مهمة طويلة الأفق: GLM-5.1 مقابل GLM-5.2 على Eigent

مهمة واحدة، نموذجان، والوكيل نفسه

أفضل طريقة لمقارنة نموذجين هي ألا تغيّر أي شيء آخر. لذلك فعلنا ذلك بالضبط: نفس مهمة طويلة الأفق، نفس الوكيل، نفس الأدوات. أعطينا GLM-5.1 وGLM-5.2 الملخص نفسه داخل إطار Eigent أحادي الوكيل، وراقبنا كيف خطط كل منهما، وبحث، وتحقق، وسلّم.

كانت المهمة عملًا حقيقيًا على مستوى محلل، لا مجرد معيار اختبار بسيط:

هذه المهمة طويلة الأفق هي المكان الذي تبدأ فيه النماذج بالاختلاف فعليًا. فالمسألة ليست إجابة ذكية واحدة؛ بل عشرات القرارات الصغيرة المتتابعة على مدى تشغيل طويل: مدى عمق التخطيط، وعدد المصادر التي يمكن الوثوق بها، ومتى يجب التوقف عن البحث، وكمية التحقق المطلوبة قبل إعلان الانتهاء.

الموجّه

أرسلنا إلى كلا التشغيلين الموجّه نفسه، في وضع الوكيل الأحادي:

1الاستعداد للتنفيذ — GLM-5.2 خطط بعمق أكبر

ظهر أول اختلاف قبل أن يلمس أي من النموذجين الويب: في الخطة.

قسّم GLM-5.1 العمل إلى 4 خطوات. أما GLM-5.2 فوسّع الملخص نفسه إلى 6 خطوات — والأهم من ذلك أنه جعل "التحقق من الدقة" مهمة مستقلة بذاتها بدلًا من أن تكون خطوة عرضية. هكذا يحدد المحلل الدقيق نطاق المهمة: البحث، ثم إثبات البحث، ثم البناء.

نفس التعليمات. لكن حكم مختلف على مقدار الصرامة الذي تستحقه المهمة.

2البحث — ضعف عدد المصادر

تحولت الخطط إلى جولات بحث مختلفة جدًا.

• GLM-5.1: حوالي 40 مصدرًا
• GLM-5.2: حوالي 82 مصدرًا — أي ما يقرب من ضعف البحث

ولم يكن الأمر مجرد عدد أكبر من الصفحات — بل صفحات موزعة بشكل أفضل. فبينما اعتمد GLM-5.1 بشكل كبير على موقع بيانات واحد، قام GLM-5.2 بالمراجعة المتقاطعة لكل رقم عبر الأخبار المالية، وإفصاحات الشركات، وقواعد بيانات السوق الخاصة: Reuters وBloomberg وCrunchbase وTechCrunch وغيرها.

GLM-5.2 لم يجب أسرع فحسب. بل تعمق أكثر، مستخرجًا ضعف عدد الصفحات للتحقق من كل رقم.

3تحقّق قبل الإنهاء

بما أن GLM-5.2 خصص التحقق كخطوة مستقلة، فقد نفّذها فعلًا — أعاد فحص حالة الإدراج، والرموز، والتقييمات وفق أحدث الأرقام قبل اعتمادها في التقرير. والنتيجة تقرير يثبت عمله بدلًا من أن يكتفي بادعائه.

4النتيجة — بيانات أعمق، واستشهادات حقيقية

نفس المهمة. تسليمان مختلفان جدًا.

أنتج GLM-5.2:

• مخطط بيانات أغنى مع تحليل مميزة الحماية وتفاصيل التمويل وقائمة مصادر كاملة — كل ادعاء قابل للتتبع إلى مصدره.
• تقريرًا نهائيًا كان أغنى بنحو الضعف من GLM-5.1، سواء في البيانات أو البنية.
• مخرجات مشحونة على أنها موقع تفاعلي قابل للنشر بالكامل — وليس مجرد صفحة HTML ثابتة: مخطط لمنظر المنظومة، وأقسام حسب القطاع، وترميز لوني للعامة مقابل الخاصة، ومخطط ترتيب القيمة السوقية، وجدول مقارنة قابل للفرز / التصفية.

قدّم GLM-5.1 تقريرًا جيدًا وصحيحًا. أما GLM-5.2 فقدّم تقريرًا يمكنك تسليمه إلى لجنة استثمار.

5لماذا هذا مهم

في مهمة قصيرة، تبدو النماذج القوية متشابهة تقريبًا. لكن في مهمة طويلة الأفق، تتراكم الفروقات. كل مصدر إضافي اختار GLM-5.2 قراءته، وكل رقم اختار التحقق منه مرتين، وقرار جعل التحقق خطوة أساسية — كلها تراكمت لتنتج نتيجة أفضل بشكل ملموس.

كان الإطار نفسه. وكانت الأدوات نفسها. المتغير الوحيد هو النموذج — وهذا بالضبط ما يجعل هذه قراءة عادلة لكيفية استدلال GLM-5.2 على المدى الطويل:

6جرّبه بنفسك

يتيح لك Eigent تبديل النموذج خلف إطار الوكيل الأحادي نفسه، بحيث يمكنك إجراء هذه المقارنة الدقيقة على مهمتك الخاصة:

1. انتقل إلى الإعدادات → النماذج واختر أو أضف النموذج الذي تريد اختباره (GLM-5.1 أو GLM-5.2 أو أي نموذج يدعم استدعاء الدوال).
2. بدّل المهمة إلى وضع الوكيل الأحادي.
3. الصق موجّه البحث المعمّق أعلاه (أو ملخصك الخاص طويل الأفق).
4. أرسله مرة واحدة لكل نموذج، ثم قارن بين الخطط، وأعداد المصادر، والتقارير النهائية جنبًا إلى جنب.

7ما الذي يمكن تجربته بعد ذلك

8نصائح للحصول على نتائج أفضل

• اجعل التحقق صريحًا. مطالبة النموذج بـ "التحقق من الدقة أولًا، ثم البناء" تغيّر السلوك بشكل ملموس — فقد حوّل GLM-5.2 هذه العبارة إلى خطوة تخطيط مستقلة.
• اطلب الاستشهادات داخل المخطط. اشتراط حقل sources لكل شركة يفرض بحثًا قابلًا للتتبع بدلًا من التخمين الواثق.
• افصل البيانات عن العرض. إنشاء ai_infra_data.json قبل HTML يحافظ على قابلية إعادة توليد التقرير وعلى إمكانية تدقيق الحقائق.
• استخدم وضع الوكيل الأحادي للاستدلال طويل الأفق. فهو يحتفظ بسياق المهمة الكامل في يد نموذج واحد، وهو بالضبط ما تريده عند مقارنة كيفية التخطيط والتصحيح الذاتي لدى نموذج على مدى تشغيل طويل.