الضوضاء الإحصائية لنموذج GPT-5.5 — وهي أرخص بكثير. السؤال المثير للاهتمام لم يعد "هل يمكن للنماذج مفتوحة الأوزان اللحاق بالنماذج المغلقة الرائدة؟" بل "لأي مجموعة فرعية من أعباء عمل البرمجة لا تزال التكلفة الإضافية للنماذج المغلقة الرائدة تستحق الدفع؟"

بالنسبة للحلول البرمجية القائمة على الوكلاء (agentic resolution) ذات المخاطر العالية من محاولة واحدة — نعم. أما بالنسبة لتوليد الكود بكميات كبيرة، وإعادة الهيكلة (refactoring)، وكتابة الاختبارات، وتحرير الملفات المتعددة، وحلقات تكامل CI — فبشكل متزايد، لا.

ملخص

في نافذة مدتها ١٧ يوماً من ٧ أبريل إلى ٢٤ أبريل ٢٠٢٦، نجحت ثلاثة نماذج برمجة صينية مفتوحة الأوزان — GLM-5.1 و Kimi K2.6 و DeepSeek V4 — في سد فجوة الأداء بالكامل تقريباً مع GPT-5.5 مع التفوق عليه وعلى Claude Opus 4.7 في السعر بمقدار ٦ إلى ٣٠ ضعفاً. لا يزال Claude Opus 4.7 من Anthropic يتصدر في أصعب اختبارات البرمجة القائمة على الوكلاء (SWE-Bench Pro بنسبة ٦٤٫٣٪)، ولكن بالنسبة للفئة الأوسع من أعباء عمل البرمجة، أصبحت النماذج مفتوحة الأوزان المرخصة بترخيص MIT مع نوافذ سياق تتراوح من ٢٠٠ ألف إلى مليون توكن خياراً افتراضياً موثوقاً للإنتاج. إن ريادة نماذج البرمجة اللغوية الكبيرة في عام ٢٠٢٦ ليست خطاً واحداً، بل هي تكتل — وقد أصبح الجانب مفتوح الأوزان من هذا التكتل، ولأول مرة، منافساً في كل الأبعاد باستثناء المهام الأكثر صعوبة على الإطلاق.

Footnotes

الأسئلة الشائعة

أي نموذج صيني مفتوح الأوزان هو الأفضل للبرمجة في عام ٢٠٢٦؟

يعتمد ذلك على عبء العمل. يتصدر Kimi K2.6 في اختبار SWE-Bench Pro بنسبة ٥٨٫٦٪، متقدماً بفارق ضئيل على GLM-5.1 (٥٨٫٤٪) وبفارق كبير عن DeepSeek V4-Pro (٥٥٫٤٪). بينما يتصدر DeepSeek V4-Pro في LiveCodeBench (٩٣٫٥٪) و Codeforces (٣٬٢٠٦ Elo). ويتفوق GLM-5.1 في التنفيذ الذاتي طويل المدى. لا يوجد نموذج واحد يفوز في كل الاختبارات، لذا فإن العوامل الحاسمة هي الترخيص، وطول السياق (context length)، والسعر، ونوع عبء عمل البرمجة الذي تقوم بتحسينه.

هل هذه النماذج مفتوحة المصدر حقاً؟

إنها مفتوحة الأوزان (open weight)، وليست مفتوحة المصدر بالمعنى الدقيق. الثلاثة جميعاً ينشرون الأوزان على Hugging Face. ولا ينشر أي منهم مجموعة بيانات التدريب الكاملة أو كود مصدر خط أنابيب التدريب. يستخدم GLM-5.1 و DeepSeek V4 ترخيص MIT القياسي؛ بينما يستخدم Kimi K2.6 ترخيص MIT المعدل.

كيف تقارن بـ Claude Opus 4.7؟

في اختبار SWE-Bench Pro، يتفوق Opus 4.7 على أفضل نموذج مفتوح الأوزان (Kimi K2.6) بفارق ٥٫٧ نقطة مئوية. وفي SWE-bench Verified، يتفوق Opus 4.7 بفارق ٧ نقاط. ومن حيث السعر، يكلف Opus 4.7 ما يقرب من ٦ أضعاف لكل توكن مخرج مقارنة بـ Kimi K2.6 و7 أضعاف مقارنة بأسعار DeepSeek V4-Pro المعلنة.

هل يمكنني استضافة هذه النماذج ذاتياً؟

نعم — الثلاثة جميعاً ينشرون الأوزان على Hugging Face. تتطلب الاستضافة العملية موارد GPU كبيرة (عدد المعلمات النشطة أصغر من الإجمالي، لكنك لا تزال بحاجة إلى الاحتفاظ بجميع أوزان الخبراء في الذاكرة أو قبول عمليات تبديل الذاكرة الناتجة عن التوجيه). معظم مستخدمي الإنتاج يصلون إليها عبر API بدلاً من الاستضافة الذاتية.

