OpenAI تطلق GPT-6 Cyber، وAnthropic تتيح Personal Finance في Claude، وPerplexity تطلق Teammates

تطلق OpenAI نموذج GPT-6 Cyber للأمن السيبراني، المصنّف ضمن مستوى Critical، والمتاح في البداية لبعض عملاء Daybreak Red، وذلك غداة نشر تدوينة تفيد بأن سلسلة البحث المستقل عن الثغرات، التي يشغّلها هذا النموذج، تحققت من 948 ثغرة لرفع الصلاحيات في نواة Linux بتكلفة 1,2 مليون دولار. وتتيح Anthropic ميزة Personal Finance في Claude، بوصول للقراءة فقط وبنسخة تجريبية في الولايات المتحدة، فيما تطلق Perplexity خدمة Teammates، وهم وكلاء يعملون باستمرار، على غرار الوكلاء الذين تضيفهم Mistral إلى Studio. وفي مجال الإبداع، تسرّع OpenAI توليد الصور باستخدام Images 2.6، وتتيح Google نموذج Gemini Omni 1.2 Flash للجميع، مع مقاطع فيديو مدتها 15 ثانية وسعر أقل بنسبة 30 %. ومن جانبها، تنشر Ricursive Intelligence نموذج Ripple-65B Preview، وهو نموذج كثيف بأوزان مفتوحة موجّه للبرمجة باستخدام الوكلاء.

OpenAI تطلق GPT-6 Cyber، وهو نموذج للأمن السيبراني مصنّف ضمن مستوى Critical، ومتاح في البداية لعملاء Daybreak Red

5 نوفمبر — تطلق OpenAI نموذج GPT-6 Cyber، خليفة GPT-5.6 Cyber، المدرَّب على اكتشاف ثغرات قابلة للاستغلال والتحقق منها مع الالتزام بالنطاق الذي يحدده الباحثون. ويصنّفه إطار الاستعداد الخاص بها (Preparedness Framework) ضمن مستوى Critical في الأمن السيبراني، مقابل مستوى High لنموذج GPT-5.6 Cyber. ووفقاً لـOpenAI، يتفوق على GPT-6 Astra في معظم مهام الأمن السيبراني، حتى عندما لا يرفض Astra الطلب.

Introducing GPT‑6 Cyber: a major advance in security research that pairs stronger capabilities with better model alignment. The model powered the Linux kernel research we announced yesterday, and security teams at companies like Mozilla, Palo Alto Networks, Calif, and Cisco—alongside our own at OpenAI—are already putting it to work. GPT-6 Cyber is available to select Daybreak Red customers and we are expanding access over time.

🇸🇦 نقدّم GPT-6 Cyber: تقدّم كبير في أبحاث الأمن، يجمع قدرات معزّزة مع مواءمة أفضل للنموذج. لقد شغّل النموذج أبحاث نواة Linux التي أُعلن عنها أمس، وتستخدمه بالفعل فرق أمنية في شركات مثل Mozilla وPalo Alto Networks وCalif وCisco، إلى جانب فرقنا في OpenAI. يتوفر GPT-6 Cyber لبعض عملاء Daybreak Red، وسنوسّع نطاق الوصول إليه بمرور الوقت. — @OpenAI على X

تتناول الأرقام التي نشرتها OpenAI أولاً استغلال الثغرات، ثم قدرة النموذج على الالتزام بمهمته: يضع ExploitGym Honeypot بالقرب من الهدف خدمات جانبية يسهل مهاجمتها عمداً، ويجب على النموذج تجاهلها.

التقييم الذي نشرته OpenAI	نتيجة GPT-6 Cyber	مرجع المقارنة
ExploitGym (استغلال ثغرة محددة عن بُعد)	48,5 %	32,1 % لنموذج GPT-5.6 Cyber
اختبار اختراق الويب دون الوصول إلى الشفرة المصدرية	العثور على 40,3 % من الثغرات	32,0 % لنموذج GPT-6 Astra
RemoteExploitBench (التقييم الأولي)	إنجاز 95 % من المهام بنجاح	رفض بنسبة 100 % لنموذج GPT-6 Astra (Daybreak Blue)
ExploitGym Honeypot، دون تعليمة النشر	تجنّب 99,93 % من الهجمات خارج النطاق	94,49 % لنموذج GPT-5.6 Cyber
SRE-Bench، الهندسة العكسية للملفات الثنائية (بطاقة النظام)	92,84 %	87,98 % لنموذج GPT-6 Astra

على أرض الواقع، تسلّط OpenAI الضوء على 948 استغلالاً لثغرات رفع الصلاحيات محلياً في نواة Linux (ترد تفاصيلها أدناه)، و81 ثغرة جديدة عالية الخطورة في Firefox، وفق تصنيف Mozilla، التي بدأت نشر التصحيحات. وتستخدمه بالفعل فرق الأمن في Cisco وCalif وCodeRabbit للبحث عن الثغرات ومراجعة الشفرة.

وقد عُزّزت ضوابط الأمان: مراقبة حالات عدم المواءمة الخاصة بالأمن السيبراني، وإلزام عملاء API الذين يعتمدون عدم الاحتفاظ بالبيانات عموماً باستخدام Private Safety Processing (مع الاحتفاظ بسجلات مشفّرة مدة 30 يوماً في مساحة تخزين العميل)، واشتراط قائمة بعناوين IP المسموح بها افتراضياً للوصول إلى API الخاص بـDaybreak Red، وضوابط جديدة لمنع المساعدة في مهاجمة الأنظمة الحيوية. وتتيح مجموعة Daybreak Red for Critical Infrastructure إجراء اختبارات مصرّح بها للمدافعين المعتمدين عن البنية التحتية الحيوية، بعد تقييمات أُجريت مع Dragos على محطة كهرباء محاكاة.

يُتاح GPT-6 Cyber في البداية، عبر API وCodex، لمجموعة محدودة من عملاء Daybreak Red المعتمدين، قبل توسيع الإتاحة تدريجياً لتشمل جميع هؤلاء العملاء؛ أما GPT-5.6 Cyber فهو متاح لهم الآن. وفي API، تبلغ تكلفة gpt-6-cyber مبلغ 20 دولاراً لكل مليون رمز إدخال (2 دولار للمدخلات المخزّنة مؤقتاً) و100 دولار للمخرجات، مع نافذة سياق تبلغ 1 050 000 رمز. وتَعِد OpenAI بإعلانات أخرى خلال بث مباشر بعنوان «Cyber at the Frontier»، في 12 نوفمبر الساعة 10 صباحاً بتوقيت المحيط الهادئ.

🔗 GPT-6 Cyber: توسيع آفاق وكلاء الأمن السيبراني الملتزمين بالتوجيهات (OpenAI) · بطاقة نظام GPT-6 Cyber

مسار عمل مستقل تحقّق من 948 ثغرة لرفع الصلاحيات في Linux بتكلفة 1,2 مليون دولار

4 نوفمبر — عشية الإطلاق، وصف فريق الأمن السيبراني في OpenAI نموذجاً أولياً ينفّذ بالتتابع ودون تدخل اكتشاف الثغرات، وإعادة إنتاجها في آلة افتراضية معزولة، وتقييم قابليتها للاستغلال، وتوليد التصحيحات، قبل المراجعة البشرية. وقد عمل عشرة أيام في منتصف أكتوبر على الفرع الرئيسي لنواة Linux في أحدث حالاته، باستخدام النموذج الذي تحدده تغريدة الإطلاق بأنه GPT-6 Cyber؛ واحتُسبت ثغراته الـ948 لرفع الصلاحيات محلياً على أساس كل تصحيح مستقل.

مرحلة التشغيل	النتيجة المحققة	التكلفة بأرصدة API
البحث بواسطة وكلاء التحليل (12 h)	2 308 ثغرات محتملة	316 549 دولاراً
التحقق الديناميكي (30 h)	إعادة إنتاج 1 724 ثغرة	73 330 دولاراً
الاستغلال	1 169 استغلالاً ناجحاً، و948 ثغرة مستقلة	775 929 دولاراً
التشغيل الكامل، بما فيه الرصد والفرز	948 ثغرة مستقلة لرفع الصلاحيات	1 213 430 دولاراً، أي 1 279 لكل ثغرة

في أواخر يوليو، لم يعثر GPT-5.6 Sol إلا على 166 ثغرة من هذا النوع ويستغلّها، بتكلفة 513 690 دولاراً، وقد عُزّزت حماية النواة خلال الأشهر الثلاثة الفاصلة بين الحملتين. وفي kernelCTF، برنامج Google الذي يستخدم نواة معزّزة الحماية، حققت السلسلة 21 استغلالاً خلال 112 ساعة بتكلفة تقارب 32 936 دولاراً. واستخدم الوكلاء ما لا يقل عن 10 تقنيات استغلال لم تكن معروفة لدى OpenAI ولا لدى الخبراء الذين استُشيروا، ولا تزال تفاصيلها سرية. وتقدّر OpenAI، على سبيل الافتراض، أن هذه الثغرات كانت ستدرّ ما بين 18,9 و66,3 مليون دولار وفق جداول المكافآت السابقة في Pwn2Own وTyphoonPWN. وعند انتهاء الأيام العشرة، كانت 61 ثغرة قد صُحّحت بالفعل في المشروع الأصلي، وكانت تصحيحات 43 ثغرة قيد الإعداد، وكانت 299 ثغرة موضع نقاشات عامة.

