Meta تطلق Muse Wonder، وNVIDIA تتيح تصميماتها لخزائن Vera Rubin، وAnthropic تقيس النسخ الذاتي للنماذج الصغيرة

تطلق Meta نموذجي Muse Wonder وMuse Wonder Full، وهما أقوى نماذجها حتى الآن، والمصممان لمهام الوكلاء: يتاح الأول عبر Meta Model API وMuse Code بسعر 4 دولارات لكل مليون tokens للإدخال، بينما يقتصر الثاني على المشتركين في Muse Code، ولم يُعلن عن أي أوزان مفتوحة. وفي OCP Global Summit، تقدم NVIDIA تصميماتها لخزائن Vera Rubin إلى Open Compute Project، بينما يقدّر فريق Frontier Red Team التابع لـAnthropic أن النماذج الصغيرة تفصلها بضعة أشهر عن القدرة على نسخ نفسها دون تدخل على الأجهزة المتصلة. وفي مجال البرمجة، تضع Artificial Analysis نموذج Claude Opus 5.5 في صدارة ترتيبها لـFrontierCode 1.1 بنسبة 52,2 %، وتخصص Google يومها للصحة، من سوار Fitbit Edge إلى الإنزيمات التي يصممها AlphaProtein Novo.

Meta تطلق Muse Wonder وMuse Wonder Full، نموذجيها الرائدين لمهام الوكلاء

12 أكتوبر — تقدم Meta سلسلة Muse Wonder، التي تضم Muse Wonder وMuse Wonder Full، وتصفهما بأنهما أقوى نماذجها حتى الآن: نموذجان رائدان (frontier models) مصممان لمهام الوكلاء الشخصية والمهنية. يتاح Muse Wonder الآن عبر Meta Model API وفي Muse Code؛ أما Muse Wonder Full فيقتصر على المشتركين في Muse Code. وسيشغّل Muse Wonder المساعد الشخصي Muse «قريبًا»، بدءًا بالمشتركين.

بعد أربعة عشر شهرًا من إعادة بناء جهودها في الذكاء الاصطناعي بالكامل، وبعد Muse Spark 1.3 الذي صدر في 2 سبتمبر، تتحدث Meta عن «الخطوة التالية» في زيادة قدراتها على مراحل (scaling ladder). دُرّب النموذجان في Prometheus، مركز بياناتها الذي تبلغ قدرته نحو غيغاواط، انطلاقًا من نماذج أساسية «أكبر وأقوى» لم يُنشر حجمها. وتبرز الشركة قدرتين: الذاكرة النشطة (Active Memory)، التي تحتفظ بالسياق المهم من محادثة إلى أخرى، والتركيز النشط (Active Focus)، الذي يدفع النموذج إلى تغيير نهجه عند مواجهة عائق، وطلب التوضيحات، والتحقق قبل اتخاذ إجراء مهم.

لا تظهر النتائج إلا في صورة ضمن التدوينة: جدول بقياسات أجرتها Meta باستخدام إعداد max لجميع النماذج. ويتصدر أحد نموذجي Muse Wonder النتائج في 7 من أصل 14 صفًا، بدءًا بـPersonal Superintelligence Index، وهو مؤشر داخلي لدى Meta. ومع ذلك، يظل Claude Opus 5.5 متقدمًا في 6 صفوف، منها Artificial Analysis Index، ويتقدم GPT-6 Astra في GDP.pdf.

Benchmark (مقتطف، قياسات Meta بإعداد max)	Muse Wonder Full	Muse Wonder	Claude Opus 5.5	GPT-6 Astra
Personal Superintelligence Index (مؤشر داخلي لدى Meta)	59,1	54,3	55,2	54,5
DeepSWE 1.1	79,0	78,8	74,2	74,1
SWE-Marathon	57,5 (xhigh)	53,1	46,3	42,5
MemoryBench	85,5	85,6	81,5	81,4
Terminal-Bench 4.0-AA	57,1	52,0	59,6	59,1
ProgramBench	59,0	50,0	70,5	52,5
Artificial Analysis Index	56	52	58	53

إصدار النموذج	الوصول المتاح	السعر المعلن
muse-wonder-1.0	Meta Model API وMuse Code، سياق بسعة 1M من tokens	4 دولارات للإدخال، و0,20 دولار للإدخال المخزّن مؤقتًا، و20 دولارًا للإخراج، لكل مليون tokens
muse-wonder-full-1.0	المشتركون في Muse Code فقط، سياق بسعة 1M من tokens	اشتراكا Power Usage (50 دولارًا شهريًا) وMaximum Usage (200 دولار شهريًا)

وفي جانب السلامة، تقول Meta إن وسائل الحماية لديها هي الأقوى حتى الآن ضد إساءة الاستخدام الكيميائية والبيولوجية والإشعاعية والنووية (CBRN)، وكذلك السيبرانية، مع الحفاظ على إتاحة القدرات السيبرانية المتقدمة للاستخدام الدفاعي. وتقدم Muse Wonder بوصفه نموذجها الأكثر مواءمة حتى الآن، وتعد بنشر تقرير كامل «قريبًا» يتضمن تقييمات إضافية للسلامة.

🔗 تدوينة Meta البحثية · صفحة النموذج والأسعار

OCP Global Summit: NVIDIA تقدم تصميماتها لخزائن Vera Rubin، وMeta تتبنى Spectrum-6

12 أكتوبر — في افتتاح OCP Global Summit في سان خوسيه، تقدم NVIDIA إلى Open Compute Project (OCP) تصميمات أساسية لخزانة (rack) وصينية حوسبة (compute tray) Vera Rubin، عبر بنيتها المفتوحة MGX. والهدف المعلن هو منح المصنّعين أساسًا مشتركًا لمصانع الذكاء الاصطناعي من الجيل التالي. تضيف مواصفة MGX 1.2 تبريدًا سائلًا بتوصيل أعمى (blind-mate) على مستوى الخزانة، وقضيب توزيع كهربائي (busbar) مبردًا بالسائل بقدرة 5 000 A، وصواني حوسبة بلا مراوح، وخزائن تصل إلى 250 kW. وتنشر NVIDIA أيضًا مواصفة لخزانة CPU Vera، مصممة لعمل الوكلاء (استدعاء الأدوات، والتنسيق، والتنفيذ في بيئة معزولة)، إلى جانب Vera Rubin NVL72، الذي يظل أساس التدريب والاستدلال.

