GLM-5.3 من Z.ai 2026: قفزة في البرمجة والأمن السيبراني — شرح كامل

أعلنت شركة Z.ai اليوم، الخميس 14 أغسطس 2026، عن إطلاق نموذجها الجديد GLM-5.3، وهو تحديث يركّز بالكامل على تحسين ما بعد التدريب (post-training) فوق النموذج الأساسي نفسه المستخدم في GLM-5.2. النتيجة؟ قفزات كبيرة في البرمجة المعقدة والمهام طويلة الأمد، وقدرات سيبرانية ناشئة وصفها المطورون أنفسهم بأنها "فاجأتهم" بسرعة تطورها. في هذا الشرح الكامل نستعرض كل ما تحتاج معرفته: الأرقام الحقيقية، والمقارنات مع Claude وGPT، وكيف تستخدم النموذج من الخليج والعالم العربي، والحدود التي يجب أن تعرفها قبل التبديل. (آخر تحديث: 14 أغسطس 2026)

ما الجديد في GLM-5.3؟ فلسفة "توسيع ما بعد التدريب"

النقطة الأهم في هذا الإصدار أن Z.ai لم تبنِ نموذجاً أساسياً جديداً. النموذج يستخدم نفس قاعدة GLM-5.2، وكل التحسينات جاءت من مرحلة ما بعد التدريب — أي التعلم المعزز (RL) على بيئات مهام ضخمة ومتنوعة. الشركة تلخص ذلك بعبارة واضحة: "توسيع ما بعد التدريب هو كل ما فعلناه من أجل GLM-5.3".

كيف حققت ذلك؟ بنت Z.ai خطوط إنتاج تلقائية تصنع "بيئات مهام" قابلة للتنفيذ والتحقق تحاكي عمل المهندسين الحقيقي، بعضها يمثل عدة أيام من عمل مهندس خبير. مثال من الإعلان الرسمي: في مهمة بنية تحتية للتعلم الآلي، يحصل النموذج على نفس بيئة العمل التي يحصل عليها المهندس — عناقيد حوسبة وأنظمة تخزين ووثائق داخلية وقواعد أكواد ونتائج تجارب — وعليه تشخيص الاختناقات وتنفيذ التحسينات وتشغيل التجارب وتحقيق تسريع ملموس دون الإخلال بالصحة. وكيل "قاضٍ" يحاول حل كل مهمة للتحقق من قابليتها للحل فعلاً قبل اعتمادها في التدريب.

كل هذا يعمل على إطار slime مفتوح المصدر الخاص بالشركة لتوسيع التعلم المعزز، مع Megatron في جانب التدريب وSGLang في جانب التوليد.

أرقام الأداء: قفزات كبيرة في الوكلاء والمهام الطويلة

التحسن ليس تدريجياً بل قفزي في المهام التي تقيس قدرة النموذج على العمل كوكيل مستقل لفترات طويلة. مقارنة بـ GLM-5.2:

قفزة Terminal-Bench من 4.6 إلى 28.3 تعني أن النموذج انتقل من مستوى "بالكاد يكمل مهمة طرفية" إلى مستوى منافس جدّي بين النماذج الأمامية — وهي فئة الاختبارات الأقرب لعمل المبرمج اليومي الفعلي.

Z.ai Code Bench: تفوّق على Claude Opus 4.8 مع استهلاك أقل

مع الإصدار الجديد قدمت Z.ai أيضاً معيار اختبار داخلي اسمه Z.ai Code Bench مصمم لتقييم وكلاء البرمجة في سيناريوهات مستخدمين واقعية داخل بيئات تطوير محلية معقدة، بعيداً عن تلوث مجموعات الاختبار العامة. والنتائج لافتة:

• عند مستوى الجهد الأقصى (Max): GLM-5.3 يحقق 34.5% بنحو 75 ألف رمز إخراج لكل مهمة، مقابل 23.4% بـ96 ألف رمز لـ GLM-5.2 — أي أداء أعلى بتكلفة أقل.
• عند مستوى الجهد العالي (High): GLM-5.3 يحقق 31.4% بنحو 50 ألف رمز، متجاوزاً Claude Opus 4.8 الذي سجل 29.5% مستهلكاً 120 ألف رمز — أي أكثر من ضعف الاستهلاك.
• يبقى النموذج خلف Claude Fable 5 الذي يحقق 39.5% عند الجهد الأقصى.

