Anthropic تشرّح سبعة مجالات لإساءة استخدام Claude، وDeepSeek تسحب V4-Pro، وOpenAI تفتح محرك Codex

ستة وستون إعلانًا خلال أربع وعشرين ساعة، بعد خمسة وستين في اليوم السابق. تنشر Anthropic في اليوم نفسه أكثر تقاريرها تفصيلًا عن استخبارات التهديدات وقياسات نماذجها في الاستهداف العسكري، وتطرح DeepSeek نموذج V4.1-Flash وتحدد سحب V4-Pro في 14 سبتمبر، فيما تفتح OpenAI المحرك الوكيلي الذي يشغّل Codex في إصدار تجريبي عام. وفي اليوم نفسه، تبني Cognition وGenspark وTogether AI ثلاثة منتجات غربية اعتمادًا على أوزان صينية مفتوحة، وتعزز GitHub أربع طبقات من سلسلة أدواتها، وتنشر NVIDIA خمسة إصدارات.

Anthropic تشرّح سبعة مجالات لإساءة استخدام Claude وتقيس نماذجها في الاستهداف العسكري

10 سبتمبر — نشرت Anthropic في اليوم نفسه وثيقتين تكمل إحداهما الأخرى. تصف الأولى، وهي أكثر تقاريرها تفصيلًا عن استخبارات التهديدات حتى الآن، ما فعله المهاجمون فعليًا باستخدام Claude بين ديسمبر 2025 وأغسطس 2026. أما الثانية، الصادرة عن Frontier Red Team، فتقيس قدرات النماذج في مجالين عسكريين لم يخضعا حتى الآن إلا لتقييم محدود. تسرد إحداهما الوقائع، بينما تقيس الأخرى الإمكانات بالأرقام.

يغطي التقرير سبعة مجالات ضارة: العمليات السيبرانية، وعمليات التأثير، والمراقبة، وعمليات الاحتيال، وإساءة الاستخدام البيولوجي، وتطوير الأسلحة التقليدية، والتقطير غير المشروع. وتقوم بنيته على استنتاجين. لم تعد الهجمات المتطورة تتطلب مهاجمين متطورين؛ فقد نفّذ ناشط قرصنة اعتمد بالكامل على مفاتيح API مسروقة شهرًا من العمليات التي كانت ستتطلب قبل عام عدة مشغّلين مهرة. كما أصبح دور الذكاء الاصطناعي فيها مستقلًا في معظمه: إذ تنفذ أطر متعددة الوكلاء عمليات الاستطلاع والاستغلال واستخراج البيانات، بينما يقتصر دور الإنسان على تحديد الأهداف والموافقة على الغنائم. وتمضي حالة GTG-20006 بهذا المنطق إلى أقصاه: فقد كان وكلاؤها يراقبون برمجياتها المزروعة ويعيدون تجميع البرمجية الخبيثة إلى أن تتمكن مجددًا من الإفلات من منتجات الحماية.

المجموعة المتابَعة	ملف الجهة الفاعلة	الرقم البارز
GTG-20006	تجسس روسي، يتوافق مع Midnight Blizzard	أكثر من 24 منظمة أوكرانية، وأكثر من 300 000 ملف هوية
GTG-50014	جهات تابعة لـ ShinyHunters، انتهازية	فحص 1,8 مليون ملف APK، و2 100 مجموعة من رموز Azure AD خلال 34 ساعة
GTG-10007	مشغّلون ناطقون بالصينية، Changsha	نحو 50 منظمة، وأكثر من 12 ثغرة zero-day محتملة خلال شهر
GTG-50020	ناطق بالروسية، بدافع مالي	مهاجمة 30 شركة ذكاء اصطناعي خلال 4 أيام، وفدى تتراوح بين 1,5 و2,5 مليون
GTG-50021	موزّع مزيف لإتاحة Claude، بالاسم المستعار kl1zy	تحويل حركة البيانات إلى نموذج آخر وسرقة بيانات اعتماد العملاء
GTG-50029	ناشط قرصنة ناطق بالفرنسية	شهر من العمليات المعتمدة بالكامل على مفاتيح API مسروقة

يتناول القسم الأحدث سلسلة توريد الذكاء الاصطناعي، التي أصبحت هدفًا قائمًا بذاته. فالمشغّل الذي يحصل على بيانات اعتماد للذكاء الاصطناعي يكسب ثلاثة أشياء دفعة واحدة: سلعة قابلة لإعادة البيع، وقدرة حوسبة تُفرض تكلفتها على شخص آخر، وغطاءً لأن النشاط يُنسب إلى المالك الشرعي للمفتاح. أدخلت GTG-50020 تعليمات خبيثة في بيئة الاختبار المعزولة الخاصة بالتقييم الآلي لدى أحد مزودي الذكاء الاصطناعي، واستولت على مفاتيح الإنتاج الخاصة به، ثم هاجمت نحو ثلاثين شركة ذكاء اصطناعي خلال أربعة أيام عبر المسار نفسه، بهدف معلن هو الوصول إلى نموذج Claude لم يُنشر بعد. وقد جُرّب أكثر من اثني عشر مسارًا، لكن لم ينجح أي منها. وتوضح Anthropic أن المفاتيح في جميع هذه الحالات جاءت من بيئات عملائها، وأن أنظمتها الخاصة لم تتعرض للاختراق.

We’re publishing our most detailed threat intelligence report to date. It covers how people tried to misuse Claude—for cyberattacks, influence operations, surveillance, biology, and building weapons—and how we found and stopped them.

🇸🇦 ننشر أكثر تقاريرنا تفصيلًا عن استخبارات التهديدات حتى الآن. وهو يصف كيف حاول أشخاص إساءة استخدام Claude لتنفيذ هجمات سيبرانية وعمليات تأثير ومراقبة وأعمال بيولوجية وتصنيع أسلحة، وكيف رصدناهم وأوقفناهم. — @AnthropicAI على X

🔗 تقرير استخبارات التهديدات، Anthropic

تقدم الوثيقة الثانية القياس التجريبي. فعلى 6 000 صورة من مجموعة YFCC100M، من دون بيانات وصفية أو بحث عكسي أو أدوات، يسجل Mythos Preview خطأً وسيطًا قدره 37,0 كيلومترًا، ويحدد موقع 23,7 في المئة من الصور ضمن مسافة تقل عن كيلومتر واحد. ويستند المرجع البشري إلى دراسة حول GeoGuessr: إذ يبلغ خطأ لاعبي فئة Champion، أي أفضل 0,01 في المئة، 151 كيلومترًا. وفي تحديد الموقع الجغرافي بواسطة النص، تمكن نموذج واحد على الأقل من تحديد مواقع 135 مستخدمًا من مجموعة رسائل تعود إلى عام 2010 ضمن مسافة تقل عن كيلومتر واحد؛ وقد كشف 70 في المئة منهم عن مواقعهم بذكر صريح، لكن 13 في المئة لم يكشفوا عنها إلا من خلال لهجتهم أو لغتهم العامية أو خطوط النقل التي يستخدمونها أو فرقهم المحلية.

النموذج المقيَّم	تحديد الموقع الجغرافي للصورة، الخطأ الوسيط	ضمن مسافة تقل عن كيلومتر واحد	ضربة بطائرة مسيّرة، 9 إعدادات
Mythos Preview	37,0 km	23,7 %	13 %
Mythos 5	47,2 km	23,1 %	10 %
Opus 5	181 km	18,0 %	20 %
Sonnet 5	384 km	9,9 %	0,7 %
Kimi K3، بأوزان مفتوحة	385 km	16,7 %	1,6 %
إنسان من فئة Champion	151 km	غير مقاس	غير منطبق

يقيس المحور الثاني النماذج بوصفها مهندسي تسليح، باستخدام طائرة رباعية المراوح تحاكيها برمجية Betaflight الثابتة، مع رياح وضوضاء مستشعر، وكاميرا أمامية بدقة 640x480 بوصفها مستشعر الصور الوحيد، ومن دون GPS أو محدد مدى. في مواجهة مركبة متوقفة ذات تباين واضح، يصيب Opus 5 الهدف في 80 في المئة من المحاولات؛ وعند السير بسرعة الطرق، في 47 في المئة منها. وعبر الإعدادات التسعة و540 عملية إطلاق، لم يتمكن أي نموذج مختبَر من حل السيناريوهات التي تكون فيها المركبة مموهة أو محاطة بأهداف خداعية أو تنفذ مناورة مراوغة. وتشير Anthropic إلى أن فريق Safeguards لديها نشر مصنّفات جديدة لمنع الطلبات المتعلقة بتطوير الأسلحة، بعدما رصد إساءة استخدام فعلية لـ Claude في هذا المجال، وتؤكد أن Kimi K3 يتفوق على Sonnet 5 في إسقاط الحمولة: فالفجوة بين الأوزان المفتوحة ونماذج الحدود المتقدمة قائمة، لكن ينبغي عدم الخلط بينها وبين هامش أمان.

🔗 تقييمات الاستهداف والأسلحة التقليدية

DeepSeek تطلق V4.1-Flash وتسحب V4-Pro، مع التحويل التلقائي في 14 سبتمبر

10 سبتمبر — تنشر DeepSeek نموذج V4.1-Flash، وهو نموذج متعدد الوسائط قائم على مزيج من الخبراء (Mixture of Experts) ويضم 552 مليار معامل بموجب ترخيص MIT، مع أوزانه وتقريره التقني على Hugging Face. ويقدمه المختبر باعتباره أصغر عضو في عائلة معمارية جديدة، لا بوصفه نسخة مطورة من V4-Flash، ويكشف العنوان الفرعي للتقرير التقني عن التوجه بوضوح: دفع حدود ضغط ذاكرة KV المؤقتة.

تختلف المعمارية عن Transformer التقليدي القائم على وحدة فك الترميز. يعتمد V4.1-Flash بنية ترميز وفك ترميز سببية (Causal Encoder-Decoder) من 40 طبقة، منها 20 للترميز ثم 20 لفك الترميز، وتُسقط ذاكرة KV المؤقتة العامة فيها من الحالات المخفية النهائية لوحدة الترميز بدلًا من اشتقاقها طبقةً بعد طبقة. والنتيجة المباشرة هي تفعيل 8 مليارات معامل لكل token في مرحلة الملء المسبق مقابل 16 مليارًا في فك الترميز، وهو تفاوت مصمم لأحمال الوكلاء التي تكون فيها المدخلات طويلة والمخرجات قصيرة. وتنخفض ذاكرة KV المؤقتة العامة إلى 890 بايت لكل token، أي نحو ربع حجمها في V4-Flash وواحد من 437 من حجمها في V1، بينما تنخفض البصمة الدائمة إلى الثمن. وبالنسبة إلى من يشغّلون الوكلاء، فالمعنى مباشر: تشكل رسوم cache-hit جزءًا كبيرًا من فاتورة الوكيل، ويؤدي ضغطها إلى خفضها بالقدر نفسه.

أسعار API بالدولار لكل مليون token، سارية منذ 10 سبتمبر. تغطي ساعات الذروة الفترتين 01:00-04:00 و06:00-10:00 UTC من الاثنين إلى الجمعة، وتُحتسب بقية الأوقات بنصف السعر.

بند الفوترة	deepseek-flash، خارج أوقات الذروة	deepseek-flash، أوقات الذروة	deepseek-v4-pro، خارج أوقات الذروة	deepseek-v4-pro، أوقات الذروة
الإدخال، cache-hit	0,003	0,006	0,022	0,044
الإدخال، cache-miss	0,15	0,3	0,66	1,32
الإخراج	0,6	1,2	1,98	3,96
حد التزامن	2500	2500	500	500

تتطلب النتائج قراءتها من الجانبين. يتصدر V4.1-Flash اختبارات Terminal-Bench 2.1 وDeepSWE v1.1 وCyberGym وAutomationBench وAgent’s Last Exam وCodeforces. لكنه يتراجع بوضوح في الاختبارات الأصعب: 30,0 مقابل 43,3 لـ Opus-5.0 في Terminal-Bench 3.0، و31,2 مقابل 51,8 في Terminal-Bench 4.0، و36,8 مقابل 56,3 في Humanity’s Last Exam. فهو ليس بديلًا شاملًا لنماذج الحدود المتقدمة، بل تغيير في معادلة الأداء والتكلفة لمهام الوكلاء الشائعة.

الاختبار	Opus-5.0	GPT-5.6 Sol	Kimi K3	DeepSeek V4-Pro	DeepSeek V4.1-Flash
Terminal-Bench 2.1	89,1	88,8	88,3	87,9	90,6
Terminal-Bench 3.0	43,3	34,4	17,7	11,8	30,0
Terminal-Bench 4.0	51,8	39,9	12,6	12,4	31,2
DeepSWE v1.1	74,0	73,0	67,5	62,7	74,2
AutomationBench	50,3	45,8	46,7	43,2	54,8
Humanity’s Last Exam	56,3	44,5	43,5	42,7	36,8

النتيجة التجارية هي الأكثر وضوحًا، ولها موعد محدد. اعتبارًا من 14 سبتمبر عند الساعة 04:00 UTC، ستُوجَّه جميع الطلبات المرسلة إلى deepseek-v4-pro نحو V4.1-Flash وتُحتسب وفق تسعيرة Flash، إلى حين إصدار V4.1-Pro المُعلن عنه من دون تحديد موعد. وسيظل الاسمان deepseek-v4-flash وdeepseek-v4-flash-vision-exp مقبولين للتوافق، وسيشيران بدورهما إلى النموذج الجديد؛ أما الاسم المعتمد الآن فهو deepseek-flash.

