تبني OpenAI نظام backend Git المسمّى Pando باستخدام Codex، وتقدّم Anthropic برنامج FlashProve، وتتيح Cohere النماذج المفتوحة في Model Vault

تستعرض OpenAI تفاصيل Pando، وهو نظام backend Git لمستودعها الموحّد، بُني باستخدام Codex خلال عشرة أسابيع ويقدّم قرابة بيتابايت واحد (1 Po) من البيانات يوميًا؛ ويطلب Claude Code 2.1.317 الآن الموافقة قبل إرسال عنوان البريد الإلكتروني للحساب، ويصل GitHub Copilot إلى JetBrains Air. وتقدّم Anthropic برنامج FlashProve، وهو نموذج أولي لإثباتات تشفيرية للاستدلال، وترفع OpenAI القيم الوسيطة لمكافآت اكتشاف الثغرات إلى أكثر من أربعة أمثالها، وتتيح Cohere في Model Vault النماذج المفتوحة من جهات أخرى. وتنشر Google منصة الاختبار الهندسي PLE، التي لا يتجاوز فيها أي وكيل 50 %، وستعيد في 1 ديسمبر توجيه الطلبات المرسلة إلى Gemini 2.5 Pro و2.5 Flash نحو نماذج أحدث.

وكلاء البرمجة: تبني OpenAI نظام Pando باستخدام Codex، وإصدار Claude Code 2.1.317، ووصول GitHub Copilot إلى JetBrains Air

تستبدل OpenAI نظام backend Git لمستودعها الموحّد بنظام Pando، الذي بُني باستخدام Codex خلال عشرة أسابيع

2 نوفمبر — تستعرض OpenAI تفاصيل Pando، وهو نظام backend Git الجديد الذي يدعم الآن جميع أعمال التطوير في مستودعها الموحّد (monorepo)، ويتوافق مع بروتوكول Git وعميله. والسبب هو Codex: فقد تكاثرت الفروع وعمليات push والدمج والجلب، وكانت موثوقية النظام القديم تهبط أحيانًا إلى أقل من 90 % في نهاية 2025. وبحسب رسم بياني في المقال، فإن عدد عمليات الإيداع المدمجة في الفرع الرئيسي خلال الربع الثالث من 2026 يزيد بنسبة 1 378 % على عددها في الربع الأول من 2024.

We built Pando, a new Git backend for our monorepo, to handle more pushes and fetches without changing how our engineers and agents use Git. Pando cut push latency by ~80% and now serves nearly a petabyte of Git data a day. We can grow Git capacity alongside agent usage.

🇸🇦 أنشأنا Pando، وهو نظام backend Git جديد لمستودعنا الموحّد، لمعالجة مزيد من عمليات push والجلب من دون تغيير طريقة استخدام مهندسينا ووكلائنا لـGit. خفّض Pando زمن استجابة عمليات push بنحو 80 %، ويقدّم الآن قرابة بيتابايت من بيانات Git يوميًا. ويمكننا توسيع قدرة Git بما يواكب استخدام الوكلاء. — @OpenAIDevs على X

لاستيعاب الحمل، يتخلّى Pando عن عرض متّسق لجميع المراجع في لحظة معينة: إذ يُحدَّث كل فرع بصورة مستقلة، وتُعاد إتاحة ملفات pack المستلَمة كما هي للعملاء الآخرين، انطلاقًا من مخازن مؤقتة إقليمية.

المؤشر الذي قاسَته OpenAI	القيمة المعلنة
وسيط زمن استجابة عمليات push	انخفض إلى نحو الخُمس (قرابة -80 %)
بيانات Git المقدَّمة	قرابة بيتابايت واحد (1 Po) يوميًا
الذروة خلال ساعة	أكثر من 57 To في ساعة واحدة، وأكثر من 99 % من الذاكرة المؤقتة
عمليات الاستنساخ والجلب	استُنفدت سعة وصلات 10 Gbit/s على أجهزة VM قياسية
مدة البناء	10 أسابيع باستخدام Codex، ويعمل في بيئة الإنتاج منذ أبريل 2026

صمّم مهندس واحد النواة، ونفّذتها فرق من الوكلاء، التي كتبت أيضًا باستخدام GPT-6 Astra شفرات بلُغتَي Lean وTLA+ لصياغة Pando صوريًا وكشف الأخطاء فيه. وقدّمت OpenAI عدة تصحيحات إلى مشروع Git، وتقول إنها تدرس سبلًا لمشاركة هذه التقنية، من دون تحديد منتج أو موعد.

🔗 مقال OpenAI عن Pando

يطلب Claude Code 2.1.317 الموافقة قبل إرسال البريد الإلكتروني للحساب ويضيف تقرير تكاليف إلى بوابة Claude apps

3 نوفمبر — نُشر إصدار Claude Code 2.1.317 على GitHub عند الساعة 01:25 بتوقيت UTC، بعد طرحه على npm في مساء اليوم السابق. ومن أصل 87 بندًا، هناك 62 تصحيحًا، لكن الإصدار يضيف أيضًا آلية لحماية الخصوصية: إذ يطلب Claude Code الآن الموافقة قبل أن يرسل استدعاء لأداة ويب أو shell عنوان البريد الإلكتروني للحساب عبر الشبكة. وفي السياق نفسه، يحذّر /schedule عندما تتلقى مهمة جديدة مجدولة في cloud موصّلات لم تُطلب، ويوضّح كيفية إزالتها.

الجديد في 2.1.317	ما الذي يتغيّر
بوابة Claude apps	تقرير التكاليف `GET /v1/organizations/analytics/cost`: الإنفاق حسب المطوّر أو اليوم أو مجموعة IdP
SDK Agent	`onFailure: "block"`: فشل callback خاص بـhook يمنع الإجراء بدلًا من السماح بمروره
الوكلاء الفرعيون وزملاء الفريق	عندما يستخدمون نموذجًا مختلفًا عن نموذج المحادثة، يعتمدون مستوى الجهد المحفوظ لذلك النموذج
أداة Read	تُرجع إعادة قراءة ملف لم يتغيّر محتواه، بدلًا من الاكتفاء بإشارة إليه
OpenTelemetry	سمات جديدة، منها `anthropic.plan` و`anthropic.seat_type`

ومن بين التصحيحات، لم يعد الوضع التلقائي يتعثّر في كل جولة خلف بوابة LLM تُجيب بالرمز 403 أو 422 عن فحص الأمان الخاص به، ولم تعد Grep وGlob تعرضان نتائج جزئية على أنها كاملة عندما يبلغ البحث حدّه الزمني، ولم يعد claude auth status يعرّض المستخدم لخطر تسجيل خروجه بعد تحديث بطيء للرمز المميّز. وعلى npm، تظل القناة المستقرة عند الإصدار 2.1.311.

🔗 ملاحظات إصدار Claude Code 2.1.317

يصل GitHub Copilot إلى JetBrains Air، محليًا وعبر مهام cloud ضمن اشتراك Copilot

3 نوفمبر — يصبح GitHub Copilot أحد وكلاء JetBrains Air، وهي البيئة التي صمّمتها JetBrains للتطوير باستخدام الوكلاء، والمتاحة لأي وكيل متوافق مع Agent Client Protocol (ACP). ويمكن اختياره من قائمة اختيار الوكلاء في Air باستخدام اشتراك Copilot الحالي، لتفويض مهمة إليه وتوجيه تنفيذها ومراجعة النتيجة بجانب الشفرة؛ ويتابع Air عدة جلسات بالتوازي. وتقدّمه GitHub خيارًا إلى جانب plugin Copilot الخاص بها لـJetBrains، وليس بديلًا عنه.

نمط التنفيذ	المتطلبات	احتساب الاستخدام
محليًا، داخل IDE الخاص بـJetBrains	تثبيت Air في IDE، واختيار GitHub Copilot، وتوصيل حساب Copilot	اشتراك Copilot الحالي
في cloud، عبر Air Teams	مؤسسة أعمال لدى JetBrains تستخدم Air Teams، وتفعيل Copilot بواسطة مسؤول Air	باقة Copilot، وليس أرصدة JetBrains AI

تعمل كل مهمة cloud داخل حاوية Docker على آلة افتراضية جديدة، خلف proxy تمرّ عبره حركة البيانات كاملةً، من دون الاحتفاظ بالحالة بين مهمة وأخرى. وتسرد GitHub أيضًا بعض القيود: لا يُتحقَّق من الاشتراك والأرصدة إلا عند بدء بيئة cloud، ولا يمكن الاختيار بين الباقة الشخصية وباقة المؤسسة لكل مهمة على حدة، ولا يمكن ضبط سقف لإنفاق Copilot داخل Air، حيث لا يستطيع المسؤولون سوى تعطيل Copilot.

🔗 الإعلان في GitHub Changelog

الأمان: FlashProve لدى Anthropic، ومكافآت اكتشاف الثغرات من OpenAI، وCWE-bench v2 وCyberArena

تقدّم Anthropic نموذج FlashProve الأولي open source لإثباتات تشفيرية للاستدلال في النماذج الكبيرة

2 نوفمبر — ينشر فريق Frontier Red Team في Anthropic برنامج FlashProve، وهو نموذج أولي بحثي للاستدلال القابل للإثبات (provable inference)، أُعلن عنه على X في 3 نوفمبر: إذ يتيح التحقق من أن الإجابة صادرة فعلًا عن نموذج معيّن. وينشر المزوّد أولًا التزامًا (commitment) بالأوزان، ثم يُرفق بكل إجابة إثباتًا تشفيريًا موجزًا عديم المعرفة (zkSNARK)، يثبت أن تطبيق تلك الأوزان على هذا prompt ينتج هذه tokens بالضبط. وتبقى الأوزان مخفية، لكن معمارية النموذج لا تبقى كذلك. وبحسب Anthropic، أنتج Claude تحسينات النظام وكتب مواصفات البروتوكول، التي أُثبتت خصائصها الأمنية بلغة Lean.

