رقیب جدید غول‌های انتروپیک و حتی GPT-5.5 از چین؛ صدرنشینی مدل GLM-5.2 در بسیاری از بنچمارک‌های AI

در حالی که شرکت‌هایی مانند OpenAI، Anthropic و گوگل همچنان بازیگران اصلی رقابت هوش مصنوعی محسوب می‌شوند، یک مدل چینی به نام GLM-5.2 توانسته در برخی رتبه‌بندی‌های مهم مدل‌های متن‌باز به جایگاه‌های برتر برسد. اهمیت این مدل فقط به نتایج بنچمارک‌ها محدود نمی‌شود؛ زیرا Z.ai ادعا می‌کند این مدل بدون استفاده از تراشه‌های انویدیا و با معماری پردازشی هواوی توسعه داده شده است.

در اواخر خرداد ماه گذشته، صنعت هوش مصنوعی شاهد همزمانی قابل‌توجهی بود. اعمال محدودیت‌های صادراتی ایالات متحده باعث شد یکی از پیشرفته‌ترین مدل‌های تجاری Anthropic برای مدتی از دسترس کاربران خارج شود و بخشی از توجه توسعه‌دهندگان به گزینه‌های جایگزین معطوف شود.

همزمان، شرکت چینی Z.ai با انتشار مدل متن‌باز (Open-weight) GLM-5.2 توانسته در برخی از مهم‌ترین رتبه‌بندی‌های این حوزه جایگاه نخست را به دست آورد. با این حال، آنچه بیش از نتایج بنچمارک‌ها توجه تحلیلگران سخت‌افزار را جلب کرده، ادعای این شرکت درباره آموزش کامل مدل روی شتاب‌دهنده‌های بومی هواوی است.

محدودیت موقت Anthropic و ورود Z.ai

کمتر از یک ماه پیش، وزارت بازرگانی ایالات متحده با ابلاغ یک دستورالعمل کنترل صادرات، محدودیت‌هایی را برای دسترسی اتباع خارجی به مدل‌های Fable 5 و Mythos 5 اعمال کرد. از آنجا که Anthropic امکان تفکیک آنی کاربران را نداشت، این شرکت ناچار شد این دو مدل را به‌صورت موقت و در سطح جهانی غیرفعال کند و حالا ظاهراً این وضعیت، فرصت بیشتری برای دیده شدن رقبای متن‌باز فراهم کره است.

تنها یک روز بعد، استارتاپ پکنی Z.ai (با نام پیشین Zhipu AI) که خود در فهرست محدودیت‌های تجاری آمریکا قرار دارد، مدل GLM-5.2 را با مجوز متن‌باز MIT منتشر کرد.

توسعه روی معماری Ascend هواوی

مهم‌ترین بخش این رویداد، ادعای سازندگان درباره زیرساخت سخت‌افزاری مدل است. توسعه‌دهندگان Z.ai می‌گویند فرآیند آموزش (Training) GLM-5.2 به‌طور کامل روی کلاسترهای مجهز به شتاب‌دهنده‌های سری Ascend هواوی انجام شده و در هیچ‌یک از مراحل آموزش، از شتاب‌دهنده‌های هوش مصنوعی یا پردازنده‌های گرافیکی (GPU) انویدیا استفاده نشده است.

در صورت تأیید مستقل این ادعا، می‌توان آن را نشانه‌ای از افزایش توان اکوسیستم سخت‌افزاری چین در توسعه مدل‌های زبانی بزرگ بدون اتکا به زیرساخت‌های انویدیا دانست.

بررسی عملکرد؛ نتایج بسته به نوع بنچمارک متفاوت است

در همین زمینه برخی رسانه‌های تخصصی گزارش‌های جالبی منتشر کرده‌اند. با انتشار GLM-5.2، این مدل توانسته در جمع قدرتمندترین مدل‌های Open-weight قرار بگیرد؛ یعنی مدل‌هایی که برخلاف سرویس‌هایی مانند ChatGPT یا Claude، بخش اصلی وزن‌ها و فایل‌های موردنیاز برای اجرا یا توسعه آن‌ها در اختیار جامعه فنی قرار می‌گیرد.

از دید عملکردی باید گفت که اهمیت این موضوع فقط در انتشار یک مدل جدید نیست؛ بلکه نشان می‌دهد یک مدل متن‌باز چینی توانسته در برخی آزمون‌ها به مدل‌هایی نزدیک شود که پشت آن‌ها شرکت‌های بزرگ فناوری با سرمایه‌گذاری‌های میلیارد دلاری قرار دارند.