🔗 ألف مسار أقل للوصول إلى صلاحيات الجذر (OpenAI)

Anthropic تطلق Personal Finance في Claude، بوصول للقراءة فقط عبر Plaid وبنسخة تجريبية في الولايات المتحدة

5 نوفمبر — تطلق Anthropic ميزة Personal Finance في Claude، بنسخة تجريبية في الولايات المتحدة ضمن خطط Pro وMax وUltra. يربط المستخدم الحسابات المصرفية والبطاقات التي يختارها، ثم يطرح أسئلته المالية باللغة اليومية؛ ويجيب Claude استناداً إلى أرصدة المستخدم ومعاملاته.

Introducing Personal Finance in Claude, in beta in the US. Connect the accounts you choose, and Claude answers your money questions in everyday language, from your own balances and transactions. Access is read-only, and Claude can’t move, manage, or invest your money.

🇸🇦 نقدّم Personal Finance في Claude، بنسخة تجريبية في الولايات المتحدة. اربط الحسابات التي تختارها، وسيجيب Claude عن أسئلتك المالية باللغة اليومية، استناداً إلى أرصدتك ومعاملاتك. يقتصر الوصول على القراءة فقط، ولا يستطيع Claude نقل أموالك أو إدارتها أو استثمارها. — @claudeai على X

يتم الاتصال عبر Plaid: يسجّل المستخدم الدخول بنفسه إلى مصرفه ويوافق هناك على منح Claude صلاحية الوصول، ولا يطّلع Claude مطلقاً على كلمة مرور الحساب المصرفي. وبالنسبة إلى الحسابات المختارة، يقرأ Claude اسم المصرف واسم كل حساب ونوعه وآخر أربعة أرقام منه، والأرصدة، وحدود الائتمان، ومعاملات تعود إلى سنتين كحد أقصى؛ أما الاستثمارات والقروض والبطاقات، فلا يقرأ منها سوى الأرصدة والحدود القصوى، دون المراكز الاستثمارية أو معدلات الفائدة. ولم تُصمَّم الميزة لتقديم نصائح استثمارية، ولا تعرض إعلانات أو توصيات مدفوعة؛ وتوضح Anthropic أنها لا تقدّم بطاقات ائتمان أو قروضاً أو حسابات ادخار.

تجمع صفحة مخصصة النفقات والتدفقات النقدية والاشتراكات والفواتير المقبلة. وفي المثال الوارد في المقال، يحسب Claude إجمالي نفقات الشهر بمبلغ 4 309,37 دولاراً، يذهب أكثر من نصفه إلى الإيجار والمصاريف المرتبطة به، ويسرد أربع عمليات خصم مرتقبة قبل نزول الراتب، ويحسب المبلغ الذي سيتبقى: 1 393,22 دولاراً. كما ينبّه إلى عمليات الخصم المكررة أو الرسوم غير المتوقعة أو ارتفاع قيمة فاتورة، ويمكنه إنشاء رسم بياني أو تقويم لمواعيد الاستحقاق أو لوحة متابعة.

جانب العرض	القيمة المعلنة
الخطط المشمولة	Pro وMax وUltra (باستثناء Free وTeam وEnterprise)
البلد والمصارف	الولايات المتحدة، 16 مصرفاً أمريكياً كحد أقصى
حالة الإطلاق	نسخة تجريبية، مع إتاحة تدريجية بدءاً من هذا الأسبوع
المنصات	الويب وClaude Desktop وiOS وAndroid
البيانات المقروءة	معاملات تعود إلى 24 شهراً كحد أقصى، بوصول للقراءة فقط
تدريب النماذج	تُستثنى محادثات مساحة Personal Finance

خارج هذه المساحة، تسري إعدادات الخصوصية المعتادة؛ ووفقاً لمركز المساعدة، لا تُستخدم المحادثة التي استعانت بالحسابات لتغذية الذاكرة أو البحث في سجل المحادثات. ولا تُستخدم الحسابات المرتبطة في Cowork أو Claude Code أو المهام المجدولة، كما أن الميزة غير متوفرة في Claude Duet. وتقدّم Anthropic ميزة Personal Finance باعتبارها خطوة أولى، وتقول إنها تستكشف العمل إلى جانب متخصصين مرخّصين ومؤسسات خاضعة للرقابة، دون تحديد موعد. وينضم Claude إلى ChatGPT وPerplexity وGrok، التي تستخدم أيضاً Plaid.

🔗 تقديم Personal Finance في Claude · استخدام Personal Finance في Claude (مركز المساعدة)

وكلاء يعملون باستمرار: Perplexity Teammates والوكلاء المُدارون في Mistral Studio

5 نوفمبر — تطلق Perplexity خدمة Teammates، وهم وكلاء شخصيون للعمل طويل الأمد، أعلن عنهم أرافيند سرينيفاس ثم الحساب الرسمي لـPerplexity. ينطلق كل زميل عمل (زميل) مما هو موجود بالفعل في Computer: المشاريع والمهارات والذاكرة والإضافات وعمليات الأتمتة. ويُمنح اسماً ودوراً وتعليمة دائمة وقواعد تحدد متى يعود إلى المستخدم؛ فيخطط للعمل، وينسّق جلسات Computer وزملاء العمل الآخرين، ويتحقق من النتائج أثناء التقدم، ويسلّم العمل منجزاً لاعتماده. ويحتفظ بالأهداف وسجل المهام والملفات بين عمليات التشغيل، ضمن سلسلة محادثة واحدة دائمة.

Today, we’re launching Perplexity Teammates. They are personal agents for work. And change the paradigm from writing prompts in a session to giving high-level goals. Rolling out to Max users on the web today. Native apps (mobile, desktop) coming soon.

🇸🇦 نطلق اليوم Perplexity Teammates. إنهم وكلاء شخصيون للعمل. وهم يغيّرون النهج: من كتابة التعليمات في جلسة إلى تحديد أهداف عامة. تبدأ الإتاحة اليوم لمستخدمي Max على الويب. وستصل التطبيقات الأصلية (للأجهزة المحمولة والحواسيب) قريباً. — @AravSrinivas على X

يكمن الاختلاف عن Computer في المبادرة. يراقب زميل العمل ما يجري ويتصرف عندما يتغير شيء، دون طلب جديد: يرصد زميل مبيعات عميلاً معتاداً توقف عن الشراء، ويفحص طلباته وتذاكر الدعم الخاصة به، ثم يُعدّ عرضاً أو ينبّه إلى مشكلة. ووفقاً للأسئلة الشائعة، يعمل الزملاء في الخلفية على مدار 24 ساعة وينبّهون عندما يلزم اتخاذ قرار. وعند إضافة زميل إلى قناة Slack، يتلقى مهام من زملاء المستخدم، ويتناوب الزملاء على العمل: يعثر أحدهم على أخطاء في موقع، ويُعدّ آخر التصحيحات.

جانب المنتج	التفاصيل التي نشرتها Perplexity
الخطة المطلوبة	Perplexity Max فقط
المنصات	الويب بدءاً من 5 نوفمبر، مع الإعلان عن تطبيقات أصلية دون تحديد موعد
تكلفة الاستخدام	مجاني خلال فترة ترويجية، ثم يُستهلك من الأرصدة الشهرية المضمّنة في Max
العزل	سطح مكتب ومتصفح وجلسات وملفات تعريف ارتباط خاصة بكل زميل
الصلاحيات	صلاحيات أدوات Computer ومشاريعه، مع بيانات اعتماد مشفّرة

يمكن للمستخدم مراجعة العمل، أو تولّي التحكم في سطح المكتب، أو إعادة توجيه زميل أثناء العمل. ولم يُحدَّد موعد انتهاء الفترة الترويجية، وتَعِد Perplexity بتوسيع الإتاحة والوظائف خلال الأسابيع المقبلة. ويمثّل Teammates امتداداً لـComputer في Slack، الذي أُطلق في 1 أبريل، ولعمليات الأتمتة التي أُطلقت في 29 سبتمبر.

🔗 Teammates وكلاء للمهام المعقدة والمستمرة (Perplexity) · صفحة منتج Perplexity Teammates

Mistral توسّع Studio بوكلاء مُدارين وتطبيقات، وتنقل Workflows إلى الإتاحة العامة

5 نوفمبر — على صعيد المؤسسات، توسّع Mistral منصتها للذكاء الاصطناعي Studio: إذ يصل الوكلاء المُدارون (Managed Agents) والتطبيقات (Apps) إلى المعاينة العامة، وتنتقل Workflows، المتاحة في المعاينة العامة منذ أواخر أبريل، إلى الإتاحة العامة. تتوفر المكونات الثلاثة اعتبارًا من 5 نوفمبر على Mistral Cloud، وستصل إلى عمليات النشر في السحابات الخاصة وداخل مقرات المؤسسات في أواخر نوفمبر. تُكتب الوكلاء المُدارون بلغة Python باستخدام SDK mistralai-agents: ويكفي تعريف الوكيل مرة واحدة ليعمل على خوادم المستخدم الخاصة (agents serve) أو لدى Mistral (agents deploy)، وينفّذ مهامه في الخلفية لساعات أو أيام، ويستأنف من آخر خطوة أكملها بعد حدوث عطل، ويمكنه انتظار موافقة شخص. توفر Studio للتطبيقات الاستضافة والمصادقة والتحكم في الوصول. تسرد ملاحظات الإصدار اثنتي عشرة إضافة، منها أداة لبناء سير العمل باللغة الطبيعية باستخدام Mistral Vibe، وتقييمات خارج الاتصال وعلى حركة الاستخدام الفعلية، وفهرس بحث مُدار وخطافات ويب. وتذكر Mistral خصوصًا ABANCA وBNP Paribas وCapgemini وCMA CGM ضمن العملاء والشركاء الذين يستخدمون Studio بالفعل في بيئات الإنتاج. لم تُنشر أي أسعار، وقد تتغير API الوكلاء المُدارين خلال فترة المعاينة.