القياس المنشور (Llama 4 Maverick، أوزان 4 bits)	القيمة المعلنة
معدل إنتاج الإثباتات على H100 واحد	نحو 110 tokens في الثانية
حجم إثبات واحد (طلب من 1 024 tokens)	نحو 19 Mo
التحقق على المعالج، من دون GPU	17 ثانية على 24 threads
العبء الإضافي مقارنة بـvLLM، لكل GPU	نحو 72 ضعفًا، و94 ضعفًا عند أعلى حمل
VerInf، المرجع السابق على هذا النموذج	14,3 ساعة لكل 1 000 tokens، وإثبات بحجم 93,6 Go

تشمل الاستخدامات المذكورة تمكين جهة تنظيمية من متابعة وتيرة التطوير، واكتشاف خادم استدلال مخترق أو نموذج جرى استبداله، وتتبع مصدر النصوص. والقيود واضحة: سياقات لا تتجاوز 1 024 tokens، وإثبات لنسخة كاملة من النموذج باستخدام فك الترميز الجشع (greedy decoding)، وعدم وجود ضمان صوري بشأن الشفرة السريعة. والشفرة منشورة بموجب ترخيص Apache 2.0، في مستودع موصوف بأنه لا يخضع للصيانة.

🔗 مقال Anthropic عن FlashProve · مستودع FlashProve

ترفع OpenAI القيم الوسيطة لمكافآت bug bounty إلى أكثر من أربعة أمثالها، حتى 172 000 دولار مع المكافآت الإضافية

2 نوفمبر — ترفع OpenAI مكافآت برنامجها لاكتشاف الثغرات (bug bounty)، في إعلان أُعيد نشره على X في 3 نوفمبر: ففي المتوسط، ترتفع القيمة الوسيطة لنطاقات المكافآت إلى أكثر من أربعة أمثالها للثغرات المتوسطة والعالية والحرجة الخطورة. ويمكن أن تدرّ ثغرة حرجة في ChatGPT أو Codex أو منصة API ما يصل إلى 30 000 دولار، ويظل الاكتشاف الحرج الاستثنائي مؤهلًا لمكافأة أساسية تصل إلى 100 000 دولار، أي حتى 172 000 دولار مع المكافآت الإضافية الجديدة: معامل مضاعفة للجودة عند تقديم إثبات مفهوم موثوق، ونظام ولاء من خمسة مستويات، وحملات ذات أولوية تستهدف الميزات المطروحة حديثًا.

مثال على ثغرة أوردته OpenAI	المكافأة السابقة	المكافأة الجديدة
متوسطة الخطورة في ChatGPT: استيراد ملفات من دون صلاحية كتابة	750 دولار	2 415 دولار
حرجة في ChatGPT: الاستيلاء على حساب من دون نقر	6 500 دولار	51 577 دولار
استثنائية: قراءة محادثات أي مستخدم	100 000 دولار	171 925 دولار

تنطبق النطاقات الجديدة على التقارير المعلّقة، وستدفع OpenAI الفارق للمكافآت الممنوحة خلال الأيام الـ30 السابقة للإعلان. وسيحضر فريق الأمان فعالية PROMPT2PWN في أوكلاند يومَي 20 و21 نوفمبر.

🔗 مقال OpenAI عن مكافآت اكتشاف الثغرات

تنشر Collinear AI الإصدار CWE-bench v2، حيث يتقدّم Gemini 4 Argon بفارق ضئيل على Claude Opus 5.5 في 100 مهمة عامة لإصلاح الثغرات

3 نوفمبر — تنشر Collinear AI على مدونة Hugging Face الإصدار الثاني من CWE-bench، الذي يقيس قدرة وكيل على العثور على نقطة ضعف أمنية وإصلاحها في مستودع open source حقيقي من دون الإخلال بوظائفه. وتضم المجموعة العامة 100 مهمة تغطّي 91 فئة من نقاط الضعف (CWE)، تُقيَّم بطريقة حتمية وتُراجَع يدويًا؛ وتبقى مجموعة محجوزة غير متاحة للعامة لتتبّع التقدّم في مهام لم يرَها أي نموذج.

النموذج المقيَّم	نسبة النجاح pass@1	نسبة النجاح pass@4	تكلفة كل تشغيل
Gemini 4 Argon	67,8 %	81,0 %	3,92 دولار
Claude Opus 5.5	67,3 %	78,0 %	1,83 دولار
DeepSeek V4.1 Flash (1017)	57,0 %	غير مذكورة	0,04 دولار

من بين النماذج الـ11 التي جرى تقييمها، نجح نموذج واحد على الأقل في حل 95 مهمة، لكن النموذج المتصدّر يفشل في كل محاولة في 19 % من المجموعة. وكل مهمة عبارة عن بيئة Harbor (حاوية Docker، وتعليمات، وأداة تحقق حتمية) يمكن تشغيلها من Hub، كما يمكن استخدامها لتدريب وكلاء دفاعيين باستخدام RL. ولا يظهر Gemini 4 Carbon ضمن النماذج المقيَّمة.

🔗 CWE-bench v2 على مدونة Hugging Face

تضع CyberArena اثني عشر وكيلًا في مواجهات هجومية دفاعية مباشرة، ويتصدّر GPT-5.6 Sol بفضل دفاعه

3 نوفمبر — تنشر 2077AI ومركز RDI في UC Berkeley منصة CyberArena، وهي منصة اختبار تستبدل اختبار الأمن السيبراني بمواجهة: يحصل كلٌّ من وكيلَين على نسخة من الخدمة الضعيفة نفسها، ويهاجم كلٌّ منهما نسخة الآخر طوال ثلاث جولات بينما يصلح نسخته. وتتحقق الساحة من كل عملية التقاط للعلم ومن كل فحص لسلامة الخدمة، ثم تستخلص من المباريات ترتيبًا.

المركز في الترتيب	الوكيل المقيَّم	إطار التشغيل المستخدم	النقاط في الترتيب
1	GPT-5.6 Sol	OpenAI Codex	78,6
2	Claude Opus 5	Claude Code	73,8
3	GLM-5.3	OpenCode	68,5
4	Gemini 3.7 Flash	Gemini CLI	67,1
5	Grok 4.6	Grok CLI	65,5

عبر 466 مباراة صالحة شملت 12 وكيلًا و40 تحديًا، يُحسم الفارق في الدفاع: يحتفظ المتصدّران بعلميهما في 83 % و81 % من الجولات، مقابل 43 إلى 61 % للآخرين. والأخطاء الأكثر تكرارًا التي كشفها التدقيق هي الإعلان عن إصلاح من دون التحقق منه (23 % من المباريات الخاضعة للتدقيق) والإصلاح الجزئي (21 %). ويشمل الترتيب نماذج من أجيال سابقة، من دون GPT-6 Sol أو Claude Opus 5.5؛ وقد نُشرت شفرة الساحة والتحديات وإعادات عرض المباريات.

🔗 CyberArena على مدونة Hugging Face

النماذج المفتوحة في المؤسسات: تفتح Cohere منصة Model Vault، وتنتقل Revolut إلى GLM ذاتي الاستضافة وفقًا لـTogether AI

Cohere تتيح Model Vault للنماذج المفتوحة من جهات أخرى، من DeepSeek V4.1 Flash إلى GPT-OSS

3 نوفمبر — تتيح Cohere منصة Model Vault، منصتها للاستدلال السيادي التي أطلقتها في يناير، للنماذج المفتوحة من جهات أخرى. فإلى جانب نماذج Cohere، يمكن للشركات تشغيل DeepSeek V4.1 Flash، الذي تقدمه Cohere بوصفه النموذج المفتوح الأكثر استخدامًا على OpenRouter، وGLM 5.3 Flash وMiMo V2.6 Pro وGemma 4 وNemotron من NVIDIA وHy3 من Tencent وعائلتَي GPT-OSS وPhi. وبشكل افتراضي، لا تُحتفظ بالموجّهات ولا بالإجابات.

يميّز المنشور بين مستويين. تعمل Model Vault على بنية تحتية مخصصة لعميل واحد، في المنطقة التي يختارها. وتشفّر Model Vault Encrypted البيانات أيضًا أثناء معالجتها (confidential computing): وفقًا لـCohere، لا تتمكن Cohere ولا مزود الخدمات السحابية من الاطلاع على ما يدخل إلى النموذج أو يخرج منه. ولا يقبل هذا المستوى الثاني جميع النماذج.

