Grok Voice 3.0 يتصدر النماذج الصوتية، وGemini 4 Argon يقدم أولى نتائجه العلمية، وClaude Code يراهن على الجلسات المتوازية

JLS42 / ١٤ أكتوبر ٢٠٢٦

مقال من إنشاء الذكاء الاصطناعي

Grok Voice 3.0 يتصدر النماذج الصوتية، وGemini 4 Argon يقدم أولى نتائجه العلمية، وClaude Code يراهن على الجلسات المتوازية

تطلق SpaceXSI نموذج Grok Voice 3.0، الذي يتصدر مؤشر Speech-to-Speech لدى Artificial Analysis دون تغيير السعر البالغ 0,08 دولار للدقيقة. وبعد يوم من إتاحته العامة، تعرض Google أداء Gemini 4 Argon في الحوسبة الكمومية والروبوتات وعلى 205 000 سطر من Python، بينما تعيد Anthropic تنظيم تطبيق Claude Code لسطح المكتب حول الجلسات المتوازية وتصدر نسختين من أداتها خلال اليوم. وتنشر Meta عشر مخطوطات طبية أُنجزت باستخدام نماذج Muse، وتخصص NVIDIA موارد حوسبة بقيمة 250 مليون دولار للأبحاث البريطانية حول سلامة الوكلاء، وتقول OpenAI إنها اكتشفت جهاز تسجيل مخفيًا في أحد مكاتبها.

Grok Voice 3.0: تتصدر SpaceXSI مؤشر Speech-to-Speech بالسعر نفسه البالغ 0,08 دولار للدقيقة

14 أكتوبر — تطلق SpaceXSI، المعروفة سابقًا باسم xAI، نموذج Grok Voice 3.0، وهو نموذج صوتي متكامل من البداية إلى النهاية (speech-to-speech) تقدمه بوصفه الأذكى في السوق. ويتاح النموذج grok-voice-3.0 في اليوم نفسه عبر Voice Agent API وVoice Agent Builder، بسعر Grok Voice 2.0 نفسه: 0,08 دولار للدقيقة، أي 4,80 دولار للساعة. وانتقل الوكلاء الذين يستدعون الاسم المستعار grok-voice-latest إلى النموذج الجديد دون تعديل، مع نقطة النهاية نفسها ومعلمات الجلسة نفسها. وأُعلن إهمال Grok Voice 2.0 في اليوم نفسه، دون تحديد موعد لإنهاء دعمه.

اختبار الأداء المُقيَّم (Artificial Analysis، 13 أكتوبر)	Grok Voice 3.0	Grok Voice 2.0	GPT-Live-1 (Astra, Medium)	Gemini 3.8 Live (Ext. Thinking, High)
مؤشر Speech-to-Speech	86,9	81,3	83,2	82,6
Big Bench Audio (الاستدلال الصوتي)	98,5 %	97,2 %	90,1 %	97,7 %
Speech Agent Arena (Elo، التفضيل البشري)	1 070	1 011	1 048	990
معدل نجاح المهام	94,8 %	94,6 %	87,4 %	89,1 %
Full Duplex Bench (التوقفات، تناوب أدوار الحديث)	97,0 %	95,1 %	94,9 %	91,9 %
τ-Voice (مكالمات الدعم)	71,6 %	56,5 %	74,5 %	68,6 %

هذه القياسات الصادرة عن Artificial Analysis والمؤرخة في 13 أكتوبر هي التي تستشهد بها SpaceXSI. ويجمع مؤشر Speech-to-Speech بين الاستدلال الصوتي وτ-Voice والتفضيل البشري ونجاح المهام، عبر مقارنة المكالمات دون الكشف عن هوية النماذج. ويتصدر Grok Voice 3.0 هذا المؤشر، لكنه لا يتفوق في جميع الاختبارات: ففي τ-Voice، الذي يختبر مكالمات الدعم بلكنات متنوعة وضوضاء خلفية ومقاطعات، تبقى نتيجته البالغة 71,6 % أدنى من نتيجة GPT-Live-1 البالغة 74,5 %، وهو مستوى تعدّه SpaceXSI مقاربًا، مع زمن استجابة أقل بنسبة 40 %. وفي EVA-Bench، مجموعة الاختبارات المفتوحة المصدر من ServiceNow للوكلاء الصوتيين في المؤسسات، التي تضم أكثر من 200 سيناريو، يحقق أعلى دقة بنسبة 74 %، وفقًا لـ SpaceXSI. وتدعم ذلك حجة السعر: ففي اختبارات Big Bench Audio، تبلغ تكلفة المهمة في المتوسط 0,025 دولار مع Grok Voice 3.0، مقابل 0,030 دولار مع GPT-Live-1 و0,055 دولار مع GPT-Realtime-2.1 من OpenAI.

يعمل النموذج بالفعل على نطاق واسع لدى Tesla وSpaceX: فهو يعالج ملايين المحادثات يوميًا في سيارات Tesla ويشغّل الوضع الصوتي في Grok Bot. وفي مراكز اتصال Starlink، يجيب عن 20 000 مكالمة يوميًا بعدة لغات: تُحل نحو 70 % منها دون تدخل بشري، وتنتهي مكالمة مبيعات واحدة من كل أربع بعملية شراء قبل انتهاء الاتصال. وكان Grok Voice Think Fast 2.0 يتصدر هذا المؤشر بالفعل في 24 أغسطس، مع معالجة 15 000 مكالمة يوميًا لدى Starlink آنذاك.

🔗 Grok Voice 3.0 (تدوينة SpaceXSI) · إعلان @SpaceXSI · ملاحظات إصدار واجهة API

Gemini 4 Argon قيد الاختبار: أولى النتائج العلمية والروبوتات وتحسين الشيفرة

بعد يوم من إتاحته العامة، توثّق Google استخدام Gemini 4 Argon في ثلاثة مجالات: البحث العلمي والروبوتات وتحسين مستودع كبير من شيفرة Python. وتعود تدوينتا مدونة المطورين إلى يوم الإطلاق؛ أما سلسلة منشورات الباحثين فجمعتها Google DeepMind في 14 أكتوبر.

أولى النتائج العلمية: الحوسبة الكمومية والاندماج وتصميم الإنزيمات

14 أكتوبر — تجمع Google DeepMind في سلسلة منشورات أولى النتائج التي توصل إليها باحثوها باستخدام Argon، وقد شرح صاحب كل نتيجة تفاصيلها في اليوم السابق.

مجال البحث	النتيجة المعلنة باستخدام Argon
تصحيح الأخطاء الكمومية	اقتراب معدل الاستدلال في مفكك الترميز AlphaQubit من الضعف
الخوارزميات الكمومية	روتين فرعي لـ arcsin بتكلفة أقل بأكثر من 100 مرة من quantum CORDIC، جرى التحقق منه باستخدام Lean
فيزياء البلازما	عدد العائلات الجديدة من الأمثلة المضادة لحدسية غراد: 2
تصميم الإنزيمات	5 إنزيمات جديدة من إستيراز السيرين (بنسبة تطابق من 59 إلى 81 %)، تأكد نشاطها في المختبر
الأمراض النادرة (Gamow Labs)	57 % على RareBench و52,2 % على LabBench، وهما تقييمان خاصان

في الحوسبة الكمومية، طلب بن جادربرغ وفريقه، بالتعاون مع Google Quantum AI، من Argon تحويل نسخة داخلية من AlphaQubit، مفكك ترميز تصحيح الأخطاء لدى Google، إلى نواة عتادية واحدة محسّنة (megakernel) تكاد تضاعف معدل الاستدلال، وهو تحسن مفيد لمفكك ترميز يجب أن يواكب قياسات المعالج الكمومي في الوقت الفعلي.

Second, we used Argon to discover a quantum arcsin subroutine that cuts spacetime cost by more than 100x compared to the published quantum CORDIC baseline.

🇸🇦 ثانيًا، استخدمنا Argon لاكتشاف روتين فرعي كمومي لحساب الجيب العكسي يخفض التكلفة المكانية الزمنية بأكثر من 100 مرة مقارنة بالمرجع المنشور quantum CORDIC. — @benjaderberg على X

تُحسب هذه التكلفة بضرب عدد الكيوبتات في مدة التنفيذ، وقد جرى التحقق من الدارة تحققًا صوريًا باستخدام Lean. وفي فيزياء البلازما، تعلن أوبال إيسان عن عائلتين من الأمثلة المضادة لحدسية غراد، التي افترضت منذ عام 1967 استحالة وجود بعض حالات التوازن المغناطيسي ثلاثية الأبعاد؛ وتقول في سلسلة منشوراتها إنها عثرت عليهما باستخدام Argon، لكن ملخص الورقة المودعة على arXiv في 5 أكتوبر لا يذكر النموذج. وفي علم الأحياء، يصف رايان كروغر إنزيمات إستيراز السيرين التي صُممت خلال بضع جلسات توجيه: فقد جمع Argon البيانات، وأجرى ضبطًا دقيقًا لنموذج لغوي للبروتينات، وبنى مرشحاته الخاصة للموقع النشط. وتضيف تدوينة الإطلاق حالة Gamow Labs، حيث رصد Argon في جينوم مولود حديث إعادة ترتيب صبغية ظلت تفوت البرمجيات المعتادة لسنوات.