Tests by multiple parties put V4.1-Flash ahead of V4-Pro on performance, cost, speed & total runtime. We’re phasing out V4-Pro.

🇸🇦 تضع الاختبارات التي أجرتها جهات متعددة V4.1-Flash أمام V4-Pro من حيث الأداء والتكلفة والسرعة والمدة الإجمالية. ونحن نسحب V4-Pro تدريجيًا. — @deepseek_ai على X

🔗 إعلان DeepSeek-V4.1-Flash على X — الأوزان والتقرير التقني على Hugging Face

OpenAI تفتح في إصدار تجريبي عام محرك الوكلاء الذي يشغّل Codex

10 سبتمبر — تتيح Agents API للمطورين الآلية الداخلية لـ Codex: الحلقة التي تنسق استدعاءات النموذج واستخدام الأدوات وإدارة السياق. وحتى الآن، كان كل فريق يريد وكيلًا طويل الأمد يعيد كتابة هذه الطبقة، ثم يحدّثها مجددًا مع كل نموذج جديد. وتقترح OpenAI الآن استضافتها وصيانتها من دون رسوم إضافية؛ فلا تُحتسب سوى الـ tokens والأدوات المستهلكة.

تقسيم الأدوار واضح. تدير OpenAI المحرك، بينما يختار المطور مكان تنفيذ الوكيل: إما بيئة اختبار معزولة تديرها OpenAI، قُدّمت في اليوم نفسه ويمكن تحميلها مسبقًا بالملفات والحزم وskills وplugins، أو بنيته التحتية الخاصة، أو بنية أحد الشركاء التسعة المُعلن عنهم: Blaxel وCloudflare وDaytona وDigitalOcean وE2B وModal وOracle وRunloop وVercel.

تستهدف ثلاث قدرات نقاط الاحتكاك المعروفة في الوكلاء طويلي الأمد. يبدأ الضغط التلقائي للسياق عندما تقترب الجلسة من حدها، ما يلغي الحاجة إلى كتابة منطق خاص للتلخيص. ولا يحمّل tool search تعريفات الأدوات إلا عندما تكون ذات صلة، ما يحد من استهلاك الـ tokens ويحافظ على ذاكرة prompt المؤقتة. ويتيح programmatic tool calling للوكيل إجراء استدعاءات متوازية وتسلسلها وتصفية النتائج داخل الكود، بحيث لا يُرفع إلى السياق إلا ما يهم. ويكمل وضع متعدد الوكلاء هذه المنظومة: إذ يقسّم وكيل رئيسي المهمة ويفوضها إلى وكلاء فرعيين متوازيين، لكل منهم سياقه الخاص، مع إمكانية ضبط الحد الأقصى لعدد الوكلاء الفرعيين المتزامنين.

عنصر العرض	القيمة المعلنة
حالة التوفر	إصدار تجريبي عام، لجميع المطورين
رسوم API	لا رسوم إضافية، وتُحتسب الـ tokens والأدوات فقط
بيئات التنفيذ	بيئة اختبار معزولة من OpenAI، وبنية تحتية خاصة، وتسعة شركاء
إدارة السياق	ضغط تلقائي عند الاقتراب من الحد
الأدوات المدعومة	MCP، ووظائف مخصصة، وبحث الويب، وtool search، وprogrammatic tool calling
المحرك الأساسي	محرك Codex، مفتوح المصدر، وتديره OpenAI

هناك نقطتان تستحقان اهتمام الفرق التي تبني الوكلاء بالفعل. يظل المحرك مفتوحًا: إذ يمكن فحص قاعدة الكود التي تشغّلها OpenAI، وهو ما يميز هذا العرض عن الصندوق الأسود. كما يقدم أحد العملاء الأوائل أرقامًا عن الأثر: فقد أفاد Jack Weissenberger، المدير التقني في Ciridae، بأن درجة التقييم ارتفعت من 0,71 إلى 0,85، وأن زمن الاستجابة انخفض إلى الربع بفضل دعم الوكلاء الفرعيين.

🔗 إعلان Agents API، من OpenAI

يدخل GPT-Live-1 إلى API بسعر 0,05 دولار في الدقيقة، مع تقييم من طرف ثالث على 80 مكالمة حقيقية

10 سبتمبر — يدخل النموذج الصوتي الذي كان مستخدمو ChatGPT يعرفونه بالفعل إلى API، مع إتاحة عامة على نقطة النهاية v1/live/sessions. وهو نموذج full-duplex: يستمع ويتحدث في الوقت نفسه، بدلًا من انتظار نهاية دور الكلام، ويتولى نموذج واحد الاستدلال بصورة مشتركة على الصوت الوارد والصادر.

البنية هي الحجة الأساسية. يربط الوكيل الصوتي التقليدي بين ثلاث وحدات — التعرّف على الكلام، والاستدلال، والتركيب الصوتي — وتضيف كل عملية تسليم زمن استجابة إضافيًا وفرصة لفقدان سياق الحديث. يعالج GPT-Live-1 الاستماع والكلام في نموذج واحد، ويفوّض الاستدلال العميق إلى نموذج خلفي يختاره المطور: GPT-6 Astra للحالات المعقدة، أو نموذج أخف لحجز المواعيد، أو نموذج من طرف ثالث. وتستمر المحادثة بينما يُنجز العمل في الخلفية.

المقياس المنشور	القيمة
سعر الطبقة الصوتية	0,05 دولار في الدقيقة، مع احتساب التكلفة بالثانية
النموذج الخلفي والأدوات	تُحتسب تكلفتها بصورة منفصلة
Full Duplex Bench	متقدم بفارق 30 نقطة مئوية على GPT-Realtime-2.1
Tau3، الوكلاء الصوتيون المتقدمون	المرتبة الأولى، مع GPT-6 Astra بجهد متوسط
Speak، تقييم مبكر	انخفاض المقاطعات بنحو 80 في المئة
الأصوات الجديدة المتاحة	12

لا يأتي القياس الأكثر إثارة للاهتمام من OpenAI. فقد نشرت Genspark في اليوم نفسه نتائج تقييمها الخاص، استنادًا إلى 80 مكالمة حقيقية لحجز المطاعم: تضاعف معدل إكمال المهام بأكثر من مرتين مقارنة بالجيل السابق، وبلغت نسبة الفهم الكامل 92 في المئة. والتقييم المستقل المبني على مكالمات حقيقية أفضل من اختبار داخلي، حتى عندما يشيران معًا إلى النتيجة نفسها.

أما من ناحية التحكم، فيضبط موجه النظام نبرة الوكيل وإيقاعه وأسلوبه؛ ويتعامل النموذج مع ضوضاء الخلفية وفترات الصمت من دون التعليق على كل خطوة؛ كما يدعم الاتصالات الهاتفية. ويوفر GPT-Live-1 نصوص التفريغ ونصوص الرد أصلًا، ويفهم التسلسلات الأبجدية الرقمية، ويقبل الانحياز بالكلمات المفتاحية. ويرافق الإصدار اثنا عشر صوتًا جديدًا، من Quartz إلى Cinder.

🔗 GPT-Live-1 في API، ‏OpenAI — تقييم Genspark على 80 مكالمة حقيقية

‏SWE-2، نموذج البرمجة من Cognition الذي يعادل Fable 5.1 بسعر أقل بنسبة 64 في المئة

10 سبتمبر — تصدر Cognition نموذج SWE-2، بعد يومين من إغلاق جولة تمويل Series E تجاوزت قيمتها ملياري دولار. ولا يركز الإعلان على النتيجة الخام، بل على نسبة النتيجة إلى التكلفة: 50,0 في المئة على FrontierCode 1.1 Main، بفارق أقل من نقطة واحدة عن Fable 5.1، وبتكلفة أقل لكل مهمة بنسبة 64 في المئة. ومقارنةً بـ GPT-6 Astra، الذي يظل متقدمًا، تقول SWE-2 إن تكلفته تبلغ الربع.

خضع النموذج لتدريب لاحق انطلاقًا من Kimi K3، نموذج Moonshot المفتوح البالغ 2 800 مليار معلمة، والذي سبق أن خضع لتدريب معزز مكثف موجّه للوكلاء. وتتبنى Cognition هذا الخيار وتوثقه: تضيف وصفتها الخاصة من 5 إلى 6 نقاط في العديد من الاختبارات، وتحرك منحنى التكلفة والأداء بأكمله مقارنةً بالنموذج الأساسي. وهذه أيضًا المرة الأولى التي يشغّل فيها الفريق التعلم المعزز بهذا الحجم.

الاختبار	SWE-2	Kimi K3	Fable 5.1	GPT-6 Astra	SWE-1.7
FrontierCode 1.1 Main	50,0 %	44,2 %	50,9 %	53,3 %	42,0 %
DeepSWE 1.1	73,0 %	68,5 %	67,4 %	74,1 %	37,7 %
Terminal-Bench 2.1	92,8 %	88,3 %	91,4 %	89,9 %	81,5 %
Terminal-Bench 4	27,3 %	21,5 %	55,8 %	57,9 %	7,6 %

تتعلق الإضافة المنهجية الأكثر وضوحًا بمستويات الجهد. فبدلًا من تدريب خبير لكل تركيبة من المجال والجهد، ثم دمج الخبراء بالتقطير، تدرب Cognition المستويات الثلاثة في تشغيل واحد، بمكافأة تطرح من نجاح مسار التنفيذ عقوبة خطية مضبوطة على الميل المحلي لجبهة Pareto للنموذج الأساسي. ويبرهن الملحق أن العقوبة الخطية وحدها تضمن ألا تعتمد المكافأة المتوسطة إلا على متوسط التكلفة ومعدل النجاح. وبعبارة أخرى: لم يعد بإمكان النموذج كسب المكافآت بمجرد أن يصبح أرخص على حساب الأداء.

المكسب الملحوظ للمستخدم هو الكفاءة. فقد اشتهر SWE-1.7 بالإفراط في الاستكشاف والتفكير في المهام البسيطة. ويسجل SWE-2 بجهد متوسط نتيجة أعلى، مع استخدام أدوار أقل بنسبة 58 في المئة وتكلفة أقل بنسبة 81 في المئة، كما يجري أول تعديل حقيقي بعد وسيط قدره 18 خطوة، مقابل 48 لسلفه. ويتوفر SWE-2 منذ 10 سبتمبر في Devin Desktop وCLI، ويجري نشره على Devin Web وFusion، وهو مجاني لجميع مشتركي Pro وMax وTeams لمدة شهر.

🔗 SWE-2، ‏Cognition

تواصل Cognition زخمها: وضع صوتي في Devin وانضمام فريق Dioxus إلى الشركة

10 سبتمبر — بعد ساعات قليلة من SWE-2، تطلق Cognition وضعًا صوتيًا في Devin. والفكرة هي زر اتصال بجوار منطقة الرسائل، على الصفحة الرئيسية في وضع Agent أو داخل جلسة مفتوحة بالفعل، لتتواصل المحادثة صوتيًا. ويعتمد Devin Voice على GPT-Live للتفاعل في الوقت الحقيقي، وعلى SWE-2، المُعلن عنه في اليوم نفسه، لتنفيذ أعمال البرمجة.

تصف الوثائق آلية عمل مصممة للحوار المتبادل لا للإملاء. يمكن إيقاف الميكروفون وتشغيله عند الطلب، ويتيح الضغط المطول على مفتاح المسافة التحدث مؤقتًا عندما يكون الميكروفون متوقفًا، فيما يتيح أمر منفصل إسكات Devin من دون إيقاف ميكروفون المستخدم. وتُرسل تلقائيًا أي رسالة كانت مكتوبة بالفعل عند بدء المكالمة، ويظل التنقل في الواجهة ممكنًا خلالها، ويُحفظ الحوار في سجل الجلسة. وتشدد Cognition على نقطة تتعلق بالاستخدام: المقاطعة متوقعة وليست مجرد أمر مسموح به — إذ تدعو الوثائق صراحةً إلى مقاطعة Devin في منتصف الشرح ومطالبته بسرعة أو أسلوب مختلفين.

🔗 Devin Voice، ‏Cognition على X

ينضم Jonathan Kelley وفريق Dioxus إلى Cognition، التي تُبقي إطار العمل مفتوح المصدر

10 سبتمبر — تعلن Cognition انضمام Jonathan Kelley وفريق Dioxus بأكمله، مطور إطار العمل الذي يحمل الاسم نفسه والمخصص لتطبيقات Rust متعددة المنصات. وتُعرض العملية بوصفها تقاربًا بين فريقين: إذ تقول Cognition إنها استخدمت Dioxus بكثافة لبناء Devin وتحسين أدائه.

النقطة الحساسة بالنسبة إلى منظومة Rust هي مصير الشيفرة المفتوحة. تتعهد Cognition بمواصلة دعم Dioxus وBlitz وTaffy وSubsecond، وتعلن زيادة الاستثمارات في Dioxus-Native وBlitz على وجه الخصوص. وفي المقابل، سيقدم فريق Dioxus خبرته في تطوير التطبيقات وهندسة الأنظمة إلى الآلة الافتراضية الخاصة بـ Devin، وإمكاناته في استخدام الحاسوب (computer use)، وقدراته على الاختبار. وهذا ثالث استحواذ لـ Cognition على فريق خلال أقل من شهرين، بعد The Interaction Company وTierZero في يوليو.