المصدر: إعلان GLM-5.3 الرسمي — Z.ai

القدرات السيبرانية الناشئة: أفضل نتيجة عالمياً في CyberGym

هنا الجزء الذي أثار أكبر نقاش اليوم. أثناء إدخال بيانات اكتشاف الثغرات في التدريب، توقعت Z.ai تحسناً في "العثور على الثغرات"، لكن ما حدث — بحسب الإعلان — هو أن النموذج بدأ يفكر عبر مراحل الاستغلال المتعددة ويكوّن خططاً متماسكة لسلاسل استغلال كاملة. النتائج عبر ثلاثة معايير:

• CyberGym (تحديد الثغرات من الكود المصدري والتحقق منها): GLM-5.3 يسجل 84.5% — أفضل نتيجة على المعيار، متقدماً على Mythos 5 (83.8%) وGPT-5.6 Sol (83.6%).
• ExploitBench (التعمق في استغلال ثغرات حقيقية): GLM-5.3 يصل 54.4% — تحسن هائل عن 24.4% لـ GLM-5.2، لكنه لا يزال خلف Mythos 5 (78.0%) وGPT-5.6 Sol (76.5%).
• ExploitGym (إكمال مهام استغلال ضمن ميزانيات وقت): 105 مهام خلال ساعتين و130 خلال ست ساعات.

ولمن يظن أن هذه أرقام مخبرية فقط: تعاونت Z.ai مع عدة فرق أمن في الصين على اختبار النموذج على قواعد أكواد حقيقية. بعد مراجعة الخبراء والتحقق وإزالة التكرار، حدد النموذج 2,436 ثغرة في 269 مشروعاً، منها 1,097 ثغرة متوسطة إلى عالية الخطورة، في نطاق يضم أنوية الأنظمة ونظم التشغيل ومحركات المتصفحات والبنى التحتية مفتوحة المصدر وتطبيقات الويب وبروتوكولات الشبكات. الثغرة الأقدم يعود تاريخ إدخالها إلى عام 1981، ومتوسط عمر الثغرة قبل الاكتشاف كان 26.6 سنة.

المصدر: إعلان GLM-5.3 الرسمي — Z.ai

ماذا يعني هذا لك كمطور أو باحث عربي؟

1. الوصول متاح فوراً من الخليج والعالم العربي. النموذج متاح الآن عبر واجهة Z.ai البرمجية مباشرة، ويمكن لأي مطور في السعودية أو الإمارات أو قطر أو أي دولة عربية البدء باستخدامه خلال دقائق دون قوائم انتظار.

2. خطة البرمجة GLM Coding Plan هي الطريق الأوفر. إذا كنت تستخدم النموذج داخل أدوات مثل ZCode أو Claude Code أو OpenCode، فالاشتراك في خطة البرمجة هو الخيار الاقتصادي. لدينا دليل عربي كامل لهذه الخطة في مقالنا عن GLM Coding Plan من Z.AI، ومقارنة سابقة مفصلة في شرحنا لنموذج GLM 5.2 من Z.ai.

3. الأوزان ستُفتح خلال أسبوعين. أكدت Z.ai أن أوزان GLM-5.3 ستكون متاحة علناً "خلال أسبوعين" — وهذا يعني إمكانية تشغيله محلياً مجاناً لمن يملك عتاداً كافياً، بجانب بدائل مفتوحة أخرى غطيناها مثل Kimi K3 من Moonshot وDeepSeek Harness.

4. عروض مؤقتة حالياً. حتى 31 أغسطس 2026: خصم على الرموز المخزنة مؤقتاً (نسبة إصابة كاش تتجاوز 98%، أي نحو 30% رموز فعّالة إضافية بالسعر المخفض)، ومضاعفة الحصة 1.5 مرة مؤقتاً.

5. للفرق الأمنية العربية: نموذج يكتشف ثغرات بمستوى 84.5% في CyberGym ويشغّل سلاسل تحقق كاملة أداة قيمة لفرق الدفاع السيبراني ومراجعات الكود — مع وجود بدائل مخصصة مثل منصة Daybreak من OpenAI للمؤسسات.

مقارنة سريعة: GLM-5.3 مقابل المنافسين

الخلاصة العملية: GLM-5.3 يقدم أفضل نسبة أداء/تكلفة في مهام الوكلاء والبرمجة الطويلة، ويتصدر اكتشاف الثغرات، لكنه ليس الأول في كل شيء — Fable 5 يبقى أقوى في البرمجة القصوى، وExploitBench ما زال لصالح النماذج المتخصصة المغلقة. لمقارنة أوسع بالسياق، راجع شرحنا لنموذج Grok 4.6 من xAI ونموذج Gemini 3.7 Flash من Google.