وفي جانب البرمجيات، تحصل DSX OS، طبقة التشغيل لمنصتها الخاصة بمصانع الذكاء الاصطناعي، على أربعة مكونات open source مستمدة من تشغيل DGX Cloud، منها Cluster Readiness Engine، الذي يختبر عناقيد GPU تحت الحمل قبل التدريب، وCluster API Provider الذي يجعل العناقيد جاهزة «في ساعات بدلًا من أيام»، بحسب NVIDIA.

قدم إيان باك، نائب رئيس NVIDIA للحوسبة فائقة النطاق وHPC، إلى جانب هذه المساهمات، سلسلة من إعلانات الشركاء. وأكثرها تحديدًا يأتي من Meta، التي تتبنى محولات Ethernet Spectrum-6: إذ يُدمج محولها N-IceCube في IcePack، خزانتها الشبكية المبردة بالسائل، تحت إدارة FBOSS، نظام تشغيل الشبكات open source الخاص بها.

الإعلان المقدم في القمة	الشركاء المذكورون	أبرز ما أُعلن
MGX 1.2 وخزانة CPU Vera	مجتمع OCP	قضيب توزيع كهربائي بقدرة 5 000 A، وخزائن تصل إلى 250 kW
مكونات DSX OS من نوع open source	مشروعات NVIDIA	أربع أدوات مستمدة من DGX Cloud
Open Data Center Specification v0.7	AMD, Google, Meta	تصميم مشترك لمباني مصانع الذكاء الاصطناعي
OCP Grid Resilience Specification	Google, Meta, Microsoft	العودة إلى حمل شبه كامل خلال أقل من 2 s بعد اضطراب في شبكة الكهرباء
منصة K-1 بجهد 800 VDC	Visionbay, Vertiv	مصممة لعمليات نشر Vera Rubin المستقبلية
Spectrum-6 لدى Meta	Meta	102,4 Tb/s، وما يصل إلى 8 مستويات شبكية، وأكثر من 100 000 GPU
بروتوكول Falcon Transport	Google	وحدات SuperNIC ConnectX-10 وDPU BlueField المستقبلية
الصيغة البصرية USFP	Cisco, TE Connectivity, Amphenol	400 Gb/s لكل مسار (التفاصيل أدناه)

لا يتضمن أي من هذه الإعلانات سعرًا أو موعدًا للتوافر. وسيلقي جنسن هوانغ الكلمة الرئيسية في GTC Berlin يوم الأربعاء 21 أكتوبر.

🔗 تدوينة NVIDIA حول OCP Global Summit

USFP: NVIDIA وCisco تعدّان وحدة بصرية قابلة للتوصيل بسرعة 400 Gb/s لكل مسار

12 أكتوبر — ضمن هذه الإعلانات، تقدم NVIDIA وCisco مشروعهما لصيغة USFP (Ultra-Dense Small Form Factor Pluggable)، وهي وحدة بصرية قابلة للتوصيل تصفها NVIDIA بأنها أول وحدة مصممة لإشارات كهربائية بسرعة 400 Gb/s لكل مسار. ستجمع أولى وحدات الإرسال والاستقبال (transceivers) المخطط لها 16 مسارًا ثنائي الاتجاه (full-duplex) ضمن حيز قريب من حيز OSFP، سواء للمحولات أو لوحدات SuperNIC، بما يصل إلى 12,8 Tb/s، مع إمكانية التوسع إلى 32 مسارًا وأكثر. ومقارنة بالوحدات الحالية التي تعمل بسرعة 200 Gb/s لكل مسار، تعلن NVIDIA عن كثافة للنطاق الترددي على الواجهة تبلغ أربعة أضعاف، وكفاءة طاقة تبلغ نحو 1,3 ضعف، ويمكن للوحدة تبديد ما يصل إلى 100 W من دون تبريد مخصص مدمج. ويتمثل الهدف في توصيل مزيد من نقاط النهاية بسرعة 1,6 Tb/s من دون إضافة طبقة شبكية. وتعدّ TE Connectivity وAmphenol الأقفاص والموصلات والوحدات، لكن الأمر لا يزال مجرد مشروع: فلا يتضمن البيان موعدًا أو سعرًا.

🔗 بيان NVIDIA وCisco

فريق Frontier Red Team التابع لـAnthropic يقيس النسخ الذاتي للنماذج الصغيرة على الأجهزة المتصلة

12 أكتوبر — في دراسة أعدّها ويليام تشو ودانيال فريمان، يقدّر فريق Frontier Red Team التابع لـAnthropic أن النماذج الصغيرة قد تفصلها بضعة أشهر عن القدرة على نسخ نفسها دون تدخل على أجهزة متصلة ضعيفة الحماية. وقد وزّع الفريق Gemma4-26B-A4B على 15 جهاز Android TV بلا علامة تجارية، اشتُريت بنحو 55 دولارًا للجهاز: ويعمل النموذج عليها بسرعة 0,39 token في الثانية.

ينجح نموذج بحجم 9B في تشغيل الاستدلال على 8 من أصل 9 أنواع من العتاد المختبَر. وفي شبكة معزولة تضم 8 أجهزة Android محاكاة، ينجح GLM-5.2 وحده في إتمام النسخ من البداية إلى النهاية (8 عقد من أصل 8 في 4 تجارب من أصل 5)؛ وبما أن الاختراق جُعل بسيطًا عمدًا، ترى Anthropic أن هذه النتيجة تمثل حدًا أعلى. وبوتيرة تقدم النماذج المفتوحة بحجم 30B أو أقل، سيبلغ نموذج صغير هذا المستوى بحلول نهاية 2026، وهو تقدير يصفه الفريق نفسه بأنه تقريبي.

ستكون دودة من هذا النوع بطيئة، بقدرة لا تتجاوز ما يعادل نحو 40 H100 على مجموعة تضم أكثر من 2 مليون جهاز، لكنها ستتكيف: فمع وراثة ملاحظات الجيل السابق، ترتفع نسبة نجاح Qwen3.5-9B من 45 % إلى 61-84 % خلال ستة أجيال. ولا يوجد حتى الآن نظام نسخ ذاتي كامل خارج السيطرة؛ وفي الجانب الدفاعي، تذكّر الدراسة بأن عزل المشتركين المصابين من جانب مزود خدمة الإنترنت، عند مواجهة شبكة الأجهزة المخترقة (botnet) Mirai، أزال 92 % من الإصابات خلال 14 يومًا.