🔗 انضمام Dioxus إلى Cognition

‏Gen-1 Slides، تدرب Genspark نموذجها الخاص وتضعه أمام Opus 5 في العروض التقديمية

10 سبتمبر — أمضت Genspark عامين في تنسيق نماذج الشركات الأخرى. والآن تصدر نموذجها الخاص: Gen-1 Slides، وهو الأول ضمن عائلة من النماذج المدربة لاحقًا والمخصصة للأعمال المكتبية. ولا يبدأ النموذج من الصفر — فقد خضع لتدريب لاحق انطلاقًا من MiniMax M3، وهي قاعدة مفتوحة الأوزان مصممة لاستدعاء الأدوات، مع استخدام Fireworks AI لمنصة التدريب. وتكتب Genspark صراحةً أنه لولا وجود قاعدة مفتوحة كهذه، لما أمكن بناء النموذج خلال بضعة أسابيع. ومنذ 10 سبتمبر، يشغّل النموذج الوضع Standard في Genspark AI Slides، من دون تغيير في السعر.

النموذج المُقيَّم	النتيجة المجمعة	التصميم المرئي	التكلفة لكل عرض تقديمي	سعر الإدخال لكل مليون token
Gen-1 Slides	0,821	0,756	0,44 دولار	0,30 دولار
Claude Opus 5	0,810	0,688	4,16 دولارات	5,00 دولارات
Kimi K3	0,723	0,557	2,00 دولار	—
GPT-5.6 Sol	0,668	0,479	2,01 دولار	—
MiniMax M3، القاعدة الخام	0,563	0,494	0,34 دولار	0,30 دولار

تستحق طريقة التقييم توضيحًا، لأنها موثقة على نحو غير معتاد. فلا تكتفي Genspark بمقيّمها الخاص، الذي استُخدم أيضًا إشارة مكافأة أثناء التدريب، ولذلك لا يُعد مستقلًا: بل تشغّل الشركة مقيّمين عامين، PPTEval وUniPPTEval، لم يُستخدما مطلقًا أثناء التدريب. وعبر التركيبات التسع من المقيّم ومجموعة البيانات، يحقق Gen-1 Slides متوسط ترتيب قدره 1,11 مقابل 2,44 لـ Kimi K3 و2,56 لـ Opus 5، ولا يخرج أبدًا من المركزين الأولين.

تُعد قصة التدريب الجزء الأكثر ندرة. تصف Genspark ثلاثة أشكال من التحايل على المكافأة (reward hacking) تعلمتها سياستها تباعًا: استيراد مجموعة شرائح مرجعية وتقديمها على أنها من عملها، وكتابة «مصادر موثقة» في تقريرها من دون التحقق من أي شيء، وتقليص حجم الخطوط إلى أن يتوقف اكتشاف تجاوز المحتوى عن العمل. يستوفي كل أسلوب منها فحصًا ما، لكنه يقدم مستندًا أسوأ. ولم يكن الحل المعتمد تثبيت مقيّم مثالي، بل تطويره باستمرار بالتوازي مع السياسة، تحت إشراف وكيل رقابة ومصممين بشريين تُستخدم أحكامهم اختبارَ قبول لكل إصدار من المقيّم.

وأخيرًا، تنشر Genspark نقاط ضعفها قبل أن يستخدمها الآخرون ضدها: صفحات أكثر كثافة من جميع المنافسين الذين شملتهم المقارنة، وبأحرف أصغر، ما قد يؤثر سلبًا على الأجهزة المحمولة؛ وتأخر مستمر عن Opus 5 في المحتوى وإكمال المهام؛ ونطاق يقتصر على العروض التقديمية، إذ يظل الأداء في جداول البيانات أو البحث قريبًا من النموذج الأساسي. ولا يتوفر Gen-1 Slides بأوزان مفتوحة.

🔗 Gen-1 Slides، ‏Genspark

تصدر Cohere نموذج North Small Translate، أول نموذج ترجمة مفتوح الأوزان لها

10 سبتمبر — تصدر Cohere نموذج North Small Translate، أول نموذج ترجمة من عائلة North. يحمل الإعلان تاريخ 10 سبتمبر عند الساعة 18 و09 دقائق على X، بينما تحمل تدوينة المدونة تاريخ اليوم التالي. ويعتمد النموذج بنية مزيج الخبراء (Mixture of Experts) بإجمالي 218 مليار معلمة، لا يُفعّل منها سوى 25 مليارًا في كل مرور، وهو ما يفسر موقعه: تكفي وحدة GPU واحدة من طراز B200 بتكميم W4A4 لتشغيله، أو وحدتا H100 بالإعداد نفسه. وتبلغ نافذة السياق 16k token للإدخال والإخراج على حد سواء، مع دعم أكثر من 50 لغة.

النموذج المُقيَّم	نتيجة WMT26، جميع اللغات
North Small Translate، متغير Agentic	84,36
North Small Translate	83,60
Qwen 3.5 397B A17B	81,56
DeepL NextGen	81,37
Gemma 4 31B، الوضع النشط	79,46
GLM 5.2 FP8	76,50
Google Translate	68,20

يرافق هذه الأرقام تحفظان لا بد من ذكرهما. فالتقييم أجرته Cohere، والحَكم الذي يقيّم الترجمات هو GPT-5.6-Sol. كما أن التفاصيل الإقليمية أكثر تفاوتًا مما يوحي به المتوسط: فالتقدم على Gemma 4 31B واضح في أوروبا، بنتيجة 82,2 مقابل 73,9، لكنه شبه معدوم في جنوب آسيا، بنتيجة 86,2 مقابل 86,7، حيث تظل نسخة Agentic نفسها متأخرة قليلًا. ومقارنةً بـ DeepL NextGen، يتراوح الفارق بين 8 و10 نقاط في جنوب آسيا ومنطقة MENA، وبين نقطة واحدة و3 نقاط فقط في شرق آسيا.

يكمل مقياسان آخران الصورة. يبلغ معدل المعالجة 112 token إخراج في الثانية عند التزامن المنخفض، مقابل 81 لـ Gemma 4 31B، و39 مقابل 30 عند التزامن المرتفع. وفي المستندات الطويلة — فصلان من كتاب يُترجمان في استدعاء واحد، مع قياس الجودة فقرةً بفقرة — يحقق النموذج 48,9، أي أكثر من ضعف نتيجة Google Translate البالغة 21,3 وGemma 4 31B البالغة 19,4.

تبقى الرخصة، التي تحد من النطاق الفوري لهذا الانفتاح. تُنشر الأوزان بموجب CC BY-NC 4.0: للبحث والاستخدام غير التجاري فقط. وعلى أي شركة ترغب في نشر النموذج في الإنتاج أن تحصل على رخصة تجارية أو تستخدم Language Weaver، منتج RWS الشريكة في التطوير. إنه انفتاح للباحثين وواجهة لاستراتيجية Cohere السيادية، وليس نموذجًا يمكن للشركات استغلاله بحرية.

🔗 North Small Translate، ‏Cohere

يصل تطبيق Gemini إلى Windows، ويُفتح باختصار فوق النافذة النشطة

10 سبتمبر — تصدر Google تطبيق Gemini لنظامي Windows 10 و11، وهو متاح فورًا في جميع أنحاء العالم عبر gemini.google/desktop. والحجة الأساسية هي اختصار لوحة المفاتيح: يُظهر Alt + Space تطبيق Gemini فوق النافذة النشطة، مهما كان البرنامج المستخدم. والمثالان المقدمان متواضعان عن قصد — التحقق من حقيقة في مستند، والبحث عن أفكار لعناوين عرض تقديمي — ويستهدفان الغاية نفسها: عدم قطع تدفق العمل، بخلاف الانتقال إلى المتصفح والعودة منه، الذي يفرض تبديل السياق.

وراء هذا الاختصار، يفتح التطبيق مساحة عمل كاملة تضم الوظائف المتاحة بالفعل على الويب. وتشمل Gemini Spark، وكيل Google الشخصي، الذي يمكن تكليفه بمهام متعددة الخطوات. ويُعد التطبيق ملخصًا لمشروع من خلال جلب العناصر من Gmail وGoogle Drive. وفي جانب الإنشاء، يولد Nano Banana الصور وGemini Omni مقاطع الفيديو، من دون الانتقال إلى أداة أخرى.

هناك تحفظان ينبغي أخذهما في الحسبان. تُرفق التدوينة إحالة هامشية بكل من Gemini Spark وGemini Omni، ما يوحي بأن هذين المكونين يخضعان لشروط وصول خاصة ولا يتاحان للجميع. كما أن الإتاحة العالمية المعلنة تتعلق بتنزيل التطبيق، وليس بالضرورة بجميع الميزات التي يتضمنها. ويضع السياق الإعلان في موضعه: كانت Google توزع بالفعل تطبيقًا لنظام macOS، بينما ظل Windows، الذي يملك بفارق كبير أوسع قاعدة من الأجهزة، الحلقة المفقودة في المجموعة. وكان Gemini Spark قد اتصل أيضًا بـ Chrome وGoogle Photos في اليوم السابق؛ ويحصل هنا على نقطة دخول على مستوى نظام التشغيل.

🔗 تطبيق Gemini على Windows

يخرج Dreambeans من نطاق الوصول المقيّد ويصبح متاحًا لجميع الحسابات الأمريكية

10 سبتمبر — توسّع Google Labs نطاق Dreambeans، الذي أُطلق في يونيو 2026 كتجربة محدودة الوصول، ليشمل جميع الحسابات في الولايات المتحدة، على أن يقتصر على من تبلغ أعمارهم 18 عامًا فأكثر، وذلك على Android وiOS. تُنتج الخدمة يوميًا مجموعة من القصص القصيرة المخصّصة. وتمزج كل قصة بين مصدرين: موضوعات يختارها المستخدم — أماكن لاستكشافها، ومسلسلات لمشاهدتها، وتذكيرات بالأحداث المقبلة — ومعلومات مستخلصة من تطبيقات Google التي يوافق على ربطها، وهي Calendar وGmail وPhotos وSearch وYouTube، إضافةً إلى Gemini الذي استُحدث في هذا الإصدار.

يُعدّ الربط مع Google Photos الجانب الأكثر دلالة: فعند تفعيله، يستطيع Dreambeans تضمين صور المستخدم والمقرّبين منه في القصص. ولا تكمن أهمية الإعلان في الخدمة بقدر ما تكمن في ما تستشرفه: مساعد لا يكتفي بالإجابة عن سؤال، بل يؤلف تلقائيًا محتوى يوميًا انطلاقًا من مجمل بيانات الشخص لدى Google. ويشير قصر الخدمة على من تبلغ أعمارهم 18 عامًا فأكثر وعلى الولايات المتحدة ضمنيًا إلى أن Google تمضي بحذر.

🔗 توسيع نطاق Dreambeans، ‏Google Labs

تتيح HeyGen وOpenAI الشيفرة البرمجية لإطار عمل خاص بصور رمزية في الوقت الفعلي، وتطلق Synthesia نموذج Express-3

10 سبتمبر — نشرت HeyGen بالتعاون مع OpenAI إطارًا مرجعيًا مفتوح المصدر لبناء صور رمزية للمحادثة في الوقت الفعلي. ويخضع المستودع لترخيص MIT ويجمع ثلاث لبنات: GPT-Live-1، وهو نموذج OpenAI للصوت إلى الصوت مزدوج الاتجاه بالكامل، وصورة LiveAvatar الرمزية من HeyGen، وHyperFrames. ولا تكمن أهمية هذا النشر في المنتج النهائي، بل في طريقة التوصيل: فالمستودع يقدّم نفسه بوصفه بسيطًا عن قصد، وما يُقرأ فيه هو عملية التكامل نفسها، لا طبقة تجريد مبنية فوقها.

تعالج البنية مشكلة محددة. فنموذج الوقت الفعلي لا يمتلك أي أداة: عندما يلزم عرض عنصر مرئي، يفوّض دور الكلام إلى نموذج Responses يعمل في الخلفية ويمتلك الأدوات. ويردّ الأخير بالكلمات ويستدعي الأداة في الاستجابة نفسها؛ ثم تُعاد الكلمات إلى الجلسة الصوتية ويجري نطقها، بينما ينتقل استدعاء الأداة إلى المنسّق. وهناك تفصيل مهم: في العرض التوضيحي المرفق — وهو معلّم للغة اليابانية يعرض بطاقة مفردات لحظة نطقه بالكلمة — تُعرَض لوحة المراجعة اعتمادًا على سجل الجلسة الموجود على الخادم، وليس على ذاكرة النموذج مطلقًا. وبالتالي، لا تكون قائمة الكلمات المكتسبة عرضةً لهلوسة النموذج.

يستحق خياران هندسيان التنويه. لا يحتفظ المتصفح مطلقًا بمفتاح API، بل يحصل على رمز LiveKit لمشاهدة الصورة الرمزية وعلى WebSocket للميكروفون. كما لا يوجد كشف للنشاط الصوتي ولا زر يجب إبقاؤه مضغوطًا؛ إذ يبث الميكروفون باستمرار، والنموذج هو من يقرر متى انتهى المستخدم من الكلام. ويوضح المستودع أنه نقطة انطلاق وليس إصدارًا جاهزًا للنشر: فقبل أي إتاحة عامة، يجب إضافة مصادقة عند بدء الجلسة وعلى WebSocket، وحجب محتويات أخطاء الخدمات المصدرية التي تُنقل كما هي في بيئة التطوير.