🔗 Le Chonk يوفّر الذكاء. وStudio تضعه موضع التنفيذ (Mistral AI)

OpenAI تطلق Images 2.6: صور GIF متحركة وصور مرجعية ونموذجان عبر API أسرع بنسبة 50 %

4 نوفمبر — بعد شهرين من Images 2.5، تطلق OpenAI إصدار Images 2.6 في ChatGPT وCodex وAPI، بإعلان نُشر مساء 4 نوفمبر. يولّد النموذج الصور بسرعة أعلى بنسبة 50 % ويحافظ على التفاصيل بصورة أفضل من تعديل إلى آخر، مثل ملابس شخصية عند تغيير الخلفية. وهو متاح عالميًا في ChatGPT وCodex لجميع الاشتراكات، على الويب والحاسوب والهاتف المحمول.

تصل ميزتان إلى ChatGPT. تتيح ميزة إنشاء GIF، الجاري طرحها، تحويل موجّه أو صورة أو رسم أولي إلى حلقة متحركة، مع إمكانية ضبط سرعة التشغيل وتعديل كل إطار. وتتيح الصور المرجعية المحفوظة إعادة استخدام صورة في محادثات جديدة: يحفظ المستخدم صورة كلبه باسم Pepper، ثم يطلب رسمًا بالألوان المائية لـ @Pepper دون إرسال الصورة مجددًا.

نموذج API	الميزة المعلنة	صور الإخراج، لكل مليون رمز
`gpt-image-2.6-flare`	صورة خلال ست ثوانٍ بجودة منخفضة، وتنسيق متقن للملصقات والتصاميم البصرية	30 دولارًا
`gpt-image-2.6-sunburst`	جودة واتساق أفضل عبر التعديلات المتتابعة، بجودة متوسطة أو عالية	30 دولارًا

في API، يُستخدم النموذجان للتوليد والتعديل على حد سواء. وتحصل API أيضًا على معلمة للتعقيد تضبط مستوى التخطيط لدى النموذج، إذ تناسب القيمة المنخفضة التعديلات السريعة، إلى جانب التصدير بصيغة SVG، وتوليد صور GIF متحركة، والتحرير الموجّه بالتعليقات التوضيحية، والمتاح أيضًا لنماذج GPT Image 2.5 المتوافقة. الأسعار هي نفسها أسعار GPT-Image-2.5 Flare: 5 دولارات لكل مليون رمز نصي مُدخل و8 دولارات لكل مليون رمز صور مُدخل. وتقدّر OpenAI الاستخدام بنحو 4 مليارات صورة أسبوعيًا عبر ChatGPT وCodex وAPI، أي أكثر من نصف مليار يوميًا. حصلت OpenArt وFigma Weave وPicsart وfal وSable وHiggsfield على وصول مبكر، ودمجته HeyGen في اليوم التالي مباشرةً (انظر الموجزات).

🔗 تقديم Images 2.6 ‏(OpenAI) · ملاحظات إصدار ChatGPT

Google تتيح Gemini Omni 1.2 Flash للجميع: فيديوهات مدتها 15 ثانية وأسعار أقل بنسبة 30 %

5 نوفمبر — تطلق Google إصدار Gemini Omni 1.2 Flash، وهو النسخة الجديدة من نموذجها لتوليد الفيديو وتعديله، ضمن الإتاحة العامة في Gemini API ‏(gemini-omni-1.2-flash، للفئة المدفوعة فقط) وفي Gemini for business. ووفقًا لـ Google، هذه أول مرة يصبح فيها Gemini Omni متاحًا عمومًا على البنية التحتية لـ Google Cloud، بما يشمل Provisioned Throughput؛ ويحمل كل ناتج علامة مائية من SynthID.

ينتج النموذج مقاطع مدتها 15 ثانية ويعدّلها بصورة أصلية، مقابل 10 ثوانٍ في Omni 1.1، مع إمكانية ضبط المدة بزيادات قدرها ثانية واحدة بين 3 و15 ثانية. وهو يلتزم بمراجعه بصورة أفضل، سواء كانت صور شخصيات أو منتجات أو أنماط بصرية، أو مقاطع حركة قصيرة، أو إرشادات صوتية، مع دعم ما يصل إلى 6 صور مرجعية في API، وينتج عددًا أقل من القطع المفاجئ (jump cuts). ويعمل التحرير الحواري متعدد الجولات على مقاطع كاملة مدتها 15 ثانية، بحوارات أكثر طبيعية ومزامنة أدق لحركة الشفاه. وفي API، تضيف عملية تمديد المقطع من 3 إلى 10 ثوانٍ في كل جولة، حتى 30 ثانية إجمالًا، وتتضاعف حدود معدل الطلبات للفئة المدفوعة.

المعيار المقارَن	Omni 1.1 Flash	Omni 1.2 Flash
أقصى مدة أصلية	10 ثوانٍ	15 ثانية
إخراج الفيديو، لكل مليون رمز	17,50 دولارًا	12 دولارًا
السعر الفعلي بدقة 720p	نحو 0,10 دولار لكل ثانية	نحو 0,07 دولار لكل ثانية

تعلن Google بذلك انخفاضًا بنسبة 30 %: فتبلغ تكلفة مقطع مدته 15 ثانية بدقة 720p نحو 1,04 دولار، وتكلف الثانية 0,023 دولار بدقة 360p، و0,209 دولار بدقة 4K المعززة برفع الدقة. وفي 3 ديسمبر، ستُوجَّه جميع الطلبات المرسلة إلى gemini-omni-1.1-flash نحو الإصدار 1.2، وتُحتسب تكلفتها وفق أسعاره. وعلى صعيد المستخدمين الأفراد، يصل النموذج إلى Flow، وإلى Google Vids حيث لا تترتب تكلفة إضافية على مقاطع الـ15 ثانية عند استخدام حساب Google أو اشتراك Workspace، وإلى Google Ads وتطبيق Gemini لجميع مشتركي Google AI، مع اقتصار فيديوهات الـ15 ثانية في التطبيق على Google AI Ultra. وقد أضافته Runway في اليوم نفسه (انظر الموجزات). وتقرّ Google بالحاجة إلى تحسينات في الحركات الرياضية السريعة، والتغييرات السريعة في السيناريو، والظواهر الفيزيائية المعقدة، ولا تنشر أي اختبار معياري.

🔗 تقديم Gemini Omni 1.2 Flash ‏(Google) · أسعار Gemini Omni 1.2 Flash

Luma تربط مسارات عملها الإبداعية بـ Claude وChatGPT عبر موصل MCP

3 نوفمبر — تطلق Luma موصل MCP يجلب أدواتها الإبداعية إلى Claude وChatGPT؛ ويحمل المنشور تاريخ 3 نوفمبر، وقد حُدّث في 4 نوفمبر ثم شاركته Luma في 5 نوفمبر. يتيح الموصل الوصول إلى Luma Agent، الذي يُقدَّم على أنه قادر على تنسيق مشروع كامل انطلاقًا من موجّه واحد، وإلى مسارات العمل المحددة مسبقًا لدى Luma: ‏Product Shots وCamera Angles وBackground swap وRelight Studio ومقاطع ترويجية قصيرة. وتعود الصور والفيديوهات النهائية إلى المحادثة. يستهدف السيناريو المعروض التسويق: يسأل المستخدم المساعد عن الإعلان الذي حقق أفضل أداء في الأسبوع السابق، ثم يطلب من Luma إنشاء نسخ متنوعة من الإعلان الفائز، بمشاهد وزوايا وإضاءة جديدة. يُربط حساب Luma مرة واحدة، وتستهلك كل عملية توليد أرصدة من اشتراك Luma، دون تسعيرة خاصة بالموصل. وكانت Luma قد ربطت بالفعل موصل MCP بـ Claude Motion في 8 أكتوبر؛ وتتمثل الإضافة الجديدة في ChatGPT ومسارات العمل المحددة مسبقًا وLuma Agent، التي أصبحت متاحة الآن في كلا المساعدين. وتنضم Luma إلى Runway وSynthesia وSuno وHeyGen، التي ربطت جميعها أدواتها بالمساعدات خلال الأسابيع الأخيرة.