🔗 سلسلة منشورات Google DeepMind · الورقة حول حدسية غراد (arXiv) · تدوينة إطلاق Argon

الروبوتات: من لعب كورنهول على الروبوت الشبيه بالبشر Apollo إلى رفع معدل النجاح الفعلي من 56 % إلى 75 %

13 أكتوبر — في يوم الإطلاق، تخصص مدونة مطوري Google تدوينة مطولة عن Argon في الروبوتات، بقلم كانيشكا راو، مع التعليمات المستخدمة في كل عرض توضيحي. وتختار تدوينة الإطلاق أكثرها تعبيرًا عن القدرات، وهو اختبار داخلي بدأ بفيديو بسيط لشخص يلعب كورنهول، لعبة رمي الأكياس على لوح مثقوب: رسم Argon خريطة للبيئة، وحسب حركات الجسم بأكمله، وبرمج محاكاته الخاصة؛ وبعد تطبيق ذلك على الروبوت الشبيه بالبشر Apollo من Apptronik، نجح الروبوت في سبع رميات متتالية في ظروف حقيقية. وتلخص Google هذا الانتقال من الفيديو إلى المحاكاة ثم إلى الواقع (Video-to-Sim-to-Real): اختصار أسابيع من النمذجة اليدوية إلى بضع ساعات.

وتستعرض تدوينة كانيشكا راو عروضًا توضيحية أخرى: روبوت Spot من Boston Dynamics يتدرب في توأم رقمي باستخدام MuJoCo قبل الضغط على دواسة سلة مهملات حقيقية، ومحاكاة أُعيد بناؤها انطلاقًا من فيديو مصور على مستوى العين أو رسم تخطيطي على الورق، ولغز الكرات الـ12 الذي حلّته ذراعان روبوتيتان بثلاث عمليات وزن بالاعتماد على الرؤية المجسمة وحدها. وتتعلق النتيجة الأكثر قابلية للقياس بالتدريب: انطلاقًا من صورة واحدة لطاولة حقيقية، يبني Argon توأمًا رقميًا باستخدام MuJoCo، ويولّد أكثر من 4 500 حلقة تدريبية، ويرفع معدل نجاح نموذج للرؤية واللغة والفعل (VLA) على الروبوت الحقيقي من 56 % إلى 75 %، مع خفض مدة التنفيذ من 35 إلى 24 ثانية. وتتحسن ذراع SO-101 أيضًا ذاتيًا، من 58,9 إلى 22,9 ثم 17,4 ثانية.

🔗 Gemini 4 Argon للروبوتات (Google Developers)

ADK: إحدى عشرة ساعة من العمل الليلي على 205 000 سطر من Python، واعتماد تحسينين من أصل ستة

13 أكتوبر — أسند مهندسون في Google Cloud إلى Argon تمرينًا أصعب من إنشاء تطبيق من الصفر: العثور على أسباب البطء وإصلاحها في مستودع Python الخاص بـ Agent Development Kit (ADK)، إطار العمل المفتوح المصدر من Google لبناء الوكلاء، والذي يضم نحو 205 000 سطر، وما يقارب 800 ملف، ونحو 17 000 اختبار وحدة.

مقياس التشغيل على ADK	النتيجة المنشورة
مدة العمل الليلي دون إشراف	11 ساعة
اختبارات الوحدة التي أُعيد تشغيلها	16 892
التحسينات المقترحة ثم المعتمدة	المقترحة: 6، المعتمدة: 2
إعداد الجلسات الطويلة في الذاكرة	أقل بنحو 40 %
استيراد الحزمة google.adk	أسرع بنسبة 21 %
التنفيذ الكامل لـ 158 دورة	من 65,6 s إلى 56,1 s

عثرت محاولة أولى استغرقت ساعتين، دون تعليمات خاصة بالمستودع، على اختناقات أداء حقيقية، لكنها تجاهلت أعراف القائمين على صيانة المشروع، حتى إنها عدّلت مخطط JSON عامًا. وفي المحاولة الثانية، وضع الفريق قواعد المراجعة في المجلد .agents/skills وفعّل وضع /goal في Google Antigravity، الذي يحافظ على الهدف عبر عمليات ضغط السياق. ولم تُبقِ المراجعة البشرية إلا على تحسينين من أصل ستة: تصفية سجل الجلسات قبل نسخه، وتحميل الحزم الثقيلة عند أول استخدام؛ أما التحسينات الأخرى فاعتمدت على حالة هشة، أو سمة خاصة في OpenTelemetry، أو مكاسب تقتصر على اختبارات الأداء الاصطناعية. ويقتصر التحسن على خدمة الجلسات في الذاكرة، دون أن يشمل وسائط التخزين الخارجية. ويلخص الفريق توزيع الأدوار: الوكيل يستكشف، والقائم على صيانة المشروع يستبعد.

🔗 تحسين ADK في ليلة واحدة باستخدام Gemini 4 Argon (Google Developers)

وكلاء البرمجة: تطبيق سطح المكتب وإصداران من Claude Code، وVS Code 1.142، وHydraFusion Max

تعيد Anthropic تنظيم تطبيق Claude Code لسطح المكتب حول الجلسات المتوازية وتصدر نسختين من أداتها لسطر الأوامر خلال اليوم؛ ويجعل VS Code إطار تشغيل Copilot خياره الافتراضي، بينما يضيف GitHub خيار Max إلى آلية تنسيقه بين نماذج متعددة.

Claude Code: تطبيق سطح المكتب يتمحور حول الجلسات المتوازية

14 أكتوبر — تحدّث Anthropic تطبيق Claude Code لسطح المكتب، أي علامة التبويب Code في Claude Desktop، لتحسين تشغيل عدة جلسات جنبًا إلى جنب: فبحسب @ClaudeDevs، أصبح إطلاق الجلسة أسرع، وتوزيع العمل بين عدة جلسات أسهل، ويمكن رؤية ما تفعله كل جلسة في أي وقت.

الميزة الجديدة المعلنة	ما تقدمه
شاشة الجلسة	الوصول إلى المجلدات الأخيرة بنقرة واحدة؛ بيئات محفوظة (بضعة مجلدات، أو مضيف SSH، أو السحابة)، مع خيار worktree لكل مجلد
الجلسات المتداخلة	جلسة لكل مهمة متوازية، تعيد نتيجتها إلى الجلسة الرئيسية
مهام المتابعة	يقترحها Claude أثناء العمل وتُطلق بنقرة واحدة كجلسة منفصلة؛ ويفتح /btw الأسئلة الجانبية في علامة تبويب
الشريط الجانبي وشريط التفاصيل	الجلسات النشطة أو المنتظرة، وقائمة مهام مباشرة، وبطاقة تلخيص، ومكان التنفيذ، والسياق والتعديلات

When you ask Claude to run tasks in parallel, it starts a nested session for each one. Each reports its result back into your main session when it’s done, so the main thread stays readable.

🇸🇦 عندما تطلب من Claude تنفيذ مهام بالتوازي، فإنه يطلق جلسة متداخلة لكل منها. وتعيد كل جلسة نتيجتها إلى جلستك الرئيسية عند انتهائها، ليبقى مسار المحادثة الرئيسي واضحًا وسهل القراءة. — @ClaudeDevs على X

تلخّص بطاقة الاستعراض (البطاقة التلخيصية) دورة العمل عندما يحتاج Claude إلى المستخدم، ويعرض شريط التفاصيل الجانبي مكان تشغيل الجلسة وسياقها وتعديلاتها. وللاستفادة من ذلك، يكفي تحديث التطبيق وفتح جلسة جديدة؛ ولا تحدد Anthropic رقم إصدار أو جدولًا زمنيًا للإتاحة. وتذكّر صفحة البدء بأن Claude Code يتطلب اشتراك Pro أو Max أو Team أو Enterprise، مع بيئات Local وCloud وSSH وWSL. ويواصل هذا التحديث إعادة تصميم التطبيق للعمل مع الوكلاء المتوازيين التي عُرضت في أبريل.

🔗 سلسلة منشورات @ClaudeDevs · بدء استخدام تطبيق سطح المكتب

Claude Code 2.1.299 : ضغط المحادثات الخاملة قبل انتهاء صلاحية ذاكرة التخزين المؤقت، و131 إصلاحًا

14 أكتوبر — صدر Claude Code 2.1.299 في الساعة 2:49 بتوقيت UTC، وهو إصدار كبير يضم 190 بندًا، منها 18 إضافة و131 إصلاحًا و16 تحسينًا و25 تغييرًا؛ وقد جرى تجاوز الرقمين 2.1.297 و2.1.298. وتستهدف أبرز ميزاته تكلفة الجلسات الطويلة، عبر الضغط عند الخمول (الضغط أثناء عدم النشاط): ففي الطرفية، تُضغط المحادثة التي تتجاوز 200 000 رمز بعد تركها دون نشاط لنحو 54 دقيقة، قبل انتهاء صلاحية ذاكرة التخزين المؤقت لموجّهها التي تدوم ساعة، حتى لا تضطر الرسالة التالية إلى إعادة معالجة كل شيء. ويمكن ضبط العتبة باستخدام CLAUDE_CODE_IDLE_COMPACT_MIN_TOKENS، كما يمكن تعطيل الميزة بوضع "idleCompaction": false في settings.json. ومع CLAUDE_CODE_DISABLE_FILE_MENTIONS، يتلقى Claude مسارات الملفات المشار إليها بعلامة @، ويقرأها بنفسه باستخدام أدواته، بدلًا من تلقي محتواها. وأصبح الأمر /usage يحذّر من مستوى الجهد الأقصى، وسير العمل، والسياق المحمّل دائمًا، والنتائج الكبيرة للأدوات، ولم يعد يعرض أبدًا نسبة تتجاوز 100 %.