Like coding agents in 2024, we’re seeing signs of life for AI worms.

🇸🇦 كما كان الحال مع وكلاء البرمجة في 2024، نرى بوادر حياة لدى ديدان الذكاء الاصطناعي. — فريق Frontier Red Team التابع لـAnthropic، تدوينة بحثية

وكلاء البرمجة: ترتيب FrontierCode 1.1 من Artificial Analysis، وAmp يتابع GitHub، وColGrep-Agent-2B من LightOn

يقيس ترتيب مستقل ما ينتجه وكلاء البرمجة فعليًا، بينما تعمل Amp وLightOn على ما يجري حول ذلك: متابعة pull requests والبحث في الشيفرة.

FrontierCode 1.1: Artificial Analysis تضع Claude Opus 5.5 في الصدارة بنسبة 52,2 %

12 أكتوبر — تنشر Artificial Analysis ترتيبها الخاص لـFrontierCode 1.1، وهو benchmark طورته Cognition مع المشرفين على مشروعات open source: إذ يتحقق من أن المشرف سيدمج التغيير الذي يقترحه الوكيل، وليس فقط من اجتيازه الاختبارات، ويعاقب التغييرات المفرطة أو الخارجة عن النطاق. تشغّل Artificial Analysis المجموعة الرئيسية (Main)، التي تضم 100 مهمة خاصة من أصل 150، باستخدام إطار الاختبار open source الخاص بها Stirrup، مع ثلاث محاولات لكل مهمة؛ وتحصل المحاولة التي تفشل في فحص إلزامي على صفر.

Leading models still fail more than 40% of the time

🇸🇦 لا تزال أفضل النماذج تفشل في أكثر من 40 % من الحالات. — @ArtificialAnlys على X

لا يجتاز Claude Opus 5.5 الفحوص الإلزامية إلا في 58 % من محاولاته، ولم ينجح أي من النماذج الـ22 التي جرى تقييمها في 9 مهام من أصل 100. ويأتي MiMo-V2.6-Pro من Xiaomi في مقدمة النماذج ذات الأوزان المفتوحة بنسبة 45 %. والفارق في التكلفة أوسع بكثير من الفارق في النتيجة:

النموذج المُقيَّم (الإعداد)	نتيجة FrontierCode 1.1	تكلفة المهمة
Claude Opus 5.5 (max، مع خيار احتياطي)	52,2 %	10,15 دولارًا
GPT-6.1 Sol (max)	49,1 %	0,81 دولار
Claude Fable 5.1 (max، مع خيار احتياطي)	49,0 %	12 دولارًا
MiMo-V2.6-Pro	45,4 %	0,18 دولار
GPT-6 Luna (max)	41,9 %	0,09 دولار

وبحسب Artificial Analysis، يضاهي GPT-6.1 Sol بذلك Fable 5.1 بتكلفة للمهمة تقل عن عُشر تكلفة أفضل نماذج Anthropic. ولا يمكن مقارنة هذه النتائج بالنتائج التي تنشرها Cognition لـDevin، والتي تُقاس غالبًا على نسخة Extended باستخدام إطار الاختبار الخاص بها.

🔗 ترتيب FrontierCode من Artificial Analysis

Amp يتابع pull requests التي يفتحها ويشغّل orb لكل تذكرة أو PR على GitHub

12 أكتوبر — لم يعد Amp يترك pull requests التي يفتحها دون متابعة: فعندما ينشئ الوكيل PR على GitHub، يمكنه الاشتراك في تعليقاتها ومراجعاتها ونتائج CI لآخر commit فيها. وعندئذ يصل الفحص الفاشل أو سؤال المراجع إلى سلسلة المحادثة نفسها، حيث يمتلك Amp بالفعل السياق اللازم للرد عليه.

تعتمد الوظيفة على تكامل مع GitHub Webhooks يوصف بأنه «أصيل» (first-class): يتلقى Amp الأحداث ويعالجها بنفسه، ثم يختار المستخدم أو الوكيل إرسالها إلى orb واحدة، وهي البيئة البعيدة التي يعمل فيها وكيل Amp، أو إلى orb جديدة في كل مرة. وهكذا يمكن طلب orb لكل تذكرة جديدة (issue) أو PR في مستودع، مع إمكانية قصرها على وسم (label): تقرأ كل orb التذكرة وتعدّ ملخصًا لها، وتعود التعليقات التالية إلى سلسلة المحادثة نفسها. ومنذ 23 يوليو، كانت وحدات orb قادرة بالفعل على الاستجابة لـwebhooks خارجية؛ والجديد هو تكامل مخصص مع GitHub يديره Amp، مع شاشة إدارة في Settings → MCP & Integrations → GitHub لتعديل كل اشتراك أو إيقافه مؤقتًا. ويكفي تثبيت تطبيق Amp على GitHub في المستودع؛ ولا تذكر التدوينة أي سعر.

🔗 تدوينة Amp

ColGrep-Agent-2B: تسند LightOn البحث عن الشيفرة في Claude Code إلى وكيل محلي

12 أكتوبر — تنشر LightOn نموذج ColGrep-Agent-2B، وهو وكيل للبحث عن الشيفرة يضم 2 مليار معلمة بترخيص Apache-2.0، ويعمل محليًا بين وكيل البرمجة والمستودع. انطلاقًا من سؤال، يبحث باستخدام ColGrep، محرك البحث الدلالي متعدد المتجهات من LightOn، ويقرأ الملفات الواعدة، ويتتبع المراجع، ويعيد المسارات ونطاقات الأسطر والشيفرة: لم يعد على النموذج الرائد أن يتولى بنفسه جولات الاستكشاف المتتابعة.