البته باید متذکر شویم که عملکرد مدل‌های هوش مصنوعی را نمی‌توان تنها با تکیه به یک عدد واحد سنجید. هر بنچمارک بخش متفاوتی از توانایی مدل را بررسی می‌کند؛ از برنامه‌نویسی و حل مسئله گرفته تا توانایی انجام وظایف طولانی و پیچیده.

در همین زمینه امتیازهای کسب شده توسط مدل‌های معروف و مقایسه آنها با GLM-5.2 را می‌توانیم به شرح زیر توضیح دهیم:

Artificial Analysis (نسخه 4.1)

این رتبه‌بندی مجموعه‌ای از معیارهای مختلف توانایی مدل‌های هوش مصنوعی را بررسی می‌کند. کسب امتیاز ۵۱ برای GLM-5.2 باعث شد این مدل در میان مدل‌های Open-weight بالاتر از رقبایی مانند Gemini 3.1 Pro Preview و DeepSeek V4 Pro قرار بگیرد.

اهمیت این نتیجه در این است که GLM-5.2 در حالی به چنین جایگاهی رسیده که برخلاف بسیاری از مدل‌های تجاری، وزن‌های آن به‌صورت عمومی منتشر شده و امکان بررسی و استفاده گسترده‌تر از آن وجود دارد.

SWE-bench Pro

این آزمون یکی از معیارهای مهم برای سنجش توانایی مدل‌ها در حل مشکلات واقعی نرم‌افزاری است. مدل باید بتواند کدهای بزرگ را بررسی کند، باگ‌ها را پیدا کند و راه‌حل مناسب ارائه دهد؛ چیزی شبیه کاری که یک برنامه‌نویس حرفه‌ای در یک پروژه واقعی انجام می‌دهد.

امتیاز ۶۲.۱ برای GLM-5.2 در برابر ۵۸.۶ برای GPT-5.5 نشان می‌دهد این مدل در برخی سناریوهای مهندسی نرم‌افزار توانسته عملکردی بالاتر از یک مدل پیشرفته تجاری ثبت کند.

Design Arena

این آزمون به جای بررسی صرفاً فنی، نظر کاربران انسانی درباره کیفیت خروجی مدل‌ها را بررسی می‌کند.

حدود ۱۰ امتیاز Elo بالاتر از Fable نشان می‌دهد پاسخ‌های تولیدشده توسط GLM-5.2 در برخی وظایف کدنویسی از نگاه ارزیاب‌های انسانی کیفیت بالاتری داشته‌اند. سیستم Elo همان روشی است که در رتبه‌بندی رقابت‌هایی مانند شطرنج استفاده می‌شود؛ یعنی اختلاف امتیاز نشان‌دهنده احتمال برتری یک مدل نسبت به مدل دیگر است.

با این حال، این نتایج به معنی شکست کامل مدل‌های رقیب نیست. GLM-5.2 در برخی حوزه‌ها مانند کارهای طولانی‌مدت، تحلیل‌های چندمرحله‌ای و وظایف پیچیده همچنان پشت سر برخی مدل‌های پرچمدار قرار می‌گیرد. اهمیت اصلی این مدل در این است که نشان می‌دهد فاصله میان مدل‌های متن‌باز و مدل‌های تجاری پیشرفته در حال کاهش است؛ موضوعی که می‌تواند رقابت در بازار هوش مصنوعی را شدیدتر کند.

پردازش‌های عمیق، جایی که مدل‌های پرچمدار هنوز جلوترند

با وجود نتایج قدرتمند GLM-5.2 در برخی آزمون‌های کدنویسی و مدل‌های Open-weight، عملکرد این مدل در همه سناریوها یکسان نیست. یکی از تفاوت‌های مهم میان یک مدل خوب و یک مدل واقعاً پیشرفته، توانایی انجام کارهای طولانی، حفظ اطلاعات در چند مرحله و مدیریت پروژه‌های پیچیده است؛ حوزه‌ای که همچنان مدل‌های پرچمدار شرکت‌هایی مانند Anthropic و OpenAI در آن برتری دارند.