يشدّد الإصدار الأذونات أيضًا: فلم تعد قاعدة السماح الخاصة بـ MCP تستهدف سوى الخادم الذي تسمّيه (mcp__a لم يعد يسمح بخادم a__b)، ولم تعد الطلبات الموجّهة إلى وكيل الموصلات في claude.ai وإلى خوادم MCP التي تستضيفها Anthropic تتبع عمليات إعادة التوجيه عبر HTTP، كما أصبحت خطافات UserPromptSubmit تعمل قبل توسيع مهارة أو أمر، ما يحظر أيضًا أوامر الصدفة المضمّنة فيها. ومن بين الإصلاحات الأمنية، كان بإمكان أمر يُنفّذ داخل البيئة المعزولة أن يكتب في مجلد --plugin-dir تُعاد قراءة شفرته خارج البيئة المعزولة، وكان وضع التخطيط يستطيع تنفيذ عملية كتابة يسمح بها خطاف PreToolUse، كما ظل بالإمكان الوصول إلى مسار مرفوض عبر رابط رمزي داخل البيئة المعزولة في macOS. ولم تعد أوصاف أدوات خوادم MCP التابعة لـ Anthropic تُقتطع عند 4 096 حرفًا، وأصبح بإمكان Claude Tag، أي Claude داخل Slack، حذف لوحة أنشأها.

🔗 ملاحظات إصدار Claude Code 2.1.299

Claude Code 2.1.300 : /advisor على Claude Platform on AWS، وتتبعات OpenTelemetry GenAI، وClaude Tag في Slack Connect

14 أكتوبر — يوسّع Claude Code 2.1.300، الإصدار الثاني في اليوم نفسه (الساعة 18:24 بتوقيت UTC، و88 بندًا منها 59 إصلاحًا)، إتاحة /advisor لتشمل Claude Platform on AWS: ولا يعمل عليه أي نموذج مستشار قبل أن يختار المستخدم واحدًا باستخدام /advisor أو advisorModel أو --advisor، فيما يعطّل CLAUDE_CODE_DISABLE_ADVISOR_TOOL=1 الأداة. وأصبحت بيانات القياس عن بُعد تتوافق مع الاصطلاحات الدلالية لـ GenAI في OpenTelemetry (gen_ai.provider.name وgen_ai.conversation.id وgen_ai.tool.name وerror.type على مقاطع التتبع)، كما يفصل الحدث api_request بين عمليات الكتابة إلى ذاكرة التخزين المؤقت لمدة 5 دقائق وتلك التي تدوم ساعة واحدة.

على صعيد الأمن، أصبحت المدخلات المعدّلة (updatedInput) التي يعيدها خطاف PreToolUse أو PermissionRequest تخضع للتحقق نفسه المطبّق على مدخلات Claude: فتُزال المفاتيح غير المعروفة، ويؤدي رفض الأداة للمدخلات إلى رفض الاستدعاء. وأصبحت الخطافات من نوع الوكيل تلتزم أخيرًا بحقل model الخاص بها، وإذا لم يكن ذلك النموذج متاحًا، تستخدم نموذج الجهة المستدعية بدلًا من السماح بمرور الإجراء. وتسجّل نصوص المحادثات المحلية أيضًا موجّه النظام والأدوات ومعلمات كل طلب، وأُزيل الخياران --sandbox و--no-sandbox من claude remote-control، إذ لم يكن لهما أي تأثير. وأصبح بإمكان Claude Tag الرد في قنوات Slack Connect المشتركة مع مؤسسة أخرى (الميزة معطّلة افتراضيًا، ويمكن لمالك أو مسؤول Claude Tag تفعيلها)، كما أصبح يطلب الموافقة على إجراء ينفّذه موصل عبر بطاقة خاصة تتضمن «السماح مرة واحدة / الرفض» بدلًا من رفضه.

إصدار Claude Code	وقت النشر (UTC)	البنود المنشورة	منها إصلاحات	أبرز ميزة
2.1.299	14 أكتوبر، 2 h 49	190	131	ضغط المحادثات التي تتجاوز 200 000 tokens عند الخمول
2.1.300	14 أكتوبر، 18 h 24	88	59	`/advisor` على Claude Platform on AWS، وسمات GenAI في OpenTelemetry

🔗 ملاحظات إصدار Claude Code 2.1.300

VS Code 1.142 : إطار تشغيل Copilot افتراضيًا، ولوحات العمل في المعاينة

14 أكتوبر — يواصل VS Code 1.142 الانتقال إلى إطار تشغيل Copilot، القائم على Copilot SDK، والذي تمر جلساته عبر Agent Host لتستمر في الخلفية. وبعد أن كان متاحًا في محدّد أطر التشغيل، أصبح تدريجيًا الإطار الافتراضي للجلسات الجديدة، عقب ملاحظات «إيجابية بأغلبية ساحقة» بحسب الفريق؛ ويعود Ask بوصفه وكيلًا مدمجًا للقراءة فقط، فيما يشير عنوان المحادثة إلى إطار التشغيل النشط، سواء كان Copilot أو Codex. ومن الميزات الجديدة أيضًا لوحات العمل (Canvases)، المتاحة في المعاينة: وهي واجهات تفاعلية تُفتح بجانب المحادثة، ويعدّل فيها المستخدم والوكيل العنصر نفسه، مثل لوحة Kanban يحدّث الوكيل مهامها. وتأتي كل لوحة عمل من إضافة، يستطيع الوكيل توليدها باستخدام الأمر /create-canvas. وفي نافذة Agents، يمكن للمحادثة أيضًا تغيير المجلد أو الانتقال إلى شجرة عمل Git جديدة دون فقدان سجلها، وهي إمكانية متاحة حاليًا مع إطار تشغيل Codex.

على صعيد المؤسسات، أصبحت سياسة الأذونات أو البيئة المعزولة تفرض استخدام إطار تشغيل Copilot داخل Agent Host: وتنتقل إليه المحادثات المحلية القائمة تلقائيًا، دون إرسال أي شيء، كما يصبح Claude وCodex ومحادثة الطرفية غير متاحين ما دامت هذه السياسات مطبّقة. ويمكن للمسؤولين الإبقاء مؤقتًا على إطار تشغيل Local، الذي لا يطبّق قواعد التنفيذ هذه، وقد أُعلن تقادم بيئة Windows المعزولة التابعة لهذا الإطار لصالح جلسات Agent Host.

🔗 ملاحظات إصدار VS Code 1.142

HydraFusion Max : تضيف GitHub خيارًا بقدرات رائدة إلى منظومة تنسيقها بين نماذج متعددة

14 أكتوبر — تطوّر GitHub منظومة HydraFusion، التي تنسّق بين عدة نماذج لإنتاج إجابة واحدة، دون الحاجة إلى اختيار نموذج لكل مهمة. وتضم مجموعة النماذج الآن Claude Opus 5.5 وGPT-6 Astra وGPT-6.1 Sol وGPT-6 Luna، ويمكن ضبط جهد الاستدلال لكل مرحلة: متوسط للمسودات الأولى ومرتفع للمراجعة، بعدما كانت HydraFusion تكتفي حتى الآن بمستوى الجهد الافتراضي لكل نموذج. ويمكن لسير العمل Cascade إدراج مرحلة تحكيم تفحص العمل الأولي ولا تطلب إصلاحه إلا عند الحاجة، فيما يشغّل Critique عدة نماذج نقدية بالتوازي، مزوّدة بأدوات لفحص مساحة العمل مباشرة.

الخيار المتاح	التوجه بحسب GitHub
HydraFusion	توازن بين السرعة والتكلفة والأداء، مع توفير معتدل في الرموز
HydraFusion Max	قدرات رائدة وأعمق استدلال، مع إدارة كفاءة استخدام الرموز عبر التنسيق

يظل الخياران متاحين في معاينة بحثية داخل VS Code وتطبيق GitHub Copilot وCopilot CLI، لخطط Pro وPro+ وBusiness وEnterprise التي فُعّلت فيها الميزات التجريبية أو ميزات المعاينة. ولم تنشر GitHub أي معيار أداء أو تسعير لهذا الإصدار؛ وعند إطلاقه في Copilot CLI في 4 سبتمبر، أعلنت زيادة الجودة بمقدار 4,9 نقاط وخفض التكلفة بنسبة 67 % مقارنةً بـ Opus 5 على TerminalBench 2.1.

🔗 تحديثات HydraFusion وخيار Max الجديد (سجل تغييرات GitHub)

الأمن والنزاهة: ضوابط Anthropic الانتخابية، واكتشاف الاحتيال على الهاتف، وجهاز تسجيل مخفي لدى OpenAI

ثلاثة موضوعات تتعلق بالثقة: تهيّئ Anthropic نموذج Claude لانتخابات التجديد النصفي الأمريكية، وتكتشف Google DeepMind وGovTech Singapore عمليات الاحتيال دون مغادرة الهاتف، وتقول OpenAI إنها اكتشفت جهاز تسجيل مخفيًا في أحد مكاتبها.

انتخابات التجديد النصفي: تعزّز Anthropic ضوابطها وستدمج معلومات التصويت من Democracy Works

14 أكتوبر — مع اقتراب انتخابات التجديد النصفي الأمريكية، تفصّل Anthropic الضوابط الانتخابية التي عزّزتها منذ تحديث أبريل. ويقيس تحليل شمل 250 000 محادثة للمستخدمين الأفراد على Claude.ai في الولايات المتحدة، من 21 إلى 27 سبتمبر، أولًا مدى حضور السياسة فيها.

