مقایسه Qwen3.8، GLM-5.2 و DeepSeek-V4 برای ایجنت کدنویسی

Qwen3.8، GLM-5.2 و DeepSeek-V4 سه خانواده مدل فعلی‌اند که ارزش آزمودن برای توسعه نرم‌افزار agentic را دارند. این‌ها مدل هستند، نه جایگزین agent harness. پوسته ایجنت ابزار مخزن، مجوز، Skill، memory، MCP، ساب‌ایجنت، worktree و review را می‌سازد؛ مدل از طریق همین کنترل‌ها استدلال و اقدام می‌کند.

این راهنما در ۱۵ مرداد ۱۴۰۵ (۶ اوت ۲۰۲۶) با منابع اصلی Qwen، Z.ai/Zhipu، DeepSeek، Qwen Code و ZCode تطبیق داده شد. نام دقیق مهم است: qwen3.8-max-preview، glm-5.2 و deepseek-v4-flash. دسترسی، وضعیت preview، region، plan، قیمت و alias ارائه‌دهنده مستقل تغییر می‌کنند.

تصویر رسمی مستندات DeepSeek API؛ جزئیات V4 فعلی در ادامه آمده است.

ابتدا مدل را از ایجنت جدا کنید

مدل کدنویسی متن، استدلال و tool call تولید می‌کند. ایجنتی مثل Qwen Code، OpenCode، Hermes Agent یا ZCode تعیین می‌کند مدل کدام فایل را ببیند، چه ابزاری اجرا کند، مجوز چگونه گرفته شود، history چگونه compact شود و تغییر چطور review شود.

به همین دلیل یک مدل در یک کلاینت موفق و در دیگری ناموفق می‌شود. تفاوت ممکن است از این لایه‌ها باشد:

• system prompt و tool schema؛
• retrieval مخزن و truncation خروجی؛
• پشتیبانی thinking block یا reasoning effort؛
• مجوز، sandbox و worktree؛
• compaction context و prompt cache؛
• retry و transport ارائه‌دهنده؛
• orchestration ساب‌ایجنت و completion check.

از یک اسکرین‌شات یا پاسخ چت ranking نسازید. پیش از مقایسه، نسخه harness و task پذیرش را ثابت کنید.

نام دقیق مدل‌های فعلی

DeepSeek مدل deepseek-v4-pro را هم ارائه می‌کند، اما اطلاعیه رسمی ۳۱ ژوئیه می‌گوید API آن بدون تغییر مانده و release رسمی Pro بعداً می‌آید. aliasهای قدیمی deepseek-chat و deepseek-reasoner از تاریخ اعلام‌شده ۲۴ ژوئیه گذشته‌اند؛ برای تنظیم جدید از آن‌ها استفاده نکنید.

Qwen3.8-Max Preview

به‌روزرسانی ۲۳ ژوئیه Qwen Code شناسه qwen3.8-max-preview را به ModelStudio Token Plan افزود. release ۳۰ ژوئیه نیز handling تصویر Qwen3.8 را اضافه یا اصلاح کرد. مطالعه موردی رسمی Qwen Code روشن می‌کند منظور از “qwen3.8-max” در آن workflow همان preview است.

از picker زنده انتخاب کنید:

/auth
/model qwen3.8-max-preview

یا session پیکربندی‌شده را مستقیم باز کنید:

qwen --model qwen3.8-max-preview

آن را endpoint preview و thinking-oriented بدانید. alias مستندنشده را حدس نزنید و از نام preview نتیجه نگیرید که open weights منتشر شده است. modality را در metadata نسخه نصب‌شده ببینید؛ releaseهای قدیمی Qwen Code در side query مدل thinking-only و flag چندرسانه‌ای باگ داشتند و همین نیاز به نسخه 0.21 فعلی را نشان می‌دهد.

Qwen3.8 برای task agentic طولانی در Qwen Code گزینه خوبی برای ارزیابی است، مخصوصاً وقتی worktree، subagent، Skill، memory و channel این ابزار را می‌خواهید. برای generation یا review محدود، Qwen3-Coder موجود را نیز بسنجید؛ جدیدترین Max لزوماً بهترین latency، هزینه یا کار code-first نیست.

تصویر رسمی مستندات Qwen Code؛ شناسه واقعی را از model picker بگیرید، نه اسکرین‌شات قدیمی.

GLM-5.2

Z.ai در ۱۶ ژوئن ۲۰۲۶ GLM-5.2 را به‌عنوان flagship برای long-horizon task معرفی کرد. release رسمی context یک‌میلیون token، سطح coding effort و مدل متن‌باز با مجوز MIT را بیان می‌کند. benchmarkهای منتشرشده عملکرد قوی مهندسی طولانی را نشان می‌دهند، اما گزارش فروشنده‌اند و الزاماً به مخزن شما منتقل نمی‌شوند.