AA-Briefcase

این آزمون بیشتر شبیه‌سازی یک کار واقعی چندمرحله‌ای است؛ جایی که مدل باید حجم زیادی از اطلاعات پراکنده را بررسی کند، ارتباط میان آن‌ها را حفظ کند و در یک بازه طولانی به نتیجه برسد. پیش از اعمال محدودیت‌ها، Fable 5 با امتیاز ۱۵۸۷ Elo در رتبه اول قرار داشت و Opus 4.8 با ۱۳۵۶ امتیاز جایگاه دوم را به دست آورده بود. GLM-5.2 با امتیاز ۱۲۶۶ در رتبه سوم قرار گرفت.

این نتیجه نشان می‌دهد اگرچه مدل Z.ai در بسیاری از وظایف سریع و مشخص قدرتمند است، اما در مدیریت فرآیندهای طولانی و پیچیده هنوز فاصله‌ای با برخی مدل‌های پیشرفته‌تر دارد.

Terminal-Bench 2.1

این آزمون توانایی مدل در انجام کارهای واقعی داخل محیط ترمینال را بررسی می‌کند؛ برای مثال اجرای دستورات، کار با فایل‌ها، رفع خطاهای نرم‌افزاری و انجام زنجیره‌ای از عملیات که نیازمند دقت و برنامه‌ریزی است. GLM-5.2 با امتیاز 77.9 عملکرد قابل‌توجهی ثبت کرد، اما همچنان پایین‌تر از Opus 4.8 با امتیاز 86.4 و GPT-5.5 با امتیاز ۸۴.3 قرار گرفت.

در مجموع، این نتایج نشان می‌دهد GLM-5.2 در برخی حوزه‌ها توانسته فاصله خود را با مدل‌های تجاری پیشرفته کاهش دهد، اما هنوز در وظایفی که نیازمند استدلال طولانی، حفظ انسجام در چندین مرحله و اجرای مستقل پروژه‌های پیچیده هستند، مدل‌های پیشرو مزیت خود را حفظ کرده‌اند. به همین دلیل، ارزیابی یک مدل هوش مصنوعی تنها با یک بنچمارک یا یک رتبه‌بندی ممکن نیست و باید مجموعه‌ای از توانایی‌های آن بررسی شود.

چرا این ادعا برای انویدیا اهمیت دارد؟

اهمیت این خبر تنها به معرفی یک مدل جدید محدود نمی‌شود. طی سال‌های اخیر، تقریباً تمام مدل‌های پیشرفته هوش مصنوعی با اتکا به شتاب‌دهنده‌های انویدیا توسعه یافته‌اند و همین موضوع این شرکت را به بازیگر مسلط زیرساخت پردازشی هوش مصنوعی تبدیل کرده است.

اگر Z.ai در آینده بتواند ادعای آموزش کامل GLM-5.2 روی شتاب‌دهنده‌های Ascend را با شواهد فنی مستقل اثبات کند، این رویداد می‌تواند یکی از نخستین نمونه‌های مستند توسعه یک مدل پیشرفته بدون اتکا به اکوسیستم انویدیا باشد.

آنچه فراتر از بنچمارک‌ها مهم است

GLM-5.2 امروز یکی از قدرتمندترین مدل‌های Open-weight محسوب می‌شود، اما اهمیت این خبر صرفاً به جایگاه آن در رتبه‌بندی‌ها محدود نیست. آنچه این رویداد را متمایز می‌کند، همزمانی سه تحول مهم است: اعمال محدودیت موقت بر دسترسی جهانی به مدل‌های Anthropic، معرفی یک مدل جدید توسط شرکتی چینی که خود تحت تحریم‌های آمریکا قرار دارد و در نهایت، ادعای آموزش کامل این مدل روی شتاب‌دهنده‌های بومی هواوی.

در صورتی که این ادعا در آینده با مستندات فنی مستقل تأیید شود، پیامدهای آن می‌تواند فراتر از رقابت میان مدل‌های زبانی باشد؛ زیرا نشان خواهد داد توسعه یک مدل پیشرفته هوش مصنوعی، از مرحله آموزش تا استقرار، الزاماً به شتاب‌دهنده‌های هوش مصنوعی ساخت آمریکا وابسته نیست. البته در شرایط فعلی، این موضوع همچنان صرفاً ادعای Z.ai است و تاکنون هیچ راستی‌آزمایی مستقلی آن را تأیید نکرده است.

با این حال، در صورت اثبات، این دستاورد می‌تواند نشانه‌ای مهم از تغییر تدریجی توازن قدرت در زیرساخت‌های پردازشی هوش مصنوعی باشد.