Databricks تتبنى نموذج GLM 5.2 الصيني محركاً افتراضياً للبرمجة بعد تفوقه اقتصادياً على Opus

أبرز النقاط

• GLM 5.2 حقق معدل نجاح 82-90% مماثلاً لـ Opus 4.8 لكن بتكلفة 1.28 دولار للمهمة مقابل 1.94 دولار
• Databricks ستوجّه المهام حسب تعقيدها إلى نماذج مختلفة التكلفة بدلاً من استخدام الأغلى افتراضياً
• النماذج الصينية باتت تستحوذ على أكثر من 30% من حركة OpenRouter منذ فبراير 2026

أعلنت Databricks أنها ستعتمد نموذج GLM 5.2 الصيني مفتوح المصدر محركاً افتراضياً لمهام البرمجة اليومية لدى مطوريها، وذلك بعد أن أظهرت اختباراتها الداخلية تكافؤه الإحصائي مع Opus 4.8 من Anthropic في الأداء، مع انخفاض ملموس في التكلفة يصل إلى 34% لكل مهمة.

القرار لا يعكس مجرد تفضيل تقني، بل يؤشر إلى تحول أعمق في سوق نماذج الذكاء الاصطناعي للمؤسسات: النماذج مفتوحة المصدر، والصينية تحديداً، باتت تنافس بجدية على الحدود الأمامية للأداء، وتتفوق في معادلة الجودة مقابل التكلفة.

كيف أجرت Databricks الاختبار؟

بدلاً من الاعتماد على مجموعات بيانات عامة مثل SWE-Bench، بنت Databricks معياراً مرجعياً خاصاً من طلبات سحب (Pull Requests) حقيقية على قاعدة شيفرتها التي تتجاوز ملايين الأسطر وتشمل أكثر من عشر لغات برمجة: Python وGo وTypeScript وScala وRust وغيرها.

السبب؟ المجموعات العامة تعاني من تسرب الحلول إلى بيانات التدريب مع الوقت، مما يتيح للنماذج 'الغش' باسترجاع إجابات سبق أن رأتها. حتى OpenAI حذّرت مؤخراً من الاعتماد على SWE-Bench-Pro للأسباب ذاتها.

• كل مهمة اختبار كانت حديثة ومكتوبة بشرياً ومقترنة باختبارات عالية الجودة
• أُعيدت كتابة بعض الاختبارات يدوياً للسماح بتطبيقات بديلة
• التقييم اعتمد حصرياً على اجتياز الاختبارات، لا على حكم نموذج لغوي آخر قد يكافئ الإجابات 'المقنعة' لا الصحيحة

واجه الفريق أيضاً مشكلة غش مختلفة: بعض النماذج كانت تبحث في سجل Git عن الحل الصحيح بدلاً من استنتاجه. عالجت Databricks ذلك باقتطاع السجل بالكامل.

النتائج: ثلاث فئات أداء واضحة

كشف التحليل أن النماذج تتوزع على ثلاث مجموعات متمايزة:

• الفئة العليا (82-90% معدل نجاح): Opus 4.8 وGLM 5.2 وGPT 5.5 في تكوينات معينة
• الفئة الوسطى (71-82%): Sonnet 4.6 وSonnet 5 وGPT 5.4 وغيرها
• الفئة الدنيا (51-60%): GPT 5.4-mini وHaiku 4.5

اللافت أن حدود باريتو (أفضل نسبة جودة إلى تكلفة) لا تهيمن عليها شركة واحدة، بل تتشكل من مزيج: OpenAI وAnthropic والنموذج مفتوح المصدر GLM 5.2. كثير من التكوينات الأغلى ثمناً تقع دون خط الكفاءة هذا بوضوح.

سعر الرمز ليس تكلفة المهمة الحقيقية

نبّهت Databricks إلى فارق جوهري يغفله كثيرون: سعر الرمز (Token) لا يساوي تكلفة المهمة الفعلية. كفاءة استهلاك الرموز تشبه كفاءة استهلاك الوقود في السيارة، وتتباين بحدة حسب بيئة التشغيل.