GLM-5.2 محیط first-party دارد: ZCode. ZCode فایل workspace، نتیجه terminal و browser، Git state، goal، review، کنترل remote و bot channel را پیرامون GLM-5.2 جمع می‌کند. برای harness هماهنگ با مدل این مسیر کم‌اصطکاک است:

1. ZCode را از صفحه رسمی نصب کنید؛
2. حساب Z.ai یا GLM Coding Plan را متصل کنید؛
3. workspace task را در مخزن دقیق بسازید؛
4. GLM-5.2 و execution mode محافظه‌کارانه را انتخاب کنید؛
5. پیش از ویرایش plan و review بخواهید؛
6. Git change و artifact اعتبارسنجی را بررسی کنید.

GLM-5.2 در کلاینت چندارائه‌دهنده نیز قابل بررسی است، به شرطی که provider endpoint سازگار را مستند کند. /auth در Qwen Code اکنون Z.AI را provider داخلی نشان می‌دهد. در OpenCode یا Hermes از setup زنده استفاده کنید و base URL، protocol یا slug را از کلاینت دیگر حدس نزنید.

نمودار رسمی release Z.ai است. اعداد گزارش فروشنده‌اند و تضمین مخزن شما نیستند.

DeepSeek-V4-Flash

changelog رسمی DeepSeek API می‌گوید در ۲۴ آوریل ۲۰۲۶ V4-Pro و V4-Flash از طریق رابط OpenAI ChatCompletions و Anthropic اضافه شدند. در ۳۱ ژوئیه DeepSeek نسخه به‌روز public beta V4-Flash را منتشر کرد. model parameter همچنان این است:

deepseek-v4-flash

نام release زیرین DeepSeek-V4-Flash-0731 است، اما API با deepseek-v4-flash فراخوانی می‌شود. همان اطلاعیه می‌گوید معماری و اندازه preview حفظ و فقط post-training دوباره انجام شده است. تا وقتی provider خاص مستند نکرده، deepseek-v4-flash-0731 را به‌عنوان API ID نسازید.

طبق changelog، V4 برای Code Agent و Search Agent هدف‌گذاری شده است. به‌روزرسانی ۷ مه Qwen Code سازگاری DeepSeek V4 با context بزرگ، خروجی طولانی، effort حداکثر و thinking block را اضافه کرد. مسیر داخلی:

/auth

گزینه Third-party Providers → DeepSeek و credential رسمی را انتخاب و سپس بزنید:

/model deepseek-v4-flash

اگر harness دیگری رابط سازگار OpenAI یا Anthropic را پشتیبانی می‌کند، راهنمای provider همان ابزار را دنبال کنید. سازگاری protocol فقط شکل request/response است و تضمین نمی‌کند reasoning block، tool call، cache field یا long-context کاملاً یکسان باشد.

هر مدل را در کدام harness اجرا کنیم؟

آزمایش تمیز: Qwen3.8 و DeepSeek-V4 را در Qwen Code، GLM-5.2 را هم در Qwen Code و هم ZCode و سپس یکی را در OpenCode اجرا کنید. این طراحی نشان می‌دهد نتیجه بیشتر از مدل می‌آید یا harness.

پیکربندی بدون افشای API key

از /auth، OS credential store یا متغیر محیطی مستند استفاده کنید. key را در این محل‌ها نگذارید:

• QWEN.md، AGENTS.md یا Skill؛
• settings.json داخل مخزن؛
• prompt، issue، PR یا channel پیام؛
• screenshot و screen recording؛
• commandی که در shell history مشترک می‌ماند؛
• log یا artifact در CI.

برای هر provider کلید جدا، قابل revoke و محدود به بودجه و scope بسازید. در CI حساب اختصاصی و token فقط‌خواندنی مخزن بهتر است. providerها حتی در یک harness ممکن است retention، training، region و شرط سازمانی متفاوت داشته باشند.

ساخت ارزیابی منصفانه روی مخزن

به‌جای یک prompt benchmark، مجموعه کوچکی از task واقعی بسازید:

1. Navigation: یک مسیر request را با شواهد فایل و بدون edit توضیح دهد؛
2. Bug fix: عیب معلوم را بازتولید، تست اضافه و کوچک‌ترین اصلاح را پیاده کند؛
3. Review: مشکل seeded درستی، امنیت و concurrency را بدون ویرایش پیدا کند؛
4. Frontend: تغییر UI محدود را بسازد و visual check دسکتاپ/موبایل را پاس کند؛
5. Long task: refactor چندمرحله‌ای را زیر بودجه زمان و token تکمیل کند؛
6. Recovery: پس از tool failure، compaction یا قطع session ادامه دهد.

این متغیرها را ثابت نگه دارید:

• commit مخزن و worktree تمیز؛
• نسخه harness و plugin؛
• دستور system/project؛
• ابزار مجاز و sandbox policy؛
• model ID، effort، temperature و region؛
• سقف زمان، token، دلار و turn؛
• command پذیرش و rubric انسان.