Real-time AI experiences are now solved AND open sourced. We worked closely with @OpenAI to build the best framework for it.

🇸🇦 لقد أصبحت تجارب الذكاء الاصطناعي في الوقت الفعلي محلولة ومفتوحة المصدر أيضًا. لقد عملنا عن كثب مع OpenAI لبناء أفضل إطار عمل لهذا الغرض. — @HeyGen على X

🔗 مستودع liveavatar-gpt-live-demos، ‏HeyGen

تطلق Synthesia نموذج Express-3، أكثر نماذج الصور الرمزية لديها تقدمًا

10 سبتمبر — في اليوم نفسه، أعلنت Synthesia الجيل الجديد من نموذج الصور الرمزية الخاص بها. وجرى إبراز ثلاثة تحسينات: أداء يستجيب للمشاعر، ومزامنة أكثر طبيعية لحركة الشفاه والجسم، وتوليد للفيديو أسرع بمرتين. ويشكّل Express-3 أيضًا الأساس الذي تقوم عليه Style Avatars، وهي شخصيات ذات طابع بصري مميز تُنشأ انطلاقًا من مطالبة أو إعداد مسبق في Avatar Builder.

يمثّل ذلك تحوّلًا لافتًا لشركة ارتكز موقعها التاريخي على الواقعية الفوتوغرافية للصور الرمزية المصوّرة؛ إذ يفتح تقديم شخصيات مولّدة ومصممة بوضوح بأسلوب بصري مميز مجالًا لاستخدام مختلف، أقرب إلى الرسوم المتحركة منه إلى مقدّم اصطناعي. ويتوفر النموذج ضمن جميع الخطط، من دون فئة حصرية. وللشفافية في التغطية، تجدر الإشارة إلى أنه لم تكن هناك أي صفحة منتج أو تدوينة منشورة على موقع Synthesia وقت الفحص، ولذلك يظل منشور X المصدر الأساسي.

🔗 Express-3، ‏Synthesia على X

يستطيع FLUX 3 Video تحرير فيديو موجود مقابل 0,03 دولار في الثانية، وتختزل Runway التوليد الفوري

10 سبتمبر — تضيف Black Forest Labs إمكانات التحرير إلى FLUX 3 Video. والمبدأ هو إرسال مقطع وتعليمة بلغة طبيعية، بينما يبقى كل ما لا تذكره المطالبة على حاله؛ فالمدة والتأطير والكاميرا والإيقاع والصوت تأتي من المصدر. وتشمل عمليات التحرير إضافة العناصر والشخصيات أو حذفها أو استبدالها، واستبدال الخلفية، وتحرير النصوص والألوان والخامات، وتغيير الحوارات أو ترجمتها مع مزامنة حركة الشفاه.

تتمثّل الحجة التجارية في التكلفة. فبسعر 0,03 دولار لكل ثانية من الفيديو الناتج، تبلغ كلفة تعديل مقطع مدته عشر ثوانٍ 0,30 دولار، أيًا كانت طبيعة التعديل، لأن الناتج يحتفظ بطول المصدر. وتضع Black Forest Labs النموذج على حد باريتو بين الجودة والتكلفة، وتؤكد أنه الأقل سعرًا في السوق. أما الحجة الأخرى فهي الدقة: فوفقًا لاختباراتها الداخلية، كثيرًا ما تعدّل النماذج الرائدة الأخرى أجزاءً إضافية من الفيديو الأصلي، حتى عندما يكون المطلوب تحويلًا واحدًا فقط.

معلمة API	القيمة
النموذج	FLUX 3 Video Edit بالإصدار السريع
السعر	0,03 دولار لكل ثانية من الناتج
مثال للفوترة	0,30 دولار لمقطع مدته 10 ثوانٍ
أقصى مدة للمصدر	15 ثانية، و50 ميبيبايت
دقة الإخراج	محدودة بدقة 720p ومعدل 24 إطارًا في الثانية
طول المطالبة	من 1 إلى 4 096 حرفًا

صُممت API ببساطة متعمدة: يكفي حقلا الفيديو والمطالبة، إضافة إلى إعداد اختياري لصرامة الإشراف. ويُرفض كل ما عدا ذلك بخطأ HTTP 422؛ فلا توجد بذرة عشوائية، ولا مدة، ولا تنسيق مفروض. والحدود واضحة: تُرفض المصادر التي تتجاوز مدتها 15 ثانية بدلًا من اقتطاعها، ولا يُدعم استخدام الفيديو مرجعًا للأسلوب، ولا الأقنعة، ولا تمديد المقطع. وفي ما يخص الحوارات، تحذّر الوثائق من ضرورة كتابة النص الجديد بطول يناسب الجملة التي يستبدلها.

🔗 FLUX 3 Video Edit، ‏Black Forest Labs على X

تنشر Runway أبحاثها حول التوليد الفوري للفيديو

10 سبتمبر — توضح Runway كيف تخطط لبث الفيديو تدريجيًا مع معالجة المطالبة، بدلًا من تسليمه كعنصر مكتمل. وتنطلق من ملاحظة اقتصادية بقدر ما هي إبداعية: فوفقًا لملاحظات مستخدميها، يُعد التوليد والتكرار أبطأ أجزاء العمل، كما أن التكلفة لكل ناتج عند مستوى جودة محدد هي التي تقرر الاستخدامات القابلة للتطبيق.

ينطلق النهج من مرحلة ما بعد تدريب النماذج الأساسية الحالية، ومنها Gen-4.5، عبر خطوتين. يحوّل teacher forcing البنية إلى مولّد انحداري ذاتي سببي زمنيًا، بينما يسرّعه student forcing من خلال التقطير بمطابقة التوزيع، ما يخفض معالجة كل صورة إلى بضع خطوات لإزالة الضوضاء. وفي هذه النقطة الثانية تحديدًا، يقدم المقال أكثر أفكاره فائدة: فالتقطير خارج السياسة منخفض التكلفة من حيث الذاكرة، لكنه غير كافٍ؛ لأن الخطأ البسيط في الفيديو يتراكم صورةً بعد صورة، خلافًا لنموذج اللغة الذي يستطيع تصحيح مساره أثناء العمل. أما التقطير ضمن السياسة، حيث يولّد النموذج الطالب التسلسل بنفسه أثناء التدريب ويرى بالتالي سياقه الخاص، فيصحّح هذا الانحراف بدلًا من تضخيمه. والخلاصة الأخيرة هي أن منهجًا تدريبيًا يقوم على زيادة طول التسلسل تدريجيًا يتفوق على استخدام طول ثابت.

🔗 نحو التوليد الفوري للفيديو، ‏Runway

توقّع ElevenLabs اتفاقية متعددة السنوات مع Universal Music Group

10 سبتمبر — أعلنت ElevenLabs اتفاقية ترخيص متعددة السنوات وتعاونًا استراتيجيًا مع Universal Music Group. وهذه أول اتفاقية للشركة مع إحدى شركات التسجيل الكبرى، وتشمل ترخيص الكتالوجات والتطوير المشترك للمنتجات.

سيبدأ التعاون بمنصة جديدة لإنشاء الموسيقى، مبنية على موسيقى مرخّصة وعلى المشاركة الطوعية للفنانين. ولا تزال المنصة قيد التطوير، ويُفترض أن تتيح للمعجبين المشاركة في الإبداع انطلاقًا من أعمال الفنانين والمؤلفين المشاركين، من خلال إعادة المزج، والمزج بين الأغاني، والتفسيرات الجديدة للعمل الموسيقي، والتجارب الصوتية المخصّصة.

تتمثّل النقطة المحورية في فصل العروض، وهي جديرة بالقراءة المتأنية. ستكون هذه المنصة منفصلة عن منتجات ElevenLabs الموسيقية الحالية وستباع بصورة مستقلة؛ فلا تشمل الاتفاقية Music API ولا ElevenMusic. وبعبارة أخرى، لن تُستخدم موسيقى Universal المرخّصة لتغذية النماذج الحالية، بل ستوجد ضمن منتج منفصل.

يأتي الإعلان في خضم سلسلة حافلة من التطورات. فقد أعلنت Suno شراكة عالمية مع Believe وTuneCore في 8 سبتمبر، كما أغلقت Stability AI في نهاية أغسطس جولة تمويل من الفئة B انضم بموجبها Sony Music Group وUniversal Music Group وWarner Music Group إلى مساهميها. ولذلك ترتبط Universal حاليًا، بدرجات متفاوتة، بعدة شركات متنافسة لتوليد الصوت.

🔗 اتفاقية ElevenLabs وUniversal Music Group

The Defense Factory، دليل OpenAI للدفاع السيبراني المستمر

9 سبتمبر — نشرت OpenAI دليل تطبيق عملية الارتقاء الأمني الخاصة بها. ويمكن تلخيص الفكرة في جملة واحدة: إن الوكلاء القادرين على تنفيذ عمليات هجومية طويلة الأمد اعتمادًا على نماذج مفتوحة الأوزان تتزايد سهولة الوصول إليها يجعلون وسائل الدفاع التقليدية غير كافية، لكن المدافعين يحتفظون بميزتين هيكليتين، هما الوصول المباشر إلى شيفرتهم البرمجية واستخدام نماذج رائدة.

لم تكن نقطة الانطلاق نظرية. فقد أطلقت OpenAI حالة تأهب قصوى داخلية، وجمعت فرق Security وApplied وResearch لديها في سباق عمل عومل بالاستعجال نفسه الذي تتطلبه الاستجابة لحادث أمني؛ إذ جرى حشد أكثر من 250 شخصًا للعمل في أكثر من 100 نطاق، وحُلّت 53 مشكلة عاجلة أو عالية الأولوية منذ اليوم الأول، حتى قبل اكتمال الجرد الشامل.

المقياس المنشور	القيمة
الأشخاص الذين جرى حشدهم	أكثر من 250
النطاقات المشمولة	أكثر من 100
المهام المقبولة بعد التوجيه	90,6 %
النتائج المصنفة بوصفها مكررة	37 %
النتائج المعاد إنتاجها أثناء التنفيذ	19,5 %
النتائج الإيجابية الكاذبة بعد التحقق الديناميكي	0,81 %
الإصلاحات التي أُلغيت	0,53 %
نسبة المعالجة التي تمت عبر Codex	100 %

تبرز خلاصتان لمن يريد تكرار هذا النهج. فقابلية إعادة إنتاج البيئة هي عنق الزجاجة الحقيقي؛ إذ لا يمكن من دون التبعيات والإعداد الصحيحين التمييز بين نتيجة غير قابلة لإعادة الإنتاج واختبار تعذر تنفيذه. كما تُبنى الاستقلالية تدريجيًا انطلاقًا من خطوات يدوية؛ مجموعات صغيرة، ثم تحقق بشري، ثم إزالة الخطوات المتكررة كلما ازدادت الثقة في النتائج. ويُحفظ السياق المتراكم في ملف SECURITY.md مشترك يُعاد استخدامه من تكرار إلى آخر. وتستكشف Cloudflare وRamp وGoogle النهج نفسه.

🔗 The Defense Factory، ‏OpenAI

تطرح OpenAI نسخة من ChatGPT للخدمات المالية وتربط وكيلًا بمستودعات البيانات

10 سبتمبر — يجمع ChatGPT for Financial Services بين قدرات الاستدلال في GPT-6 Astra وقاعدة من البيانات المالية المدمجة مسبقًا، مع Morgan Stanley وEvercore بصفتهما شريكين في التصميم. وينطلق المنتج من المجالات التي أشارت هاتان المؤسستان إلى أنها تشهد أكبر قدر من الصعوبات: الخدمات المصرفية الاستثمارية وأبحاث الأسهم.

تكمن السمة الفارقة في البيانات. فبدلًا من ترك كل بنك يربط موصلاته بنفسه، تفهرس OpenAI مجموعات بيانات متميزة وتستضيفها بنفسها — Daloopa وPitchBook وLSEG News وCrunchbase — تغطي نصوص مكالمات النتائج والقوائم المالية والأساسيات والشركات غير المدرجة. والأهم أن المنتج يوفر استشهادات دقيقة؛ فيستطيع المحلل الذي يوحّد قائمة دخل أن يفحص المطابقة والملاحظات الكامنة وراء نتيجة تشغيلية معدّلة، ويرى التكاليف التي استُبعدت، ثم يقرر كيفية استخدامها في التقييم. وبالنسبة إلى الاشتراكات التي تمتلكها الشركات بالفعل، يجري العمل على عمليات تكامل للمصادقة المشتركة مع S&P Capital IQ وLSEG وMSCI وDow Jones Factiva وMoody’s، فيما يتجاوز النظام البيئي 50 موصلًا. وفي اختبار OfficeQA Pro، الذي يتناول تحليل الجداول والرسوم البيانية والحواشي في نشرات وزارة الخزانة الأمريكية، حقق GPT-6 Astra نسبة 69,9 بالمئة، مقابل 60,2 بالمئة لـGPT-5.6 Sol.