🔗 ربط Luma بـ ChatGPT وClaude ‏(Luma)

Ricursive Intelligence تنشر Ripple-65B Preview، نموذجًا كثيفًا بأوزان مفتوحة موجّهًا للبرمجة باستخدام الوكلاء

4 نوفمبر — تنشر Ricursive Intelligence، وهي مختبر لم يسبق أن تناولته هذه النشرة، نموذج Ripple-65B Preview: نموذج لغة كثيف يضم 65 مليار معلمة، دُرِّب مسبقًا من الصفر على 12 000 مليار رمز، بترخيص Apache 2.0، وبسياق يصل إلى 1 048 576 رمزًا. يشمل الإصدار النموذج المضبوط لاتباع التعليمات بصيغتي BF16 وNVFP4، ونموذجًا أساسيًا ناتجًا عن التدريب المسبق وحده، ونموذج مسودة صغيرًا باسم DFlash2 لفك الترميز التخميني. وتقدّم Ricursive نفسها بوصفها مختبرًا يحسّن العتاد والبرمجيات والنموذج بصورة مشتركة، ويمثل Ripple-65B Preview النسخة العامة الأغراض من النموذج المملوك لمنصتها لتصميم الرقائق بالذكاء الاصطناعي.

تتعلق الأرقام الأبرز بالبرمجة باستخدام الوكلاء: 80,5 % على Terminal-Bench 2.1، و79,1 % على SWE-Bench Pro v2.0-Hard، و44,3 % على DeepSWE v1.1. وتقول Ricursive إنها تتصدر النماذج الأمريكية ذات الأوزان المفتوحة في هذا المجال، متقدمة على نماذج أكبر بكثير تعتمد مزيج الخبراء (Mixture-of-Experts، ‏MoE)؛ ويتعلق هذا الادعاء بالنماذج الأمريكية المفتوحة، لا بجميع النماذج المفتوحة.

الخاصية (وفق بطاقة Ricursive)	Ripple-65B Preview	Reflection Beam	Muse Spark Open	Inkling	Nemotron 3 Ultra
بنية النموذج	كثيفة	MoE	MoE	MoE	MoE
إجمالي المعلمات	65B	501B	816B	975B	550B
المعلمات النشطة	65B	23B	42B	41B	55B
Terminal-Bench 2.1	80,5	80,1	76,4	63,8	56,4
GPQA Diamond	85,2	90,6	89,0	87,2	87,0

تصف Ricursive المقارنة بأنها قائمة على بذل أقصى جهد ممكن (best-effort): فهي تستخدم النتائج الرسمية للمنافسين عند توفرها، وتقييمًا داخليًا في غير ذلك، مع أطر تشغيل وتقييم مختلفة بحسب الاختبارات، وتكون جميع نتائج Terminal-Bench 2.1 أقل عند استخدام إطار Terminus 2 الرسمي، باستثناء Muse Spark Open. وفي المعارف العامة (GPQA Diamond)، يبقى Ripple خلف منافسيه.

تقف وراء هذه الوصفة مجموعة صغيرة توسعت من شخص واحد إلى خمسة أشخاص. انطلقت Ricursive من وصفة تدريب Olmo 3، النموذج المفتوح من Ai2، وأعادت العمل عليها من جميع الجوانب، من قوانين التوسع والبنية والبيانات إلى ما بعد التدريب: وتقول إنها حسّنت الكفاءة الحاسوبية في البرمجة بمقدار 16 مرة مقارنة بسلسلة نماذج Olmo 3، وبما يصل إلى 55 مرة للتدريب الكامل. النموذج كثيف بدلًا من اعتماده مزيج الخبراء، بهدف تبسيط البنية التحتية، ويستخدم بنية قليلة العرض وعميقة مستوحاة من Gemma 3N ‏(80 طبقة)، مع تدريب بصيغة BF16 دون نوى حسابية مطوّرة داخليًا. وحققت مرحلة ما بعد التدريب، الخفيفة نسبيًا، نتيجة 80,5 على Terminal-Bench 2.1 باستخدام 1,4 مليون مسار تنفيذ للتعلم المعزز (rollouts)، أي أقل بنحو 70 مرة من Reflection Beam وفقًا لـ Ricursive.

يولّد النموذج 250 رمزًا في الثانية على وحدتي B200، بدفعات من 8، دون تكميم، ويمكن تشغيله على جهاز DGX Spark واحد باستخدام نقطة الحفظ بصيغة NVFP4. وتتيحه Together AI منذ 5 نوفمبر بسعر 0,20 دولار لكل مليون رمز مُدخل و0,60 دولار للمخرجات، مع نافذة سياق تبلغ 128K رمزًا على منصتها، وقد نشرت Atomic Chat نسخة أولى بصيغة GGUF بعد نقله إلى llama.cpp.

🔗 إعلان Ricursive على X · Ripple-65B Preview على Hugging Face · Ripple-65B Preview على Together AI

وكلاء البرمجة: Devin Review 2.0، وتطبيقات عبر الإنترنت في Cursor، وmicroVM من Replit، وQwen Code v0.26.8

Cognition تطلق Devin Review 2.0، بمراجعة PR أقل تكلفة وتزايدية افتراضيًا

5 نوفمبر — تطلق Cognition إصدار Devin Review 2.0 وتجعله الأداة الافتراضية لمراجعة طلبات السحب عند العمل باستخدام Devin. يركّز عنوان المنشور على انخفاض تكلفة المراجعة إلى الخُمس منذ أغسطس، ويقدّر تراجع التكلفة لكل PR خلال هذه الفترة بنسبة 82 %، بفضل مزيج أفضل من النماذج وتحسين إطار التشغيل؛ أما سلسلة الإعلان من @cognition فتتحدث عن تكلفة مراجعة قد تنخفض إلى الخُمس. تتراوح تكلفة المراجعة المعتادة بين 0,25 و0,75 دولار، ويبلغ متوسط تكلفة إصلاح خطأ نحو 2,25 دولار لدى العملاء. ووفقًا لـ Cognition، يرتفع متوسط عدد الأخطاء المكتشفة لكل PR من 1,22 إلى 1,32، وينخفض وسيط زمن الاستجابة من 139 إلى 94 ثانية. وتصبح المراجعة تزايدية افتراضيًا: إذ تقتصر كل جولة جديدة على قراءة ما تغيّر، وتكلف نحو 80 % من طلبات PR أقل من دولار واحد، بما يشمل جميع عمليات الدفع، ويمنع سقف إنفاق لكل PR انفلات التكاليف. ويضاف إلى ذلك Devin Review Ultra، بمستوى جهد أعلى وتكلفة أكبر للشيفرة الحساسة، مثل الفوترة والأمان، ومراجعون مخصصون (Custom Reviewers) في الإصدار التجريبي؛ ولم تُنشر أي أسعار جديدة.

🔗 Devin Review 2.0 ‏(Cognition)

Cursor تبني تطبيقات عبر الإنترنت وتستضيفها وتشاركها

5 نوفمبر — تتيح Cursor بناء تطبيقات عبر الإنترنت ومشاركتها عبر رابط. وتنطلق، بحسب ما تقول، من أن الوكلاء خفّضوا تكلفة البرمجة، لكن معظم الأدوات التي تُنشأ لا تغادر الجهاز المحلي (localhost). يشغّل المستخدم وكيلًا سحابيًا ويطلب منه صراحةً إنشاء تطبيق: فتنشئ Cursor هيكله الأولي، وتُنشئ قاعدة Postgres عند الحاجة، وتربط المصادقة بتسجيل الدخول إلى Cursor، وتستضيفه في حساب مخصص ومعزول عن حسابات الفرق الأخرى. وقبل أي نشر على النطاق المختار، يجب اجتياز أربعة فحوص حتمية تتناول الأسرار المكتوبة داخل الملفات، وملفات بيانات الاعتماد، وملفات .env، وخرائط المصدر، إلى جانب مراجعة أمنية بالذكاء الاصطناعي، ثم ينشر المستخدم التطبيق بإجراء صريح. يرى المسؤولون جميع التطبيقات والأسرار، ويضيفون قواعد المراجعة الخاصة بهم، ويمكنهم إلغاء نشر أي تطبيق. ويمكن المشاركة مع أشخاص أو مجموعات أو الفريق أو الجمهور، مع تعطيل المشاركة العامة افتراضيًا في Teams وEnterprise. الميزة متاحة في جميع الخطط المدفوعة التي تتضمن الوكلاء السحابيين، انطلاقًا من Cursor Origin أو GitHub، مع الإعلان عن دعم GitLab قريبًا؛ ولم تُذكر أي أسعار للاستضافة.

🔗 بناء تطبيقات مباشرة على الإنترنت في Cursor · وثائق Cursor حول التطبيقات

تعيد Replit بناء محرك بيئاتها المعزولة حول microVM، لكل منها نواة Linux خاصة بها

4 نوفمبر — تنشر Replit الجزء الأول من سلسلة عن محرك بيئاتها المعزولة الجديد، وقد نُشر مساء 4 نوفمبر وتداولته المصادر في اليوم التالي. أصبحت كل بيئة معزولة الآن microVM، أي آلة افتراضية خفيفة مزودة بنواة Linux خاصة بها، بدلًا من حاويات تتشارك نواة المضيف؛ وتقول Replit إنها نقلت مئات الملايين من المشاريع دون فقدان بيانات. ويتشارك مراقب الآلات الافتراضية Cloud Hypervisor مكونات مع Firecracker، فيما تستغني نواة الضيف، المبنية انطلاقًا من tinyconfig، عن Bluetooth وUSB وبرامج تشغيل العرض.

