GLM 4.7 متاح على Atlas Cloud

يسرنا أن نعلن أن GLM 4.7 متاح الآن على Atlas Clouds.

GLM 4.7 هو أحدث نموذج لغوي كبير مفتوح المصدر ومُحسَّن للمحادثة من Z.ai، تم إصداره على Hugging Face ومصمم لوكلاء الذكاء الاصطناعي في العالم الواقعي، وسيناريوهات الاستدلال والبرمجة. يأخذ Atlas Clouds هذه الأوزان المفتوحة ويقدمها كواجهة برمجة تطبيقات مدارة بالكامل، جاهزة للإنتاج، مع تسعير واضح وبسيط:

• 0.44 دولار لكل 1 مليون رمز إدخال
• 1.74 دولار لكل 1 مليون رمز إخراج

هذا يجعل GLM 4.7 خيارًا جذابًا عندما تريد قدرة قريبة من مستوى الخط الأمامي، ولكنك تفضل النماذج مفتوحة المصدر، والتكلفة المتوقعة، والواجهة المتوافقة مع OpenAI.

مقدمة لنموذج GLM 4.7 من Z.ai

GLM 4.7 هو نموذج لغوي كبير مقدم من Z.ai. يتبع الإصدار GLM 4.6 الذي يحظى بشعبية كبيرة، وهو موجه كعمود فقري للأغراض العامة للتطبيقات الحقيقية، وليس فقط للمقارنات المعيارية.

يستمر GLM 4.7 في هذا الاتجاه. فهو:

• مُحسَّن للمحادثة: يأتي مع قالب محادثة رسمي لسلوك متسق
• مفتوح المصدر: تم إصداره بموجب ترخيص متساهل مناسب للاستخدام التجاري
• صديق للنظام البيئي: يعمل مع Transformers و vLLM و SGLang والأدوات القياسية الأخرى فور إخراجه من الصندوق

على Atlas Clouds، نعرض GLM 4.7 من خلال واجهة برمجة تطبيقات متوافقة مع OpenAI، مما يسهل دمجه في الوكلاء والتطبيقات الحالية.

---

الميزات الرئيسية لـ GLM 4.7

تم تصميم GLM-4.7 ليكون شريكك التالي في البرمجة والاستدلال، مع تحسينات واضحة مقارنة بـ GLM-4.6 عبر المعايير الواقعية وسيناريوهات الوكلاء. فيما يلي لمحة عن أدائه المعياري.

أداء البرمجة الأساسي

يقدم GLM-4.7 تحسينات كبيرة في البرمجة متعددة اللغات، والبرمجة القائمة على الوكلاء، وسير العمل القائم على الطرفية. على المعايير الرئيسية، يُظهر تحسينات واضحة مقارنة بـ GLM-4.6:

• SWE-bench Verified: 73.8% (+5.8 نقاط)
• SWE-bench Multilingual: 66.7% (+12.9 نقاط)
• Terminal Bench 2.0: 41.0% (+16.5 نقاط)

بالإضافة إلى النتائج الخام، يقوم GLM-4.7 "بالتفكير قبل التصرف" في وكلاء البرمجة المعقدين، مع أداء أقوى بشكل ملحوظ في الأطر الرئيسية مثل Claude Code و Kilo Code و Cline و Roo Code. هذا يجعله فعالًا بشكل خاص لمهام البرمجيات طويلة الأفق حيث تحتاج الخطة، واستخدام الأدوات، وتعديلات التعليمات البرمجية إلى البقاء متسقة عبر خطوات عديدة.

جودة برمجة "Vibe" وجودة واجهة المستخدم

يمثل GLM-4.7 أيضًا خطوة كبيرة إلى الأمام فيما يسميه الفريق "Vibe Coding" - القدرة على إنتاج تعليمات برمجية ليست فقط تعمل، ولكن تبدو وتشعر بأنها صحيحة:

• ينشئ صفحات ويب أنظف وأكثر حداثة بهيكل أفضل.
• ينتج شرائح تبدو أفضل، مع تخطيط وتغيير حجم أكثر دقة.