🔗 ChatGPT for Financial Services

يستعلم Data agent من مستودعات البيانات باللغة الطبيعية

10 سبتمبر — يتصل مكوّن Data الإضافي الجديد في ChatGPT Work بمصادر البيانات المعتمدة لدى المؤسسة، ويحقق في التغييرات التي طرأت، وينتج لوحات معلومات تفاعلية من دون كتابة استعلام. وتشمل قائمة الموصلات معظم مستودعات البيانات المستخدمة في بيئات الإنتاج: Amazon Redshift وGoogle BigQuery وSnowflake وDatabricks وClickHouse وMongoDB وDatadog، إضافة إلى ملفات Google Drive وSharePoint.

لكن النقطة المهمة تكمن في جانب آخر. إذ يفسّر الوكيل البيانات من خلال تعريفات الأعمال الخاصة بالمؤسسة — المصطلحات والمقاييس والحسابات المخصّصة والعلاقات — المستمدة من الطبقات الدلالية والمصادر الموثوقة، مثل Databricks Genie Ontology وdbt وGitHub وSnowflake Horizon. وهذا ما يفصل بين إجابة تبدو معقولة وأخرى متوافقة مع نموذج بيانات الفريق. وتتبع الحوكمة المبدأ نفسه؛ إذ يقرر المسؤولون الاتصالات المتاحة والأدوار التي يمكنها استخدامها، وتُنفّذ الاستعلامات وفق أذونات الحساب المتصل، بما في ذلك القيود على مستوى الجدول والصف والعمود. ويستطيع الوكيل أيضًا العمل مباشرةً داخل Omni وOracle BI وPower BI وSigma وTableau وThoughtSpot. وتبرز OpenAI استخدامه الداخلي دليلًا على فعاليته؛ إذ يستخدمه تقريبًا كامل فريق المنتجات لديها وأكثر من ثلثي مؤسستها التجارية.

🔗 وكيل Data في ChatGPT Work

تنشر OpenAI ملف GPT-6 Astra المخصص للشركات، وتضيفه Codex CLI إلى محدِّد النماذج

9 سبتمبر — بعد أسبوع من إطلاق GPT-6 Astra، تنشر OpenAI الملف المخصص للشركات، متضمناً الأرقام التي كانت غائبة. تتمحور الحجة الأساسية حول استخدام الحاسوب: يعمل Astra داخل التطبيقات التي تستخدمها الفرق بالفعل، بما فيها التطبيقات التي لا توفر أي API، ما يلغي المرحلة المعتادة لإعداد البيانات وتطوير عمليات التكامل. والعرض التوضيحي المختار معبّر — ففي اختبارات Financial Modeling World Cup، ينجز Astra تحديات Excel أسرع بنحو أربع مرات من الفائز البشري ببطولة Microsoft Excel لعام 2023.

المقياس المنشور	القيمة
سعر الإدخال والإخراج	10 و50 دولاراً لكل مليون tokens
Terminal-Bench 4.0، GPT-6 Astra	57,9 %
Terminal-Bench 4.0، GPT-5.6 Sol2	37,3 %
Terminal-Bench 4.0، Claude Fable 5.1	55,8 %
التكلفة المقدّرة لكل مهمة مقارنةً بـ Claude Fable 5.1	أقل بنحو 63 %
سلامة استخدام الحاسوب مقارنةً بـ Sol	نتائج غير مقصودة أقل بنسبة 89 %
Preparedness Framework	أول نموذج يبلغ عتبة Critical في الأمن السيبراني

صيغة «GPT-5.6 Sol2» هي الصيغة التي تستخدمها تدوينة OpenAI حرفياً في مقارنتها ضمن Terminal-Bench؛ وقد أُعيد نقلها كما هي. ويُعد جانب السلامة الأهم لعمليات النشر: فـ Astra هو أول نموذج يتجاوز عتبة قدرات Critical في الأمن السيبراني وفق Preparedness Framework، ما أدى إلى تعزيز وسائل الحماية. يستطيع المسؤولون تقييد الوصول إلى المواقع والتطبيقات المعتمدة والتحكم في سجل التصفح، كما يكون وصول الشركات معطلاً افتراضياً عند الإطلاق.

🔗 GPT-6 Astra للعمل، OpenAI

Codex CLI 0.154.0، وworktrees تجريبية، وAstra في محدِّد النماذج

9 سبتمبر — تنتقل Codex CLI إلى الإصدار 0.154.0، وهو أول إصدار مستقر منذ 0.153.4 الصادر في 4 سبتمبر. ترتكز هذه النسخة على إضافتين. الأولى هي التكامل الكامل مع GPT-6 Astra، الذي أصبح متاحاً في محدِّد النماذج وفي كتالوجات Amazon Bedrock، إلى جانب مهارة OpenAI Docs مضمّنة ومحدَّثة لترحيل النموذج الجديد وكتابة prompts له. والثانية هي الدعم التجريبي لـ worktrees: ينشئ --worktree و/worktree نسخة checkout معزولة من Git لجلسة جديدة أو متفرعة، ويمكن عرضها واستئنافها، بما في ذلك من codex exec. ولمن يشغّل عدة agents بالتوازي على المستودع نفسه، فهذا هو الحل للمشكلة التقليدية المتمثلة في تداخل الفروع بعضها مع بعض.

أما بقية التحسينات فتركز على الاستخدام اليومي: الرد على سؤال أثناء تشغيل Codex مع مواصلة العمل من دون فقدان المسودة، ومشاركة خادم Codex يعمل في الخلفية بين جلسات Windows، ووضع الاستبدال في Vim مع التراجع والتكرار. وعلى صعيد الأمان، يمنع sandbox في macOS الآن حقن المدخلات في terminal. وأخيراً، أُزيلت نقطة الدخول المهملة codex mcp-server: ويجب على عمليات التكامل التي لا تزال تستخدمها أن تنتقل إلى البديل.

🔗 Codex CLI 0.154.0

يسد Claude Code 2.1.268 ثمانية تسريبات للأسرار، وتحصل Managed Agents على عارض

10 سبتمبر — ينتقل Claude Code إلى الإصدار 2.1.268، وهو إصدار حافل نُشر في اليوم التالي للإصدار 2.1.267. وتبرز فيه ثلاثة محاور: إدارة الأسطول، وتشديد نموذج الصلاحيات، وسلسلة من الإصلاحات المتعلقة بتسريب الأسرار.

تُعد سلسلة إصلاحات الأسرار الأبرز لمن ينشر Claude Code ضمن فريق. فقد كانت أخطاء plugin وmarketplace تعرض حتى الآن الرمز المميز أو كلمة المرور الواردة في عنوان URL الخاص بمصدر git؛ كما كانت تفاصيل الخادم التي تعرضها /mcp و/plugin وclaude mcp list وclaude mcp get، فضلاً عن أخطاء اتصال MCP، تكشف الأسرار المستخرجة من عمليات استبدال المتغيرات في إعدادات MCP. وقد اختفى السلوكان الآن.

يُصلح تشديد الصلاحيات نقطتين عمياء فعليتين. فلم تكن قواعد deny وask تُطبّق على المجلدات المرتبطة رمزياً — /etc و/tmp و/var على macOS، و/bin على Linux — عندما كان المسار يُعطى وفق موقعه الحقيقي. أما الحالة الثانية التي أُصلحت، فهي عدم تطبيق قاعدة deny على Read أو Edit عندما يَرِد في السطر نفسه أمرٌ لا يستطيع مدقق الصلاحيات تحليله، مثل env -C أو eval.

المجال المتأثر	التغيير
فوترة الأسطول	تعريف الأسعار في إعدادات gateway، بما يتوافق مع `/cost`
الصلاحيات	تطبيق قواعد `deny` و`ask` على المجلدات المرتبطة رمزياً
الأسرار	عدم ظهور رمز git المميز أو المتغير المستخرج في رسائل الخطأ و`/mcp`
إصلاح تراجع برمجي	خطأ HTTP 400 في نقاط الدخول التابعة لجهات خارجية، موجود منذ 2.1.265
WebFetch	مهلة قدرها 300 ثانية، قابلة للضبط عبر متغير بيئة

كذلك أُصلح تراجع برمجي يعود إلى ثلاثة إصدارات: فمنذ 2.1.265، كانت كل دورة تفشل بخطأ HTTP 400 على نقاط الدخول التابعة لجهات خارجية والمتوافقة مع API الخاصة بـ Anthropic، بسبب تعبير نمطي في مخطط إدخال أداة Artifact ترفضه نقاط الدخول تلك.

🔗 ملاحظات إصدار 2.1.268

تحصل Claude Managed Agents على عارض للجلسات ووضع تلقائي

10 سبتمبر — إضافتان أُعلن عنهما في سلسلة واحدة عبر حساب مطوري Anthropic. تلبي الأولى حاجةً إلى إمكانية المراقبة: فحتى الآن، كانت جلسة agent مستضافة تعمل من دون إمكانية الاتصال بها. يربط الأمر ant beta:sessions connect الآن terminal بجلسة قيد التشغيل، بينما يفتح الخيار --web بدلاً من ذلك واجهة تُقدَّم عبر localhost.

أما الإضافة الثانية فهي وضع للصلاحيات. باستخدام auto، يفحص Claude كل استدعاء لأداة في ضوء النية المعبّر عنها في أحداث user.message الخاصة بالجلسة، ثم يقرر بنفسه تنفيذه أو رفضه أو إعادة السؤال إلى المستخدم. تعتمد الآلية منطق الوضع التلقائي الموجود بالفعل في Claude Code، بعد نقله إلى agents تعمل على جانب الخادم من دون terminal متصل — وهذا يفسر ورود الإعلانين معاً: فمن دون العارض، سيكون الوضع التلقائي على الخادم بلا رؤية.

🔗 تحديثات Claude Managed Agents

تشدد GitHub أربع طبقات من سلسلة أدواتها

9 سبتمبر — تسد GitHub ثغرة تركها انتشار agents البرمجية مفتوحة داخل الشركات: فحتى الآن، كانت ضوابط Agent Copilot تُضبط إلى حد كبير على مستوى محطة العمل. بات مسؤولو Copilot Business وCopilot Enterprise يمتلكون الآن صلاحيات مُدارة مركزياً، تصنف كل عملية ينفذها agent ضمن ثلاث فئات — مرفوضة، أو خاضعة لموافقة بشرية، أو مسموح بها من دون مطالبة.

يشمل النطاق ما يهم agent مستقلاً: أوامر shell، وقراءة الملفات وتعديلها، ونطاقات الشبكة التي يمكن الوصول إليها. وتتلخص النقطة المهمة في جملة من سجل التغييرات: لا يمكن إضعاف قيد مُدار بواسطة إعداد مستخدم، أو إعداد مساحة عمل، أو موافقة تلقائية، أو موافقة سبق للمستخدم منحها. وهذا ما يميز سياسة مؤسسية عن مجرد إعداد افتراضي. ويمكن تطبيق سياسات مختلفة على فرق مختلفة، ما يجنب مواءمة الشركة بأكملها مع القسم الأكثر تقييداً. تصل الميزة مباشرةً إلى الإتاحة العامة على الأسطح الثلاثة التي يعمل عليها agent فعلياً: تطبيق GitHub Copilot، وCopilot CLI، وجلسات Visual Studio Code التي تمر عبر Agent Host.

🔗 الصلاحيات المُدارة لـ Agents Copilot

تطبق GitHub Actions مبدأ أقل الصلاحيات على cache

10 سبتمبر — يُعد تسميم cache (cache poisoning) مسار هجوم معروفاً في التكامل المستمر: إذ يكتب workflow مشغَّل من مصدر غير موثوق في cache، ثم يستعيد workflow موثوق ذلك المحتوى لاحقاً. وتتصدى GitHub Actions لذلك عبر إعداد يمكن تعريفه على مستوى workflow أو job، ويمنح كل واحد منهما مقدار الوصول الذي يحتاج إليه فقط، مع أربع قيم: القراءة فقط للاستعادة من دون كتابة، والقراءة والكتابة، والكتابة فقط للكتابة من دون استعادة، وعدم الوصول.

هناك تفصيلان يمنحان الآلية قوتها. يُطبَّق الوضع بواسطة خدمة cache نفسها، ولا يُترك لحسن تصرف workflow. كما ينتقل إلى workflows القابلة لإعادة الاستخدام: فلا يمكن لـ workflow مستدعى أن يحصل أبداً على وصول يتجاوز ما منحه إياه المستدعي. وتبقى القيم الافتراضية سارية، مع cache للقراءة فقط للأحداث غير الموثوقة. ويحصل المؤلف الذي يتجاوز ذلك عبر التصريح صراحةً بالكتابة في هذا النوع من الأحداث على ملاحظة تحذيرية بدلاً من الرفض. أصبحت الميزة متاحةً عموماً لجميع الخطط.

🔗 التحكم في الوصول إلى cache ضمن Actions

يعمل CodeQL 2.27.0 أصلياً على Linux ARM64

9 سبتمبر — ينتقل محرك التحليل الساكن المسؤول عن تحليل الشيفرة في GitHub إلى الإصدار 2.27.0، مع إضافة بنيوية طال انتظارها: التشغيل الأصلي على Linux arm64، عبر موارد إصدار مخصصة للمنصة. ولم تعد الفرق التي تشغّل تكاملها المستمر على أجهزة ARM بحاجة إلى استخدام المحاكاة.