عند ربطه بـ Claude Code مع Sonnet 5.5، واختباره على 52 سؤال بحث في 13 مستودعًا لم تدخل في التدريب (624 جلسة)، يقلل عدد رموز API بنسبة 34 % وتكلفة API بنسبة 40 %، بما في ذلك التخزين المؤقت، مقارنةً بـ grep، دون فرق في الدقة ذي دلالة إحصائية. وتوضح LightOn أن القياس يخص البحث عن الشيفرة، وليس المهام من البداية إلى النهاية. جرى الضبط الدقيق للنموذج انطلاقًا من MiniCPM5-2B، ويُثبَّت باستخدام brew install lightonai/tap/colgrep && colgrep --install-agent، الذي ينزّل نسخة GGUF بحجم نحو 2,5 Go؛ ولا يتطلب بيئة Python أو خادم استدلال أو مفتاح API، ويجيب في نحو عشرين ثانية على M3 Pro.

🔗 مقال LightOn على Hugging Face

الصحة لدى Google: Health Guardian وسوار Fitbit Edge، وAlphaProtein Novo يصمم إنزيمات جديدة

تخصص Google يومها للصحة: ميزات موجهة للجمهور في Google Health وFitbit من جهة، ومن جهة أخرى حصيلة لأبحاثها تسلط الضوء على عمل من Google DeepMind لم يحظ بالانتباه.

Google Health: Health Guardian، ورصد أكثر من 100 نشاط، وسوار Fitbit Edge

12 أكتوبر — تجمع Google Health إعلاناتها الخريفية في سلسلة من المقالات. يراقب Health Guardian في الخلفية التغيرات الصحية التدريجية، مثل ضغط الدم ومقاومة الإنسولين؛ ومع اشتراك Google Health Premium، يساعد Health Coach، المدرب داخل التطبيق، على تفسير هذه التغيرات ويهيئ المعلومات السياقية لمشاركتها مع الطبيب. ويصبح الرصد التلقائي للجلسات، الذي تقول Google إنه يعتمد على الاستدلال السياقي (contextual reasoning)، أدق بنحو 2 مرة.

الميزة الجديدة المعلنة	التفاصيل بالأرقام	موعد الإتاحة المعلن
Health Guardian	اتجاهات ضغط الدم ومقاومة الإنسولين، وتقرير شهري	في وقت لاحق من هذا الشهر على Fitbit Air وFitbit Edge، لمشتركي Premium
الرصد التلقائي للأنشطة	من 10 إلى أكثر من 100 نشاط، وتقليل الجلسات التي لا تُرصد بأكثر من النصف	في وقت لاحق من هذا الشهر على Fitbit Air وFitbit Edge وPixel Watch 3 إلى 5
سوار Fitbit Edge	179,99 دولار، 11,5 mm، تشغيل يصل إلى 7 أيام، وبطارية قابلة للاستبدال	متاح للطلب المسبق، وفي المتاجر يوم 27 أكتوبر
الشراكة مع Flo Health	مزامنة بيانات الدورة الشهرية، وأكثر من 80 مليون مستخدمة شهريًا لدى Flo	مطلع العام المقبل

يُقدَّم Fitbit Edge بوصفه نافذة على Health Coach تُرتدى على المعصم، وهو أول سوار لتتبع النشاط من Google قابل للإصلاح. وتستكمل Abbott (مستشعر الغلوكوز Lingo) وMyFitnessPal وFunction Health قائمة التكاملات.

🔗 مستجدات Google Health · Fitbit Edge · الشراكة مع Flo Health

حصيلة أبحاث Google الصحية: AlphaProtein Novo يصمم إنزيمات غير موجودة في الطبيعة

12 أكتوبر — يستعرض يوسي ماتياس (Google Research) وبوشميت كوهلي (Google DeepMind) حصيلة أعمال Google في الصحة: 90 مقالة خضعت لمراجعة الأقران خلال خمس سنوات، وأكثر من 90 000 استشهاد، وأكثر من 60 مليون دولار قدمتها Google.org في 2026 إلى فرق تطبق هذه النماذج. يعيد المقال عرض نتائج معروفة في معظمها، لكنه يسلط الضوء على AlphaProtein Novo، وهو خط معالجة (pipeline) للتعلم الآلي من Google DeepMind يصمم إنزيمات من الصفر (de novo)، دون الانطلاق من إنزيم طبيعي.

في مسودة بحث نُشرت على bioRxiv في 5 أكتوبر، بالتعاون مع معهد كاليفورنيا للتكنولوجيا وجامعة بيتسبرغ، ابتكرت الفرق إنزيمات جديدة لنقل النيترين لتخليق البيبيريدين، وهو وحدة بنيوية أساسية في الأدوية، بانتقائية تصفها بأنها غير مسبوقة، إلى جانب إنزيمات تحلل DEHP، وهو مادة سامة بيئية، في ظروف تفقد فيها الإنزيمات الطبيعية بنيتها. ويذكر المقال أيضًا استخدامين جديدين: في برشلونة، فحص معهد الصحة العالمية افتراضيًا 30 000 مركب باستخدام AlphaFold لمكافحة مرض شاغاس، وحدد دواءين معتمدين بالفعل من FDA يمكن إعادة توظيفهما؛ وفي مستشفى تشيلدرنز ميرسي، كشف DeepSomatic عن 10 طفرات لم تُكتشف في حالات ابيضاض دم لدى أطفال سبق تحديد تسلسلها.

🔗 حصيلة Google بشأن الذكاء الاصطناعي في الصحة · مسودة بحث AlphaProtein Novo على bioRxiv

نماذج متخصصة حسب المجال المهني: GLM-Legal من Z.ai للقانون، وApex 2.0 من Fin لخدمة العملاء

تنطلق شركتان مطورتان من نموذج قائم وتخضعانه لتدريب لاحق من أجل مجال مهني محدد، مع أرقام تدعم النتائج.

GLM-Legal: تخصص Z.ai نموذج GLM-5.3-Flash للعمل القانوني

12 أكتوبر — تقدم Z.ai نموذج GLM-Legal، وهو نموذج قانوني مبني على GLM-5.3-Flash ومصمم لسير عمل واقعي: مراجعة العقود، وتحليل الأدلة، والامتثال. بعد تدريب وسيط (mid-training) على مجموعة موسعة من النصوص القانونية، خضع لتدريب لاحق بالتعلم المعزز في عشرات الآلاف من البيئات القانونية الواقعية. وعلى Harvey LAB، معيار اختبار الوكلاء القانونيين من Harvey الذي يغطي 24 مجال ممارسة، يحقق GLM-Legal معدل نجاح كامل (all-pass rate) قدره 19,2 %، أعلى بـ 12,5 نقطة من نموذجه الأساسي.