نوع المحادثة (Claude.ai، الولايات المتحدة)	نسبة المحادثات
السياسة والسياسات العامة والقضايا المجتمعية	نحو 5,75 %
الانتخابات أو التصويت	نحو 0,51 %
لمن أو لأي خيار ينبغي التصويت	نحو 0,01 %
المخالفة لقواعد النزاهة الانتخابية (تحليل منفصل)	نحو 0,002 %

تظل اللافتة المؤدية إلى TurboVote (Democracy Works) قائمة، وسيدمج Claude.ai في وقت لاحق من هذا الشهر معلومات التصويت الرسمية من Democracy Works في إجاباته للمستخدمين الأمريكيين (مكان التصويت، ووثيقة الهوية التي ينبغي إحضارها، مع إجابة مخصّصة لكل ولاية)، ثم سيعرض النتائج الرسمية ليلة الانتخابات وفي الأيام التالية. وبحسب Anthropic، تحقق نماذج Claude Opus 5.5 وSonnet 5.5 وHaiku 5.5 نتيجة 99 % في تقييمها للحياد السياسي. ومن بين ثلاثة تقييمات مستقلة، رصد اثنان (The Future of Free Speech وCollective Intelligence Project) حالات رفض قليلة، لكنهما رصدا تحذيرات وحججًا مضادة غير مطلوبة؛ أما التقييم الثالث، الذي أجرته Foundation for American Innovation، فوجد أن Claude Sonnet 4.5 لم يكن يقدّم التحفظات دائمًا بصورة متوازنة، وكان يميل أكثر إلى تخفيف حدة الحجج المؤيدة لمواقف اليمين. وأظهرت اختبارات أُجريت بالتعاون مع Institute for Strategic Dialogue وMcCain Institute في الولايات المتحدة وإسرائيل والبرازيل أن Claude كان يرفض الطلب الضار المنفرد بصورة موثوقة، لكنه قد لا يرصد حملة موزّعة على مهام صغيرة تبدو غير مؤذية. وأضافت Anthropic مصنّفات لمكافحة هذه الإساءات المتعددة المراحل، وحظرت حسابات مشغّلين مقيمين خارج البلاد كانوا يديرون موقعًا إخباريًا زائفًا ويستخدمون Claude لإنتاج تغطية انتخابية مؤيدة للروايات الروسية والإيرانية والكورية الشمالية.

🔗 الاستعداد لانتخابات التجديد النصفي الأمريكية لعام 2026 (Anthropic)

الاحتيال: تضبط Google DeepMind وGovTech Singapore نموذج Gemma لاكتشافه على الهاتف

14 أكتوبر — أجرت Google DeepMind والوكالة الحكومية GovTech Singapore ضبطًا دقيقًا لنموذج Gemma خفيف، لم يحدّد المنشور جيله، لرصد عمليات الاحتيال مباشرةً على هاتف المستخدم. وتوضح الأرقام نقطة الانطلاق: ففي سنغافورة، تمثّل عمليات الاحتيال أكثر من نصف الجرائم المُبلّغ عنها، وتسبّبت في خسائر تجاوزت 4 مليارات دولار سنغافوري منذ 2019، فيما تشكّل عمليات الاحتيال القائمة على الهندسة الاجتماعية المعقّدة ما يصل إلى 80 % من الخسائر. وخضع النموذج للضبط الدقيق باستخدام محادثات احتيال محلية: انتحال صفة مؤسسات عامة أو بنوك أو شخصيات، وعمليات الاحتيال الرائجة إقليميًا. وتجري العملية بالكامل على الجهاز، على مرحلتين لتوفير البطارية: يرشّح مصنّف خفيف الرسائل الواردة، ثم يعيد نموذج Gemma المضبوط قراءة مقتطف أوسع من المحادثة لتأكيد التهديد أو استبعاد الإنذار الكاذب، قبل عرض تحذير في الوقت الفعلي.

لا يصل النموذج إلى المحادثات إلا بموافقة المستخدم، ولا تستطيع الحكومة السنغافورية ولا Google قراءتها؛ وقد جرى الضبط الدقيق داخل بيئة Google Cloud التي تديرها GovTech، باستخدام بيانات أُخفيت هويات أصحابها، ودون أي بيانات تخص المواطنين. وعُرض المشروع في Singapore International Cyber Week، ولم يُحدّد له بعد موعد أو تطبيق بالاسم: وسيجري نشره «على مراحل مدروسة بعناية» (بتدرّج مدروس بعناية) بالتعاون مع الحكومة، فيما تدرس Google DeepMind إتاحته في دول أخرى.

🔗 Google DeepMind وGovTech Singapore في مواجهة الاحتيال

تكتشف OpenAI جهاز تسجيل مخفيًا في أحد مكاتبها

13 أكتوبر — بحسب بيان نشره حسابها الصحفي، اكتشفت OpenAI جهاز تسجيل متطورًا مخفيًا في أحد مكاتبها. وتقول الشركة إنها استخدمت نماذجها الخاصة لفهم الجهاز ومصدره، وصولًا إلى تحديد الموظف الذي وضعه قبل بضعة أيام. وأُحيلت القضية إلى FBI، وتشكر OpenAI المحققين والمدعين العامين الذين تحرّكوا سريعًا لإجراء اعتقال؛ ولا يزال التحقيق الفيدرالي مستمرًا، وقد فُصل الموظف.

At this time, we have no indications of this individual inappropriately accessing or exfiltrating model weights, source code, or customer data.

🇸🇦 في هذه المرحلة، ليس لدينا أي مؤشر على أن هذا الشخص وصل بصورة غير مشروعة إلى أوزان النماذج أو الشفرة المصدرية أو بيانات العملاء، أو أنه سرّبها. — @OpenAINewsroom على X

بحسب OpenAI، يستهدف برنامجها الأمني طيفًا واسعًا من التهديدات، من المخاطر الداخلية إلى مجرمي الإنترنت والدول، وتُظهر هذه الحالة كيف يمكن للذكاء الاصطناعي المساعدة في التصدي لها. ولا يحدّد البيان هوية الموظف، ولا المكتب المعني، ولا طبيعة الجهاز الدقيقة، ولا تاريخ الاعتقال.

الذكاء الاصطناعي للعلوم: عشر مسودات أبحاث طبية من Meta باستخدام نماذج Muse، والطقس المتطرف بدقة 3 km مع HiRO-ACEv2

استخدامان علميان للنماذج: تسرّع Meta الدراسات الوبائية القائمة على السجلات الصحية، وتنتج Ai2 بيانات مناخية عالية الدقة بتكلفة منخفضة.

تنشر Meta عشر مخطوطات بحثية طبية أُعدّت باستخدام Muse Spark 1.3 وMuse Wonder

14 أكتوبر — بنت Meta هيكلًا برمجيًا داخليًا (coding scaffold)، يعمل بواسطة Muse Spark 1.3 وMuse Wonder، ويصل إلى بيانات عامة وإلى قاعدة بيانات استعادية مرخصة تضم خمسة ملايين سجل صحي إلكتروني أُزيلت منها معلومات تحديد الهوية. استخدمته مجموعة من الباحثين في الطب (أمراض القلب، وعلم الأوبئة، والأمراض المعدية، والطب الباطني) طوال أربعة أسابيع لصياغة الفرضيات، وكتابة جميع شيفرات التحليل وتنفيذها، والمشاركة في كتابة المخطوطات؛ ويحتفظ الخبراء بسلطة اتخاذ القرارات العلمية. نتج عن ذلك عشر مخطوطات، راجعها أقران من المجموعة، ثم اختصاصي في الإحصاء الحيوي، ثم خبراء مستقلون كُلّفوا بالمراجعة، ونُشرت آراؤهم تحت كل مقالة.

الدراسة المذكورة مثالًا	النتيجة المعلنة
اضطرابات نظم القلب بعد التهاب شغاف القلب العدوائي	+73 % من اضطرابات نظم القلب والتوصيل الجديدة مقارنة بتجرثم الدم دون التهاب شغاف؛ وخطر خلال سنة يبلغ 7 % مقابل 4 %
الطوارئ، مرضى الصحة السلوكية الذين غادروا دون أن يعاينهم طبيب	مخاطر نسبية تبلغ 1,86 (العودة)، و4,41 (دخول المستشفى)، و2,15 (الوفيات على المدى القصير)
المدة من أول prompt إلى المخطوطة	أقل من أسبوعين، وأحيانًا سبعة أيام

أفاد المشاركون بزيادة في الإنتاجية تصل إلى عشرة أضعاف في أفضل الحالات، وهو قياس قائم على إفاداتهم. ويقرّ الباحثون بالقيود: فالتحليلات استعادية فقط، ويرى أحد المراجعين الخارجيين أن دراسة اضطرابات نظم القلب تولّد فرضيات أكثر مما تبرر تغيير الممارسة، مع بقاء احتمال وجود انحياز في الرصد. يأتي هذا المسار الصحي بعد ست مقالات في الرياضيات كُتبت باستخدام Muse Spark ونُشرت في 2 أكتوبر.