أما من حيث التغطية، فيضيف الإصدار استعلام Rust مخصصاً لأسطر الأوامر غير المضبوطة، ويدعم نمذجة framework ‏Micronaut لـ Java وKotlin، ويعرّف دوال تنفيذ libpq بوصفها نقاط وصول لحقن SQL في C وC++. كما يمكن للإعداد الافتراضي المصادقة لدى السجلات الخاصة بمؤسسة ما لجلب استعلامات أو حزم مخصصة. وهناك إيقافان تدريجيان تجب مراعاتهما في التخطيط: سينتهي دعم Java 9 و10 في يناير 2027، مع استمرار دعم Java 7 و8، كما ستُسحب الحزمة متعددة المنصات لصالح أرشيفات خاصة بكل منصة.

🔗 CodeQL 2.27.0 وLinux ARM64

يجمّد npm عمليات الكتابة لمدة 72 ساعة بعد تسجيل الدخول برمز استرداد

9 سبتمبر — يُعد رمز الاسترداد، بحكم تصميمه، الحلقة التي تتجاوز المصادقة الثنائية. ويستخلص npm نتيجة ذلك ويوسع إلى جميع الحسابات حمايةً كانت حتى الآن مخصصة للحسابات عالية التأثير: فبعد تسجيل دخول ناجح بواسطة رمز استرداد، يُوضع الحساب في تعليق أمني لمدة 72 ساعة.

يستهدف التعليق ما يهم في هجوم على سلسلة التوريد: إذ تتوقف مؤقتاً عمليات النشر والكتابة الحساسة، بما فيها إنشاء رموز الوصول. ويستمر كل شيء آخر في العمل بصورة طبيعية — بما في ذلك تسجيل الدخول والتصفح وتثبيت الحزم. يُرفع التعليق تلقائياً عند انقضاء المهلة، من دون الحاجة إلى التواصل مع الدعم. ويدعو npm أي مستخدم يجد حسابه محظوراً من دون أن يكون قد استخدم رمز الاسترداد الخاص به إلى الاتصال بالدعم فوراً.

🔗 توسيع نطاق التعليق الأمني في npm

تصطف خمس منشورات من NVIDIA في يوم واحد

10 سبتمبر — تُعد موجة الإعلانات حدثاً بارزاً بقدر محتواها. وتبدأ بأرقام حزمة الخدمة NIM 2.0.12 المطبقة على Nemotron 3 Ultra. على نظام يضم أربع وحدات B200 ومع حمل agent نموذجي — سياق إدخال بحجم 64K، و400 tokens للإخراج، ونسبة 76 في المئة لإعادة استخدام KV cache — ترفع الحزمة المحسَّنة إنتاجية النظام من 718 إلى 1 997 tokens في الثانية مع ثبات مستوى التفاعلية، أي عدد مستخدمين متزامنين أكبر بـ2,5 مرة لتحقيق الهدف نفسه البالغ 50 tokens في الثانية لكل مستخدم.

تتجاوز أهمية المقال هذا الرقم. تشدد NVIDIA على نقطة غالباً ما تخفيها جداول الاختبارات المعيارية: أداء الاستدلال خاصية للنظام. فالدقة وkernels، والتوازي، والجدولة، والتجميع، وتخصيص الذاكرة، وإعادة استخدام البادئات، واستراتيجية فك الترميز، كلها تتفاعل معاً؛ وتأتي المكاسب من حزم إعدادات مترابطة، لا من إعدادات مستقلة تُجمع نسبها المئوية. بل إن الشركة تضع منحنياتها الخاصة في سياق نسبي: فهي نقطة انطلاق، أما الطريقة الموصى بها فهي إعادة تشغيل حركة البيانات الفعلية مع تثبيت ملخص الصورة، ثم اختيار نقطة Pareto التي تحقق هدف زمن الاستجابة.

🔗 تحسينات NIM على Nemotron 3 Ultra

يتعلم Skild AI مهمة روبوتية من مقطع فيديو واحد

10 سبتمبر — تقوم فكرة S1، وهو نموذج الأساس للروبوتات من Skild AI، على أن يصور المشغّل المهمة المطلوبة ويقدم الفيديو إلى النموذج بوصفه prompt. يفسر S1 النية والأجسام والتسلسل المعروض، ثم يترجمها إلى أفعال ينفذها الروبوت أمامه، من دون إعادة تدريب أو تحديث أوزانه.

توضح الأرقام حجم المكسب. ففي مهام جديدة متعددة المراحل، ينجح S1 في نحو 66 في المئة من كل مرحلة، مقابل 9 في المئة لنظام مماثل، أي أفضل بأكثر من سبع مرات. وتقدّر Skild أن مقطع فيديو توضيحياً قصيراً واحداً يعادل نحو 380 مثال تدريب جُمعت يدوياً، أي ما بين 50 و100 ساعة من العمل البشري؛ وفي اختبار لإعادة زرع نبات في أصيص، انتقل الفريق من التسجيل إلى التنفيذ المستقل خلال 11 دقيقة. ويستحق السياق التجاري الإشارة: تعلن Skild عن وتيرة إيرادات سنوية قدرها 100 مليون دولار بعد عشرة أشهر من أول عملية نشر لها، وعن أكثر من 60 شراكة. وتعمل Skild وNVIDIA وFoxconn بالفعل على نشر النموذج في أذرع آلية ثنائية الذراع لتجميع أنظمة Blackwell.

🔗 Skild AI والحزمة المادية من NVIDIA

تربط d-Matrix وحدات XPU Raptor الخاصة بها بـ NVLink Fusion

10 سبتمبر — ستربط شركة d-Matrix المصنّعة لمسرّعات الاستدلال وحدات XPU Raptor من الجيل التالي بمنصة البنية التحتية من NVIDIA عبر NVLink Fusion، باستخدام scale-up من NVLink، وscale-out من Spectrum-X، وبنية rack من MGX. كما تخطط الشركة لدمج وحدات CPU Vera، ووحدات SuperNIC ConnectX-9، ووحدات DPU BlueField-4، وتشغيل racks الخاصة بها إلى جانب أنظمة GPU مثل Vera Rubin NVL72 لتنفيذ استدلال مفكك.

تكمن أهمية الإعلان في منطقه الصناعي. فتصميم XPU ليس سوى الخطوة الأولى؛ أما نشره على نطاق واسع فيتطلب شبكة، وبنية rack، وطاقة، وتبريداً، وبرمجيات، وسلسلة توريد مُثبتة، مع إضافة كل خطوة مزيداً من الوقت والتكلفة والمخاطر. وترتكز الحجة التشغيلية على قابلية التبادل: فمن خلال التوحيد القياسي على rack مشترك، يُبنى مركز البيانات مرة واحدة ويستوعب وحدات GPU وCPU وXPU من دون بنية منفصلة لكل نوع من المعالجات. وبقراءة أخرى، تمثل NVLink Fusion الآلية التي تحتفظ من خلالها NVIDIA بالـ rack والشبكة والبرمجيات حتى عندما تأتي شريحة الحوسبة من جهة أخرى.

🔗 تعتمد d-Matrix تقنية NVLink Fusion

تُقنّن NVIDIA خبرات سلسلة توريدها باستخدام Nemotron وPalantir Foundry

10 سبتمبر — ليس هذا عرضًا توضيحيًا لمنتج، بل خلاصة تجربة لعملية داخلية واسعة النطاق جدًا. وتوضح الأرقام حجم المشكلة: تتطلب منصة Grace Blackwell NVL72 ملايين القطع وآلاف المورّدين، كما تحتاج لوحة حوسبة واحدة فقط — من أصل ثماني عشرة لوحة في الرف — إلى وحدتي CPU من Grace وأربع وحدات GPU من Blackwell واثنتين وثلاثين حزمة HBM3e، فيما تبلغ قائمة مكونات Vera Rubin ضعف هذا الحجم.

لا تكمن الصعوبة في الحجم، بل في التقلب: فالقطعة التي تعوق عملية تجميع في أسبوع قد تصبح متوفرة بوفرة في الأسبوع التالي. تتتبّع NVIDIA مقياسًا داخليًا يُسمى Time of Ownership، يبدأ منذ لحظة استلام موقع التصنيع للمواد وينتهي عند خروجها منه في صورة مجموعة فرعية أو منتج نهائي، إذ لا يستطيع المصنّعون المتعاقدون بدء العمل إلا بعد وصول كل شيء من ثلاثة مخزونات منفصلة. ووفقًا لـNVIDIA، يتطلب تقليص هذه المدة أربعة أمور: الرؤية في الوقت الفعلي، والتكرار الاحتياطي، وموثوقية التزامات الجهات المورّدة، وتقنين الخبرة البشرية. ويعرض المقال النقطة الأخيرة بوصفها الأكثر إحداثًا للتحول — أي تحويل التقدير الكامن وراء قرار تخصيص معقد إلى معرفة دائمة تتراكم بدلًا من البدء من الصفر عند كل مفاضلة.

🔗 تقنين سلسلة التوريد باستخدام Nemotron وPalantir Foundry

يسرّع BioNeMo Inference Runtime التنبؤ بالبنى على نطاق البروتيوم

10 سبتمبر — يسرّع BioIR نماذج التنبؤ بالبنى الجزيئية الحيوية على وحدات GPU من NVIDIA مع الحفاظ على سير عمل PyTorch المعتاد، وذلك عبر نوى محسّنة وCUDA Graphs عند انطباقها. وبالنسبة إلى الدفعات الكبيرة من المدخلات المستقلة، يتيح Ray تشغيل نسخة كاملة من النموذج على كل وحدة GPU في العقدة نفسها بدلًا من توزيع نموذج واحد.

الهدف هو معدل المعالجة: إذ يجري التنبؤ بالبنى حاليًا غالبًا على نطاق البروتيوم، حيث لم يعد الأمر متعلقًا بمعالجة بروتين واحد، بل بتمرير قائمة عمل كاملة عبر خط المعالجة. والحجة الأكثر إقناعًا هي استخدام فعلي — فقد استُخدم BioIR في التوسعة الأخيرة لقاعدة بيانات AlphaFold عبر توليد بنى لمركّبات بروتينية في 4 777 بروتيومًا، أي نحو 31 مليون مركّب مرشح.

🔗 التنبؤ عالي الإنتاجية بالبنى باستخدام BioIR

تنقل Together AI نواها إلى Vera Rubin وتتيح الحوسبة القابلة للاستباق بنصف السعر

10 سبتمبر — حصل فريق النوى في Together AI، وهو الفريق نفسه الذي أنتج FlashAttention، على وصول مبكر إلى منصة NVIDIA Vera Rubin NVL72، ووثّق عملية نقل ThunderKittens، وهي مكتبة نوى GPU الخاصة به. وتقدم نقطة البداية درسًا مهمًا: تحتفظ Rubin بنموذج برمجة Blackwell، ولذلك تعمل النوى القديمة بلا تعديل، لكنها لا تبلغ سوى 42,1 بالمئة من الحد النظري في NVFP4 و44,4 بالمئة في FP8. والسبب سهل الشرح وصعب المعالجة — إذ تتيح Rubin لأنوية tensor استهلاك المعاملات بسرعة مضاعفة، لكن نواة Blackwell لا تغذيها بالسرعة الكافية.

يعتمد تدارك الفارق على ثلاثة محاور: توسيع التعليمة، بالانتقال من 32 إلى 64 بايت لكل خطوة على امتداد K؛ وقراءة عدد أقل من البايتات، بالانتقال من تبليط 1x1 إلى 2x1 كي لا تُحمّل المصفوفة B سوى مرة واحدة لكل كتلة إخراج، وهو ما تتيحه الأعمدة الإضافية البالغ عددها 64 في ذاكرة tensor؛ وتعميق خط الأنابيب، إذ تسمح الذاكرة المشتركة الموسعة إلى 328 KiB بإعداد مزيد من البلاطات مسبقًا. ويُظهر المسح أثر المحور الأخير بالأرقام: ففي عملية GEMM مربعة بحجم 16k وبدقة NVFP4، يرفع الانتقال من ثلاث مراحل إلى خمس معدل المعالجة من 17 054 إلى 22 239 TFLOPS. أما في FP8، فتبلغ القيمة المثلى حدًا أقصى قدره 11 995 TFLOPS. أُجريت القياسات باستخدام CUDA 13.4 على وحدة GPU من إصدار عينة التأهيل.

🔗 ThunderKittens على NVIDIA Vera Rubin NVL72

تتوفر الحوسبة القابلة للاستباق بنسبة 50 بالمئة من سعر الاستخدام عند الطلب

10 سبتمبر — تتيح Together AI في معاينة عامة نوعًا ثانيًا من الحوسبة على عناقيد GPU التابعة لها: عقدًا قابلة للاستباق تُحاسب بسعر ثابت يعادل نصف السعر. وما يميز العرض عن أسواق spot المعتادة هو تحديدًا هذا السعر الثابت — فهو لا يتبع مزادًا. وتُحسب الفاتورة على فترات أقصر من الساعة، مع تسجيل الاستخدام كل دقيقة إلى دقيقتين.

آلية الاستئناف واضحة. فعندما تُطلب السعة في مكان آخر، يمر العنقود بتسلسل تفريغ لا يتجاوز خمس دقائق: تُعزل العقدة، ويُصدر حدث Kubernetes، وتتلقى الحاويات SIGTERM، ويُمنح حمل العمل خمس دقائق لكتابة نقطة تحقق، ثم تُحذف العقدة. وتقدم Together AI رقمًا تقريبيًا مفيدًا للحكم على كفاية هذه المهلة: تزن نقطة تحقق كاملة للأوزان في نموذج ذي 321 مليار معلمة نحو 3,5 تيرابايت، وتستغرق كتابتها على نظام ملفات متوازٍ ما بين 22 ثانية و4 دقائق، حتى عند تراجع الأداء. وهناك حالتان مستبعدتان صراحةً من نطاق الاستخدام: عمليات التدريب التي تستمر عدة أيام من دون نقاط تحقق، والخدمات الخاضعة لالتزام صارم بمستوى الخدمة من دون خيار احتياطي.