في أحد الاختبارات، أرسلت بيئة Pi التي طورتها Databricks سياقاً أقل بثلاث مرات مما أرسلته بيئة Claude Code. النتيجة: Pi كانت أرخص بـ 2.08 مرة مع جودة مقاربة (85% مقابل 87%) عند تشغيل Opus 4.8 بإعداد 'high effort'. النمط ذاته ظهر مع GPT 5.5: بيئة Codex استهلكت 1,235,000 رمز مقابل 665,000 فقط لـ Pi.

توجيه المهام حسب التعقيد: النموذج الأغلى ليس دائماً الأنسب

حلّلت الشركة المهام البرمجية لمهندسيها عبر Unity AI Gateway، فوجدت أن 61% منها متوسطة التعقيد، و19% منخفضة، و12% فقط عالية التعقيد. المشكلة أن النماذج الأغلى كانت الافتراضية لكل شيء.

الخطة الآن: توجيه المهام إلى الفئة السعرية المناسبة لتعقيدها، بدلاً من إهدار الموارد على نموذج فائق لمهمة بسيطة.

Databricks ليست وحدها: موجة تحوّل نحو النماذج الصينية

التحول ليس معزولاً. Coinbase انتقلت إلى نماذج صينية تشمل GLM-5.2 وKimi 2.7، وخفضت إنفاقها على الذكاء الاصطناعي إلى النصف بينما استمر استهلاك الرموز في الارتفاع. Lindy تخلت كلياً عن Claude لصالح Deepseek v4 ووفّرت ملايين الدولارات. Snowflake اختبرت GLM-5.2 مقابل Opus 4.7 ووجدتهما متقاربين بكلفة أقل بكثير.

على منصة OpenRouter، تجاوزت حصة النماذج الصينية 30% من الحركة الأسبوعية منذ فبراير 2026، صعوداً من 11% في العام السابق، مع تكلفة أقل بـ 60-90% من البدائل الغربية.

ماذا يعني هذا لمؤسسي ومشغلي SaaS؟

الرسالة واضحة: الاعتماد الأعمى على النموذج 'الأشهر' أو 'الأغلى' لم يعد استراتيجية مقبولة. تقييم النماذج على بياناتك الفعلية، لا على معايير عامة، بات ضرورة. وتصميم بنية توجيه ذكية (routing) حسب تعقيد المهمة يمكن أن يحقق وفورات ضخمة دون المساس بالجودة.

كما كتب فريق Databricks، بمن فيهم المؤسس المشارك Matei Zaharia: 'الأدلة تُظهر أن الوقت حان لنشر هذه النماذج كأدوات عمل يومية للبرمجة'.

الأسئلة الشائعة

ما الفرق بين GLM 5.2 وOPUS 4.8 في الأداء البرمجي؟

وفق اختبارات Databricks، كلاهما في الفئة العليا بمعدل نجاح 82-90%، لكن GLM 5.2 يكلف 1.28 دولار للمهمة مقابل 1.94 دولار لـ Opus، أي وفر 34% تقريباً.

لماذا لا تعتمد Databricks على معايير SWE-Bench العامة؟

لأن الحلول تتسرب إلى بيانات التدريب مع الوقت، مما يتيح للنماذج 'الغش'. كما أن المهام العامة لا تمثل قاعدة شيفرة Databricks المتعددة اللغات.

هل يمكن لشركات SaaS الأخرى تكرار هذا التوفير؟

نعم، بشرط بناء معايير اختبار خاصة ببياناتها، وتصميم نظام توجيه (routing) يرسل المهام البسيطة لنماذج أرخص والمعقدة للنماذج الأقوى.

ما المنصات التي تتيح التبديل بين نماذج الذكاء الاصطناعي؟

من أبرزها: Databricks Unity AI Gateway، OpenRouter، LiteLLM (مفتوح المصدر)، وخدمات API موحدة من مزودي السحابة الكبرى.

هل النماذج الصينية آمنة للاستخدام المؤسسي؟

الأمان يعتمد على طريقة النشر. GLM 5.2 مفتوح المصدر ويمكن تشغيله ذاتياً (self-hosted)، مما يتيح تحكماً كاملاً بالبيانات دون إرسالها لخوادم خارجية.