عائلة النماذج	Model Vault	Model Vault Encrypted
Embed, Rerank, Parse, Transcribe, Translate (Cohere)	نعم	نعم
Gemma, GPT-OSS, Phi	نعم	نعم
Command, DeepSeek, GLM, MiMo, Nemotron, Hy3	نعم	لا

تتوفر Model Vault في الولايات المتحدة والاتحاد الأوروبي وكندا؛ أما Model Vault Encrypted فتتوفر في الولايات المتحدة، مع الإعلان عن إتاحتها في الاتحاد الأوروبي وكندا «قريبًا». وتُحتسب الفواتير بحسب نوع GPU، بالساعة أو بموجب التزام تعاقدي، من دون ذكر أسعار في المنشور. وبعد خمسة أيام من جولة تمويل من الفئة E أشارت إلى جيل جديد من النماذج خلال اثني عشر شهرًا، أدرجت Cohere في سلسلة منشوراتها:

Try out world-class models while you wait for our next one

🇸🇦 جرّبوا نماذج رائدة ريثما يصل نموذجنا المقبل. — @cohere على X

🔗 منشور Cohere حول Model Vault

Revolut حوّلت نحو 2 000 مهندس إلى GLM باستضافة ذاتية للبرمجة، وفقًا لتغريدة أعادت Together AI نشرها

3 نوفمبر — أعادت Together AI نشر تغريدة تفيد بأن Revolut جعلت النماذج المفتوحة خيارها الافتراضي للبرمجة:

Europe’s largest private company just made open models its default for coding.

🇸🇦 أكبر شركة خاصة في أوروبا جعلت للتو النماذج المفتوحة خيارها الافتراضي للبرمجة. — @togethercompute على X

تستند التغريدة المذكورة، التي كتبها غييرمو فلور، إلى تصريحات دافيد أبيتبول، مسؤول عمليات الذكاء الاصطناعي في المصرف الرقمي: يعمل نحو 2 000 مهندس الآن باستخدام GLM باستضافة ذاتية، بينما أصبح Claude Code وCodex ضمن قائمة الاستثناءات.

المؤشر الوارد في التغريدة	القيمة المعلنة
المهندسون المعنيون	نحو 2 000
العتاد	56 GPU NVIDIA B200
التكلفة المجمعة	30 سنتًا لكل مليون رمز، أي نحو عُشر سعر Anthropic وOpenAI
المهلة الهندسية (lead time)	تحسّنت بنسبة 70 %

وفقًا للتغريدة نفسها، تحققت المكاسب عندما توقّف تقنين الرموز. وتقول Together AI إنها جزء من البنية التحتية التي تشغّل هذه النماذج المفتوحة في بيئة الإنتاج، من دون تحديد دورها. وتظل المعلومات منقولة عن مصدر ثانوي: لم يُعثر على أي بيان من Revolut، ولم يُذكر إصدار GLM المستخدم.

🔗 تغريدة غييرمو فلور التي استشهدت بها Together AI

هندسة العالم المادي: GPT-6 Astra يصمم أجهزة، وGoogle تنشر PLE، وAntigravity في الكيمياء، وNVIDIA في المدن

OpenAI تطبّق GPT-6 Astra وCodex على الهندسة المادية، بالتعاون مع Mazda وChip Ganassi Racing

3 نوفمبر — تعرض OpenAI أعمالها في هندسة المنتجات المادية: التصميم الميكانيكي والإلكترونيات والمحاكاة. وفي أبرز العروض، صمّم عضوان في الفريق باستخدام GPT-6 Astra، خلال أقل من أسبوع وضمن مشروع جانبي، جهازًا صغيرًا للتحدث إلى Codex: صمّم Astra مظهره وغلافه ولوحته الإلكترونية المطبوعة وواجهته وبرنامجه الثابت، وصنّع متعاقد خارجي دفعة صغيرة من النماذج الأولية في أقل من شهر. وتقرّ OpenAI بإجراء عدة دورات مراجعة: إذ لم يراعِ النموذج دائمًا قيود الإنتاج وسماحات التصنيع وتفاصيل التجميع.

المقياس الذي نشرته OpenAI	القيمة المعلنة
BenchCAD 2.0، نموذج داخلي أحدث (لم يُذكر اسمه)	0,875 (متوسط الدرجة)
BenchCAD 2.0، GPT-6 Astra بأقصى مستوى للاستدلال	0,594
استخدام النماذج لدى فرق الأجهزة (بالرموز)	تضاعف 23 مرة منذ فبراير

يختبر BenchCAD 2.0 إعادة بناء قطع وتجميعات ثلاثية الأبعاد وتحديد توصيلات لوحة إلكترونية مطبوعة. وعلى الصعيد الصناعي، توسّع OpenAI تعاونها مع فريق Chip Ganassi Racing، الذي يحوّل المسوحات ثلاثية الأبعاد لقطع موجودة إلى نماذج CAO قابلة للتحرير ومخططات تصنيع ثنائية الأبعاد، وتعلن عن تعاون بحثي مع Mazda: يساعد GPT-6 Astra مهندسيها على استكشاف أشكال لمقدمة السيارة تقلل مقاومة الهواء، مع وعد بنشر النتائج «خلال الأشهر المقبلة». ولم يُعلن عن أي منتج أو موعد إتاحة.

🔗 منشور OpenAI حول هندسة العالم المادي

Google تنشر Physical-Engineering’s Last Exam، وهو معيار تقييم هندسي لا يتجاوز فيه أي وكيل 50 %

3 نوفمبر — يقدم فريق Google AI & Infrastructure معيار Physical-Engineering’s Last Exam (PLE)، وهو معيار تقييم مصحوب بمسابقة مفتوحة، صُمم بالتعاون مع Mercor لقياس قدرة الوكلاء على تنفيذ أعمال هندسية حقيقية. وتضع مهامه الـ85 الطويلة الأمد (30 في الهندسة الميكانيكية، و27 في الهندسة الكهربائية، و18 في الهندسة المدنية، و10 في الهندسة الإنشائية) الوكيل داخل مجلد مشروع ضمن حاوية، يضم في المتوسط 61 ملفًا: ملفات PDF، وجداول بيانات، ورسائل بريد إلكتروني، ومخططات CAO ثنائية الأبعاد، ونماذج BIM ثلاثية الأبعاد. ولا يحرز أي مُخرَج نقاطًا إلا إذا اجتاز جميع اشتراطات السلامة.

المرتبة في التصنيف	النموذج المُقيَّم	إطار التشغيل الأصلي	متوسط الدرجة
1	Claude Opus 5.5	Claude Code	48,3 %
2	GPT-6 Astra	Codex	45,8 %
3	Claude Sonnet 5.5	Claude Code	43,5 %
4	Gemini 4 Argon	Antigravity	40,6 %
5	Claude Opus 5	Claude Code	40,0 %

من بين 14 نموذجًا اختُبرت باستخدام سبعة أطر تشغيل متاحة للعامة، لم يتجاوز أيٌّ منها 50 % على مجموعة الاختبار الخاصة. وتلتزم أفضل تهيئة بـ91 % من القيود عند تقييم كل منها على حدة، لكن 41,3 % فقط من مخرجاتها تجتاز جميع فحوص السلامة وقابلية التنفيذ. وتأثير النموذج أكبر بكثير من تأثير إطار التشغيل: يصل الفارق بين النماذج إلى 50 نقطة، مقابل فارق وسيط قدره 3 نقاط بين أطر التشغيل للنموذج نفسه. وتنشر Google 29 مهمة ونصوص احتساب الدرجات وحاوية التقييم، وتفتح باب تقديم النتائج على المجموعة الخاصة.

🔗 منشور Google Cloud حول PLE · تصنيف PLE

Google DeepMind تزوّد Antigravity بمهارات Cheminformatics Skills التي تختصر دورة تصميم دواء إلى ساعة واحدة

3 نوفمبر — تعرض Google DeepMind مهارات Cheminformatics Skills لمنصة Google Antigravity، التي تحوّل بيئة الوكلاء إلى منصة عمل للكيميائيين. وتوزيع الأدوار واضح: ينسّق نموذج اللغة العمل، ويتنقل بين قواعد البيانات، ويستدل، بينما تنفّذ أدوات كيميائية حتمية الحسابات الجزيئية، بالاعتماد على مكتبة RDKit المفتوحة المصدر وقاعدتَي ChEMBL وPubChem.

يعيد العرض تناول مثال كلاسيكي في الكيمياء الدوائية: زيادة صلابة الكريزوتينيب، وهو مثبط للتيروزين كيناز يُستخدم لعلاج بعض سرطانات الرئة، للوصول إلى اللورلاتينيب، نسخته المُحلْقَنة. يجمع الوكيل خلال دقائق آلاف المركبات من الأدبيات العلمية، ويجري تحليلًا للأزواج الجزيئية المتطابقة، ويدرّب نماذج للتنبؤ بالفعالية، ثم يقترح مركبات حلقية كبيرة جديدة مع مسارات تخليقها. ووفقًا لـDeepMind، تُنجز هذه الدورة، التي تستغرق عادةً عدة أيام، في ساعة واحدة. ويواصل المنشور ما تناوله منشور 15 أكتوبر حول الببتيدات المضادة للميكروبات، ويحيل إلى صفحة العلوم في Antigravity، حيث تفتح Google باب التقدم للحصول على وصول مجاني لمدة ستة أشهر إلى أعلى باقاتها وإلى Gemini 4 Argon لصالح 10 000 عالم، من دون شروط وصول خاصة بهذه المهارات.

🔗 منشور Google DeepMind

NVIDIA تعرض في برشلونة الخدمات الحضرية التي يبنيها شركاؤها باستخدام الذكاء الاصطناعي الفيزيائي والقائم على الوكلاء

3 نوفمبر — بمناسبة انعقاد Smart City Expo World Congress في برشلونة (من 3 إلى 5 نوفمبر)، تنشر NVIDIA عرضًا للخدمات الحضرية التي يبنيها شركاؤها باستخدام مكوناتها للذكاء الاصطناعي الفيزيائي والقائم على الوكلاء: نماذج Nemotron المفتوحة، ونماذج العالم Cosmos، ومكتبات Omniverse، والمخطط المرجعي Metropolis للبحث في الفيديو وتلخيصه.