النموذج المقيَّم على Harvey LAB	النجاح الكامل (أرقام Z.ai)
GLM-Legal	19,2 %
Kimi K3	12,9 %
Claude Fable 5	11,3 %
GLM-5.3-Flash	6,7 %
GPT-6 Astra	5,4 %

لا يرد في نص المقال سوى رقم GLM-Legal؛ أما الأرقام الأخرى فمصدرها الرسم البياني في منشور الإعلان. وتدعي Z.ai أن النموذج يضاهي أفضل النماذج المغلقة على LegalBench وPLawBench (القانون الصيني)، دون نشر نتيجة رقمية. يتوفر GLM-Legal في نسخة تجريبية: يمكن لمكاتب المحاماة ومطوري البرمجيات القانونية (legal tech) والإدارات القانونية والممارسين المستقلين طلب الوصول عبر API باستخدام استمارة، ومن المقرر أن يصل النموذج «قريبًا» إلى AutoClaw، منصتها لوكلاء سطح المكتب. ولم يُعلَن عن سعر أو أوزان مفتوحة.

🔗 مقال Z.ai عن GLM-Legal · إعلان Z.ai على X

Apex 2.0 وApex Flash 2.0: تبني Fin نماذجها لخدمة العملاء على Nemotron 3

7 أكتوبر — أطلقت Fin، وكيل خدمة العملاء بالذكاء الاصطناعي، نموذج Apex 2.0، النسخة الجديدة من نموذجها لتوليد الردود، والمبنية هذه المرة على Nemotron 3 Super؛ وقد أشادت NVIDIA بهذا الإطلاق في 12 أكتوبر. وكما فعلت مع Apex 1.0، الذي كانت Fin تقول إنه يتفوق بالفعل في الإنتاج على Claude Sonnet 4.6، ينطلق الفريق من نموذج أساسي بأوزان مفتوحة ويكيفه من خلال تدريبه اللاحق الخاص: الضبط بالتعليمات وبالتفضيلات، وتنقيح نماذج المكافأة، وأمثلة موجهة للموازنة بين الإجابة وطلب توضيح، والتخلص من الوعود غير المسندة. وتقول Fin أيضًا إنها خفضت تكلفة النشر باستخدام التكميم، دون تراجع قابل للقياس في الجودة.

نموذج Fin	النموذج الأساسي من NVIDIA	التحسينات المعلنة مقارنةً بالنسخة 1.0
Apex 2.0	Nemotron 3 Super	+8,6 % في الحالات التي يؤكد المستخدم حلها، -16,5 % في الهلوسات
Apex Flash 2.0 (Fin Voice)	Nemotron 3 Nano	ردود أسرع بنسبة 24 %، -46 % في الهلوسات، 9 لغات بدلًا من الإنجليزية وحدها

يعمل Apex 2.0 لجميع عملاء Fin، وعددهم أكثر من 12 000؛ ولا يذكر المقال أي أسعار.

🔗 مقال Fin عن Apex 2.0

تدريب النماذج وتشغيلها: QwenGyre وReplaySSM ونقطة النهاية /v1/systemone في Transformers

تتناول ثلاثة أعمال البنية التحتية البرمجية للنماذج: تدريب الوكلاء ذوي الأفق الزمني الطويل جدًا، وفك ترميز النماذج الهجينة، وتشغيل نماذج اتخاذ القرار.

QwenGyre: تجعل Qwen التعلم المعزز للوكلاء ذوي الأفق الزمني الطويل جدًا مرنًا

12 أكتوبر — يقدم فريق Qwen إطار QwenGyre للتعلم المعزز المتصل للوكلاء الذين قد تستغرق عملية تشغيل واحدة لهم ساعات، وتتتابع فيها مئات التفاعلات مع البيئة، ويقترب حجمها من مليون رمز لكل مسار مولَّد (rollout). وينتج عن ذلك مشكلتان: وحدات GPU خاملة أثناء عمليات التوليد الطويلة، ومسارات مكررة بمجرد تفرع التنفيذ (ضغط السياق، والوكلاء الفرعيون، وإعادة المحاولة). يعيد المجدول المرن (Elastic Scheduler) توزيع وحدات GPU بين توليد المسارات والتدريب دون مقاطعة عمليات التشغيل: أسرع بما يصل إلى 1,85 مرة من نهج Colocate، وبـ 1,78 مرة من النهج غير المتزامن (Async). ويرتب معالج المسارات (Trajectory Processor) السجلات المتفرعة في أشجار ذات بادئات مشتركة، مع إزالة التكرارات.

عند تطبيق QwenGyre على Qwen3.8-2.4T-A95B، مع نحو 700 000 رمز لكل مسار، يرفع نتيجة NL2RepoBench من 52,5 % إلى 58,5 % خلال 48 خطوة، ويقلل، وفقًا لمنشور الإعلان، مدة التدريب من البداية إلى النهاية بنحو 44 % مقارنةً بالنهج غير المتزامن. الورقة متاحة على arXiv منذ 27 سبتمبر؛ ولم يُعلَن عن أي مستودع للشيفرة.

🔗 إعلان Qwen على X · ورقة QwenGyre على arXiv

ReplaySSM: تسرّع NVIDIA وDao AI Lab فك ترميز النماذج الهجينة

12 أكتوبر — تقدم NVIDIA ومختبر Dao AI Lab في جامعة برينستون تقنية ReplaySSM، وهي طريقة جديدة لتخزين حالة طبقات SSM أثناء فك ترميز النماذج الهجينة، التي تتناوب فيها طبقات فضاء الحالة وطبقات الانتباه، مثل Nemotron 3 وQwen3.5 إلى Qwen3.8 وKimi-K3 وGLM-5.3-Flash. عند أحجام الدفعات المستخدمة في الإنتاج، تكون طبقات SSM هذه، وليس الانتباه، العامل الأكبر في زمن استجابة فك الترميز حتى 100K رمز من السياق. تمثل ReplaySSM الحالة بنقطة حفظ ومخزن مؤقت صغير للمدخلات الأخيرة: يُحسب الخرج عند كل رمز، لكن لا تُعاد كتابة نقطة الحفظ في الذاكرة إلا كل 16 رمزًا، مما يخفض حركة نقل البيانات المهيمنة في الذاكرة إلى النصف تقريبًا.