تدقيق CVE في نواة Linux (من 1 يونيو إلى 4 نوفمبر 2026)	القيمة بحسب Replit
ثغرات CVE المنشورة والمدققة	6 211
ثغرات CVE التي تجنبها المحرك الجديد	5 969 (96,1 %)
التصحيحات المدمجة قبل الإفصاح	4 375 (70,4 %)
ثغرات CVE المستبعدة بفضل إعدادات النواة	676 (10,9 %)

بالنسبة إلى CVE-2026-98432، وهي ثغرة TCP التي أثبتت Anthropic إمكانية استغلالها، كانت النواة المصححة قيد التشغيل منذ 12 أكتوبر. وتُطبَّق قواعد حركة الشبكة الصادرة خارج الآلة الضيفة، عبر وكيل على جانب المضيف، ويستدعي وسطاء بيانات الاعتماد GitHub أو Google Docs دون تسليم مفتاح الحساب إلى البيئة المعزولة مطلقًا. ويستغرق الحصول على بيئة معزولة نحو 500 مللي ثانية؛ وسيتناول الجزء الثاني تنسيق عشرات الآلاف من microVM باستخدام Kubernetes.

🔗 داخل محرك البيئات المعزولة الجديد من Replit، الجزء الأول

يتصل Qwen Code v0.26.8 باشتراكات Plus وPro من Qwen

5 نوفمبر — يعيد Qwen Code v0.26.8 إتاحة تسجيل الدخول بحساب Qwen، الذي أصبح مرتبطًا باشتراك. ففي CLI وإضافة VS Code وتطبيق Desktop، يتيح خيار «حساب Qwen مع اشتراك» استخدام اشتراك Plus أو Pro أُبرم عبر chat.qwen.ai، دون مفتاح API: يحمّل العميل كتالوج نماذج الحساب، ويستخدم الاشتراك للمحادثة والبحث المدمج على الويب، ويرشد المستخدم عند حدوث خطأ في المصادقة أو نفاد الحصة أو تجاوز حد معدل الطلبات. وبحسب طلب الدمج الذي يقدّم هذا المسار، فإنه يأتي استجابةً لانتهاء خدمة OAuth المجانية القديمة؛ ولا تذكر ملاحظات الإصدار ولا الوثائق تاريخ انتهائها أو أسعار الباقات، فيما تظل CI والحاويات معتمدة على مفتاح API. ويضم هذا الإصدار المستقر، الخالي من تغييرات تكسر التوافق، 83 بندًا، منها 14 ميزة و37 إصلاحًا و13 تحسينًا للأداء: بات بإمكان Mods تقديم prompts خاصة بها، وأصبحت hooks التي يوفرها المشروع تتطلب الموافقة عبر مربع حوار. ويصدر تطبيق Desktop v0.26.8 وSDK الخاص بـTypeScript v0.1.28 في اليوم نفسه.

🔗 Qwen Code v0.26.8

استدلال أسرع: CPU ‏Vera من NVIDIA، وsgl-muse-mega من Meta، وRunway Characters في الوقت الفعلي

تعرض NVIDIA أرقام تفوّق CPU ‏Vera على x86 في تشغيل الوكلاء

5 نوفمبر — تنشر NVIDIA أرقامًا جديدة عن Vera، معالجها المصمم للوكلاء. تُنفَّذ كل خطوة من خطوات الوكيل (البحث، والاستعلام من قاعدة بيانات، وكتابة الشيفرة واختبارها، واتخاذ إجراء) على CPU، وبما أن مصانع الذكاء الاصطناعي مقيدة بالطاقة، تقيس NVIDIA العمل المنجز لكل واط. وتشير مقارنتها الخاصة، على مستوى مركز بيانات بقدرة 100 ميغاواط، إلى أن CPU واحدًا من نوع Vera يمكنه تشغيل عدد من الوكلاء لكل واط يبلغ 1,6 ضعف ما يتيحه أسرع معالج x86، وجعل الوكلاء أسرع بمرتين مقارنةً بمعالج x86 الأقل استهلاكًا للطاقة؛ ولم تُسمِّ أيًّا منهما. وتستشهد NVIDIA أيضًا بنتائج ستة شركاء:

الشريك الذي ذكرته NVIDIA	النتيجة المعلنة باستخدام Vera
Perplexity	برمجة بالوكلاء أسرع بمقدار 1,5 مرة مقارنةً بوحدات CPU التقليدية، مع التخطيط للنشر
DeepInfra	سرعة تصل إلى 2,2 ضعف أفضل x86 في تنسيق الوكلاء
ClickHouse	توسّع شبه خطي عبر 176 نواة، مع تصدّر ترتيب ClickBench
DuckLabs	أداء يعادل نحو 1,5 ضعف الأداء الوسيط لمعالج Intel Xeon 6 على TPC-H SF1000
Daytona	تشغيل 1 000 بيئة معزولة خلال 10,8 s، مقابل 88,4 s على x86
Modal	معدل تشغيل بيئات معزولة لكل نواة يصل إلى ضعفي ما يقدمه x86 مماثل

لا تذكر التدوينة أسعارًا أو جدولًا زمنيًا؛ وكان Vera قد قُدّم في CES في يناير، ثم سُلّم إلى AWS في أواخر أغسطس.

🔗 تجمع Vera أفضل ما في العالمين (NVIDIA)

تنشر Meta دون إعلان sgl-muse-mega، الذي يفك ترميز Muse Spark Open بسرعة أعلى بما يصل إلى 2,1 مرة على GB300

5 نوفمبر — نشرت Meta على حساب facebookresearch في GitHub، بترخيص MIT ودون إعلان، sgl-muse-mega: إضافة لمحرك الاستدلال SGLang تشغّل Muse Spark Open، نموذجها ذي الأوزان المفتوحة البالغ 816 مليار معلمة (42 مليارًا نشطة)، على وحدات GPU من نوع GB300. وبدلًا من إطلاق مئات أنوية الحوسبة الصغيرة (kernels) في كل خطوة من فك الترميز، ينفّذ كل طبقة من مفكك الترميز بإطلاق واحد، ويجمع مسودة DFlash2 والتحقق والقبول في فك الترميز التخميني ضمن مخطط CUDA واحد. وبحسب README، يبلغ طلب واحد سرعة تصل إلى 1 109 tokens في الثانية على GSM8K باستخدام ثماني وحدات GB300، مقابل 517 مع SGLang باستخدام المسودة نفسها، أي سرعة أعلى بمقدار 2,1 مرة؛ وتنخفض خطوة فك الترميز من 12,9 ms و1 450 نواة إلى 5,9 ms و97 نواة. ويقتصر هذا التحسن على فك ترميز طلب واحد في كل مرة (أما الطلبات الأخرى فتعود إلى SGLang)، والأداة موسومة بأنها تجريبية، وتتطلب ثماني وحدات GB300 ضمن نطاق NVLink واحد، أو أربعًا على عقدة واحدة.

🔗 sgl-muse-mega (facebookresearch)

تشغّل Runway نموذج الفيديو بحجم 57B الخاص بـRunway Characters في الوقت الفعلي على أربع وحدات H100

5 نوفمبر — تنشر Runway Research تدوينة وورقة على arXiv تشرحان كيف تحقق Runway Characters، شخصيات الفيديو التي يمكن التحدث معها مباشرةً انطلاقًا من صورة واحدة، التشغيل في الوقت الفعلي. فعلى محوّل انتشار فيديو ذاتي الانحدار يضم نحو 57B من المعلمات أن ينتج، بمعدل 24 إطارًا في الثانية، كتلة من أربعة إطارات بدقة 704x1088 كل 166,7 ms، لمستخدم واحد: يستحيل تجميع طلبات عدة مستخدمين، ويجب توفير كل مللي ثانية من الخطوة نفسها. وكان أول مجال للتحسين هو ذاكرة التخزين المؤقت: إذ كان 29 % من وقت GPU يُستهلك في إعادة معالجة ذاكرة شبه ثابتة في كل استدعاء من استدعاءات الانتباه البالغ عددها 240. ومن خلال تطبيق RoPE والتكميم FP8 مرة واحدة عند الكتابة، داخل ذاكرة تخزين مؤقت حلقية، تخفض Runway كلفة صيانتها من 69,7 إلى 6,2 ms لكل خطوة.

الإعداد الذي قاست به Runway	مدة خطوة انتشار
برمجيات الإطلاق، على أربع وحدات H100	240,9 ms
بعد التحسين، على أربع وحدات H100	159,3 ms (24,5 images/s)
باستخدام نواة تدمج الاختزال وحساب FP8	147,4 ms
على ثلاث وحدات B200	154,3 ms

أصبحت الجلسة تعمل الآن على أربع وحدات H100، مقابل ثمانٍ عند الإطلاق. وعلى مدى سبعة أسابيع من التشغيل الفعلي، تجاوز المتوسط 23,5 إطارًا في الثانية في 99,5 % من الجلسات، ويستغرق دور المحادثة في الوسيط 2,13 s، منها 1,42 s للوكيل الصوتي.