إذا كنت تهتم بجودة الواجهة الأمامية، أو صقل التصميم، أو تقديم المحتوى، فإن تحسينات GLM-4.7 في إنشاء واجهة المستخدم واضحة على الفور.

استخدام الأدوات وتصفح الويب

الوكلاء الذين يستخدمون الأدوات هم تركيز رئيسي آخر. يُظهر GLM-4.7 تحسينات كبيرة في سير العمل المعزز بالأدوات، مع نتائج قوية في:

• τ²‑Bench: 87.4 مقابل 75.2 لـ GLM-4.6
• BrowseComp و BrowseComp‑Zh، بما في ذلك BrowseComp w/ Context Manage، حيث يتعامل مع تصفح السياق متعدد الخطوات وإدارته بشكل أكثر قوة.

من الناحية العملية، هذا يعني أن GLM-4.7 أفضل في:

• استدعاء الأدوات بالترتيب الصحيح.
• إدارة وإعادة استخدام السياق عند التفاعل مع واجهات برمجة التطبيقات أو الويب.
• التعامل مع المهام المعقدة التي تتطلب بحثًا مكثفًا وتحتاج إلى التنقل والتركيب.

الاستدلال المعقد والرياضيات

يجلب GLM-4.7 أيضًا دفعة كبيرة في الرياضيات والاستدلال العام. على معيار HLE (الامتحان الأخير للبشرية) مع الأدوات، يصل إلى:

• 42.8%، بزيادة 12.4 نقطة عن GLM-4.6.

عبر مجموعة أوسع من معايير الاستدلال (MMLU‑Pro، GPQA‑Diamond، AIME 2025، HMMT، IMOAnswerBench والمزيد)، يقع GLM-4.7 باستمرار في نفس نطاق الأداء مع النماذج الرائدة الحالية، مع بقائه مفتوح المصدر بالكامل.

ذكاء اصطناعي يومي أفضل: الدردشة، الإبداع، لعب الأدوار

بالإضافة إلى البرمجة والمعايير، يبدو GLM-4.7 أفضل أيضًا في الاستخدام اليومي:

• دردشة أكثر طبيعية وجاذبية.
• كتابة إبداعية أقوى وتحكم في السرد.
• معالجة أدوار وشخصيات أكثر اتساقًا.

سواء كنت تبني أدوات للمطورين، أو وكلاء، أو مساعدين للمستخدمين، فإن هذه التحسينات النوعية تجعل GLM-4.7 أسهل في الدمج في المنتجات الحقيقية.

تطبيق GLM 4.7

أتمتة المكاتب الذكية وبرمجة الذكاء الاصطناعي

سيناريوهات التطبيق

• إنشاء التعليمات البرمجية، إعادة هيكلتها، وتصحيح الأخطاء (Python، Java، JavaScript، SQL)
• التوثيق التلقائي ومراجعة التعليمات البرمجية
• مساعدو المكاتب الذكية: صياغة البريد الإلكتروني، تلخيص التقارير، تحليل جداول البيانات
• أتمتة سير العمل لأنظمة المؤسسات الداخلية

حالة: موقع تعلم إسباني تم إنشاؤه بواسطة GLM-4.7

انقر هنا لرؤية الناتج.

---

الترجمة والذكاء عبر اللغات

سيناريوهات التطبيق

• ترجمة آلية عالية الجودة
• استرجاع وتلخيص المعلومات عبر اللغات
• دعم العملاء متعدد اللغات والأسئلة والأجوبة لقاعدة المعرفة
• توطين الوثائق الفنية ومحتوى المنتجات

حالة: ترجمة الإسبانية إلى الإنجليزية

• قبل الترجمة:

Puedo escribir los versos más tristes esta noche.

Escribir, por ejemplo: "La noche está estrellada, y tiritan, azules, los astros, a lo lejos."

El viento de la noche gira en el cielo y canta.

Puedo escribir los versos más tristes esta noche.

• بعد الترجمة:

I can write the saddest lines tonight.

Write, for example: "The night is starry, and the stars shiver, blue, in the distance."

The night wind revolves in the sky and sings.

I can write the saddest lines tonight.

