Z.ai: GLM 5V Turbo

GLM 5V Turbo هو نموذج من Z.ai، أصدره المزود في 2026-04-01 تحت معرف النموذج z-ai/glm-5v-turbo. تصفه Z.ai بأنه أول نموذج أساسي وكيلي متعدد الوسائط أصلي لديها، مبني للبرمجة المعتمدة على الرؤية والمهام التي يقودها الوكيل. وهو يقع في فئة النصوص على api14، مما يعكس كونه يعيد نصا، بينما تمتد مدخلاته إلى ما هو أبعد من النص بكثير.

يقبل النموذج الصورة والفيديو والنص كمدخلات، وينتج نصا كمخرجات. وهو يتعامل مع هذه الوسائط بشكل أصلي بدلا من مراحل معالجة مسبقة منفصلة، وهذا مهم عندما يخلط طلب واحد بين لقطة شاشة ومقطع مرئي وتعليمات مكتوبة. نافذة السياق هي 202752 رمزا، والحد الأقصى للمخرجات هو 131072 رمزا. ويدعم هذا المزيج مدخلات طويلة وتوليدات طويلة في الاستدعاء نفسه، فلا تضطر إلى ضغط كمية كبيرة من المواد قبل طلب إجابة مفصلة.

تضع Z.ai نموذج GLM 5V Turbo للبرمجة المعتمدة على الرؤية والعمل الذي يقوده الوكيل. عمليا، يعني ذلك المهام التي يتعين على النموذج فيها أن ينظر إلى شيء ثم يتصرف بناء عليه: قراءة لقطة شاشة لواجهة مستخدم أو فيديو لجلسة وكتابة الشيفرة التي تقف خلفها أو إصلاحها، أو العمل عبر مستودع إلى جانب مراجع مرئية، أو تنفيذ سير عمل وكيلي متعدد الخطوات يتطلب تخطيطا طويل المدى. كما تناسب المهام النصية فقط مثل التلخيص والاستخراج والتوليد المنظم، لأن النص أحد المدخلات المقبولة. عناصر التحكم في الاستدلال ودعم الأدوات المذكورة أدناه تجعله صالحا للاستخدام كمكوّن لاتخاذ القرار في حلقة وكيل، وليس فقط كمستجيب لدورة واحدة.

تستدعيه عبر واجهة برمجة التطبيقات المتوافقة مع OpenAI في api14 باستخدام معرف النموذج "z-ai/glm-5v-turbo". ولأن نقطة النهاية تتبع مخطط OpenAI، فإن العملاء وحزم التطوير الحالية تعمل مع تغيير عنوان URL الأساسي واسم النموذج. معاملات الطلب المدعومة هي include_reasoning و max_tokens و reasoning و response_format و temperature و tool_choice و tools و top_k و top_p. باختصار، يمكنك تحديد حد طول المخرجات، وضبط أخذ العينات باستخدام temperature و top_p و top_k، وطلب مخرجات منظمة عبر response_format، وكشف الدوال عبر tools و tool_choice، والتحكم في الاستدلال عبر رايتي reasoning و include_reasoning.

الشيء الرئيسي الذي يجب التحقق منه قبل الالتزام هو وسيط المخرجات. يعيد GLM 5V Turbo نصا فقط، لذا إذا كنت تحتاج إلى صور مولدة أو صوت أو مخرجات غير نصية أخرى، فنموذج آخر هو الخيار الأنسب. وبالمثل، إذا كان عبء عملك نصيا بحتا ولا يستفيد من المدخلات المرئية أو استخدام الأدوات على نمط الوكيل، فقد تكون القدرة متعددة الوسائط هنا أكثر مما تحتاج. أما بالنسبة للمدخلات المختلطة من الصور والفيديو والنص التي تنتهي بنص، سواء كان شيفرة أو خططا أو بيانات منظمة، فهذا النموذج مصمم لهذا الشكل من المهام تحديدا.