الشريك المذكور	موقع النشر	الرقم المعلن
1MillionBot	إسبانيا	أكثر من 150 عملية نشر لوكلاء في خدمة السكان
ITMAX	ماليزيا	تغطية أكثر من 17 000 كاميرا بحلول 2027
ITMAX مع TeraSim	ماليزيا	تقليل مدة الرحلات بنسبة تصل إلى 26 % في ساعة الذروة
Linker Vision وMVRDV	تايوان	محاكاة 15 عامًا من تطور الغطاء الشجري الحضري في 10 دقائق

تجمع 1MillionBot بين نماذج ALIA المفتوحة المصدر، المُدرّبة في Barcelona Supercomputing Center، وNemotron؛ وتستخدم K2K الكاميرات الموجودة في فروتسواف، وتزوّد Honeywell مصفاة ليكي التابعة لـDangote في نيجيريا بوكلاء Nemotron، وتوسّع Cires Technologies مصنعًا سياديًا للذكاء الاصطناعي في ميناء طنجة المتوسط. ولم يُعلن عن أي منتج جديد من NVIDIA: فهذا عرض لتطبيقات منشورة بالفعل.

🔗 منشور NVIDIA حول المدن

منشورات مفتوحة: التقرير التقني لـMistral Large 4، وpplx-embed-v2-context، وStateBench، وFineDNA

Mistral تنشر التقرير التقني لـMistral Large 4، الذي يروي بناء Le Chonk

3 نوفمبر — تنشر Mistral التقرير التقني لـMistral Large 4، النموذج الملقّب بـLe Chonk الذي أُتيحت أوزانه في 29 أكتوبر. وتصف الوثيقة، التي نُشرت على Hugging Face في 2 نوفمبر ثم على alphaXiv، نموذجًا متعدد الوسائط بمعمارية مزيج الخبراء (mixture-of-experts) يضم 52 مليار معلمة نشطة من أصل 1 000 مليار معلمة إجمالًا. ووفقًا لملخصها ومقدمتها، تسلّط الوثيقة الضوء أولًا على خيار معماري: تقليص ذاكرة KV المخبأة، الذي دُفع إلى أقصى حد أثناء التطوير لتشغيل النموذج بتكلفة أقل، كان يضعف أداء مهام الوكلاء. وقاس الفريق هذا الأثر، ثم صححه بإجراء جراحة للنموذج (model surgery): الانتقال إلى الانتباه الكامل، ثم إلى الانتباه المتناثر من DeepSeek (DeepSeek Sparse Attention، DSA). وعلى صعيد البيانات، ينشئ الوكلاء بأنفسهم بيئات قابلة للتنفيذ ومهام وحلولًا مرجعية وأدوات تحقق، ويتولى وكلاء آخرون إصلاح المهام المعطلة مع التحوّط من التحايل على المكافأة (reward hacking).

المقياس المُقيَّم	القيمة وفقًا للتقرير
Legal Agent Benchmark من Harvey (رقم يُنشر لأول مرة)	15 %
Terminal-Bench 4.0	41 %
FrontierCode 2.0	19,7 %
السلامة السيبرانية (متوسط JailbreakBench وStrongREJECT وAgentHarm)	96,6 %
نقطة تحقق مُكمَّمة بصيغة NVFP4	606 Go، تُشغَّل على أربعة GPU GB300

يضاهي التكميم المُعايَر بصيغة NVFP4 خط الأساس FP8 في التقييمات، وتأتي مستويات الاستدلال الثلاثة (high، medium، low) من التقطير باستخدام عدة نماذج معلّمة تختلف في مقدار تفصيل إجاباتها.

🔗 التقرير التقني على alphaXiv · إعلان Mistral على X

Perplexity تنشر pplx-embed-v2-context، نماذج تضمين سياقية مفتوحة بحجمَي 9B و0.6B

2 نوفمبر — تنشر Perplexity نماذج pplx-embed-v2-context، وهي نماذج تضمين سياقية بأوزان مفتوحة بحجمين، 9B و0.6B، بعد شهر من الإصدار التجريبي بحجم 9B الذي صدر في 30 سبتمبر. ويمثل التضمين السياقي مقطعًا (chunk) مع مراعاة الوثيقة كاملة: يعيد كل نموذج إما متجهًا بصيغة int8 لكل وثيقة، أو متجهًا لكل مقطع. وتكمن الجدة في التدريب: فبدلًا من افتراض أن مقطعًا مرجعيًا واحدًا (gold chunk) يجيب عن الاستعلام، تُقطّر Perplexity درجات صلة متدرجة من نموذج ضغط السياق في محرك إجاباتها، بحيث لا تعود المقاطع التي تدعم الإجابة تُحتسب أمثلة سلبية.

المقياس الذي أعلنته Perplexity	النتيجة المنشورة
ConTEB وcontext-bench وQ2D-Chunk	9B يتصدر معايير التقييم الثلاثة
ViDoRe-V3، وثائق مرئية	9B يتقدم على Nemotron-3.5-Embed-8B، مع فهرس أصغر بـ4 مرات
ViDoRe-V3 بصيغة Markdown	0.6B يتصدر النماذج التي تقل عن 1 مليار معلمة
Q2D-Chunk، معيار تقييم عام جديد	6 069 استعلامًا حقيقيًا، و10 لغات، و71 100 وثيقة

نُشرت الورقة البحثية، المكتوبة بالتعاون مع turbopuffer، على arXiv، وأُتيح Q2D-Chunk مع تصنيف عام على Hugging Face. ونُشر نموذج 9B هناك بترخيص MIT، بينما لا تعرض بطاقة نموذج 0.6B أي ترخيص؛ ولا تتناول سلسلة المنشورات أي API أو تسعير.

🔗 سلسلة منشورات @perplexitydevs · الورقة على arXiv

تنشر Ai2 مجموعة اختبارات StateBench التي تكشف تعثّر النماذج الرائدة في تتبّع الحالة ضمن المستندات الطويلة

3 نوفمبر — تنشر Ai2 مجموعة اختبارات StateBench المخصّصة لتتبّع الحالة في السياقات الطويلة (long-context state tracking)، أي قدرة النموذج على تتبّع معلومات تتغيّر على امتداد مستند طويل، مثل متغيّر يُعاد إسناده في الشيفرة. وتتدرّج مستويات الصعوبة الأربعة، المستمدة من نظرية كروهن–رودس، من الإسناد غير القابل للتغيير إلى الإسناد بالمرجع.

مستوى الصعوبة	نوع الإسناد	المثال الذي قدّمته Ai2
r-trivial	غير قابل للتغيير	`let x = 4`
لا دوري	إعادة الإسناد بالقيمة	`x = 4` ثم `x = 2`
قابل للحل	تحديث ذاتي المرجع	`x = x + 5`
منتهٍ عام	الإسناد بالمرجع	`x = y`، تبادل المتغيّرات

تحقّق Gemini 3.8 Flash وClaude Opus 5.5 وGPT-6 Sol وGPT-6 Luna أداءً جيدًا في المستويين الأولين، لكن دقّتها تنخفض مع زيادة الطول في المستويين الأخيرين، لتصل إلى 13 % أو أقل في أطول المسائل من المستوى المنتهي العام. وتكشف نماذج بحجم 275M، دُرّبت على 256 عملية إسناد كحد أقصى واختُبرت على ما يصل إلى 64 000 عملية، الفروق بين البنى: إذ تعمّم Gated DeltaNet والبنى الهجينة بصورة شبه مثالية في المستويات الثلاثة الأولى، بينما يتراجع أداء المحوّلات ولا تتعلّم المستوى الأخير مطلقًا. وقد نُشرت البيانات والشيفرة.

🔗 StateBench على مدوّنة Hugging Face

تنشر Hugging Face مجموعة FineDNA، بيانات التدريب الكاملة لـCarbon-X لتعليم نموذج لغوي قراءة الحمض النووي

1 نوفمبر — استدراك: تنشر Hugging Face مجموعة FineDNA التي تضم جميع البيانات المستخدمة لتدريب Carbon-X، نموذجها القادر على قراءة الحمض النووي والمبني على Qwen3-14B، والذي قُدّم في 22 أكتوبر. وتغطّي المجموعة، المتاحة بترخيص Apache 2.0، مراحل التدريب الثلاث.

مرحلة التدريب	حجم المجموعة	نقطة الانطلاق
المرحلة الوسيطة (mid-training)، 23 إعدادًا	514,30 مليار رمز، قُرئ منها 302 مليار	Qwen3-14B
SFT، 8 مجالات	203 923 محادثة	Carbon-X-Base
RL	98 433 مطالبة	Carbon-X-SFT

تخصّص المرحلة الوسيطة 55 % من التدريب للحمض النووي، و20 % للإنجليزية، و15 % للنصوص البيولوجية، و10 % للتعليمات؛ وتُقطّع التسلسلات المأخوذة من GENERator وOpenGenome2 إلى أطوال من مضاعفات ست قواعد، لتناسب أداة ترميز تقرأ وحدات 6-mers. ووفقًا للبنى بن علال، التي أعلنت عن المجموعة، فإن هذه المرحلة تحدّد نجاح ما يليها: فعند تطبيق RL مباشرةً على Qwen3-14B، يبقى أداؤه عند مستوى المصادفة في FrontierVEP، بينما تحقّق الوصفة نفسها تقدّمًا على النموذج المهيّأ.