🔗 تدوينة Meta

HiRO-ACEv2: تحاكي Ai2 الطقس المتطرف عالميًا بدقة 3 km، بتكلفة أقل بنحو 300 مرة من X-SHiELD

14 أكتوبر — تنشر Ai2 نموذج HiRO-ACEv2، وهو إصدار جديد من محاكيها المناخي عالي الدقة. يجمع النظام بين ACE، وهو نموذج ذكاء اصطناعي يحاكي المناخ بدقة 100 km، وHiRO، الذي يحسّن دقة هذه المخرجات وصولًا إلى 3 km. وبينما كان الإصدار الأول من HiRO ينتج بيانات الهطول فقط، يتنبأ HiROv2 بالأمطار والرياح قرب السطح والضغط عند مستوى سطح البحر معًا. وبالاعتماد على بيانات خُفّضت دقتها من X-SHiELD، وهو نموذج عالمي للغلاف الجوي يحاكي العواصف صراحةً، يستعيد النظام إحصاءاته عالية الدقة بفارق لا يتجاوز 3 %، حتى للأحداث التي تقع في نقطة واحدة من كل مليون نقطة، ويقدّر طاقة الأعاصير المدارية بصورة صحيحة، بما فيها العواصف التي لم يرها قط أثناء التدريب.

المقياس الذي أعلنته Ai2	القيمة المعلنة
الدقة	مخرجات بدقة 3 km، انطلاقًا من ACE بدقة 100 km
الفارق عن إحصاءات X-SHiELD	في حدود 3 %، بما في ذلك الأحداث التي تقع مرة من كل مليون
التكلفة مقارنة بـX-SHiELD	أقل بنحو 300 مرة لإنتاج بيانات عالمية
المحاكاة المنتجة	10 سنوات (ACE)؛ وسنة كاملة من البيانات العالمية بدقة 3 km
ترخيص النماذج	Apache-2.0، على Hugging Face

وتُقرّ Ai2 بهذا القيد: بما أن HiRO تدرب على X-SHiELD، فهو لا يعمل إلا مع إصدار ACE المضبوط على هذا النموذج، ولا يستطيع بعد إنتاج بيانات لمناخ أكثر دفئًا أو لسجل ERA5 التاريخي. وتخطط Ai2 لتدريبه على عالم أكثر دفئًا بمقدار 4 °C، ثم لإضافة درجة الحرارة قرب السطح والثلوج والجليد. نُشرت النماذج مع تقرير تقني (arXiv 2610.17693)، ودفاتر تعليمية، وعرض تجريبي.

🔗 تدوينة Ai2 · النماذج على Hugging Face

التوسع والاستثمارات: Anthropic في سنغافورة، و250 مليون دولار من NVIDIA للأبحاث البريطانية، واستحواذ Mistral على New Material

تفتتح Anthropic مقرًا في سنغافورة بموجب اتفاق حكومي، وتخصص NVIDIA موارد حوسبة واستثمارات في المملكة المتحدة، وتعزز Mistral قدراتها عبر استحواذ في مجال تصميم المنتجات.

تفتتح Anthropic مكتبها الخامس في آسيا والمحيط الهادئ في سنغافورة وتوقّع مذكرة تفاهم مع الحكومة

14 أكتوبر — تفتتح Anthropic مكتبًا في سنغافورة، هو الخامس لها في آسيا والمحيط الهادئ، وتوقّع اتفاق تفاهم (مذكرة تفاهم) مع وزارة التنمية الرقمية والمعلومات السنغافورية. وقّع الاتفاق الأمين الدائم للوزارة، كاي فونغ تشنغ، والشريك المؤسس لـAnthropic، بن مان، على هامش الأسبوع الدولي للأمن السيبراني في سنغافورة. وينص على التعاون في سلامة النماذج وأمنها وتقييمها، والتبادل التقني بشأن معايير الاختبار والاستجابة للحوادث، ومشاركة بيانات Anthropic Economic Index.

المؤسسة السنغافورية	استخدام Claude الذي ذكرته Anthropic
GovTech Singapore	أكثر من 1 500 مهندس وتقني يستخدمون Claude Code
Grab	المساعد التجاري BriX، مع توفير نحو 40 000 ساعة كل ربع سنة
DBS وGIC	استخدام Claude أو نشره في البنك والصندوق السيادي
Sea (Shopee, Garena, Monee)	روبوت محادثة لخدمة عملاء Shopee، وآلاف الموظفين الذين يكتبون الشيفرات باستخدام Claude

وفقًا لـEconomic Index، تحتل سنغافورة المرتبة الثانية بين 121 دولة من حيث استخدام Claude.ai نسبةً إلى عدد السكان، بما يقارب ستة أضعاف ما يُتوقع قياسًا إلى حجمها. وجمعت قمة للمطورين أكثر من 300 مطور في يوم الافتتاح. ولم تعلن Anthropic مبلغ الاستثمار أو عدد العاملين في هذا المكتب، الذي يجري التوظيف حاليًا.

🔗 افتتاح مكتب سنغافورة (Anthropic)

تقدم NVIDIA موارد حوسبة بقيمة 250 مليون دولار للأبحاث البريطانية حول أمن الوكلاء

13 أكتوبر — تعلن NVIDIA تبرعًا بموارد حوسبة قيمتها 250 مليون دولار على مدى خمس سنوات، أي ما يعادل 50 مليون دولار سنويًا من الوصول إلى الحوسبة، لدعم الأبحاث البريطانية حول سلامة الوكلاء وأمنهم (سلامة الوكلاء وأمنهم). ستذهب الحصة الأكبر إلى مجتمع البحث البريطاني بأكمله في مجال سلامة الذكاء الاصطناعي وأمنه؛ ويُخصص جزء لـBOLD (جامعة أكسفورد)، وSOFAIR (UCL)، وImperial College London، التي ستعمل على هندسة السلامة والروبوتات. ستُتاح الحوسبة عبر NVIDIA Cloud Partners العاملين في المملكة المتحدة، على بنية تحتية مستضافة داخل البلاد؛ ولم يُتفق بعد على الموردين أو البنية التقنية أو الشروط التجارية. تركز الأبحاث المستهدفة على الوكلاء الآمنين، وأمن النماذج المفتوحة، والتخفيف من التهديدات الفعلية، باستخدام بيئات عزل وأبحاث قابلة لإعادة الإنتاج وbenchmarks لتقييم السلامة، ولا سيما عبر NVIDIA OpenShell والتصميم المرجعي NVIDIA Sentry.

وتضيف التدوينة المصاحبة للإعلان استثمارات مخططة، دون تحديد مبالغ، في خمس شركات بريطانية ناشئة: Boltz (نماذج جزيئية حيوية)، وForesight (إدارة مشاريع البناء الكبرى)، وHiverge (اكتشاف الخوارزميات)، وPrima Mente (نماذج تأسيسية بيولوجية لأمراض ألزهايمر وباركنسون وSLA)، وRiverlane (تصحيح الأخطاء الكمومية). تسبق هذه الإعلانات الكلمة الرئيسية لجنسن هوانغ في GTC Berlin، يوم 21 أكتوبر.

🔗 بيان NVIDIA · تدوينة NVIDIA حول المنظومة البريطانية

تستحوذ Mistral على استوديو التصميم New Material وتؤسس فريق Solutions Design

14 أكتوبر — تستحوذ Mistral على New Material، وهو استوديو لتصميم منتجات الذكاء الاصطناعي تأسس قبل ست سنوات. جاء الإعلان في تدوينة New Material، التي تصفه بأنه استحواذ؛ وأعادت Mistral نشره على X للترحيب بالفريق، دون تدوينة على موقعها أو إعلان عن قيمة الصفقة. ويقول الاستوديو إنه قدّم أدوات ومنتجات وشركات قائمة أصلًا على الذكاء الاصطناعي في قطاعات السيارات والتجزئة والقانون والصحة، مع شركاء مثل Ford، ورافاييل نادال، وWellcome Trust، ومكاتب محاماة من تصنيف AmLaw 50. ويشكّل داخل Mistral فريقًا جديدًا باسم Solutions Design، يجمع التصميم والهندسة والذكاء الاصطناعي، وسيشارك العملاء في تطوير المشاريع لتقصير حلقة التغذية الراجعة بين عمليات النشر الفعلية ومنتجات Mistral في تطبيقات الذكاء الاصطناعي الحيوية للشركات والحكومات. وكانت Mistral قد استحوذت بالفعل في مايو على Emmi AI، وهي شركة نمساوية متخصصة في Physics AI.

🔗 تدوينة New Material · منشور @MistralAI

تقيس OpenAI تحول شركات الاتحاد الأوروبي نحو الوكلاء: ارتفاع عدد المستخدمين إلى 8,1 أضعاف في الشركات الصغيرة والمتوسطة

14 أكتوبر — تنشر OpenAI تقريرًا ضمن أبحاثها الاقتصادية عن استخدام الذكاء الاصطناعي القائم على الوكلاء في شركات الاتحاد الأوروبي، مصحوبًا بملف PDF وبيانات قابلة للاستكشاف. وفي العينة الأوروبية من عملاء ChatGPT Enterprise، أصبح Codex وChatGPT Work يمثلان أكثر من نصف tokens الإخراج: إذ يسند المستخدمون إلى الوكلاء مهام كاملة، من التخطيط إلى التنفيذ.