هر condition را بیش از یک بار اجرا کنید، چون نتیجه agent تصادفی است. دو condition نباید یک worktree را تغییر دهند.

تعریف دقیق «خوب کار می‌کند»

از metric نتیجه استفاده کنید:

• نرخ completion پذیرفته‌شده؛
• پاس‌شدن تست هدفمند و کامل؛
• صحت فایل و command ارجاع‌شده؛
• تعداد اصلاح reviewer؛
• فایل ناخواسته یا scope violation؛
• regression و revert؛
• زمان کل و زمان تا اولین اقدام مفید؛
• token ورودی، cache، reasoning و خروجی؛
• هزینه provider و rate-limit failure؛
• بازیابی پس از قطع یا compaction.

خطای مدل را از خطای harness جدا کنید. tool call بد ممکن است از مدل باشد؛ تصویر گم‌شده، diff truncateشده، parse مجوز یا adapter thinking block می‌تواند از کلاینت باشد. metadata بدون secret، log harness، tool trace و diff نهایی را نگه دارید.

به‌جای یک برنده، مدل را route کنید

پس از eval یک routing policy بسازید:

• مدل سریع و ارزان برای search، format و نگه‌داری deterministic؛
• مدل قوی برای plan، معماری یا debug ظریف؛
• مدل code-specialized برای generation و review وقتی suite شما را می‌برد؛
• مدل long-horizon برای goal loop فقط با progress check و budget؛
• مدل multimodal برای screenshot و UI فقط وقتی harness تصویر را درست می‌فرستد.

Qwen Code تعویض مستقیم /model و tier مدل ساب‌ایجنت دارد. ZCode effort و execution control را پیرامون GLM-5.2 می‌دهد. coordinator را روی مدلی بگذارید که شواهد را بهتر ادغام می‌کند و child ارزان را فقط برای کار مستقل قابل بررسی به کار ببرید.

خطاهای رایج

نام تقریبی مدل: شناسه این راهنما qwen3.8-max-preview، glm-5.2 و deepseek-v4-flash است. آن‌ها را زنده تأیید کنید.

یکی‌گرفتن openها: open protocol، کلاینت متن‌باز، open weights و مجوز آزاد ادعاهای جدا هستند. GLM-5.2 مدل MIT دارد؛ license هر artifact دیگر را جدا ببینید.

اعتماد به عدد context: سقف 1M یعنی پذیرش حداکثر، نه اینکه 1M token نویز مخزن نتیجه را بهتر می‌کند. retrieval و خلاصه هنوز مهم‌اند.

مقایسه مجوز متفاوت: مدلی که edit و test دارد از مدل read-only تواناتر به نظر می‌رسد.

پذیرش benchmark فروشنده به‌جای production: امتیاز shortlist می‌سازد؛ تست مخزن readiness را تعیین می‌کند.

نگه‌داشتن alias قدیمی DeepSeek: deepseek-chat و deepseek-reasoner از تاریخ توقف رسمی گذشته‌اند. migrate و رفتار را بررسی کنید.

پرسش‌های رایج

Qwen3.8 از GLM-5.2 یا DeepSeek-V4 بهتر است؟

پاسخ عمومی ندارد. Qwen3.8-Max Preview گزینه فعلی ModelStudio است، GLM-5.2 روی long-horizon تمرکز و release MIT دارد، و DeepSeek-V4-Flash API public beta فعلی است. کیفیت task، tool reliability، هزینه و recovery را در harness خود بسنجید.

آیا هر سه در Qwen Code کار می‌کنند؟

Qwen Code مدل qwen3.8-max-preview را با Token Plan مستند و provider داخلی Z.AI و DeepSeek دارد. دسترسی دقیق به حساب، plan و region وابسته است؛ با /auth و /model تأیید کنید.

آیا Codex یا Claude Code این مدل‌ها را اجرا می‌کنند؟

فرض نکنید. Codex و Claude Code اکوسیستم proprietary با انتخاب مدل مستند خود هستند. اگر routing مدل ثالث لازم است، harness صریحاً چندارائه‌دهنده انتخاب کنید.

ابتدا کدام را امتحان کنیم؟

اگر Qwen Code دارید، Qwen3.8-Max Preview و DeepSeek-V4-Flash را روی task ثابت مقایسه کنید، سپس GLM-5.2 را در Qwen Code و ZCode اجرا کنید. این کار model-vs-harness را هم نشان می‌دهد.

یادداشت منابع

بازبینی‌شده در ۱۵ مرداد ۱۴۰۵ / ۶ اوت ۲۰۲۶:

• release ۲۳ ژوئیه Qwen Code با qwen3.8-max-preview
• release ۳۰ ژوئیه Qwen Code
• احراز هویت و provider در Qwen Code
• release رسمی GLM-5.2
• راهنمای GLM-5.2 در ZCode
• راهنمای اتصال مدل ZCode
• changelog رسمی DeepSeek API
• به‌روزرسانی پشتیبانی DeepSeek V4 در Qwen Code