🔗 FineDNA على منصة Hugging Face Hub · إعلان لبنى بن علال على X

تعلن API Gemini إيقاف دعم Gemini 2.5 Pro و2.5 Flash تدريجيًا، وستعيد توجيه طلباتهما إلى Gemini 3.8 Flash و3.5 Flash-Lite في 1 ديسمبر

2 نوفمبر — تُدرج Google في ملاحظات إصدار API Gemini إعلان إيقاف دعم Gemini 2.5 Pro وGemini 2.5 Flash تدريجيًا، وهما نموذجان صدرا في يونيو 2025. ولم يعد النموذجان متاحين في Google AI Studio، وأصبح الوصول إليهما عبر API مقتصرًا على المستخدمين الذين سبق لهم استخدامهما. وفي 1 ديسمبر 2026، ستعيد API توجيه الطلبات تلقائيًا بدلًا من إرجاع خطأ: فالطلبات الموجّهة إلى gemini-2.5-pro ستنتقل إلى Gemini 3.8 Flash، والموجّهة إلى gemini-2.5-flash ستنتقل إلى Gemini 3.5 Flash-Lite، وستُحتسب تكلفتها وفق أسعار النموذجين الجديدين.

النموذج المعني	سعر الإدخال (لكل مليون رمز)	سعر الإخراج (لكل مليون رمز)
gemini-2.5-pro (مطالبات ≤ 200 000 رمز)	1,25 دولار	10 دولارات
gemini-3.8-flash حتى 31 ديسمبر 2026	0,75 دولار	3,75 دولارات
gemini-3.8-flash اعتبارًا من 1 يناير 2027	1,50 دولار	7,50 دولارات
gemini-2.5-flash	0,30 دولار (1 دولار للصوت)	2,50 دولار
gemini-3.5-flash-lite	0,30 دولار، بما يشمل الصوت	2,50 دولار

تنصح Google بتغيير المعرّف قبل ذلك التاريخ، لأن الانتقال يتضمّن تغييرات تكسر التوافق: التحقّق من صحة استدعاء الدوال وthought_signature، واستخدام thinking_level بدلًا من thinking_budget، وإزالة معلمات أخذ العينات، وإنهاء دعم جولات النموذج المعبّأة مسبقًا.

🔗 ملاحظات إصدار API Gemini · صفحة إيقاف الدعم التدريجي

إضافات المساعدات وتكاملاتها: يعتمد Perplexity Computer معيار Agent Plugins ويقدّم إصدارًا للتجارة الإلكترونية، وتشرح Synthesia تفاصيل إضافتها إلى ChatGPT

يعتمد Perplexity Computer معيار Agent Plugins المفتوح لاتصالاته ومهاراته

3 نوفمبر — يدعم Perplexity Computer معيار Agent Plugins، وهو تنسيق يجمع الاتصالات بالتطبيقات والمهارات في حزمة واحدة. ويمكن تصفّح دليل Computer، المرتّب ضمن 13 فئة على الأقل، من الإنتاجية والتعاون إلى البيانات والتحليلات، ويضم مثلًا HubSpot وIBISWorld وDoorDash Drive، أو استيراد إضافات خاصة من GitHub أو ملف .zip. ووفقًا لـ@AskPerplexity، فإن الإضافات مفعّلة في Computer ويجري إتاحتها تدريجيًا لحسابات Enterprise.

Agent Plugins معيار مفتوح مستقل عن المورّدين، قُدّم في 6 أغسطس. وتحدّد مواصفاته 1.0.0 تنسيقًا موحّدًا لـAgent Skills وخوادم MCP: ملف بيان إلزامي plugin.json، ومجلّد skills/، وملف mcp.json. ويذكر منشور Perplexity مشرفين على الصيانة من Amazon وCursor وGitHub وOpenAI وVercel؛ بينما يسمّي موقع المعيار Microsoft بدلًا من GitHub ضمن لجنته التوجيهية التأسيسية. وتُدرج صفحة البرامج العميلة المتوافقة Perplexity Computer إلى جانب GitHub Copilot وVS Code وCursor وKiro وChatGPT & Codex. وبالنسبة إلى Computer، يمثّل ذلك امتدادًا لـSkills Marketplace الذي أُطلق في سبتمبر؛ ولم يُرفق الإعلان بتدوينة أو سجلّ للتغييرات.

🔗 إعلان @AskPerplexity · معيار Agent Plugins

تطلق Perplexity منتج Computer for e-commerce الذي يربط Shopify وإعلانات Meta وKlaviyo

3 نوفمبر — تقدّم Perplexity منتج Computer for e-commerce الذي يضع وكيلها Computer في خدمة العلامات التجارية عبر الإنترنت: إذ يتّصل بـShopify للوصول إلى بيانات المتجر وصفحات الهبوط، وبـMeta للإعلانات، وبـKlaviyo للتسويق عبر البريد الإلكتروني، مع تطبيق الهوية البصرية ونبرة الخطاب اللتين سجّلتهما العلامة التجارية في مهارات.

الخدمة المتّصلة	دور Computer
Shopify	تحليل المبيعات، والتوصية بالمنتجات، وصفحة هبوط
Meta	إعلانات ثابتة، ونسخ متنوّعة من مقاطع الفيديو الناجحة، وإعداد الحملة
Klaviyo	جمهور مستخلص من بيانات العملاء، وكتابة النص، والجدولة أو الإرسال بعد المراجعة

تحدّد الشركة الأهداف والميزانيات والخطوات التي تحتاج إلى موافقة، مثل نشر الصفحات وإرسال رسائل البريد الإلكتروني والإنفاق الإعلاني. ومن الأمثلة التي قدّمتها Perplexity: تشكيلة صيفية بخصم 15 %، وحملة Meta لمدة أسبوعين بسقف 1 000 دولار، وحملة Klaviyo للعملاء الحاليين، مع عرض كل ذلك قبل الإطلاق. وكانت Shopify مدرجة بالفعل ضمن أكثر من 400 تكامل في Computer؛ وتقدّم Perplexity مساعدة لإعداد مسارات العمل المتكرّرة، من دون تحديد سعر أو باقة.

🔗 تدوينة Perplexity عن Computer for e-commerce

تشرح Synthesia تفاصيل إضافتها إلى ChatGPT، المتاحة في جميع باقاتها

3 نوفمبر — بعد الإعلان الذي نشرته في اليوم السابق على X من دون تدوينة، تشرح Synthesia تفاصيل إضافتها في تدوينة لدان سبونر، مدير المنتج المسؤول عن مسارات العمل. والإضافة متاحة في ChatGPT لجميع باقات Synthesia، ويمكن البدء باستخدامها مجانًا: إذ تُفعَّل من قائمة الإضافات في ChatGPT، ويمكن إنشاء حساب مجاني أثناء ذلك. ويصف المستخدم الفيديو المطلوب أو يقدّم مستندًا أو عرضًا تقديميًا أو جدول بيانات؛ ثم يطرح ChatGPT بعض الأسئلة حول الأسلوب البصري والمدة، وبعدها تنشئ Synthesia الفيديو داخل المحادثة.

تُنتَج مقاطع الفيديو افتراضيًا باستخدام Syren، الذي يُقدَّم بوصفه التنسيق الأسرع؛ وتحوّل التعليمة «أنشئه في Studio» العمل إلى Synthesia Studio عند الحاجة إلى نص تنطقه شخصية افتراضية حرفيًا، أو مجموعة هوية للعلامة التجارية، أو قالب. وتبحث الإضافة أيضًا في مكتبة الفيديو، وتتكامل مع الإضافات الأخرى المتّصلة بـChatGPT لتنفيذ مسارات عمل لمرة واحدة أو وفق جدول زمني، مثل ملخّص مدته 60 ثانية لمكالمة Zoom أو فيديو ترحيبي يومي انطلاقًا من BambooHR. ولا تذكر التدوينة سوى ChatGPT، ولا تذكر Claude، كما لا تحدّد سعرًا أو مقدار استهلاك الأرصدة.

🔗 تدوينة Synthesia

تطلق Google ميزة Guided Learning في Google Classroom، وتختبرها في البحث، وستعطّل Gemini افتراضيًا لطلاب K-12

3 نوفمبر — تجمع Google إعلاناتها التعليمية حول Guided Learning، وضع الدراسة في Gemini الذي يوجّه الطالب بالأسئلة والشروحات خطوة بخطوة بدلًا من إعطائه الإجابة. ووفقًا للتدوينة الرئيسية، فهو متاح الآن في Google Classroom حول العالم: يكلّف المعلّم الطلاب بنشاط يستند إلى مواده الدراسية، ويرى في الوقت الفعلي المواضع التي يحتاج فيها الصف إلى المساعدة. وسيدمج بحث Google هذه الوظائف لحسابات الطلاب، مع تجربة أولية في مجموعة مختارة من المدارس الأمريكية في وقت لاحق من نوفمبر.

ويتعلّق التغيير الأبرز بالضوابط: ستُعطَّل Gemini وGemini Notebook وGemini in Classroom وبحث Google بالكامل لحسابات الطلاب من رياض الأطفال إلى نهاية المرحلة الثانوية (K-12)، إلى أن يفعّلها مشرف المؤسسة التعليمية. ولم يُحدَّد موعد لذلك؛ وستشارك Google التفاصيل مع المدارس خلال الأشهر المقبلة.