كيف تبدأ باستخدام GLM-5.3 اليوم؟

عبر الواجهة البرمجية: النموذج باسم glm-5.3. يدعم ثلاثة مستويات للتفكير: low وhigh وmax (الافتراضي هو max). الإعدادات الموصى بها رسمياً: temperature=1.0 وtop_p=0.95.

تنبيه هجرة: إذا كان تطبيقك يستخدم thinking.type: "disabled" فسيفشل الطلب مع GLM-5.3 — الترحيل مطلوب إلى الصيغة الجديدة (حقل reasoning_effort بقيم low/high/max).

داخل أدوات البرمجة: يعمل عبر ZCode وClaude Code وOpenCode، مع ميزة "Goal mode" الجديدة التي تخطط وتبرمج وتختبر وتتحقق حتى تحقيق الهدف، وميزة Remote Control لمتابعة المهام الطويلة وتوجيهها من هاتفك. التفاصيل الرسمية في وثائق Z.ai للمطورين.

حدود يجب أن تعرفها قبل التبديل

الأمانة في التقييم أهم من الحماس، وهذه أبرز حدود النموذج بناء على الإعلان الرسمي نفسه:

1. ليس الأول في الاستغلال العميق: في ExploitBench يتخلف GLM-5.3 (54.4%) بفارق كبير عن Mythos 5 (78.0%) وGPT-5.6 Sol (76.5%).
2. خلف Fable 5 في البرمجة القصوى: 34.5% مقابل 39.5% عند الجهد الأقصى في Z.ai Code Bench.
3. الأوزان لم تُطلق بعد: الوعد "خلال أسبوعين" — حتى ذلك الحين الاستخدام عبر خدمات Z.ai فقط.
4. تغيير صيغة الواجهة: التطبيقات القديمة التي تستخدم thinking.type القديم ستنكسر حتى يتم الترحيل.
5. خطوط إنتاج البيئات ما زالت تحتاج بشرياً: الشركة نفسها تعترف أن توليد بيئات المهام والتحقق منها يتطلب عملاً بشرياً معتبراً حتى الآن.
6. الاعتبارات الأمنية والقانونية: قدرة نموذج على تخطيط سلاسل استغلال كاملة تعني أن استخدام فرق الأمن له يجب أن يكون ضمن نطاق مصرح به قانونياً فقط.

الأسئلة الشائعة

ما هو نموذج GLM-5.3 من Z.ai؟

نموذج ذكاء اصطناعي أمامي أطلقته Z.ai في 14 أغسطس 2026، مبني على قاعدة GLM-5.2 نفسها مع تحسينات ضخمة في ما بعد التدريب، ويتفوق في البرمجة المعقدة والمهام طويلة الأمد واكتشاف الثغرات الأمنية.

هل GLM-5.3 أفضل من Claude Opus 4.8؟

في اختبار Z.ai Code Bench عند مستوى الجهد العالي، نعم: 31.4% مقابل 29.5% مع استهلاك رموز أقل بكثير. لكن Claude Fable 5 يبقى متقدماً في مستوى الجهد الأقصى (39.5% مقابل 34.5%).

هل GLM-5.3 مفتوح المصدر؟

جزئياً حتى الآن: النموذج متاح عبر API وخطط البرمجة فوراً، وأعلنت Z.ai أن الأوزان ستكون متاحة علناً خلال أسبوعين من الإطلاق.

كم سعر استخدام GLM-5.3؟

لم تعلن Z.ai تسعيراً منفصلاً جديداً؛ الاستخدام عبر اشتراكات GLM Coding Plan وبأسعار الواجهة البرمجية المعتادة، مع خصم كاش ومضاعفة حصة مؤقتة حتى 31 أغسطس 2026. راجع صفحة الاشتراكات الرسمية للأسعار الحالية.

هل يمكن استخدام GLM-5.3 للأعمال السيبرانية في شركتي؟

نعم لفرق الدفاع ومراجعة الكود ضمن نطاق مصرح به — سجل 2,436 ثغرة حقيقية في 269 مشروعاً. لكن استخدام قدرات الاستغلال يجب أن يقتصر على الأصول التي تملكها أو المخول باختبارها قانونياً.

كيف أفعّل التفكير العميق في GLM-5.3؟

عبر حقل reasoning_effort بقيم low أو high أو max (الافتراضي max)، مع الإعدادات الرسمية temperature=1.0 وtop_p=0.95.

المصادر

• الإعلان الرسمي لـ GLM-5.3 — مدونة Z.ai
• وثائق Z.ai للمطورين — Devpack
• صفحة اشتراكات Z.ai
• نقاش الإطلاق على Hacker News