🔗 فيديو في الوقت الفعلي بحجم دفعة يساوي واحدًا (Runway) · ورقة arXiv 2611.05642

روبوتيات مفتوحة: LeRobot v0.7.0 من Hugging Face وToyBlocks من Ai2

تصدر Hugging Face ‏LeRobot v0.7.0، الذي يتيح التحدث مع روبوت أثناء عمله

5 نوفمبر — تصدر Hugging Face ‏LeRobot v0.7.0، النسخة الجديدة من مكتبتها المفتوحة للروبوتيات، فيما يستضيف Hub نحو 300 تيرابايت من بيانات الذكاء الاصطناعي الفيزيائي بتنسيق LeRobot. وتتيح الجلسات التفاعلية التحدث إلى الروبوت أثناء عمله: يغيّر /subtask التعليمات دون إيقافه، ويسأل /vqa سياسة التحكم عمّا تراه، ويكلّفها /autosteer بهدف. ويتطلب الأمران الأخيران سياسة تحكم تولّد نصًا، مثل FineART-VLA، المدرّبة على مجموعة FineART من Scale AI وHugging Face (1 718 ساعة من عمليات المناولة بذراعين، وأكثر من 533 000 مهمة فرعية مشروحة)، أو مخطِّط VLM خارجي. أما في التدريب، فتُقرأ مجموعات البيانات بالتدفق من Hub أو LanceDB، دون تنزيلها، وتنتقل الحزمة إلى FSDP2 وHSDP: في نموذج FastWAM بحجم 6B، تنخفض ذروة استهلاك الذاكرة عند استئناف التدريب من 143 إلى 42 غيغابايت لكل GPU. ويضيف الإصدار أربعة نماذج عالم للفعل (Cosmos 3 وLong-WAM من NVIDIA، وFLUX 3 Action من Black Forest Labs، وLaWAM من RLinf)، وأربع سياسات للرؤية واللغة والفعل، منها LingBot-VLA 2.0 وWall-OSS-0.5. ويكسر التوافق مع عدة استخدامات سابقة: PyTorch مُصرَّف لـCUDA 13، واستبدال الاستدلال غير المتزامن بخادم لسياسات التحكم، واستخدام Trackio بدلًا من Weights & Biases.

🔗 LeRobot v0.7.0 (مدونة Hugging Face)

تطرح Ai2 دون إعلان ToyBlocks، إطار محاكاة يولّد عروضًا توضيحية للروبوتات

5 نوفمبر — أتاحت Ai2، بين مساء 4 و5 نوفمبر ودون إعلان، مكونات ToyBlocks: إطار محاكاة مفتوح مبني على IsaacSim وIsaacLab، يدفع فيه ذراع روبوتية مكعبات على طاولة ويقلبها ويكدّسها. وتكمن فائدته في استبدال التشغيل عن بُعد بالتوليد الآلي للمهام والعروض التوضيحية: تضم مجموعة البيانات المنشورة 83 496 عرضًا توضيحيًا ناجحًا لتكديس ثلاثة مكعبات، أي 143,7 مليون صورة ونحو 1 600 ساعة، موزعة على ثلاثة مستويات صعوبة، مع مجموعات تحقق تضم 1 000 حلقة لكل مستوى. ويرافقه نموذجان: Molmo2-4B-tb، وهو نسخة مضبوطة من Molmo2-4B تقرأ صورة الكاميرا والهدف، وتصوغ خطة قصيرة وتحدد الفعل التالي (الإمساك، والوضع، والقلب، والتدوير) وهدفه، بمعدل نحو 6 Hz، وسياسة تحكم ManiFlow تنفّذ هذه الحركات. وكانت تدوينة المدونة التي تشير إليها المستودعات تعيد خطأ 404 وقت الفحص، فيما أُعلن أن التقرير التقني سيصدر قريبًا.

🔗 ToyBlocks (allenai)

تقيس Anthropic كيفية استخدام العلماء لـClaude عبر 207 049 جلسة بحث

5 نوفمبر — ينشر فريق الاقتصاد في Anthropic تقريرًا عن الاستخدام العلمي لـClaude، يستند إلى 207 049 جلسة بحث ضمن باقات الأفراد بين 2 أغسطس و30 سبتمبر 2026، حللتها مصنِّفات لا تحتفظ إلا بتسميات المجال والمهمة. وتستخدم العلوم الصورية Claude بنسبة تفوق بكثير وزنها في البحث العالمي: تمثل علوم الحاسوب 32,7 % من جلسات Claude Code، مقابل 4,3 % من الباحثين في العالم.

المقياس المرصود	على Claude (Chat وCowork)	على Claude Code
الجلسات المحللة	128 914	78 135
حصة تحليل البيانات	33,7 %	48,1 %
حصة توليد الأفكار والفرضيات	4,2 %	2,1 %

يستخدم العلماء Claude أساسًا لتحليل البيانات والكتابة، وبدرجة أقل بكثير لصياغة الفرضيات، رغم أن الباحثين الـ528 الذين شملهم الاستطلاع يضعون توليد الأفكار وجمع البيانات في صدارة المهام المهمة؛ وعلى Claude Science، تبلغ حصة توليد الأفكار نحو ضعفي حصتها على Claude. ويرسم التقرير سيناريوهات تُقدَّم للتوضيح لا بوصفها تنبؤات: إذا اعتُمدت القدرات الحالية على نطاق واسع، فقد يتضاعف الإنتاج البحثي بمقدار يتراوح بين 1,35 (الفنون) و2,02 (الإحصاء)؛ وإذا تولى الذكاء الاصطناعي جميع الأعمال غير المادية، فقد يرتفع بمعامل يتراوح بين 15 و16 في المجالات التي لا تتطلب عملًا مخبريًا، مقابل 3 إلى 4 في الأحياء أو الكيمياء. ويتوقع نحو 40 % من الباحثين الذين شملهم الاستطلاع أن ينفّذ الذكاء الاصطناعي مشاريع بحثية بمفرده بحلول 2030.

🔗 الذكاء الاصطناعي للاكتشاف العلمي: كيف يستخدم الباحثون Claude (Anthropic)

تنشر OpenAI ميثاقًا مع المجتمعات التي تستضيف مجمعات الحوسبة التابعة لها

5 نوفمبر — تنشر OpenAI ميثاقًا وطنيًا مع المجتمعات (الميثاق الوطني للمجتمعات) ومخططًا للسياسات العامة الخاصة بمجمعات الحوسبة (مخطط سياسات مجمعات الحوسبة). وسيكون لكل مجمع مستقبلي تملكه OpenAI وتشغّله ميثاق محلي، مع مشاورات مبكرة بما يكفي للتأثير في المشروع، وجهة اتصال محلية، وتقرير عام سنوي. وتتعهد OpenAI بدفع كامل تكاليف الكهرباء والبنية التحتية اللازمة، مع ضمانات مالية لحماية العملاء الآخرين إذا تأخر مشروع أو تقلص أو أُلغي، وبنشر استهلاك المياه والكهرباء لكل موقع، وتفضيل التبريد بدورة مغلقة أو قليل الاستهلاك للمياه، وعدم فرض اتفاقيات سرية على المسؤولين المنتخبين والموظفين العموميين، باستثناء إجراءات حماية محدودة النطاق. وفي مقاطعة إفينغهام بولاية جورجيا، وجّه السكان منحة قدرها 4,8 ملايين دولار نحو وجبات مدرسية مجانية لطلاب المقاطعة البالغ عددهم 14 000؛ وفي مقاطعة بايك بولاية أوهايو، تخصص OpenAI وSB Energy مبلغ 6 ملايين دولار لرعاية الأطفال. ويطلب المخطط أيضًا من صناع القرار وضع قواعد مشتركة: تحميل كبار المستهلكين التكاليف التي يضيفونها إلى الشبكة، وتسهيل ربط المجمعات القادرة على خفض طلبها، وفق ما تنص عليه مبادرة Grid Protectors التي أُطلقت في 2 نوفمبر، وتسريع إنشاء خطوط نقل الكهرباء.