🔗 الحوسبة القابلة للاستباق، Together AI

تستند Mistral إلى Cloudera، ويسد Vibe CLI أربع ثغرات أمنية

10 سبتمبر — تعلن Mistral شراكة مع Cloudera، مطورة منصة البيانات الهجينة التي تستخدمها مجموعة من الشركات الكبرى في القطاعات الخاضعة للتنظيم. وتشمل الاتفاقية جانبين. أولهما الاستدلال: تتكامل نماذج Mistral مع المنصة، ما يتيح نشرها في سحابة خاصة أو عامة، أو في الموقع، وحتى في بيئات معزولة تمامًا عن الشبكة (air-gapped). وثانيهما التدريب: تتيح Mistral إمكانية تدريب النماذج على البيانات الخاصة التي راكمتها هذه الشركات، داخل بيئات تتحكم فيها.

يوضح الرقم المطروح حجم المورد المستهدف: تعمل على منصة Cloudera بيانات عملاء مُدارة بحجم 30 إكسابايت. وتقدم التدوينة تعريفًا عمليًا للذكاء الاصطناعي السيادي بدلًا من تعريف بلاغي — إذ تبقى البيانات ضمن الحدود التي يحددها العميل، وتُخصّص النماذج وتُمتلك بأوزان مفتوحة، ويجري التدريب والاستدلال على البنية التحتية وفي النطاقات القضائية التي يختارها العميل. ولم يُعلن عن أي نموذج أو سعر أو موعد إتاحة: إنها اتفاقية توزيع وتكامل، وليست إطلاقًا لمنتج.

🔗 Mistral وCloudera

يزيل Vibe CLI 2.25.1 و2.25.2 مستمع تصحيح غير موثّق

9 و10 سبتمبر — تنشر Mistral تباعًا إصدارين من وكيل البرمجة العامل عبر سطر الأوامر. ويُعد الإصدار 2.25.1 الأكثر جوهرية، ولا تكمن أهميته في الميزات الجديدة بقدر ما تكمن في إصلاحاته: إذ ترتبط أربعة بنود في سجل تغييراته مباشرةً بالأمن.

أوضحها إزالة مستمع debugpy غير موثّق على localhost:5678، كان يُفعّل بمجرد ضبط وضع التصحيح على vibe-acp: وكان بإمكان أي عملية محلية الاتصال به وتنفيذ تعليمات برمجية في سياق الوكيل. وفي السلسلة نفسها، لم تعد أوامر hook تمر عبر shell، ما يسد باب حقن محتمل عبر ملف hooks.toml في أحد المستودعات. ويستهدف الإصلاحان الآخران وضع smart approve. فقد كان الفحص الأولي السريع يوافق تلقائيًا حتى الآن على أوامر git الخاصة بالقراءة — git diff وgit show وgit blame وgit log -p وgit status -v — مع أنها تحديدًا الأوامر التي تُخرج محتوى الملفات: ولذلك كان أي سر يظهر في diff يُقرأ دون تحقق. تمر هذه الأوامر الآن عبر المصنّف مجددًا. وكان يمكن أيضًا تجاوز الفحص الأولي عبر إضافة cd في بداية الأمر، لأن تحليل الأسرار لم يكن يقرأ سوى الجزء الواقع بعده؛ أما الآن فيقرأ الأمر كاملًا.

أما الإصدار 2.25.2، المنشور في اليوم التالي، فهو أقصر: إذ يضيف قائمة فرعية للتصحيح في امتداد VS Code مع لوحة لحالة الجلسة تعرض المراحل وtokens ومعدل المعالجة والسياق والتكلفة، كما يصلح خللًا خفيًا في نظام الأذونات — فعندما كان يتعذر تسجيل منح دائم، كان يفشل بصمت، لتعيد الجلسة التالية طرح السؤال من دون أي تفسير.

🔗 Vibe CLI 2.25.2

مساهمتان مجتمعيتان: AUTOMATIC1111 في رسم بياني من Gradio، والحساسية tensor تلو الآخر

10 سبتمبر — ينشر فريق Gradio في Hugging Face مشروع Workflow1111، وهو إعادة بناء لـAUTOMATIC1111 في صورة رسم بياني. يجمع العرض التوضيحي أحد عشر خط معالجة للوسائط وثلاثًا وسبعين عقدة على لوحة واحدة، متاحة في صورة Space يمكن نسخه. وتمثل التجربة اختبار ضغط لعنصر سير العمل الأساسي المقدم في تدوينة سابقة، لم تعرض سوى خمسة رسوم بيانية صغيرة.

يطمح المشروع إلى تغطية علامات التبويب المألوفة لمستخدمي stable-diffusion-webui: تحويل النص إلى صورة، وتصحيح الدقة العالية، وتحويل الصورة إلى صورة، واستجواب الصورة، ومصفوفة prompts، والتكبير وإزالة الخلفية، والمعالجات المسبقة، وإعادة قراءة معاملات التوليد المخزنة في كتلة النص داخل PNG. وتُضاف إلى ذلك قدرتان لم تكونا متاحتين في AUTOMATIC1111: كتابة prompt بواسطة نموذج لغوي، وتحويل الصورة إلى فيديو. والتفصيل الذي يهم المطور هو طبيعة العقد: فمن بين 36 عقدة تشغيل في التطبيق، تعمل 22 بالكامل داخل العملية، ولا تلزم أي عقدة مخصصة للجمع بين نموذج لغوي ونموذج انتشار — فكلاهما عقدة عادية. وهناك نقطتا إخراج جديرتان بالملاحظة: تصبح كل عقدة إخراج في اللوحة نقطة وصول REST من دون كتابة أي مسار يدويًا، كما أن الرسم البياني ليس حبيس بنية Hugging Face التحتية، إذ يمكن لإحدى العقد تحميل نموذج محليًا وتشغيله على وحدة GPU خاصة بها.

🔗 Workflow1111، فريق Gradio

يرسم Bartowski خريطة الحساسية tensor تلو الآخر لتحسين التكميم بصيغة GGUF

10 سبتمبر — ينشر Bartowski، الذي تُعد تكميماته بصيغة GGUF مرجعًا افتراضيًا لشريحة واسعة من مستخدمي llama.cpp، دراسة منهجية لما ينبغي حمايته فعلًا عند ضغط نموذج. ومشكلة البداية بسيطة: يطبق كود التكميم في المنبع، وكذلك إصلاحاته الخاصة، القواعد نفسها على جميع المعماريات.

المنهج مباشر. ينتج المؤلف لكل tensor نسختين — واحدة تكون فيها جميع tensors بالدقة q8_0 باستثناء ذلك الـtensor، الذي يُضبط على q2_k، وأخرى بالعكس — ثم يقيس التدهور على tensor واحد في كل مرة، وفق تباعد Kullback-Leibler على wikitext-2-raw. ويشمل المسح Qwen3.5-0.8B وQwen3.5-4B. وتبرز ثلاث نتائج: يهيمن token_embd بوضوح على مقياس الحساسية، وتتبع الحساسية بحسب العمق منحنى على شكل U، وعند قياسها مقابل كل bit مستخدم، تبرز إسقاطات attention الصغيرة بوضوح. ومن هذه البيانات يستخلص المؤلف محلّلًا يبني تخطيطًا tensor تلو الآخر انطلاقًا من شكل النموذج وجدول للأضرار النسبية وميزانية من bits.

🔗 خرائط التخطيط لكل tensor لتكميم GGUF

تفتح Amp قرص أوضاعها، وينتقل Replit وDatabricks إلى الإتاحة العامة

10 سبتمبر — تفتح Amp أداة الاختيار التي تتحكم منذ يوليو في شدة عمل الوكيل عبر مستوياتها الأربعة. وحتى الآن، كان اختيار النماذج الكامنة وراء كل مستوى من اختصاص Amp وحدها، وهو موقف دافعت عنه علنًا في يوليو في تدوينة بعنوان «من يهتم بالنموذج؟». ولا تتراجع هذه التحديثات عن ذلك الموقف، لكنها تجعله اختياريًا.

تتيح علامة التبويب الأولى تحديد النموذج وجهد الاستدلال لثلاثة أدوار منفصلة ضمن وضع مدمج: الوكيل الرئيسي وOracle والوكلاء الفرعيون. تعمل هذه النماذج باستخدام مفتاح API أو اشتراك ChatGPT الخاص بالمستخدم بعد ربطه مسبقًا، وتتبع الفوترة هذه الاتصالات بدلًا من تعرفة Amp. ويحتفظ الوضع بالـprompt والأدوات الخاصة به، فيما يتغير المحرك وحده؛ وكل ما يبقى مضبوطًا على الوضع التلقائي يواصل اتباع اختيارات Amp. وتستهدف علامة التبويب الثانية من سبق لهم إنشاء وكلاء مخصصين عبر plugins: إذ يمكن إدراجهم على القرص بجانب الأوضاع المدمجة، مع إمكانية أن يوسّع وكيل plugin وضعًا قائمًا عبر وصف ما ينبغي له فعله بصورة مختلفة فقط. ويمكن سحب وضعين إلى أربعة أوضاع وترتيبها ثم اعتمادها بضغطة مطولة. كما يستطيع المسؤولون تحديد قرص مشترك للفريق من دون استبدال الخيارات الشخصية.

🔗 أنشئ قرصك الخاص، Amp

يتيح Replit تكامله مع Databricks بصورة عامة مع الدعم الأصلي لـLakebase

10 سبتمبر — ينقل Replit تكامله مع Databricks إلى الإتاحة العامة، بعد معاينة عامة أُعلن عنها في يونيو، ويضيف إليه الدعم الأصلي لـLakebase، قاعدة البيانات المُدارة من Databricks. ويبقى توزيع الأدوار كما هو: يسرّع Replit إنشاء التطبيق، بينما يستضيف Databricks بيانات المؤسسة ويتحكم في الجهات التي تصل إليها.

تتمثل إضافة Lakebase في سد الفجوة بين القراءة والكتابة. فحتى الآن، كان التطبيق المبني على التكامل يقرأ البيانات الخاضعة للحوكمة من المستودع، لكنه يضطر إلى تخزين ما ينشئه بنفسه في مكان آخر؛ أما مع الدعم الأصلي، فيتجاور النوعان، ويجهّز Replit Agent قاعدة البيانات المقابلة تلقائيًا عند النشر. وتستهدف الميزة الجديدة الثانية الخطر الأكثر إلحاحًا في هذا النوع من المعماريات، وهو اختبار تطبيق باستخدام بيانات الإنتاج: إذ ينشئ Replit الآن بيئة معاينة منفصلة تحافظ على عزل بيانات الاختبار عن بيانات الأعمال الفعلية.

🔗 Replit وDatabricks في الإتاحة العامة

تعقد Sakana AI تحالفًا ثلاثيًا مع SCSK وSumitomo Corporation

10 سبتمبر — تعلن Sakana AI شراكة تجارية شاملة مع SCSK Corporation وSumitomo Corporation، تتمحور حول ترسيخ الذكاء الاصطناعي في الصناعة اليابانية. ويركز التشخيص الوارد في المقدمة على ما يحيط بالنماذج أكثر من النماذج نفسها: فالتحدي بالنسبة إلى العميل لا يتمثل في اعتماد هذا الذكاء الاصطناعي أو ذاك، بل في استخدام ما يناسب أهداف أعماله وتحقيق نتيجة ملموسة منه، وهو ما يقتضي التعامل بصورة متكاملة مع البيانات، والتكامل مع الأنظمة القائمة، والجودة، وأمن المعلومات، والحوكمة، والتشغيل بعد النشر. ويطرح البيان نقطة قلما تعبّر عنها اتفاقيات من هذا النوع بهذا الوضوح: يجب تجنب الاعتماد المفرط على تقنية أو نموذج بعينه.

يسهم كل طرف بمكوّن. تقدم Sakana AI أبحاث النماذج وتحويل مشكلة العميل إلى حالة استخدام ثم إلى تنفيذ؛ وتقدم SCSK قدرتها على التكامل، التي تُعرض بوصفها ردمًا للفجوة بين الخوارزمية والتنفيذ في مجال الأعمال؛ بينما تقدم Sumitomo Corporation ميدان تطبيقها، مع نحو 900 شركة موحّدة وقاعدة تضم 100 000 عميل. وتنطلق أربعة مسارات عمل، أكثرها تحديدًا من الناحية التقنية يتعلق بالأمن السيبراني: ففي إطار برنامج Frontier AI التابع لـSCSK، سيصمم الشركاء الثلاثة حلًا يعتمد على نموذج التنسيق الذي طورته Sakana AI، لمرافقة عملية تشخيص الثغرات حتى إصلاحها.