المقياس الذي أوردته Google	القيمة المنشورة
تجربة معشّاة في جامعة طوكيو	أكثر من 300 طالب، ونصف يوم من الدراسة
التحسّن باستخدام أدوات الويب وحدها	+5,3 نقاط مئوية
التحسّن باستخدام Guided Learning	+8,1 نقاط، أي مكاسب أكبر بمقدار 1,5 مرة
تمويل Google.org	أكثر من 9,5 ملايين دولار لخمس منظمات

🔗 تدوينة Google عن الذكاء الاصطناعي والتعلّم · دراسة Guided Learning

أدوات Hugging Face: دعم MOPD في TRL وعقود Model Integration Contracts لـTransformers

تدعم TRL تقنية MOPD للتقطير متعدد المعلّمين، التي تدمج النماذج الخبيرة المدرّبة باستخدام RL في نموذج واحد

3 نوفمبر — تدعم TRL، مكتبة Hugging Face لما بعد التدريب، التقطير متعدد المعلّمين وفق السياسة الحالية (Multi-Teacher On-Policy Distillation، واختصارًا MOPD)، وهي تقنية أطلقت عليها Xiaomi هذا الاسم في يناير من أجل MiMo-V2-Flash، واستخدمتها منذ ذلك الحين DeepSeek وMoonshot وNVIDIA وLiquid AI وMistral، وفقًا لتدوينة سيرخيو بانييغو. وبعد مرحلة SFT مشتركة، يُخصَّص لكل مجال، مثل الرياضيات والشيفرة واتباع التعليمات، نموذج خبير خاص به مدرّب باستخدام RL؛ ثم يجيب نموذج تلميذ عن مطالبات جميع المجالات، ويقيّم النموذج الخبير المعني إجابته رمزًا برمز.

في TRL، يتولّى AsyncDistillationTrainer، الذي ما يزال تجريبيًا، توجيه كل مطالبة إلى معلّمها؛ ويجري العمل على النسخة المتزامنة (PR 7215)، ولم تظهر MOPD بعد في ملاحظات إصدار TRL v1.17. ويستخدم المثال نماذج Open-MOPD الخبيرة المبنية على SmolLM3-3B، ويعمل على جهاز واحد مزوّد بأربع وحدات H200 عبر Hugging Face Jobs. وتنبّه التدوينة إلى مشكلة محتملة: فقد يمثّل اتباع التعليمات 20 % من المطالبات، لكنه لا يمثّل سوى 1 إلى 2 % من الرموز، مما يجعل التلميذ بالكاد يتعلّم من هذا المعلّم.

🔗 تقنية MOPD في TRL على مدوّنة Hugging Face

تقترح Hugging Face عقود Model Integration Contracts لاكتشاف حالات التراجع في Transformers على CPU قبل الدمج

3 نوفمبر — تقترح Hugging Face، في تدوينة لطارق زيادي، عقود Model Integration Contracts (MIC) لاختبار نماذج Transformers على معالج عادي قبل وصول أي تعديل إلى الفرع الرئيسي. وكانت نقطة الانطلاق ما حدث في 30 يوليو، حين أتاح تفعيل آلية الانتباه SDPA لـT5 لمفكّك الترميز في UMT5 رؤية الرموز المستقبلية أثناء التدريب، وهو خلل ظل في الفرع الرئيسي نحو شهرين. وعند إعادة الاختبار على عمليات إيداع تمتد خمسة أشهر، اكتشف نموذج UMT5 صغير بحجم 66 ميغابايت، مقابل 1 227 ميغابايت لنقطة الحفظ الفعلية، الخلل في كل عملية إيداع.

يجمع العقد نموذجًا مصغّرًا يحتفظ بجميع أنواع طبقات النموذج الأصلي، ومثال استخدام قابلًا للتنفيذ، وقيمًا مرجعية راجعها إنسان؛ وهكذا ينخفض حجم Llama 4 Scout من 108,6 مليارات إلى 44,7 مليون معلمة. وتكلّف أداة سطر الأوامر tmic نموذج LLM بكتابة العقد، ثم يتحقّق منه إنسان. وللأوزان دور مؤثّر: ففي Whisper، تكشف الأوزان العشوائية 18 من أصل 24 خطأً أُدخل عمدًا، مقابل 24 من أصل 24 باستخدام أوزان مدرّبة بإفراط. وحتى 1 نوفمبر، كانت مهمة CI في Transformers تُبلغ عن حالات الفشل من دون أن تعيق طلبات PR بعد.

🔗 تدوينة Hugging Face عن عقود Model Integration Contracts

أخبار موجزة

وكلاء البرمجة وأدواتها

ملخص أكتوبر لـ Claude Code — يكشف منشور @ClaudeDevs عن متغير غائب عن ملاحظات الإصدار: يتيح CLAUDE_CODE_EVEN_MORE_DANGEROUSLY_SKIP_PERMISSIONS=1 تنفيذ أوامر rm القليلة المحفوفة بالمخاطر دون تأكيد، وهي الأوامر التي كان وضع تجاوز الأذونات لا يزال يطلب تأكيدًا لتنفيذها؛ ويُحصر استخدامه في حاوية مؤقتة يمكن التخلص منها (Claude Code 2.1.311 أو أحدث). كما يبدأ تجهيز الجلسات السحابية أثناء الكتابة، وتقبل تعليقًا على سطر من الفروق. 🔗 المصدر
Copilot CLI من 1.0.106-4 إلى 1.0.106-6 — ثلاثة إصدارات تمهيدية في ليلة واحدة: يتحول /settings إلى لوحة تحكم موحدة مع بحث شامل، ولم يعد محتوى MCP المخصص للمستخدم يُرسل إلى النموذج، وتعالج 67 إصلاحًا، من بين أمور أخرى، تسلسلات هروب جديدة. ويظل 1.0.105 أحدث إصدار مستقر. 🔗 المصدر
Gemini CLI — يتضمن الإصدار الليلي الصادر في 3 نوفمبر أخيرًا إصلاح انقطاع تنزيلات Whisper، الذي دُمج في اليوم السابق، ويؤمّن طلب دمج جديد دُمج في main تنزيل الإضافات: نقل الملف المؤقت بعملية واحدة، وحماية من SSRF وإعادة ربط DNS، وقصر GITHUB_TOKEN على github.com. ويظل الإصداران المستقر والمعاينة دون تغيير. 🔗 المصدر
Gemini API CLI v0.4.5 — استدراك لخبر 30 أكتوبر: أصبح التفريغ النصي يستخدم Gemini 3.5 Transcribe افتراضيًا، مع معامل لتكبير الفيديو واستئناف المهام الطويلة باستخدام رمز متابعة؛ وأضافت Google في 2 نوفمبر مهارة gemini-api-cli إلى مستودعها الرسمي gemini-skills. 🔗 المصدر
DeepSeek Harness 0.2.2-alpha.3 — الإصدار التمهيدي 36 دون إصدار مستقر: تجمع وظيفة تجريبية بين مراجعة الشيفرة وأشجار عمل Git (الفروق المحلية وفروق طلبات الدمج، واقتباس الشيفرة للوكيل، وتتبع عمليات التحقق)، وتُضاف أداة apply_patch معطّلة افتراضيًا. 🔗 المصدر
Artifacts من Amp — مستندات مرتبطة بسلسلة المحادثة (خطة، تقرير، ملاحظات مكالمة) يعدّلها الوكيل والمستخدم وزملاؤه معًا؛ ويقرأ الوكيل التغييرات قبل استئناف العمل بدلًا من الكتابة فوقها. 🔗 المصدر
Service Accounts من Amp — حسابات تملكها مساحة العمل، ولها مفاتيح API خاصة بها، لأتمتة أعمال الفريق: مراجعة كل طلب دمج، أو إعداد الوثائق، أو مهمة CI تفتح سلسلة محادثة عبر amp -ox. لم تُعلن أسعار. 🔗 المصدر
Replit Agent في Slack — بعد الإشارة إليه في 27 أكتوبر، يصل Replit Agent رسميًا إلى Slack: يمكن الإشارة إليه في قناة أو رسالة مباشرة للاستفسار عن قاعدة الشيفرة، أو العمل على مشروع قائم، أو بدء مشروع جديد؛ ويربط كل زميل حسابه، ويعمل الوكيل بصلاحياته. 🔗 المصدر
ملاحظات إصدار Devin — ترفع ملاحظات 2 نوفمبر الحد الأقصى لفحص الشيفرة من 500 إلى 1 000 مستودع، وتضيف فحوصًا تلقائية مجدولة؛ أما ملاحظات 30 أكتوبر، التي لم تشملها المتابعة، فتضيف ميزانيات هرمية، وSSO عبر OIDC أو SAML بالخدمة الذاتية، واستيراد نتائج الفحص من SonarQube وLinear وVanta. 🔗 2 نوفمبر · 🔗 30 أكتوبر
أطر تشغيل الوكلاء لدى IBM Research — باستخدام النموذج المفتوح نفسه GLM-5.3-flash في 90 مهمة من AppWorld، ينجح CUGA، إطار التشغيل مفتوح المصدر من IBM، في 81,1 % من المهام، مقابل 46,7 % لـ Hermes و30,0 % لـ Deep Agents؛ وتقرّ IBM بحدود التجربة (معيار اختبار واحد وإعدادات مختلفة). 🔗 المصدر
Kimi Work 3.2.24 — تدعم ملفات Markdown في المعاينة خصائص الملاحظات، وتتبع إعدادات الشبكة الوكيل الوسيط للنظام، وتُفتح أداة تشخيص الشبكة دون اتصال؛ وكان الإصدار 3.2.23 الصادر في 30 أكتوبر قد أتاح بالفعل فتح معاينات HTML في علامة تبويب بالمتصفح. 🔗 المصدر