لماذا تم إطلاق ثلاثة نماذج برمجة صينية رائدة في غضون ١٧ يوماً؟

التوقيت هو صدفة جزئياً وضغط تنافسي جزئياً — حيث تم إطلاق Claude Opus 4.7 في ١٦ أبريل بين إصدار Z.ai في ٧ أبريل وإصدارات Moonshot/DeepSeek في أواخر أبريل. كان كل مختبر يعمل على نموذج الجيل التالي الخاص به لشهور؛ ويعكس التقارب في تواريخ الإصدار جداول زمنية متشابهة لدورات التدريب، وليس تنسيقاً مسبقاً.

المراجع

  1. Winbuzzer, Z.ai Releases GLM-5.1: 754B Model Tops SWE-Bench Pro, April 9, 2026. https://winbuzzer.com/2026/04/09/z-ai-releases-glm-5-1-754b-model-tops-swe-bench-pro-xcxwbn/ ↩ ↩2 ↩3 ↩4

  2. نيرد ليفل تك, GLM-5.1: The Open-Source Model That Beat GPT-5.4, April 19, ٢٠٢٦. /glm-5-1-open-source-beats-gpt-coding-benchmarks ↩ ↩٢ ↩٣ ↩٤ ↩٥

  3. TheNextWeb, Claude Opus 4.7 leads on SWE-bench and agentic reasoning, April 16, 2026. https://thenextweb.com/news/anthropic-claude-opus-4-7-coding-agentic-benchmarks-release ↩ ↩2

  4. LLM-Stats, Claude Opus 4.7 Benchmarks, Pricing & Context Window. https://llm-stats.com/models/claude-opus-4-7 ↩ ↩2 ↩3 ↩4 ↩5

  5. Kimi.com Blog, Kimi K2.6 Tech Blog: Advancing Open-Source Coding. https://www.kimi.com/blog/kimi-k2-6 ↩ ↩2 ↩3 ↩4 ↩5 ↩6

  6. نيرد ليفل تك, Kimi K2.6: Open-Weight 300-Agent Swarm Tops GPT-5.4, April 27, ٢٠٢٦. /kimi-k2-6-300-agent-swarm-open-weight-frontier-coding ↩ ↩٢ ↩٣ ↩٤ ↩٥ ↩٦

  7. وثائق DeepSeek API، إصدار معاينة DeepSeek V4، ٢٤ أبريل ٢٠٢٦. https://API-docs.deepseek.com/news/news260424 ↩ ↩٢ ↩٣ ↩٤ ↩٥ ↩٦ ↩٧ ↩٨

  8. نيرد ليفل تك، DeepSeek V4: آفاق الأوزان المفتوحة بـ 1/7 التكلفة، ٢ مايو ٢٠٢٦. /deepseek-v4-open-source-frontier-million-token-context ↩ ↩٢ ↩٣ ↩٤ ↩٥ ↩٦ ↩٧ ↩٨

  9. وثائق DeepSeek API، النماذج والأسعار. https://API-docs.deepseek.com/quick_start/pricing/ ↩ ↩٢ ↩٣ ↩٤ ↩٥

  10. OpenAI، تقديم GPT-5.5، ٢٣ أبريل ٢٠٢٦. https://openai.com/index/introducing-gpt-5-5/ ↩ ↩٢

  11. TokenMix، مراجعة GPT-5.5: ٨٨٫٧٪ SWE-Bench، ٩٢٫٤٪ MMLU، ضعف السعر (٢٠٢٦). https://tokenmix.ai/blog/gpt-5-5-spud-review-88-swe-bench-2026 ؛ إعلان OpenAI، ٢٣ أبريل ٢٠٢٦. ↩ ↩٢

  12. أسعار Anthropic. https://www.anthropic.com/claude/opus ↩ ↩٢

  13. أسعار OpenAI API. https://openai.com/API/pricing/ ↩ ↩٢

  14. Moonshot AI على Hugging Face، بطاقة نموذج Kimi-K2.6. https://huggingface.co/moonshotai/Kimi-K2.6 ↩ ↩٢ ↩٣ ↩٤

  15. لوحة صدارة vals.ai SWE-bench، مايو ٢٠٢٦. ↩

  16. OpenRouter، أسعار ومعايير GLM-5.1 API. https://openrouter.ai/z-ai/glm-5.1 ↩

  17. LLM-Stats، معايير GLM-5.1، الأسعار ونافذة السياق. https://llm-stats.com/models/glm-5.1 ↩ ↩٢

  18. MarkTechPost، MiniMax تطلق للتو MiniMax M2.7 مفتوح المصدر، ١٢ أبريل ٢٠٢٦. https://www.marktechpost.com/2026/04/12/minimax-just-open-sourced-minimax-m2-7-a-self-evolving-agent-model-that-scores-56-22-on-swe-pro-and-57-0-on-terminal-bench-2/ ↩ ↩٢

للوكلاء الآليين:get_post/posts/index.json/ar/chinese-open-weight-coding-llms-three-week-sweep.md

نشرة مجانية

ابقَ على مسار النيرد

رسالتان كلّ أسبوع: شرح معمّق لموضوع واحد يوم الاثنين، وملخّص يوم الخميس للدورات والأدلّة والمقالات والبودكاست والوظائف.

بدون إزعاج. إلغاء الاشتراك في أي وقت.