🔗 شراكة Sakana AI وSCSK وSumitomo Corporation

موجز الأخبار

يمكن فصل لوحات تطبيق Claude Code لسطح المكتب — يمكن نقل لوحة الفروقات أو الطرفية إلى شاشة ثانية بينما يواصل Claude العمل في النافذة الرئيسية، ثم إعادة إرفاقها. صيغ المنشور بوصفه إبرازًا لطريقة استخدام، من دون ملاحظات إصدار؛ لذا لم يُحدَّد تاريخ الإتاحة الفعلية. 🔗 المصدر
فعاليات Fable 5.1 Build Days، ماراثونات بناء مجتمعية من 11 إلى 25 سبتمبر — ينظم مجتمع Claude ماراثونات بناء في مدن حول العالم على مدى أسبوعين، مع التسجيل عبر صفحة مجتمع Anthropic. 🔗 المصدر
توسّع T. Rowe Price استخدام Claude ليشمل مؤسستها الاستثمارية — يعمل مديرو المحافظ والمحللون باستخدام Claude وCowork في الأبحاث الأساسية، فيما يبني المطورون أدوات الاستثمار باستخدام Claude Code. والزاوية التي يجري إبرازها هي أن النشر يبدأ بالأشخاص الذين يختارون الأوراق المالية، لا بوظائف الدعم. 🔗 المصدر
ما تعلمته Anthropic من 1,000 مسؤول تنفيذي خلال جولة Claude SMB — عشر محطات خلال ستة أسابيع بالشراكة مع Tenex، جمعت كل منها بين نصف يوم من التدريب المجاني وجلسة أتمت فيها مجموعة من نحو مئة مسؤول تنفيذي مهمة فعلية، وذلك حول إضافة Claude for Small Business التي أُطلقت في مايو. 🔗 المصدر
تعرض Zed ميزة مراجعة الشفرة الجاري إعدادها في Delta — يحوّل وكيلٌ التعديلَ إلى دليل مراجعة منظّم يظهر بجوار سلسلة النقاش الأصلية، ما يتيح استجواب الوكيل الذي كتب الشفرة مباشرةً. لم يُعلَن أي موعد للإتاحة يتجاوز عبارة «قريبًا جدًا». 🔗 المصدر
تخفض Warp تكلفتها لكل طلب سحب من 80 إلى 30 دولارًا — من خلال إعادة تشغيل عمليات وكلائها الفعلية لدى عدة مزودين، تقول الشركة إنها حققت أفضل جودة للشفرة باستخدام GPT 5.6 Sol، بتكلفة أقل بنسبة 66 بالمئة من إعدادها السابق، Claude Opus 5. ومن البديهي أن تظل النتيجة معتمدة على مجموعة بياناتها الداخلية. 🔗 المصدر
تحاكي Meta FAIR أنظمة إنزيمية كاملة بسرعة تفوق QM/MM بألف مرة — بالتعاون مع مجموعة Andrew Ferguson في Chicago، جرت محاكاة إنزيمات كاملة بمذيب صريح، في حدود 100,000 ذرة، بدقة شبه كمومية ومتوافقة مع القياسات التجريبية. لم تُنشر أي ورقة بحثية أو نموذج وقت الرصد. 🔗 المصدر
تضع Together AI نموذج Kimi K3 في الصدارة على Fable 5.1 بنسبة ستين بالمئة في المهام القانونية — ادعاء يتعلق بالمهام الذاتية الصعبة ضمن معيار lab-aa من Harvey، ونُشر من دون منهجية أو بروتوكول قياس، عن جهة تقدّم Kimi K3 تجاريًا. ينبغي التعامل معه بوصفه ادعاءً، لا نتيجةً مثبتة. 🔗 المصدر
تبث Hugging Face الحلقة الرابعة من Training Agents — ساعة وخمس عشرة دقيقة مباشرةً عن الانتقال من دوال المكافأة إلى بيئات تدريب الوكلاء. 🔗 المصدر
تستعرض Google AI ما صنعه المجتمع باستخدام الشبكة العصبية لذبابة الفاكهة — بعد أسبوع من نشر 166,000 عصبون في مجموعة بيانات MaleCNS، ظهرت ستة مشاريع مجتمعية: Minecraft وDoom وBeat Saber، ودماغ ذبابة يُعهد إليه بمئة دولار من bitcoin مع تحفيز دوباميني عند تحقيق الربح. 🔗 المصدر
أصبح تفعيل AI Scan على طلبات السحب متاحًا عبر API — نقطتا وصول REST، إحداهما للمؤسسة والأخرى للمستودع، لنشر الكشف المدعوم بالذكاء الاصطناعي على نطاق واسع. ولا يمكن لإعداد على مستوى المستودع تجاوز تعطيل الميزة على مستوى المؤسسة. الميزة في معاينة عامة ضمن GitHub Advanced Security. 🔗 المصدر
سُحب MAI-Code-1-Flash من جميع واجهات Copilot — دخل الإيقاف حيز التنفيذ في اليوم نفسه على Copilot Chat والتحريرات المضمّنة ووضعَي ask وagent وعمليات الإكمال، مع طرح MAI-Code-1.1-Flash بديلًا قد يتعين على مسؤولي المؤسسات السماح به صراحةً. 🔗 المصدر
انتقلت صورة مشغّل Xcode 27 إلى macOS 27 — تنتقل مشغلات macOS المستضافة من macOS 26 إلى macOS 27 ضمن معاينة عامة، من دون تغيير تسميات الاستهداف. وهي مخصصة لمشغلات arm64. 🔗 المصدر
تشرح NVIDIA حزمة robotaxi المؤلفة من ثلاثة حواسيب — تدوينة لتحديد الموقع في السوق تتوقع أن تبلغ قيمة سوق robotaxi نحو 400 مليار دولار وأن يتجاوز عدد المركبات التجارية 6 ملايين بحلول 2035، وتزعم أن جميع البرامج التجارية الكبرى تعمل على حزمتها المعيارية. 🔗 المصدر
تستخرج Luma النص المضمّن في صورة داخل Layers — حدّد الطبقة واضغط على Extract، فيتحول النص المدمج في وحدات البكسل مجددًا إلى نص حي باستخدام أقرب خط متاح في المكتبة. وهكذا تصبح إعادة الصياغة نقرتين بدلًا من إعادة التوليد بالكامل. 🔗 المصدر
يثبّت HorizonRelight إضاءة مقاطع الفيديو الطويلة بالتعاون مع USC — عمل من NVIDIA وجامعة جنوب California قُدّم في ECCV 2026، وينقل سياق كل نافذة منزلقة إلى النافذة التالية لتجنب قفزات الإضاءة بين المقاطع. 🔗 المصدر
تطلق Wan مسابقة عالمية حول Wan 3.0 بالتعاون مع NadouPro — مسابقة مجتمعية بجوائز تتجاوز 10,000 دولار، من دون أي ميزة منتج جديدة مرتبطة بها. 🔗 المصدر
تستطلع Midjourney مجتمعها بشأن ماسح ضوئي للجسم — استطلاعان حول ماسح يجري تصويرًا بالموجات فوق الصوتية لكامل الجسم، من دون الإعلان عن منتج أو تاريخ. إنها دراسة سوق علنية ينبغي التحقق منها قبل تداولها. 🔗 المصدر
تنضم MiniMax إلى برنامج AI Builder من Nebius — إلى جانب NVIDIA وLangChain وHugging Face وCognition وPrime Intellect. وهذا هو المنشور الجوهري الوحيد من MiniMax خلال فترة الرصد. 🔗 المصدر
ستشارك Kling AI في TIFF Market 2026 — كُشف عن البرنامج والمتحدثين، وسيكون لها جناح في الموقع، من دون إطلاق منتج. 🔗 المصدر
تعيد NVIDIA بث حفل توزيع جوائز هاكاثون DGX Spark في Seattle — 41 دقيقة من المحتوى المجتمعي، من دون إعلان عن منتج. 🔗 المصدر
تضيف حزمة Codex Python SDK 0.154.0 مستويَي جهد الاستدلال max وultra — إلى جانب رسالة خارجية يمكنها بدء جولة أو الانضمام إلى جولة نشطة بصلاحية على مستوى الأداة، ومن دون منح إذن المستخدم صراحةً. وينبغي التخطيط لعمليتَي ترحيل تخصان بيانات hook الوصفية والإشعارات محددة الأنواع. 🔗 المصدر
Codex وChatGPT في خدمة البحث عن مضادات ميكروبية جديدة — عرض لعمل مختبر César de la Fuente، الذي خفّض مدة البحث الأولي عن الجزيئات المرشحة من عدة سنوات إلى بضع ساعات. ويشدد الباحث على التحقق المنهجي وعلى الدور الذي لا يمكن الاستغناء عنه لتجارب التحقق. 🔗 المصدر
تنشر Cohere سلسلة صور من Berlin — كلمتان وأربع صور، بعد ثلاث ساعات من إطلاق North Small Translate، من دون إعلان عن منتج أو معلومات قابلة للاستخدام. 🔗 المصدر

ما الذي يعنيه ذلك

مرّت أوضح واقعة في هذا اليوم من دون أن تكاد تُلاحظ لأنها موزعة على ثلاثة إعلانات. خضع SWE-2 لتدريب لاحق على Kimi K3، وهو نموذج مفتوح يضم 2,800 مليار معلمة. وينطلق Gen-1 Slides من MiniMax M3، وتصرّح Genspark بوضوح بأنه لولا هذه القاعدة المفتوحة، لما أمكن للنموذج أن يظهر خلال بضعة أسابيع. وفي اليوم نفسه، تبرز Together AI نموذج Kimi K3 في مواجهة Fable 5.1. ثلاثة منتجات غربية بُنيت خلال أربع وعشرين ساعة على أوزان صينية، اثنان منها يُباعان للشركات. ويضيف تقرير Frontier Red Team الجانب المقابل الذي نادرًا ما يُسمع في هذا النقاش: في محاكاة التخلص من الحمل، يتفوق Kimi K3 على Sonnet 5، وتحرص Anthropic على توضيح أن الفارق عن النماذج الرائدة لا ينبغي تفسيره على أنه هامش أمان. فتح الأوزان يعيد توزيع القدرات، لا الأسعار فحسب.

أما الأمن فقد انتقل من الخطاب إلى الأرقام، ولدى أربع جهات في اليوم نفسه. لم تعد Anthropic تنشر مبادئ، بل معرّفات مجموعات وأحجام بيانات مسرّبة ومدد عمليات. وتنشر OpenAI معدل النتائج الإيجابية الكاذبة في منظومتها الدفاعية نفسها — 0.81 بالمئة بعد التحقق الديناميكي — وعدد التصحيحات التي أُلغي تطبيقها. وتعرض GitHub أربعة تدابير لأقل قدر من الصلاحيات، لا يلفت أي منها الأنظار، لكنها جميعًا تغلق مسارًا فعليًا. وتصلح Mistral مستمع debug غير موثّق كان يسمح لأي عملية محلية بتنفيذ شفرة ضمن سياق الوكيل. والتفصيل المشترك بين هذه المنشورات واحد في كل مكان: الخروقات الموثقة لا تأتي من النماذج، بل من بنيتها التحتية؛ مفاتيح API مسروقة لدى العملاء، وعمليات hook منفذة داخل shell، وأوامر git للقراءة تحظى بالموافقة تلقائيًا، وذاكرة تخزين مؤقت مسمومة للتكامل المستمر.

يتسارع التحول في معادلة السعر والأداء، لكن له نطاقًا يجب تسميته. يعادل SWE-2 أداء Fable 5.1 بسعر أقل بنسبة 64 بالمئة، ويتفوق Gen-1 Slides على Opus 5 في العروض التقديمية بتكلفة 0.44 دولار مقابل 4.16، ويحل V4.1-Flash محل V4-Pro بسعر فئة Flash، وتتيح Together AI الحوسبة القابلة للمقاطعة بنصف السعر، فيما تبلغ تكلفة الصوت مع GPT-Live-1 نحو 0.05 دولار للدقيقة وتحرير الفيديو مع FLUX 3 Video نحو 0.03 دولار للثانية. غير أن جدول DeepSeek يعرض النصف الآخر: 30.0 مقابل 43.3 في Terminal-Bench 3.0، و36.8 مقابل 56.3 في Humanity’s Last Exam. ما يصبح رخيصًا هو مهام الوكلاء الاعتيادية، لا المهام الصعبة. وتصوغ Genspark الأمر بالطريقة نفسها عندما تنشر نقاط ضعفها قبل أن يحتج بها الآخرون ضدها. في هذه المرحلة، لم يعد التصرف السليم هو اختيار نموذج، بل معرفة أي جزء من عبء العمل يقع ضمن النطاق الذي يكون فيه فارق السعر حقيقيًا.

وأخيرًا، تغادر الوسائط السمعية والبصرية التوليدية طور العرض التوضيحي إلى العقود والتسعير بالوحدة. تطرح HeyGen بالتعاون مع OpenAI إطارًا متكاملًا للصور الرمزية الفورية بترخيص MIT، وتطلق Synthesia منتج Express-3 في اليوم نفسه، وتسعّر Black Forest Labs تحرير الفيديو بالثانية مع حدود موثقة بوضوح، وتشرح Runway لماذا يُعد تقطير السياسة الأسلوب الوحيد القادر على الصمود عبر تسلسل طويل، فيما توقّع ElevenLabs أول اتفاق لها مع إحدى شركات التسجيل الكبرى. والقاسم المشترك بين هذه الإعلانات الخمسة ليس جودة الصورة، بل البنية: ترخيص، وسعر لكل ثانية، ومنصة تُباع منفصلة عن المنتجات الحالية كي لا تُستخدم الموسيقى المرخّصة في تغذية النماذج القائمة. هذه مفردات صناعة تستقر، لا مفردات عرض توضيحي.