الإعداد المقاس في vLLM	التحسن المعلن مقارنةً بـ vLLM
مرحلة فك الترميز، دفعة من 1	لا يوجد
نواة SSM، دفعة من 256	أسرع بـ 1,46 إلى 1,80 مرة
مرحلة فك الترميز كاملة، دفعة من 256	أسرع بـ 1,20 إلى 1,47 مرة
فك الترميز التخميني، دفعة من 512، نماذج من فئة 120B	1,85 و2,10 ضعف معدل المعالجة

التقنية مدمجة في TensorRT-LLM وvLLM وFlashInfer، وتعمل في الإنتاج داخل GLM-5.3-Flash وKimi-K3، وفقًا لـ NVIDIA؛ والمقال متاح على arXiv والشيفرة على GitHub.

🔗 مقال NVIDIA التقني عن ReplaySSM · مقال ReplaySSM على arXiv

/v1/systemone: يحول transformers serve نموذج LLM أو VLM إلى نموذج لاتخاذ القرار

12 أكتوبر — دمجت Hugging Face في Transformers نقطة نهاية /v1/systemone لـ transformers serve، الخادم المدمج في المكتبة. بدلًا من توليد إجابة، يقيّم الخادم مجموعة من القرارات المحتملة انطلاقًا من قيم logits الخاصة بالنموذج: وفقًا لليساندر، يمكن بذلك لأي نموذج من نماذج LLM وVLM المدعومة البالغ عددها 250 أن يصبح نموذجًا لاتخاذ القرار «على طريقة JEV»، دون توليد نص. يدعم طلب الدمج PR 49322 من مارك صن حاليًا جميع النماذج ذاتية الانحدار، ويضيف decision_config يُمرَّر إلى الخادم، لأن كل نموذج لاتخاذ القرار يصوغ prompt الخاص به ويضبط درجة حرارته بطريقته؛ ويعلن مارك صن عن توحيد معايير نماذج اتخاذ القرار «قريبًا» في Transformers. لم تدخل الميزة بعد في أي إصدار منشور، وآخر إصدار، v5.19.0، يعود إلى 6 أكتوبر. وكان llama.cpp يدعم تقديم هذا التنسيق بالفعل منذ 2 أكتوبر.

🔗 إعلان ليساندر على X · طلب الدمج PR 49322 على GitHub

صفحات الويب والملفات بصيغة جديدة للوكلاء: Browser Annotation API من OpenAI ومنصة استضافة Git في Perplexity Projects

تعيد OpenAI وPerplexity صياغة بيئتين مألوفتين، صفحة الويب ونظام الملفات، ليجد الوكيل فيهما مزيدًا من السياق.

Browser Annotation API: تخصص المواقع التعليقات التوضيحية في متصفح ChatGPT

12 أكتوبر — تقدم OpenAI Developers واجهة Browser Annotation API، الموصوفة في دليل قابلية توسيع التعليقات التوضيحية على ChatGPT Learn. دون تعديل الشيفرة، يعمل وضع Annotation في المتصفح المدمج بتطبيق ChatGPT لسطح المكتب بالفعل على أي موقع: يحدد المستخدم جزءًا من الصفحة، ويعلق عليه، ويرسله بوصفه سياقًا إلى Codex أو ChatGPT Work. تتيح واجهة API، المتاحة عبر document.oai.annotation على الصفحات الآمنة (HTTPS أو localhost)، للموقع اختيار ما يمكن تحديده، والسياق المصاحب للتحديد، وعناصر التحكم التي تعرض معاينة للتعديل قبل الإرسال.

يفصل الدليل تسعة تكاملات: يمكن أن تصبح بطاقة كائنًا واحدًا قابلًا للتحديد (oai-annotation-container، oai-annotatable)، ويمكن لزر في الموقع فتح تعليق توضيحي مع تعليق مقترح، وتعرض عناصر تحكم مخصصة (registerControls()) معاينة لرمز تباعد مثلًا، وتصبح الكائنات المرسومة داخل canvas قابلة للتحديد. يستهدف الدليل إصدار DevDay 2026 من التطبيق والإصدارات اللاحقة؛ وفي ChatGPT Enterprise وEdu، يجب أن يسمح مسؤول بهذه التخصيصات. تكمل التعليقات التوضيحية أدوات المواقع WebMCP، التي تتيح الإجراءات التي يمكن لـ ChatGPT تنفيذها على موقع.

🔗 إعلان @OpenAIDevs · دليل قابلية توسيع التعليقات التوضيحية

Perplexity Projects: نظام ملفات مبني على غرار منصة استضافة Git للوكلاء

12 أكتوبر — تنشر Perplexity تدوينة هندسية عن نظام الملفات الخاص بـ Projects، مساحة العمل في Perplexity Computer حيث يعمل الأشخاص والوكلاء معًا على مهام طويلة الأمد. يعمل كل وكيل في بيئته المعزولة الخاصة ويسجّل تغييراته في مستودع Git مشترك تخدمه خمسة مكوّنات: CLI في كل بيئة معزولة، ومستوى تحكّم، وخدمة Git، وتخزين يستند إلى AWS S3 (S3Files)، واستخراج النصوص من المستندات. لا تقبل الخدمة عملية إرسال إلا إذا انطلقت من آخر commit مقبول؛ وإلا يعيد الوكيل تطبيق تعديله ثم إرساله، دون طلب دمج (pull request). وقد استُبعد نظام ملفات افتراضي FUSE كان أبطأ بنحو 400 مرة في أحمال العمل التي تتعامل بكثافة مع الملفات.

المقياس المنشور من Perplexity	القيمة المعلنة
عمليات الإرسال المرفوضة في بيئة الإنتاج لكونها قديمة	أقل من 2 %
وسيط زمن استجابة عملية الإرسال	أقل من 1,7 s
زمن استجابة عملية الإرسال عند p99	أقل من 8 s
الإجابات الصحيحة باستخدام grep، على 150 سؤالًا ماليًا داخليًا	0,627
الإجابات الصحيحة باستخدام بحث دلالي على فهرس	نحو 0,37

لا تعلن التدوينة إطلاق أي منتج: فـ Projects موجود منذ يوليو، وBrain، ويكي المعرفة في Computer، يستند إلى البنية التحتية نفسها.