المؤشر الذي قاستْه OpenAI	القيمة المسجلة
حصة tokens الإخراج عبر Codex وChatGPT Work (الاتحاد الأوروبي، ChatGPT Enterprise)	أكثر من النصف
المستخدمون النشطون أسبوعيًا للأدوات القائمة على الوكلاء في الشركات الصغيرة والمتوسطة بالاتحاد الأوروبي	×8,1 مقارنة بالأسبوع الممتد من 1 إلى 7 مايو
حصة tokens الإخراج المرتبطة بالوكلاء بحسب البلد	من 22 % (سلوفينيا) إلى 85 % (ليتوانيا)
tokens الإخراج خلال 28 يومًا، نسبةً إلى الشركات النموذجية في مايو	الرائدة خارج الاتحاد الأوروبي 12,9x؛ الرائدة في الاتحاد الأوروبي 6,1x؛ النموذجية خارج الاتحاد الأوروبي 1,6x؛ النموذجية في الاتحاد الأوروبي 1,5x
حصة الاتحاد الأوروبي من الشركات الرائدة عالميًا	10 %

تُعرّف الشركات الصغيرة والمتوسطة هنا بأنها الشركات التي يرتبط بها 200 مستخدم على الأكثر، ويشمل نموها جميع الدول الأعضاء. ويقيس التقرير أساسًا فجوة في كثافة الاستخدام: ففي سبتمبر، كانت الشركات الرائدة في الاتحاد الأوروبي (الشركات الرائدة، أي الـ10 % التي تولّد أكبر عدد من tokens الإخراج لكل مستخدم نشط) تنتج أكثر من أربعة أضعاف ما تنتجه الشركات النموذجية في الاتحاد الأوروبي، لكن الشركات الرائدة خارج الاتحاد الأوروبي كانت تنتج أكثر من ضعف ما تنتجه نظيراتها داخله. وترى OpenAI أن التحدي هو تحويل التبني الواسع إلى استخدامات أعمق، بمساعدة الشركات على تجاوز التجريب وتدريب الموظفين. يأتي التقرير بعد تقرير 30 سبتمبر عن الشركات الأمريكية الصغيرة.

🔗 الفصل المقبل للذكاء الاصطناعي في الاتحاد الأوروبي سيعتمد على الوكلاء (OpenAI)

البنية التحتية للوكلاء: تتبعات OpenTelemetry على Claude Platform، وتوجيه بيئات العزل على Perplexity

مكوّنان من منظومة الأدوات التي تشغّل الوكلاء وتراقبهم في بيئة الإنتاج: قابلية الرصد لدى Anthropic، وتوجيه الطلبات إلى التنفيذ المناسب لدى Perplexity.

تتيح Claude Platform تصدير تتبعات OpenTelemetry من API Messages وManaged Agents وحزم SDK في نسخة تجريبية عامة

14 أكتوبر — تستطيع Claude Platform الآن، في نسخة تجريبية عامة، إرسال تتبعات OpenTelemetry من API Messages وClaude Managed Agents وحزم Claude SDK إلى أي أداة رصد تقبل نقطة نهاية OTLP قياسية. تصل كل دورة للوكيل، وكل استدعاء لنموذج أو أداة، بوصفها تتبعًا قياسيًا يتضمن زمن الاستجابة وtokens والمعرّفات. وبالنسبة إلى API Messages وManaged Agents، يلزم إضافة وجهة في Claude Console؛ وتصدّر حزم SDK تلقائيًا spans الخاصة بها، في Python وTypeScript وC# وGo وJava وPHP وRuby وفقًا لملاحظات الإصدار. تتبع spans الاصطلاحات الدلالية لـGenAI في OpenTelemetry، وتتضمن افتراضيًا بيانات وصفية (المدة، والحالة، وعدد tokens، والنموذج، وأسماء الأدوات)؛ أما الوجهة المضبوطة على المحتوى الكامل (full content) فتصدّر أيضًا prompts والردود ومدخلات الأدوات ونتائجها. وفي اليوم نفسه، جعل Claude Code 2.1.300 الـspans الخاصة به متوافقة مع هذه الاصطلاحات.

الاستخدام الذي جرى التركيز عليه	الأدوات التي ذكرتها Anthropic
تصحيح الأخطاء إلى جانب بقية المكدس	Grafana Cloud, Honeycomb, Sentry, Splunk
تحويل التتبعات الفعلية إلى تقييمات	Arize AI, Braintrust, Datadog, Langfuse, LangSmith, New Relic, PostHog
تتبع استخدام tokens بحسب الفريق	Databricks Unity Gateway

ومن بين الشهادات، توضح Ramp أن Reflect، نظامها الذي يقيّم تتبعات Langfuse لوكلائها، خفّض بالفعل استخدام tokens بنسبة 10 إلى 20 % وسرّع الجلسات بنسبة 30 % لدى بعض الوكلاء. ولم تعلن Anthropic أسعارًا أو جدولًا زمنيًا للإتاحة العامة.

🔗 قابلية رصد الوكلاء على Claude Platform · ملاحظات إصدار Claude Platform

SPACE: تربط Perplexity كل طلب بالتنفيذ المناسب لبيئة العزل

14 أكتوبر — تنشر Perplexity تدوينة هندسية عن SPACE، منصة بيئات العزل التي تعمل فيها وكلاء Perplexity Computer. ووفقًا لـPerplexity، تعالج SPACE منذ أشهر ملايين عمليات التنفيذ يوميًا بمعدل أخطاء أقل من 0,0002 %، ومن دون أي اتصال مفقود. تتمثل المشكلة التي تعالجها في مسار توجيه لم يعد صالحًا: فبيئة العزل التي يُستأنف تشغيلها على جهاز آخر تحتفظ بمعرّفها، لكنها تبدأ تنفيذًا جديدًا، وقد يصل طلب متأخر إلى التنفيذ القديم تحت الاسم الصحيح. تمر عملية بسيطة لقراءة ملف عبر مستوى التحكم، وnode-api، وsbx-manager، ومقبس Unix، وجسر المضيف، ثم عبر VSOCK وصولًا إلى آلة microVM من Firecracker.

ويتمثل الحل في فصل الهوية الثابتة لبيئة العزل عن هوية التنفيذ، التي تحدد نسخة تشغيل بعينها ومكانها. بعد منح الإذن، يحمل كل طلب صلاحية موقّعة باستخدام Ed25519، صالحة لمدة 120 ثانية، يقارنها المكوّن المستقبِل بسجله الخاص قبل تمرير الطلب؛ وتُقطع جلسات الطرفية ومراقبة الملفات فور بدء تنفيذ جديد. يستبعد نموذج التهديد اختراق جهاز تنفيذ (worker) بصلاحيات root، ويظل التحقق محليًا، دون إثبات عتادي عن بُعد. وأخيرًا، تقارن التدوينة SPACE بـOpenShell، الذي يقدم ضمانات مماثلة، وبـE2B وCubeSandbox، اللذين يمرران الطلبات دون هوية تنفيذ متوقعة: وتوضح Perplexity أن هذه الاستنتاجات تقتصر على التنفيذات البرمجية التي جرى فحصها.

🔗 تدوينة Perplexity حول SPACE

الوكلاء متعددو الأغراض: إصدارات Ultrafast في Perplexity Computer، وManus for Business للفرق

يعتمد الوكلاء الذين ينجزون مهام طويلة للمستخدم على عاملين: سرعة النماذج لدى Perplexity، والعمل الجماعي لدى Manus.

Perplexity Computer يتيح إصدارات Ultrafast من GPT-6 Astra وGPT-6.1 Sol لمشتركي Max

14 أكتوبر — تتيح Perplexity لمشتركي Max إصدارات Ultrafast من نموذجين تابعين لـOpenAI ضمن Perplexity Computer، وكيلها للمهام متعددة الخطوات: GPT-6 Astra وGPT-6.1 Sol، الذي ورد باسم « SOL 6.1 » في الإعلان. يولّد النموذجان الرموز بسرعة أكبر، ما يتيح إنجاز مهام Computer الطويلة في وقت أقصر. ويجري الاختيار يدويًا: اختيار Astra أو SOL 6.1 من قائمة Custom، ثم ضبط السرعة على Ultrafast. لا يحدد الإعلان مقدار التحسن في السرعة أو استهلاك الأرصدة، ولا يتطرق إلى الخطط الأخرى؛ كما لا يتضمن سجل تغييرات المنتج أي إدخال أحدث من إدخال 5 أكتوبر. وهذا هو تطبيق Perplexity لمستوى سرعة أطلقته OpenAI لنموذج GPT-6 Astra في 29 سبتمبر، ثم لنموذج GPT-6.1 Sol في 8 أكتوبر، بسرعة تصل إلى 8 أضعاف بحسب OpenAI.

🔗 إعلان Perplexity

Manus for Business: خطة Team Plan ابتداءً من 20 دولارًا لكل مقعد وعرض Enterprise

13 أكتوبر — تطلق Manus عرض Manus for Business المخصص للفرق، والذي يجمع بين Manus Team Plan وEnterprise Plan.

خطة Manus	المحتوى بحسب Manus
Manus Team Plan	ابتداءً من 20 دولارًا لكل مقعد مدفوع شهريًا أو 200 دولار سنويًا، مقابل 4 000 رصيد؛ مقاعد مجانية للضيوف
Manus Enterprise	بالتواصل مع قسم المبيعات: حسابات مُدارة، واحتفاظ بالبيانات للأغراض القانونية، وتكامل مع SIEM، وضوابط لشبكات الوكلاء، وحدود استخدام لكل مستخدم

توفّر خطة Team Plan، المتاحة الآن، مشاريع تحتفظ بالسياق، بما يشمل التعليمات والملفات وSkills والموصلات المشتركة بين المهام المرتبطة، بما فيها المهام المجدولة، إلى جانب Skills مشتركة يمكن للمسؤولين فرضها، وإمكانية وصول مقتصرة على الفريق للمهام والملفات والمواقع الداخلية، وأرصدة مشتركة تُتابَع عبر لوحة معلومات. ويمكن للضيوف المراجعة والتعليق دون شغل مقعد مدفوع. وتكتمل هذه المزايا بالأدوار وسجلات التدقيق وSSO وSCIM؛ وتقول Manus إنها تمنع مورّدي النماذج من إجراء أي تدريب على بيانات عملاء Team، وإنها حاصلة على شهادات SOC 2 Type II وISO 27001 وISO 27701.