منصات التطوير وواجهات API

خادم MCP من GitHub 2.1.0 — تتيح أداتان تجريبيتان، issue_artifact_read وissue_artifact_write، للوكلاء قراءة العناصر المرتبطة بالمشكلات وإدارتها؛ وتظلان معطّلتين افتراضيًا، حتى في وضع Insiders، وتُفعّلان باستخدام الراية issue_artifacts. 🔗 المصدر
Dependabot وAgent Package Manager — تشمل تحديثات الإصدارات في Dependabot الآن مهارات الوكلاء وموجّهاتهم وتعليماتهم المعرّفة في apm.yml، مع إعادة توليد apm.lock.yaml؛ ولا تشمل تحديثات أمنية. متاحة على github.com لجميع الخطط. 🔗 المصدر
Python 3.15 في CodeQL وDependabot — يدعم CodeQL 2.27.3 صياغة Python 3.15، ويضيف نموذج تهديد «ai»، يُفعّل اختياريًا ودون مصدر مدمج، للبيانات التي ينتجها LLM؛ كما يتابع Dependabot المشاريع التي انتقلت إلى Python 3.15. 🔗 CodeQL 2.27.3 · 🔗 Dependabot
GitHub Desktop — بعد GitHub CLI في 21 أكتوبر، ينتقل GitHub Desktop 3.6.10 والإصدارات الأحدث إلى رموز مصادقة قصيرة الأجل تُجدّد تلقائيًا، لتقليل المدة التي يظل خلالها الرمز المسرّب قابلًا للاستغلال؛ ويجري الطرح تدريجيًا، دون GitHub Enterprise Server. 🔗 المصدر
مراكز التكلفة في واجهة REST API من GitHub — تسترجع نقطة نهاية جديدة مباشرةً مركز التكلفة لمستخدم، أو مؤسسة، أو مستودع، أو فريق تابع لشركة، بدلًا من المرور على جميع المراكز. 🔗 المصدر
حزم SDK من OpenAI — يضيف openai-python 3.44.0 وopenai-node 7.49.0 موفّري هوية أعباء العمل وقواعد الاتحاد، بعد إصدارات توسّع أدوات التفويض في Live Responses؛ ولم يذكر سجل تغييرات API ذلك بعد. 🔗 المصدر
Claude بصفته جهة إصدار موثوقة — في خطتي Team وEnterprise، عندما لا يدعم موفّر الهوية المصادقة التي تديرها المؤسسة، يمكن لـ Claude أن يضمن هوية كل عضو لتوصيل الإضافات تلقائيًا؛ والميزة في المرحلة التجريبية مع 14 إضافة، منها Atlassian وFigma وLinear وNotion. 🔗 المصدر
العلامة المائية النصية في Claude — بعد Claude Fable 5.1 وClaude Mythos 5.1، تشمل العلامة المائية النصية من Anthropic نماذج Claude Mythos 5 وClaude Opus 4.7 وClaude Sonnet 4.6، دون رمز أو محرف مخفي؛ وفي Sonnet 4.6، قد يمنعها تعديل temperature أو top_p أو top_k. 🔗 المصدر

الأمن

وكلاء سحابيون معزولون لدى Replit — في تنبيه أمني أعادت Replit نشره، يدعو مديرها التقني لويس هيكتور تشافيز إلى جعل الوكلاء السحابيين المُدارين والمعزولين المعيار المعتمد، مع إبقاء بيانات الاعتماد والشبكة وبيئة الإنتاج خارج متناول الوكيل؛ ووفق استطلاع أجرته Salt Security واستشهد به التنبيه، لدى 86,4 % من المشاركين وكيل قيد التشغيل، لكن 17,5 % فقط يعرفون كيفية إيقافه تلقائيًا. 🔗 المصدر
دليل الأمن من Cognition — يستعرض جاك كيبل، الشريك المؤسس لـ Corridor، حوادث أكتوبر (سرقة 6,34 مليارات دولار من Binance، وإضافة Claude Code مفخخة داخل Cursor)، ويوصي باستخدام MFA مقاومة للتصيد، وإزالة الأسرار من أجهزة العمل، ووكلاء برمجة سحابيين، واشتراط مرور 7 أيام على الأقل على حزم npm أو PyPI. 🔗 المصدر
حملة الأمن المكثفة لدى OpenAI — في سلسلة المنشورات نفسها التي تناولت زيادة المكافآت، تعلن OpenAI، دون تحديد موعد، عن حملتها الداخلية المقبلة للأمن بمشاركة باحثي Cathedral، الذين سيستخدمون نماذجها لاختبار دفاعاتها؛ وكانت الحملة السابقة قد حشدت 25 % من مهندسي المنتجات لديها. 🔗 المصدر
Cisco وDaybreak — تجمع Cisco بيانات القياس عن بُعد لشبكاتها مع Daybreak وGPT-6 Astra لاكتشاف الثغرات وإصلاحها بسرعة أكبر، وتستكشف مع OpenAI تسريع فرز حالات التعرض للمخاطر في Cisco Cloud Control؛ دراسة حالة بلا أرقام. 🔗 المصدر

Google: Workspace وCloud والبحث

Gemini في Google Slides — استدراك لخبر 30 أكتوبر: يعدّل Gemini عدة شرائح أو عرضًا تقديميًا كاملًا بطلب واحد (الأنماط، والمحتوى المستمد من Drive، ودمج الشرائح)، باللغة الإنجليزية فقط، مع حدود استخدام ترويجية حتى 1 ديسمبر على الأقل. 🔗 المصدر
الصور الرمزية في Google Vids — أُعلن في 2 نوفمبر عن إنشاء صورة رمزية انطلاقًا من صورة مستوردة، ثم عُلّقت الميزة في اليوم التالي مباشرةً، دون موعد جديد. 🔗 المصدر
سقوف الإنفاق في Google Cloud — استدراك لخبر 31 أكتوبر: أصبحت سقوف الإنفاق متاحة للجميع، مع API وإعادة ضبط شهرية؛ وبالنسبة إلى خدمات الذكاء الاصطناعي، تُفعّل خلال دقائق بناءً على تكاليف مقدّرة آنيًا، دون قطع معدل المعالجة المحجوز مطلقًا. 🔗 المصدر
Google في سنغافورة — تفتتح Google مركزًا بحثيًا في سنغافورة، وتلتزم بمنح تتجاوز 6 ملايين دولار مع NUS وNTU، منها 1,5 مليون لأبحاث مرض ألزهايمر، إضافة إلى 3 ملايين من Google.org وGoogle DeepMind لصالح Thrive Lab في INSEAD. 🔗 المصدر

النماذج المفتوحة ومقالات المجتمع

Mistral Large 4 على Open Math OS — تعلن Mistral وصول Large 4 (بأوزان مفتوحة بحجم 1,05T وسياق 1M) إلى مساحة البحث الرياضي التابعة لـ SAIR، على أن يكون قيد الخدمة «اعتبارًا من اليوم» للفرق المعتمدة، بينما كانت SAIR قد أعلنت إتاحته منذ 27 أكتوبر. 🔗 المصدر
Orbital Trace — عرض توضيحي جديد من Mistral: وفقًا للشركة، بنى Large 4 نظام تتبع ثلاثي الأبعاد في الوقت الفعلي لنحو 19 000 قمر صناعي وقطعة حطام في المدار، واختبره وحسّنه؛ ولم تُعرض النتيجة إلا في فيديو، دون رابط أو شيفرة. 🔗 المصدر
Olmo 3 في Nextcloud — يقدّم Nextcloud، الذي تستخدمه خصوصًا الحكومة الاتحادية الألمانية وCSIC الإسباني، نموذج Olmo 3 7B مع llm2، واجهته الخلفية المحلية لـ Assistant وMail، ويمنحه التصنيف الأخضر في تقييمه لأخلاقيات الذكاء الاصطناعي؛ وتتفادى نسخة 7B الحاجة إلى 16 أو 32 غيغابايت من VRAM. 🔗 المصدر
Dolci-Think-SFT-Clean-v2 — تنشر Ai2 دون إعلان نسخة منقّاة من بيانات ما بعد التدريب الخاصة بالاستدلال لنموذجها 32B: أُزيل 203 303 صفوف من أصل 2 253 684 (15,6 % من الرموز)، منها 148 210 مسائل رياضية اعتبرها Kimi K3 متناقضة؛ بترخيص ODC-BY. 🔗 المصدر
Palette من IBM Research — ينشئ نموذج مفتوح بحجم 20B، ضُبط بدقة باستخدام LoRA ليؤدي دوري «المصمم» و«المبرمج»، عروضًا تقديمية وفق الهوية البصرية لـ IBM؛ ويحتل المرتبة الثانية في المتوسط على PresentBench، بفارق 1,1 نقطة خلف NotebookLM (59,7 مقابل 60,8). لم يُعثر على اسم للنموذج الأساسي أو أوزان منشورة. 🔗 المصدر
Claude Opus وحلقات التكرار في OCR — جعل دانيال فان سترين Claude Opus يعدّل 0,0085 % من أوزان نموذج OCR صغير، دون تدريب، في أقل من 3 ساعات وبتكلفة حسابية تقارب 10 دولارات: عبر 2 165 صفحة قديمة، انخفضت حلقات التكرار غير المنضبطة من 3 إلى 1، وتراجعت أخطاء مجلد عام 1881 بنسبة 38 %. 🔗 المصدر
Qwenguard — في مقال مجتمعي، يحوّل جواو غاليغو معالج RISC-V مُصرّفًا إلى طبقات أمام Qwen3.5-4B إلى حاجز حماية يرفض استدعاءات الأدوات غير المدرجة في القائمة: في اختباراته، لم يمر أي استدعاء محظور ولم يُحظر أي طلب عادي، لكن الآلية تكشف التلاعب دون منعه. 🔗 المصدر