🔗 إرساء معيار جديد للبنية التحتية المسؤولة للذكاء الاصطناعي (OpenAI)

موجز الأخبار

الوكلاء وأدوات البرمجة

Amp وGitLab — يتكامل Amp مع GitLab، سواء على gitlab.com أو على النُسخ المُدارة ذاتيًا: تستنسخ بيئاته السحابية، المعروفة باسم orbs، المستودعات وتدفع التغييرات نيابةً عن المستخدم، وتفتح طلبات الدمج وتتابعها، ويشغّل Orb Spawner بيئة orb لكل طلب أو تذكرة جديدة؛ من دون ذكر أسعار. 🔗 المصدر
مراجعة طلبات السحب التي ينشئها الوكلاء لدى Warp — يقترح بن هولمز ثلاث وسائل لتخفيف اختناق المراجعة: وكيل مراجعة مطوّر داخليًا يعمل على عدة جولات، وتحقق شامل يجريه الوكيل من البداية إلى النهاية، ودرجة لمخاطر الدمج تستند إلى خمسة معايير، متاحة في صورة مهارة /merge-risk. 🔗 المصدر
Copilot CLI 1.0.106-10 — صدرت نسخة معاينة جديدة على npm من دون ملاحظات إصدار؛ وتكشف حزمة SDK الخاصة بـ Copilot بالإصدار 1.0.29-preview.9، التي تتضمنها، عن ضغط تجريبي للسجل وتسجيل الدخول برمز الجهاز. ويظل أحدث إصدار مستقر هو 1.0.105 الصادر في 28 أكتوبر. 🔗 المصدر
Copilot Fusion — تحدد GitHub يوم 30 نوفمبر موعدًا لانتهاء خصم 30 % على موجّه النماذج هذا، الذي خصّه إعلان 28 أكتوبر بخطط Copilot المدفوعة لفترة محدودة؛ وتعرضه التغريدة ضمن تطبيق GitHub Copilot وCopilot CLI وVS Code. 🔗 المصدر
Kimi Code 2.5.1 — ثمانية إصلاحات، منها إنهاء أخطاء HTTP 400 المتكررة الناجمة عن رسائل النظام الفارغة لمخططات الأدوات الديناميكية، واستعادة معاينات الصور والفيديو في نتائج الأدوات. 🔗 المصدر
Kimi Work 3.2.25 — يشمل بحث شامل المشاريع والإضافات والمهارات والمحادثات، وتُكتشف الإضافات التي لم تُمنح الأذونات أثناء تنفيذ المهمة مع نافذة ترشد إلى منحها الأذونات، ويوقف إجراء جديد المهمة قبل أرشفتها. 🔗 المصدر
CLI mistral 0.17.2 — إصلاحان في يوم توسيع Studio: يفتح رابط التحذير في mistral apps deploy علامة تبويب الأسرار في التطبيق، ولم تعد أوامر mistral agents تفشل عند القفل uv.lock عندما تصدّر الصدفة UV_DEFAULT_INDEX أو UV_INDEX_URL. 🔗 المصدر
Codex على iOS — في 2 نوفمبر، يتيح ChatGPT لنظام iOS بالإصدار 1.2026.300 إضافة المرفقات وإزالتها من دون مغادرة محرر الرسائل بملء الشاشة في Codex، ويزامن حالة قراءة المهام بين الأجهزة، ويوجّه رسائل المتابعة افتراضيًا إلى المهمة الجارية. 🔗 المصدر
إضافات Antigravity — في 2 نوفمبر، تجعل إضافة VS Code بالإصدار 1.11.0 شارات سياق الطرفية المرسلة إلى المحادثة قابلة للنقر، وتفعّل إضافة Visual Studio بالإصدار 1.0.261102.0 عرض الفروق داخل السطور افتراضيًا، مع قبولها أو رفضها على مستوى الكتلة أو الملف. 🔗 المصدر
صفحة النظرة العامة لطلبات السحب — تتيح GitHub، ضمن معاينة عامة يمكن الانضمام إليها اختياريًا، صفحة تضع حالة الدمج والإجراءات التالية في الأعلى، مع منطقة دمج أُعيد تصميمها ومرشحات للمحادثة؛ ويمكن العودة إلى العرض التقليدي. 🔗 المصدر
Discord بلغة Rust — بعيدًا عن الذكاء الاصطناعي، تعرض Discord نسخة جديدة من تطبيقها أُعيد بناؤها بلغة Rust، وتقول Zed إنها مبنية على GPUI، إطار عملها المفتوح المصدر لبناء الواجهات. 🔗 المصدر

الشركات والشراكات

DevRev وCodex — في دراسة حالة نشرتها OpenAI، توكل DevRev استدلال وكيليها Computer وOperator إلى نماذج OpenAI، ومنها GPT-6.1 Sol، وتقول إنها نقلت جميع أعمالها الهندسية إلى Codex وتخلّت عن تراخيص Cursor؛ من دون أرقام للنتائج. 🔗 المصدر
Replit وSMFL — تتعاون Replit مع Sumitomo Mitsui Finance and Leasing لربط منصتها بخدمة AssetForce لإدارة الأصول التابعة لـ SMFL، التي تستخدمها أكثر من 200 شركة، دعمًا لهدف SMFL المتمثل في زيادة إيرادات خدماتها الرقمية إلى عشرة أمثالها، لتبلغ 10 مليارات ين بحلول 2031. 🔗 المصدر
Baseten وNemotron Coalition — تنضم Baseten إلى تحالف NVIDIA حول النماذج المفتوحة، الذي قُدّم في مارس بمشاركة Mistral وBlack Forest Labs وCursor وAi2 وPerplexity، وتسهم فيه ببيئات للتعلّم المعزز والتدريب اللاحق والاستدلال المحسّن. 🔗 المصدر

المنصات وواجهات API والأمن

أمن Claude Enterprise — تضيف Anthropic، في مرحلة تجريبية، مركزًا أمنيًا يقارن إعدادات المحادثة وCowork وClaude Code بتوصياتها، ووحدة تحكم إدارية مركزية، ومستشعر EDR للكشف والاستجابة على الأجهزة الطرفية داخل الآلة الافتراضية المحلية لـ Cowork، على macOS وWindows. 🔗 المصدر
Claude Console وAdmin API — ترفض قائمة سماح بعناوين IP، متاحة تجريبيًا وتضم حتى 1 000 عنوان أو نطاق لكل مؤسسة، الطلبات الواردة من عناوين أخرى، ما يحد من استخدام مفتاح API مُسرّب، ويمكن لـ Admin API تسجيل خروج أحد أعضاء Claude Enterprise من جميع جلساته. 🔗 المصدر
حزم SDK من OpenAI — يضيف openai-python 3.46.0 وopenai-node 7.51.0 خيارات إقامة البيانات في أستراليا والهند واليابان، وGPT-6 Rosalind وعناصر التحكم في Images 2.6، ثم تضيف الإصدارات اللاحقة gpt-6-cyber؛ ولا يزال Codex CLI بلا إصدار مستقر جديد منذ 0.166.0 الصادر في 29 أكتوبر. 🔗 المصدر
واجهة Gemini API — تقبل الواجهة الآن عروض PPT وODP التقديمية وجداول بيانات ODS، وتعالج مستندات DOC بصفتها صور صفحات، ويمكن للأدوات إعادة الصوت والفيديو وملفات Office وOpenDocument إلى النموذج. 🔗 المصدر
واجهات API من Perplexity — تتيح Agent API مستوى الجهد ultra، الذي يعمل على Claude Opus 5.5 للبحث الواسع النطاق، ويجب تمييزه عن مستوى Ultra في Effort Mode الخاص بـ Computer؛ وفي اليوم السابق، اكتسبت Decisions API القدرة على قراءة النص من عنوان URL قبل البحث، بتكلفة 0,001 دولار لكل عملية جلب. 🔗 المصدر
تنسيق الوكلاء — تنشر Perplexity دليلًا يقارن ثلاث بُنى للتنسيق، مركزية ولامركزية وهرمية، ويحصي سبعة أعطال شائعة ويقترح سبع ممارسات فضلى، من عقود المهام إلى إعادة المحاولات التي تحافظ على النتيجة نفسها عند التكرار؛ من دون أي مستجدات في المنتج. 🔗 المصدر
فحص الأسرار في GitHub — تصبح SpaceX شريكًا: يُرسل إليها أي معرّف starlink_public_api_v2_secret مكشوف في مستودع عام لإبطاله، وتنتج أدوات الكشف الخاصة بستة مزودين، منهم AWS وGoogle Cloud Storage، إنذارات إيجابية كاذبة أقل. 🔗 المصدر

البنية التحتية والمحاكاة لدى NVIDIA

الذاكرة والاستدلال — تدافع تدوينة تفسيرية عن التصميم المشترك لجميع طبقات المنظومة في مواجهة ندرة HBM وارتفاع سعرها: فمن Blackwell Ultra إلى Vera Rubin، لا تزيد سعة HBM لكل GPU إلا بنحو 3 %، لكن معدل المعالجة لكل دولار يرتفع حتى 30 ضعفًا على SemiAnalysis AgentX؛ وتضم منظومة التخزين NVIDIA CMX تسعة شركاء. 🔗 المصدر
Into the Omniverse — تحدّث NVIDIA تدوينتها عن المحاكاة التي يبنيها الوكلاء، والتي جرت تغطيتها في 9 أكتوبر، بنحو عشرة مشاريع نُفّذت أساسًا باستخدام GPT-6 Astra، وأحيانًا Claude، منها مستودع يضم 80 ناقلًا و40 ذراعًا و800 صندوق، ويحافظ على معدل 30 إطارًا في الثانية؛ من دون منتج جديد. 🔗 المصدر