🔗 تقديم Manus for Business

أبحاث الوكلاء: HybridAgent يستدل في الفضاء الكامن، وCohere Labs تقيس أداء فرق وكلاء البرمجة

تسعى دراستان إلى خفض تكلفة الوكلاء: إحداهما بجعلهم يستدلون دون توليد رموز، والأخرى بتحسين تنظيم فرقهم.

HybridAgent: وكلاء يفكرون في الفضاء الكامن ويتصرفون عبر النص

13 أكتوبر — يقدّم باحثون من ستانفورد وTogether AI وUIUC وMeta، بحسب الورقة المودعة على arXiv والموقّعة خصوصًا من جيارو زو وجيمس زو، نظام HybridAgent، وهو وكلاء للاستدلال الهجين يتناوبون، ضمن عملية توليد واحدة، بين الاستدلال في الفضاء الكامن والإجراءات النصية. تعيد وحدة خفيفة تُسمى HybridLink الحالات المخفية من الطبقة الأخيرة إلى فضاء تضمينات الإدخال: فيستدل النموذج دون توليد رموز، ثم يعود إلى النص لاستدعاء أدواته، وهي مفسّر Python والبحث على الويب. وتظل كل خطوة كامنة قابلة للقراءة بصيغة نص شبه مقروء. ويجري التدريب على مرحلتين: يتعلّم HybridSFT التنسيق مع HybridLink، ثم يتعلّم HybridRL متى يفكر في الفضاء الكامن ومتى يتصرف عبر النص.

المقياس المنشور بحسب المؤلفين	القيمة المعلنة
تحسن الأداء على 11 معيارًا و3 أحجام	+10,4 %
خفض عدد الرموز	من 35,5 % إلى 54,7 %
سرعة الاستدلال	أسرع بمقدار 1,8 إلى 2,6 ضعف
التوفير في التكلفة	بمقدار 2,7 إلى 3,7 ضعف

نُشر النموذجان HybridAgent-8B-Agentic و14B-Agentic بموجب ترخيص MIT مع الشفرة؛ ولم يرافق الورقة أي إعلان من Together AI.

🔗 الورقة على arXiv

Cohere Labs: وكيل رئيسي قوي تحيط به وكلاء منخفضو التكلفة يقترب من أفضل نتيجة بتكلفة أقل بنسبة 70 %

14 أكتوبر — تنشر Cohere Labs دراسة عن تنظيم فرق وكلاء البرمجة، من تأليف كينان سامواي ودانيال ديسوزا ونهى دزيري. ضمن إطار تشغيل مبسّط عمدًا، يسند وكيل رئيسي (قائد) مهام فرعية إلى وكلاء ثانويين (منفذين)، مع تغيير متغير واحد فقط في كل مرة: المراحل المفوّضة، والانتظار الحاجب أو غير المتزامن، والنموذج المستخدم لكل دور، وحجم الفريق، والمراسلة المباشرة. ويتطلب معيار الاختبار الرئيسي، ProgramBench، إعادة بناء 200 برنامج اعتمادًا على ملفاتها التنفيذية ووثائقها فقط، من jq وripgrep إلى SQLite أو FFmpeg.

التكوين الذي جرى تقييمه (ProgramBench، GPT-5.6)	متوسط المكافأة	التكلفة الإجمالية للمهام الـ200
Sol منفردًا، مع موجّه من ثلاث مراحل	57,7 %	غير محددة رقميًا في النص
فريق Sol غير متزامن، مع تفويض ثلاث مراحل	63,2 %	510 دولارات
فريق Sol غير متزامن، مع تفويض التخطيط وحده	63,6 %	249 دولارًا
وكيل رئيسي Sol و16 وكيلًا من Luna، للتخطيط	61,8 %	155 دولارًا

إذًا، يحقق تفويض التخطيط وحده أداءً مماثلًا لتفويض جميع المراحل بنصف التكلفة، ويصل وكيل رئيسي Sol تدعمه 16 من وكلاء GPT-5.6 Luna إلى 61,8 % مقابل 155 دولارًا، أي أقل بنسبة 70 % من فريق مكوّن بالكامل من Sol يفوّض كل المراحل. ولا يمكن تعويض ضعف الوكيل الرئيسي: فمع وكلاء Luna، يظل الوكيل الرئيسي Terra بنتيجة 51,6 % دون Sol الذي يعمل منفردًا بنتيجة 57,7 %. وعلى مجموعة فرعية من 30 مهمة، مع تشغيل واحد فقط لكل نموذج، يحقق Claude Opus 4.8 زيادة قدرها 5,9 نقاط عند العمل ضمن فريق، بينما يكاد Claude Opus 4.7 لا يفوّض أي مهام؛ وقد أُوقفت تجربة Claude Opus 5 بعد ثماني مهام، بلغت جميعها مهلة الثماني ساعات، بتكلفة تقارب 500 دولار لكل مهمة. ولا تقيّم الدراسة أي نموذج من Cohere.

🔗 تدوينة Cohere Labs

الوسائط التوليدية: FLUX 3 Video أقل تكلفة، وRunway لدى Baseten، وصوت HeyGen يتكيف مع المشهد

تنخفض أسعار الفيديو التوليدي ويدخل البنى التحتية المخصصة للشركات، بينما توثّق HeyGen تقنية استنساخ الصوت في مقاطع الفيديو الخاصة بها.

FLUX 3 Video أسرع بما يصل إلى الضعف وأقل تكلفة بما يصل إلى النصف بدقتي 2K و4K

14 أكتوبر — تعلن Black Forest Labs أن FLUX 3 Video أصبح أسرع بما يصل إلى الضعف وأقل تكلفة بنسبة 50 % عند التوليد بدقتي 2K و4K الأصليتين. ويوضح المختبر أنه حسّن الخدمة لتستهلك موارد حوسبة أقل، وانعكس هذا التحسن على السعر والسرعة معًا. وفي منشور ثانٍ، يؤكد أن جودة 4K تتفوق على Kling o3 عند مستويات متقاربة من السعر وزمن الاستجابة، دون نشر اختبار معياري ضمن سلسلة المنشورات.

دقة FLUX 3 Video	من نص أو صورة إلى فيديو (لكل ثانية)	من فيديو إلى فيديو (لكل ثانية)
HD	0,17 → 0,15 دولار	0,41 → 0,21 دولار
FHD	0,29 → 0,24 دولار	0,53 → 0,27 دولار
QHD (2K)	0,40 → 0,28 دولار	0,65 → 0,31 دولار
UHD (4K)	0,80 → 0,41 دولار	0,95 → 0,45 دولار

يوضح جدول أسعار bfl.ai تفاصيل أدق بشأن نسبة « 50 % »: ففي دقتي 2K و4K، يتراوح الانخفاض من 30 % عند التوليد بدقة 2K من نص أو صورة، إلى 53 % عند التحويل من فيديو إلى فيديو، وتنخفض أسعار HD وFHD أيضًا؛ ويظل وضع المسودة (Draft) بسعر 0,06 دولار للثانية، بدقة HD فقط. وكان FLUX 3 Video قد أُطلق في 4 أغسطس.

🔗 إعلان Black Forest Labs · صفحة FLUX 3 Video · جدول أسعار FLUX 3 Video

Runway تتعاون مع Baseten لنشر Gen-4.5 وAleph 2.0 في بيئات مخصصة

14 أكتوبر — تتعاون Runway وBaseten لإتاحة نماذج الفيديو من Runway للشركات في بيئة مخصصة. ويمكن الآن نشر Gen-4.5 وAleph 2.0، الذي يحرر مقاطع متعددة المشاهد تصل مدتها إلى 30 ثانية بدقة 1080p، بما يشمل الإصدارات المضبوطة بدقة، في بيئات مخصصة لمستأجر واحد (أحادية المستأجر) عبر Baseten Dedicated Inference. تحصل الشركة على ترخيص للأوزان مباشرة من Runway، ثم تنشرها لدى Baseten، حيث تعمل كل عملية نشر ضمن مستوى تنفيذ معزول مع وحدات GPU مخصصة، فيما تتولى Baseten إدارة مستوى التحكم. وتندرج البنية التحتية ضمن برنامجي SOC 2 Type II وHIPAA لدى Baseten، مع ضمان توافر بنسبة 99,99 %، ويمكن للعملاء ضبط النماذج بدقة على بياناتهم وحجز سعة GPU. ولم يُعلن أي سعر. ويوسّع العرض خدمة Runway Model Licensing، التي أُطلقت في 11 سبتمبر لترخيص أوزان نماذجها المغلقة للشركات.