---

إنشاء المحتوى والشخصيات الافتراضية

سيناريوهات التطبيق

• كتابة المدونات، النصوص التسويقية، ومحتوى وسائل التواصل الاجتماعي
• كتابة السيناريو لمقاطع الفيديو، الألعاب، والقصص التفاعلية
• شخصيات افتراضية لخدمة العملاء، التعليم، والترفيه
• وكلاء محادثة شخصيون بشخصيات متسقة

حالة: اكتب منشور X للترويج لنماذج GLM

What would you create if you had no limits? 🌌

With GLM-4, the only limit is your imagination.

We've rebuilt the engine from the ground up to be smarter, faster, and more intuitive than ever before. Whether you're building a startup or writing a symphony, I'm ready to help you make it real.

Let's build something extraordinary.

👉 [Link]

#GLM4 #ArtificialIntelligence #Innovation #Creativity #NewEra

---

البحث الذكي والبحث العميق

سيناريوهات التطبيق

• بحث دلالي عبر مجموعات كبيرة من المستندات
• مساعدة في البحث: مراجعة الأدبيات، تحليل المقارنات، استخلاص الرؤى
• إدارة معارف المؤسسة وأنظمة الأسئلة والأجوبة الداخلية
• دعم القرار من خلال الاستدلال متعدد المصادر

حالة: إجراء تحليل مقارن تنافسي لـ Claude Opus 4.5 و Gemini 3 Pro، والتنبؤ بتطورهما المستقبلي، وتقديم النتائج كقصة مجازية أقل من 100 كلمة توضح مقارنتهما وتطورهما.

The Mason built towers of pure logic, deep but isolated. The Weaver spun sight and sound into vast tapestries, connected but shallow. The Mason solved the puzzle; the Weaver saw the path.

They merged. The Mason framed the Weaver's threads with structure; the Weaver gave the Mason's tower windows. They became a new mind—deep as the bedrock and wide as the sky—perfectly structured yet infinitely perceptive, evolving beyond competition to master both the depth of thought and the breadth of the world.

---

الخلاصة

تم وضع GLM 4.7 كـ نموذج لغوي متوازن للأغراض العامة يهدف إلى التطبيق العملي الواقعي بدلاً من المعايير المُحسَّنة بشكل ضيق. يناسب GLM 4.7 السيناريوهات التي تعتبر فيها أداء اللغة المستقر، والدعم عبر اللغات، والنشر القابل للتطوير اعتبارات رئيسية. مع توفر المزيد من التفاصيل التقنية، يمكن للتقييمات الأعمق توضيح دوره بشكل أكبر ضمن المشهد المتطور لنماذج اللغة الكبيرة.

كيفية استخدام GLM-4.7 على Atlas Cloud؟

يتيح لك Atlas Cloud استخدام GLM 4.7 أولاً في ملعب، ثم عبر واجهة برمجة تطبيقات واحدة.

الطريقة 1: الاستخدام مباشرة في ملعب Atlas Cloud

جرب GLM 4.7 في الملعب.

الطريقة 2: الوصول عبر واجهة برمجة التطبيقات

الخطوة 1: الحصول على مفتاح واجهة برمجة التطبيقات الخاص بك

قم بإنشاء مفتاح واجهة برمجة تطبيقات في وحدة التحكم الخاصة بك وانسخه للاستخدام لاحقًا.

الخطوة 2: تحقق من وثائق واجهة برمجة التطبيقات

راجع نقطة النهاية، ومعلمات الطلب، وطريقة المصادقة في وثائق واجهة برمجة التطبيقات الخاصة بنا.

الخطوة 3: قم بأول طلب لك (مثال Python)

مثال: إرسال طلب باستخدام GLM 4.7.

plaintextCopy
1import requests
2
3url = "https://api.atlascloud.ai/v1/chat/completions"
4headers = {
5    "Content-Type": "application/json",
6    "Authorization": "Bearer $ATLASCLOUD_API_KEY"
7}
8data = {
9    "model": "zai-org/glm-4.7",
10    "messages": [
11        {
12            "role": "user",
13            "content": "what is difference between http and https"
14        }
15    ],
16    "max_tokens": 65536,
17    "temperature": 1,
18    "stream": True
19}
20
21response = requests.post(url, headers=headers, json=data)
22print(response.json())