🔗 التدوينة الهندسية من Perplexity

أخبار موجزة

Copilot CLI 1.0.96 — أصبحت النسخة مستقرة، وتعيد إدراج البنود التسعة من نسخ المعاينة الصادرة في 9 و10 أكتوبر دون أي جديد، ومنها إظهار صاحب كل قرار متعلق بالأذونات في التسلسل الزمني، ومعرّفات نماذج لا تتأثر بحالة الأحرف. 🔗 المصدر
إسناد عمليات الدفع على GitHub — في معاينة عامة محدودة لعملاء GitHub Enterprise، متاحة عند الطلب، يحتفظ كل commit مدفوع بالهوية الموثَّقة للشخص الذي دفعه؛ ويمنع شرط ضمن مجموعة قواعد، Committer must match pusher، عمليات الدفع التي لا يطابق فيها committer أي عنوان بريد إلكتروني تم التحقق منه لذلك المستخدم. 🔗 المصدر
تطبيق Copilot للمبتدئين — تعرض حلقة جديدة من سلسلة مدونة GitHub كيفية إدراج قواعد مشروع في المستودع ليطبّقها Copilot تلقائيًا: تعليمات مخصصة، ومهارات وكلاء في .github/skills، ووكلاء مخصصون وخوادم MCP مثل Playwright؛ وهو شرح تعليمي دون أي مستجدات في المنتج. 🔗 المصدر
Zed 1.23.3 و1.24.2 — تقتصر النسخة المستقرة ونسخة المعاينة على إصلاحات للأخطاء (معاينة Markdown، وتوقعات التحرير، ومحدّد المشاريع البعيدة)، والانتقال إلى Node.js v24، وجمع اختياري لبيانات القياس عن نقاط الحفظ (checkpoints) في لوحة الوكيل. 🔗 المصدر
Codex Ambassadors — تعيد OpenAI فتح باب التقديم لهذا البرنامج الذي يستمر ستة أشهر، ويتطلب مساهمة واحدة شهريًا (فعالية أو محتوى) مقابل اشتراك Pro، وأرصدة Codex وAPI، ودعم للفعاليات المعتمدة؛ مع إعطاء الأولوية لأمريكا الشمالية وأمريكا الوسطى وأفريقيا والشرق الأوسط وأوروبا الشرقية. 🔗 المصدر
API Decisions لدى Hypha — يقيس سيرهي شتشوهولييف، مسؤول هندسة الوكلاء لدى Hypha، أداء API Decisions من OpenAI عند 98,1 % على مقياس F1 في التصنيف متعدد التسميات، مقابل 93,5 % لوكيل GPT-6.1 Sol، بتكلفة تبلغ نحو السُّبع وزمن استجابة عند p90 أقل بـ 28 مرة؛ وهي أرقام قدّمها عميل دون نشر المنهجية، وأعاد @OpenAIDevs تداولها. 🔗 المصدر
اعتبار Gemini 3.5 Flash متقادمًا — متابعة لما صدر في 8 أكتوبر: يصنّف البند نفسه في ملاحظات إصدار API Gemini أيضًا gemini-3.5-flash على أنه متقادم، ولم يعد ممكنًا اختياره في Google AI Studio؛ وتُوجَّه طلباته إلى gemini-3.6-flash، دون الإعلان عن موعد لإيقافه. 🔗 المصدر
Kimi Work 3.2.16 — إصدار صيانة: ترقية محرك معاينة PDF، ومتصفح مدمج لم تعد مهام الخلفية تقاطعه، وثمانية إصلاحات مفصّلة، منها إصلاح إرسال المحادثات الجانبية مرتين. 🔗 المصدر
عطل لدى Genspark — تعذّر على بعض المستخدمين تسجيل الدخول يوم الاثنين بسبب عطل في خدمة من Microsoft لم تسمّها Genspark؛ وأعلنت Genspark عودة الخدمة عند الساعة 16:20 UTC، وتُعدّ تعويضًا للمستخدمين المتضررين. 🔗 المصدر
TutorMoments — أخضعت Ai2 نماذج حديثة لتقييمها للمعلّمين بالذكاء الاصطناعي: مع تعليمات صريحة، يتصدر GPT-6 Astra النتائج (0,938 في تقديم الدعم التعليمي التدريجي المناسب، و0,915 في مستوى التحدي المناسب) متقدمًا على Claude Sonnet 5.5 وClaude Opus 5.5، وتتيح أداة استكشاف جديدة مقارنة إجاباتها بإجابات معلّمين بشريين. 🔗 المصدر
UIBK-Embedding-v1 — ينشر عبد الرحمن عبد الله بترخيص Apache 2.0 نموذج بحث باللغة الإنجليزية يضم 179 مليون معامل، ويجمع في مشفّر واحد البحث الكثيف والبحث بالتفاعل المتأخر (ColBERT)؛ ويعلن تحقيق 59,79 على مقياس nDCG@10 في BEIR، وهي أعلى نتيجة بين النماذج التي تضم أقل من مليار معامل ولديها نتائج MTEB رسمية كاملة. 🔗 المصدر
Sparseup-fr — يعيد لويك بوردوا إنتاج نموذج التضمينات المتناثرة من Linkup باللغة الفرنسية، وهو نموذج يضم 150 مليون معامل ودُرّب في نحو 55 ساعة على بطاقة RTX 6000 Pro واحدة: 56,37 و56,50 على NanoBEIR-fr المنقّح، مقابل 52,40 و51,66 للنسخة الإنجليزية، ما يمثل أفضل أداء جديد بين النماذج المتناثرة المفتوحة وفقًا للمؤلف. 🔗 المصدر
Model Pulse — أداة مجتمعية من تارديلي شتيكل تعيد بناء سجل التنزيلات والإعجابات يومًا بيوم منذ يوليو 2024 لـ 1,64 مليون نموذج على Hub، وتُنشر هذه البيانات في نحو 1,15 مليار صف بصيغة Parquet تحت ترخيص Apache 2.0 وتُحدَّث يوميًا. 🔗 المصدر
صلاحية contributor على Hub — يمكن منح رموز الوصول ذات الصلاحيات الدقيقة ورموز حسابات الخدمة لدى Hugging Face صلاحية contributor: فتتيح إنشاء مستودعات والكتابة فقط في المستودعات التي أُنشئت باستخدامها، لسلاسل CI/CD ومهام التدريب والوكلاء. 🔗 المصدر
Microduck Arena — تفتح Pollen Robotics مساحة Space على Hugging Face يُدرَّب فيها بالتعلّم المعزَّز نموذج سياسة لروبوتها الصغير ثنائي الأرجل، ثم يُجعل يركض في أربع مسابقات، منها 2 m Sprint وHill Climb، دون روبوت فعلي. 🔗 المصدر
Relight Studio — تسلّط Luma الضوء على هذه الميزة التي تغيّر اتجاه الإضاءة في لقطة ناجحة بالفعل دون البدء من الصفر؛ ولا تحدد التغريدة نموذجًا أو سعرًا أو تاريخًا لإتاحة الخدمة. 🔗 المصدر
HeyGen Lessons — تعرض HeyGen خدمة للتعليم: يحدد Dots من OpenAI ما يجذب انتباه الصف ويكيّف الدرس، ثم يحوّله MCP الخاص بـ HeyGen إلى فيديو باستخدام الصورة الرمزية للمعلّم وصوته؛ ولا تقدم التغريدة رابطًا أو سعرًا أو تاريخًا. 🔗 المصدر
وكيل عقاري وصورته الرمزية — وفقًا لدراسة حالة من HeyGen، ينشر وكيل عقاري في فانكوفر، فقد مكان تصويره بسبب حريق، مقطعي Reels يوميًا باستخدام صورته الرمزية، وقد زاد عدد متابعيه على Instagram إلى أربعة أمثاله خلال عشرة أشهر. 🔗 المصدر
x.ai تتحول إلى SpaceXSI — لوحظ أثناء فحص 12 أكتوبر، دون إعلان أو تاريخ في المصدر، أن الصفحة الرئيسية لـ x.ai وأخبارها ووثائق API («SpaceXSI Docs») تحمل الآن علامة SpaceXSI، حتى في بطاقة Grok 4.7؛ وكان الموقع لا يزال يعرض SpaceXAI في 10 أكتوبر. 🔗 المصدر