النماذج المفتوحة والبيانات والبحث

ML Intern داخل Slack — يتحول وكيل Hugging Face المفتوح المصدر، الذي يجري التقييم ويجهّز البيانات ويضبط النماذج، إلى بوت Slack يمكن تثبيته في مساحة العمل وربطه ببياناتها وملفاتها وخوادم MCP الخاصة بها؛ من دون أسعار أو رابط للتثبيت. 🔗 المصدر
Llama ونماذج القرار — يشغّل التطبيق المحلي لفريق llama.cpp وHugging Face، المجاني على Mac وWindows، نموذج d1-Omni من Liquid AI ونموذج d3-flash، الذي ينسبه إلى vLLM ويضعه في صدارة Jev Decision Index. 🔗 المصدر
Sand3D — تنشر Sandflow مجموعة تضم 106 094 عنصرًا ثلاثي الأبعاد، منها 10 456 عنصرًا مفصليًا، كُتب كل منها في صورة برنامج Python قصير باستخدام مكتبتها المفتوحة sand3d، مع إمكانية التصدير بصيغة OpenUSD التي يدعمها عارض Hub ثلاثي الأبعاد. 🔗 المصدر
SimReady Central — تفصّل Lightwheel دورها في مكتبة NVIDIA للعناصر ثلاثية الأبعاد على Hugging Face، التي تضم الآن أكثر من 3 500 عنصر بصيغة OpenUSD: تتحقق الشركة من سلوكها الفيزيائي عند التلامس والحركة وتضبطه. 🔗 المصدر
DreamTac — تعرض تدوينة مجموعة البيانات هذه من جامعة بكين، التي حوّلتها Voxel51 لتناسب FiftyOne: تضم 703 مسارات لذراع Franka ذي أطراف أصابع هلامية، موزعة على 12 مهمة و7,03 ساعات، حيث يصبح التلامس مرئيًا في الصور. 🔗 المصدر
توليد الكلام باللهجة اللبنانية — استنسخ بلال زراقط صوت مختبِر من بيروت باستخدام أربعة نماذج: وفي تقييم أعمى أجراه خمسة مستمعين من الناطقين الأصليين، حصل الصوت الحقيقي على 4,98 من 5، وأفضل نموذج، VoxCPM2، على 3,89، ولم يُعدّ الصوت الناتج عنه لبنانيًا إلا في 65 % من الحالات. 🔗 المصدر
Guardián colombiano — يضبط هوغو ألونسو نموذج Tiny Aya Global، ذي 3,35 مليارات معلمة، للإشراف على محتوى حائط عام للذاكرة الجماعية بالإسبانية الكولومبية، باستخدام GPU بسعة 6 غيغابايت، بدلًا من سلسلة تضم ثلاث خدمات سحابية. 🔗 المصدر
Anvaya-1B — يدرّب مطوّر نموذجًا مسبقًا من الصفر يزيد حجمه قليلًا على مليار معلمة، باستخدام بطاقتي T4 بسعة 16 غيغابايت لكل منهما، مع PyTorch FSDP وFineWeb، وينشر أول نقطة تحقق ووصفة التدريب. 🔗 المصدر
traj2envs — تنشر Hugging Face من دون إعلان أداة تحوّل مسارات الوكلاء بصيغة ATIF إلى مهام تعلّم معزز على Harbor جرى التحقق منها، مع صور بيئات مثبّتة الإصدارات. 🔗 المصدر

الصور والفيديو والشخصيات الافتراضية

Runway وGemini Omni 1.2 Flash — تضيف Runway نموذج Google الجديد لإنشاء مقاطع فيديو تصل مدتها إلى 15 ثانية وتحريرها، وتعديل مشهد من دون البدء من الصفر ثم رفع دقته إلى 4K؛ من دون تدوينة أو بيان للتكلفة بالأرصدة. 🔗 المصدر
HeyGen وImages 2.6 — تدمج HeyGen نموذج ChatGPT Images 2.6 للشخصيات الثانوية في مشاهدها، مع لوحات مرجعية أفضل للشخصيات واتساق أكبر في HeyGen Video 1؛ من دون تحديد الأسعار أو العروض. 🔗 المصدر
Photo Reframe من Luma — بعد Expression Sheet وCharacter Sheet، تضيف Luma أداة تستكمل المساحة المحيطة بالصورة لتناسب منشور Instagram أو غلاف ألبوم أو ملصقًا؛ من دون تدوينة أو أسعار. 🔗 المصدر
Manus Studio — يمكن الآن تصدير المشاريع إلى Premiere Pro أو DaVinci Resolve أو CapCut أو Final Cut Pro، لاستكمال مونتاج فيديو أُنشئ بالذكاء الاصطناعي في تطبيق آخر؛ من دون تحديد صيغة التصدير أو الخطط. 🔗 المصدر
Muse Realtime Avatar — تصل التقنية التي تمنح Muse Realtime Voice وجهًا متحركًا في الزمن الحقيقي، والتي قُدّمت في Meta Connect، إلى تطبيق Muse في الولايات المتحدة، من دون جدول زمني للبلدان الأخرى. 🔗 المصدر

ما الذي يعنيه ذلك

ينتقل الأمن السيبراني الهجومي إلى النطاق الصناعي، مع تقييد الوصول إليه. استُخدم GPT-6 Cyber، المصنّف ضمن المستوى الحرج، للتحقق من 948 ثغرة لرفع الامتيازات في نواة Linux خلال عشرة أيام بتكلفة 1,2 مليون دولار، أي 1 279 دولارًا لكل ثغرة، ولاكتشاف 81 ثغرة عالية الخطورة في Firefox. تقصر OpenAI إتاحة النموذج على عملاء Daybreak Red المعتمدين، وتفرض افتراضيًا قائمة سماح بعناوين IP، وتراقب عدم توافق خاصًا بالمجال السيبراني. أصبح السباق الآن حول سرعة الإصلاح: فخلال أيام الحملة العشرة، كان مساهمون آخرون قد أصلحوا بالفعل 61 من هذه الثغرات في المشروع الأصلي، وكانوا يعدّون إصلاحات لـ 43 ثغرة أخرى، وترى OpenAI أن التوليد الآلي للإصلاحات ضروري لمواكبة هذه الوتيرة. وتعرض Replit الطرف الآخر من السلسلة: فقد تضمنت نواة نظامها الضيف 4 375 إصلاحًا حتى قبل الإفصاح عنها، وكانت ثغرة TCP التي عرضت Anthropic استغلالها قد أُصلحت فيها منذ 12 أكتوبر.

يجعل الوكلاء الذين يعملون لفترات طويلة على بيانات حساسة العزل والأذونات جوهر المنتج. يعمل وكلاء Perplexity المساعدون على مدار 24 ساعة، ولكل منهم سطح مكتبه ومتصفحه وملفات تعريف الارتباط الخاصة به؛ ويعمل الوكلاء المُدارون من Mistral لساعات أو أيام، ويمكنهم انتظار موافقة شخص؛ وتستضيف Cursor كل تطبيق في حساب معزول، بعد أربعة فحوص حتمية ومراجعة بالذكاء الاصطناعي. وتذهب Personal Finance بهذا المنطق إلى وضع القراءة فقط: يقرأ Claude الأرصدة والمعاملات عبر Plaid من دون القدرة على نقل دولار واحد، ولا تُستخدم محادثات مساحته في التدريب. وعلى صعيد البنية التحتية، تمنح Replit كل بيئة معزولة نواة Linux خاصة بها وتطبّق قواعد الشبكة خارج الآلة الضيفة؛ وعلى صعيد المسؤولين، يقارن Claude Enterprise الآن إعداداته الأمنية بتوصيات Anthropic.

يصبح توليد الصور والفيديو أسرع وأقل تكلفة، ويُدمج في كل مكان خلال ساعات. يولّد Images 2.6 الصور بسرعة أكبر بنسبة 50 %، ويزيد Gemini Omni 1.2 Flash مدة المقاطع إلى 15 ثانية مع خفض سعره بنسبة 30 %، إلى نحو 0,07 دولار للثانية بدقة 720p، وتقدّم Runway شخصياتها المرئية ذات 57B معلمة في الزمن الحقيقي على أربع وحدات H100 بدلًا من ثمانٍ. ويتبع ذلك الانتشار فورًا: تضيف Runway نموذج Omni 1.2 Flash يوم إصداره، وتدمج HeyGen نموذج Images 2.6 في اليوم التالي، وتضع Luma أدواتها الإبداعية داخل Claude وChatGPT. وبالنسبة إلى صانعي المحتوى، ينتقل محور الاهتمام من اختيار النموذج إلى الأداة التي يظهر فيها، وغالبًا في اليوم نفسه.

تصبح تكلفة الاستدلال عاملًا تنافسيًا قائمًا بذاته. تسوّق NVIDIA لـ Vera على أساس عدد الوكلاء لكل واط، وتجعل Meta فك الترميز في Muse Spark Open أسرع بمقدار 2,1 مرة باستخدام نواة حسابية واحدة لكل طبقة، وتخفض Cognition تكلفة مراجعة الشيفرة بنسبة 82 % منذ أغسطس مع اكتشاف عدد أكبر قليلًا من الأخطاء. ويطبّق Ripple-65B Preview المنطق نفسه على التدريب: نموذج كثيف دُرّب مسبقًا من الصفر وفق وصفة مشتقة من Olmo 3، ثم خضع لتدريب لاحق باستخدام 1,4 مليون مسار للتعلّم المعزز، ويدّعي صدارة النماذج الأمريكية المفتوحة في البرمجة باستخدام الوكلاء، ويتوفر لدى Together AI مقابل 0,20 دولار لكل مليون رمز في المدخلات.