الصورة والفيديو والصوت

ElevenAgents لدى Angle Health — في تجربة أولية بثماني لغات، على مدار 24 ساعة يوميًا وبضمانات HIPAA، تولّت وكلاء ElevenLabs نحو 80 % من مكالمات المتخصصين في الرعاية الصحية، وحُلّ أكثر من 90 % منها دون تحويل، ووفّرت قرابة 9 000 دقيقة يوميًا. 🔗 المصدر
SFX v3 للمطورين — يشرح مقال المطورين من ElevenLabs استدعاء eleven_text_to_sound_v3 في واجهة Sound Effects API: القيمة الافتراضية لـ prompt_influence هي 0,3، والمدة حرة باستثناء duration_seconds، ولا يزال التكرار الحلقي حصرًا على v2؛ وتصف ElevenLabs ذلك بأنه تحديث تدريجي. 🔗 المصدر
HeyGen Voice وGrok Bot — وفقًا لـ HeyGen وحدها، تستخدم المكالمات الهاتفية التي يجريها Grok Bot، وكيل SpaceXSI، خدمة HeyGen Voice للتحدث بصوت قريب من صوت المستخدم؛ دون تحديد مقال أو نموذج أو تفاصيل الإتاحة. 🔗 المصدر
HeyGen Insiders — برنامج يدفع لصنّاع المحتوى الذين لديهم 1 000 مشترك على الأقل مقابل مشاهدات مقاطع الفيديو القصيرة المنشورة حول إطلاقات HeyGen، بدءًا من 20 000 مشاهدة خلال 7 أيام، وفق جدول مدفوعات غير منشور يُعدّل بحسب التفاعل. 🔗 المصدر
Expression Sheet من Luma — لوحة تضم ستة تعابير وجه لشخصية، تُنشأ انطلاقًا من صور، مع ثلاث مجموعات من التعابير وإعداد لضبط شدتها؛ دون مقال أو أسعار. 🔗 المصدر
FLUX 3 Image Klein — تعلن Black Forest Labs تجاوز مليون تنزيل لنموذجها المصمم للتحرير الدقيق، دون تحديد الفترة أو المنصة. 🔗 المصدر

الحوسبة والبنية التحتية لدى NVIDIA

مصانع أشباه الموصلات — تستعرض NVIDIA مكاسب شركائها: تسريع cuLitho بما يصل إلى 17 ضعفًا في Siemens Calibre، وتسريع ACE+ من Applied Materials بما يصل إلى 35 ضعفًا باستخدام PhysicsNeMo، والتنبؤ ببلازما Lam Research خلال أجزاء من الألف من الثانية بدلًا من أيام؛ دون أي منتج جديد. 🔗 المصدر
Dynamo على Kubernetes — استدراك لخبر 30 أكتوبر، أُعيد تداوله قبل KubeCon: يضم AI Cluster Runtime مخطط dynamo-platform 1.4.2 ضمن وصفات ذات إصدارات مثبتة ومتحقق منها، وسيضيف Dynamo 1.5 محدِّدًا أصليًا لنقاط النهاية مكتوبًا بلغة Rust. 🔗 المصدر

الشركات والمجتمع والأدلة

Heimstaden — تخفّض شركة إدارة العقارات الأوروبية تكلفة صورة بتأثيث افتراضي من نحو 50 يورو إلى أقل من 0,10 يورو في هولندا، وقيّمت محللة بلا خبرة في التطوير المخاطر البيئية لـ 20 112 أصلًا باستخدام Codex. 🔗 المصدر
تعيينان لدى OpenAI — تتولى جيل هازلبايكر، القادمة من Uber، منصب كبيرة مسؤولي الشؤون المؤسسية لقيادة الاتصالات العالمية، ويصبح دان دريسكول، وزير الجيش الأمريكي السابق، مستشارًا أول لتحديث الأمن القومي، وهو منصب مستحدث. 🔗 جيل هازلبايكر · 🔗 دان دريسكول
Arnis وGitHub Copilot — تروي مدونة GitHub كيف يفرز لويس إربكام، القائم الوحيد على صيانة Arnis (قرابة 900 000 تنزيل ونحو 70 مساهمًا)، المشكلات والأخطاء باستخدام Copilot، ويطلق وكلاء فرعيين من تطبيق GitHub Copilot لتعقّب حالات التراجع. شهادة تجربة، دون جديد في المنتج. 🔗 المصدر
Game Off 2026 — استدراك لخبر 1 نوفمبر: تتيح مسابقة GitHub الرابعة عشرة لتطوير الألعاب، بموضوع SHIFT، التطوير بمساعدة الذكاء الاصطناعي، على أن يصرّح كل مشارك باستخدامه للذكاء الاصطناعي عند تقديم مشاركته، وذلك حتى 1 ديسمبر على itch.io. 🔗 المصدر
دليل الوكلاء المستقلين من Perplexity — خمسة مستويات من الاستقلالية، وأربع قدرات، وسبع ممارسات فضلى، مع أرقام من دراسة أجرتها Harvard وPerplexity: تتعلق 57 % من طلبات الوكلاء بالإنتاجية والتعلم. دون أي جديد في المنتج. 🔗 المصدر

ما يعنيه ذلك

يكشف Pando عن وجهي وكلاء البرمجة لدى OpenAI: فهم من تسببوا في قفزة هائلة في حجم العمل، مع ارتفاع عدد commits على الفرع الرئيسي بنسبة 1 378 % مقارنةً ببداية عام 2024، وهم من بنوا الحل في عشرة أسابيع، انطلاقًا من نواة صمّمها مهندس واحد. ولا يأتي هذا التحسن من بروتوكول جديد، بل من تخلٍّ متعمّد عن رؤية متسقة لجميع الفروع في لحظة بعينها. وعلى صعيد الأدوات، حان وقت وضع الضوابط: يطلب Claude Code الموافقة قبل إرسال عنوان البريد الإلكتروني للحساب، ويحسب الإنفاق لكل مطوّر، بينما يصل Copilot إلى JetBrains Air من دون سقف إنفاق يمكن ضبطه داخل Air.

بات الأمن يُقاس بالأدلة أكثر من التصريحات. يتيح FlashProve التحقق من أن الإجابة صادرة فعلًا عن نموذج محدد، مقابل تكلفة إضافية تقارب 72 ضعفًا، ومع سياقات محدودة بـ 1 024 رمزًا: إنه نموذج أولي، وليس خدمة بعد. ويسير CyberArena وCWE-bench v2 في الاتجاه نفسه على صعيد الوكلاء: ما يميّز أفضلها هو الدفاع والإصلاح الذي يصمد، بينما يظل الإعلان عن إصلاح من دون التحقق منه الخطأ الأكثر شيوعًا (23 % من المباريات التي خضعت للتدقيق). ومن جهتها، تدفع OpenAI الآن ما يصل إلى 172 000 دولار مقابل إبلاغها بثغرة استثنائية في ChatGPT أو Codex أو واجهة API الخاصة بها.

تشق النماذج المفتوحة طريقها إلى الشركات من بابين. تستضيفها Cohere ضمن نطاق خاضع للتحكم، وصولًا إلى التشفير أثناء المعالجة لنماذج Gemma وGPT-OSS وPhi، بينما تشغّل Revolut، وفقًا للتغريدة التي أعادت Together AI نشرها، نموذج GLM على وحدات GPU الخاصة بها مقابل نحو عُشر السعر المدفوع إلى Anthropic وOpenAI: رقم منقول عن مصدر آخر، لكنه يوضح ما تقارنه الشركات الآن. ويتحرك مزوّدو النماذج المغلقة أيضًا: عبر إعادة توجيه Gemini 2.5 Pro إلى Gemini 3.8 Flash، تخفّض Google السعر لكل رمز حتى نهاية ديسمبر، قبل مضاعفة سعر 3.8 Flash في 1 يناير. ويعرض تقرير Mistral Large 4 مفاضلة معاكسة: فقد أدّى تقليص ذاكرة التخزين المؤقت KV، بهدف خفض تكلفة تشغيل النموذج، إلى الإضرار بمهام الوكلاء، واضطر الفريق إلى معالجة ذلك.

يظل العالم المادي المجال الذي تتباعد فيه العروض التوضيحية والقياسات أكثر من غيره. تعرض OpenAI جهازًا صُمّم في أقل من أسبوع باستخدام GPT-6 Astra، لكنها تقرّ بالحاجة إلى دورات مراجعة لمراعاة حدود التفاوت المسموح بها ومتطلبات التصنيع؛ وفي اليوم نفسه، لا يسجّل PLE تجاوز أي وكيل نسبة 50 % على ملفات هندسية حقيقية، ولا تجتاز جميع فحوص السلامة سوى 41,3 % من المخرجات في أفضل إعداد. والحل الذي تتضح ملامحه هجين: لدى Google DeepMind، يتولى النموذج التنسيق، وتتولى أدوات كيميائية حتمية الحسابات. وأخيرًا، يذكّر StateBench بأن تتبّع مستند طويل يظل صعبًا: ففي أصعب المسائل، تهبط النماذج الرائدة إلى 13 % أو أقل.