ما الذي يعنيه ذلك

تُلزمنا أرقام اليوم بالنظر إلى الجهة التي تجري القياس. تنشر Meta نتائجها في صورة، بناءً على قياساتها الخاصة، وتضع Muse Wonder Full في صدارة مؤشرها الخاص (59,1 مقابل 55,2 لـ Claude Opus 5.5)، بينما يحتفظ Opus 5.5 بالتفوق على Artificial Analysis Index في الجدول نفسه (58 مقابل 56). وتقارن Z.ai نموذج GLM-Legal بمنافسيه في رسم بياني ضمن تغريدة، وتعلن تحقيق التكافؤ على LegalBench دون نشر نتيجة، وتقيس Fin أداء Apex 2.0 مقابل نسختها السابقة. يعيد التصنيف المستقل لـ FrontierCode وضع الفوارق في حجمها الحقيقي: فأفضل نموذج لا يتجاوز 52,2 %، ويصبح فرق التكلفة، من 0,81 دولار لكل مهمة لـ GPT-6.1 Sol إلى 10,15 دولارات لـ Opus 5.5، معيارًا ظاهرًا بقدر الترتيب.

في البنية التحتية، تأتي المكاسب من كل ما يحيط بالرقائق. تشمل مساهمات NVIDIA في OCP إمداد الطاقة (خزائن بقدرة تصل إلى 250 kW، وقضيب توزيع كهربائي بتيار 5 000 A، والعودة إلى حمل شبه كامل خلال أقل من ثانيتين بعد اضطراب في الشبكة الكهربائية)، والشبكات، مع Spectrum-6 بسرعة 102,4 Tb/s لدى Meta وUSFP بسرعة 400 Gb/s لكل مسار. تتبع البرمجيات المنطق نفسه: يخفض ReplaySSM حركة البيانات إلى الذاكرة ومنها في طبقات SSM إلى النصف تقريبًا، ويعيد QwenGyre إلى العمل وحدات GPU التي كانت تنتظر اكتمال المسارات الطويلة. ومن خلال إتاحة تصاميمها لـ OCP، مع معايير شاركت AMD وGoogle وMeta وMicrosoft في توقيعها، تعلن NVIDIA هدفها المتمثل في منح المصنّعين أساسًا مشتركًا لمصانع الذكاء الاصطناعي.

يحصل الوكلاء على بيئات مصممة لهم. يمكن لصفحة ويب الآن اختيار ما يحدده المستخدم في متصفح ChatGPT والسياق الذي يُرسَل مع هذا التحديد إلى الوكيل، ويمنح مشروع Perplexity كل وكيل بيئة معزولة ومستودع Git مشتركًا، ويعيد Amp المراجعات ونتائج CI الخاصة بطلبات الدمج التي أنشأها الوكيل إلى سجل محادثته. تؤثر طريقة الاستكشاف أيضًا في النتيجة: لدى Perplexity، يحقق وكيل يفتّش نسخة عمله باستخدام grep نسبة إجابات صحيحة تبلغ 0,627 مقابل نحو 0,37 للبحث الدلالي، ولدى LightOn، يؤدي إسناد البحث إلى وكيل محلي صغير إلى خفض رموز API التي يستهلكها Claude Code بنسبة 34 % مقارنة باستخدام grep، دون انخفاض ملموس في الدقة.

تُظهر دراسة Frontier Red Team الجانب الآخر لهذه الاستقلالية. فالقدرات التي تجعل الوكيل مفيدًا، مثل تثبيت نموذج على عتاد غير مألوف أو تمرير ملاحظاته إلى الوكيل التالي، هي نفسها التي قد تتيح لدودة حاسوبية التكيّف: يشغّل نموذج بحجم 9B الاستدلال على 8 أنواع من العتاد من أصل 9، ويرفع توارث الملاحظات نسبة النجاح من 45 % إلى 61-84 %. لا تصف Anthropic حتى الآن أي نظام مكتمل للتكاثر الذاتي، وتعوّل على المراقبة التي يجريها مزوّدو خدمة الإنترنت لكي ينقل الجهاز المصاب العدوى، في المتوسط، إلى أقل من جهاز واحد آخر. أما Meta، فتعلن أن Muse Wonder يضم أقوى ضوابط الحماية لديها ضد الاستخدامات السيبرانية وCBRN، لكنها تحيل إلى تقرير سلامة كامل لم يصدر بعد.