مواجهة مباشرة

Beam vs GLM 5.3

0:12

يتفوّق Beam في 0 من أصل 12 من المعايير المشتركة

الخلاصة

يتفوّق GLM 5.3 بوضوح على الورق. فهو يتقدم في المعايير المشتركة الاثني عشر كلها، بفوارق كبيرة في DeepSWE وSWE Atlas وAutomationBench، وبأقل من نقطة واحدة في AA-LCR. كلا طرازي GLM هما نموذجا MoE يضمان 753 مليار معلمة، مع نحو 40 مليار معلمة فعّالة لكل رمز، لذا تستند حجة Beam أمام GLM 5.3 إلى صغر حجمه الفعّال وتكلفة الرمز، لا إلى الدرجات.

مقارنة معيارًا بمعيار

المعيار	Beam	GLM 5.3	الفارق
DeepSWE v1.1	44.4	61.0	‎-16.6
SWE-Bench Pro v2-Hard	77.2	84.3	‎-7.1
Terminal-Bench v2.1	80.1	88.2	‎-8.1
SWE Atlas Codebase QnA	34.6	61.0	‎-26.4
Humanity's Last Exam (no tools)	36.2	42.3	‎-6.1
SciCode	49.7	59.0	‎-9.3
CritPt (AA)	16.3	19.1	‎-2.8
GPQA Diamond	90.5	91.7	‎-1.2
AutomationBench (public)	37.0	48.2	‎-11.2
MCP Atlas	78.7	84.2	‎-5.5
AA-LCR (long context)	79.3	79.7	‎-0.4
AA Omniscience index (public split)	13.0	22.6	‎-9.6

جميع الدرجات مأخوذة من إعلان Reflection (مراجعة 8 أكتوبر 2026). أما درجات GLM 5.3 فهي كما أوردتها Reflection نقلًا عن Artificial Analysis وDataCurve.

النموذجان

	Beam	GLM 5.3
المطوّر	Reflection AI	Z.ai (Zhipu AI)
المقر	الولايات المتحدة	الصين
عدد المعلمات (الإجمالي / النشط)	501B / 23B	753B / 40B
الأوزان	Apache 2.0، مع التعهّد بإتاحته لاحقًا في أكتوبر 2026	GLM-5.3 License (MIT-like, review above $10B revenue)
تاريخ الإصدار	5 أكتوبر 2026	27 أغسطس 2026
طريقة الوصول	واجهة API تجريبية بقائمة انتظار؛ الأوزان قادمة	Hugging Face, Z.ai API, OpenRouter