🔗 إعلان Runway · تدوينة Baseten

HeyGen Voice: التقرير التقني لاستنساخ صوتي يكيّف الصوت مع المشهد

14 أكتوبر — بعد خمسة أيام من إطلاق HeyGen Voice، تنشر HeyGen التقرير التقني لنموذجها الصوتي، الذي تقدّمه بوصفه أول نموذج مصمم للفيديو. تحدد العينة الصوتية المرجعية هوية المتحدث، بينما توجّه الصورة المستهدفة ووصف المشهد الكيفية التي ينبغي أن يبدو بها الصوت: ويستخلص منهما نموذج لغوي وصفين، أحدهما للمتحدث، ويشمل النبرة والإيقاع والتوكيد والتعبيرية، والآخر للخلفية، ويشمل المكان وخصائصه الصوتية. ويتولى نموذج منفصل للشخصيات الافتراضية إنشاء الفيديو.

تقييم أعمى أجرته HeyGen	نسبة تفضيل HeyGen Voice
ملاءمة المشهد، مقارنةً بـCartesia	73 %
ملاءمة المشهد، مقارنةً بـElevenLabs v4	70 %
ملاءمة المشهد، مقارنةً بـSeedance 2.5	65 %
اختيار المستخدمين، مقارنةً بـElevenLabs v4	62,2 %
اختيار المستخدمين، مقارنةً بـCartesia Sonic 3.6	54,1 %

في الاختبار الأول، وُضع الصوت نفسه في 50 مشهدًا، من كاتدرائية إلى المقعد الأمامي لسيارة؛ وفي الاختبار الثاني، سجّل آلاف المستخدمين أصواتهم ثم اختاروا النسخة التي يفضلون اعتمادها دون معرفة النموذج الذي أنتجها، وحصل HeyGen Voice على 41,7 % في المقارنة الثلاثية. وهذه الأرقام صادرة عن HeyGen.

🔗 سلسلة منشورات HeyGen · صفحة أبحاث HeyGen Voice

الرقائق: NVIDIA تطلق cuPotential وتوسّع CUDA-X ليشمل مصانع أشباه الموصلات التي يديرها الذكاء الاصطناعي

14 أكتوبر — تقدّم NVIDIA مكتبة cuPotential الجديدة ضمن CUDA-X، والتي تتيح بناء وكلاء قادرين على محاكاة التفاعلات بين الذرات والجزيئات، وهي عملية حسابية أساسية لنمذجة المواد وعمليات تصنيع أشباه الموصلات. وفي اختبارات الوصول المبكر، حققت تسريعًا إضافيًا بمقدار 2 إلى 3 أضعاف لسير عمل محسّن أصلًا لوحدات GPU؛ وتُعد Synopsys من أوائل المستخدمين. ويندرج الإعلان ضمن مصانع أشباه الموصلات التي يديرها الذكاء الاصطناعي (مصانع يحددها الذكاء الاصطناعي)، حيث يساعد الوكلاء المهندسين على تحسين العمليات، وحل مشكلات الإنتاج، وزيادة المردود التصنيعي.

الشريك أو الأداة	النتيجة المعلنة بحسب NVIDIA
NVIDIA cuPotential	تسريع إضافي بمقدار 2 إلى 3 أضعاف لسير عمل محسّن أصلًا لوحدات GPU، في الوصول المبكر
Lam Research (NanoVDB, SEMulator3D)	تسريع يصل إلى 30 ضعفًا لبعض عمليات نمذجة الحفر، بحلول نهاية 2026
KLA (NPP)	أسرع بـ50 ضعفًا من الإصدارات السابقة التي تعمل على CPU
Applied Materials	محاكاة غرف المعالجة أسرع بما يصل إلى 35 ضعفًا
Synopsys	إمكانية بلوغ 30 ضعفًا مع (cuEST, QuantumATK) و12 ضعفًا مع (cuDSS, S-Device)

وفي اليوم نفسه، توضح تدوينة تقنية جانب الوكلاء: فباستخدام المكتبة المفتوحة NeMo Gym، قيّم فريق Siemens Fuse وكيله لتوصيف الخلايا القياسية عبر مقارنة ملفات Liberty التي ينتجها بمراجع جرى التحقق منها. وعلى امتداد نحو 25 عملية تشغيل، مع تثبيت Claude Opus 4.8 في Claude Code بوصفهما النموذج وإطار التشغيل، حسّن الفريق مهاراته وأوصاف أدوات MCP لديه: فارتفعت النتيجة المركبة من نحو 55 % إلى نحو 95 %، وانخفض عدد دورات الوكيل من 155 إلى 53، وعدد رموز الإخراج من نحو 81 000 إلى 29 000.

🔗 بيان NVIDIA · التدوينة التقنية عن NeMo Gym وSiemens Fuse

النماذج والبيئات المفتوحة: مُرمِّزات UltraBERT وبيئات تعلّم معزز متعددة اللغات لدى Hugging Face

إصداران مفتوحان على Hub: عائلة من المُرمِّزات للتصنيف والبحث، وبيئات للتعلّم المعزز بأكثر من مئة لغة.

UltraBERT: مختبر DMIS Lab ينشر مُرمِّزات للإنجليزية بحجمي 150M و380M وسياق 32K

14 أكتوبر — ينشر مختبر DMIS (مختبر تنقيب البيانات ونظم المعلومات) عائلة UltraBERT من مُرمِّزات اللغة الإنجليزية بحجمي 150M و380M معلمة، مع سياق أصلي يبلغ 32K رمز، إلى جانب UltraBERT-Embed-150M، وهو نموذج تضمينات جاهز للاستخدام، وجميعها بموجب ترخيص Apache 2.0 مع ورقة بحثية على arXiv برقم 2610.15028. وتُبرز تجارب إزالة المكونات، التي يتجاوز مجموعها 70 000 مليار رمز، استنتاجين: تتوقف المُرمِّزات عن التحسن بعد 1 000 إلى 2 000 مليار رمز رغم استمرار انخفاض الخسارة، وتحدد نسبة الإخفاء تخصصها، إذ تخدم النسبة المنخفضة التصنيف، بينما تخدم النسبة المرتفعة البحث. لذلك يمزج UltraBERT بين نسبتي إخفاء 5 % و50 % في كل دفعة، مع رأس للنموذج اللغوي لكل نسبة.

نموذج UltraBERT المنشور	النتيجة التي أعلنها المؤلفون
UltraBERT-380M	91,0 على GLUE، و47,7 على BEIR
UltraBERT-150M و380M	أفضل نتيجة على 9 معايير من أصل 10؛ و99 % في اختبار المفتاح المخفي حتى 32K رمز
UltraBERT-Embed-150M	67,24 على MTEB (eng, v2)، وأفضل نموذج تضمينات كثيفة بأقل من 200M معلمة

🔗 تدوينة DMIS Lab

Hugging Face تتيح بيئات RL للتعرف الضوئي على الحروف بـ22 لغة وللتعرف على الكلام بـ102 لغة

14 أكتوبر — يعرض أديتيا إس كيه، الذي يعمل على بيئات التعلم المعزز لدى Hugging Face، ما يصفه بأنه أكبر بيئات RL مفتوحة المصدر ومتعددة اللغات والوسائط. نُشرت بيئتان من OpenEnv بمكافآت قابلة للتحقق: إحداهما للتعرف على المستندات (OCR)، وتضم أكثر من مليون صفحة بـ22 لغة مأخوذة من مجموعة Nayana التابعة لـCognitive Lab، والأخرى للتعرف على الكلام (ASR)، وتضم تسجيلات كلام بـ102 لغة من مجموعة FLEURS التابعة لـGoogle، بإجمالي يتجاوز 12 مليون مهمة. ويقوم المبدأ على إعادة استخدام مجموعات بيانات مفتوحة موجودة بالفعل، مع تزويدها بمكافآت قابلة للتحقق. ولإثبات إمكان استخدامها في التدريب، أجرى الباحث ضبطًا دقيقًا لـGemma 4 E4B باستخدام GRPO بلغة الكانادا، على بطاقة A100 واحدة: انخفضت أخطاء الأحرف بنسبة 16 % على مجموعة اختبار OCR المحجوزة لدى Sarvam AI، وبنسبة 45 % على 838 مقطعًا كلاميًا محجوزًا للاختبار. وكان RL Environment Explorer، الذي عُرض في 7 أكتوبر، يضم بالفعل أكثر من 12 مليون مهمة؛ وتتمثل المستجدات في العرض الرسمي ونتائج التدريب الأولى.

🔗 سلسلة منشورات أديتيا إس كيه

GitHub Actions: ملفات قفل لتبعيات سير العمل في معاينة عامة

14 أكتوبر — بعيدًا عن الذكاء الاصطناعي، تتيح GitHub Actions ملفات قفل (lockfiles) لتبعيات سير العمل في معاينة عامة، على GitHub Enterprise Cloud (مع إقامة البيانات أو من دونها)، وTeam وFree. والخطر المستهدف معروف: يمكن نقل وسم أو فرع بعد مراجعة سير العمل، وقد يحقن إجراء مخترق شيفرة خبيثة من دون أي تغيير في المستودع. تُنشئ إضافة gh actions-lock في GitHub CLI ملف .github/workflows/actions.lock متضمنًا إيداعات الإجراءات وتبعياتها الانتقالية وسير العمل القابلة لإعادة الاستخدام؛ ثم تنفذ Actions الإيداع المقفل حتى إن نُقل الوسم. يجري اعتماد الميزة لكل سير عمل على حدة، وتتيح سياسة Require lockfile فرضها، ويحدّث Dependabot الإدخال المقفل في طلب السحب نفسه الذي يتضمن الإصدار الجديد من الإجراء. وتذكّر GitHub بأن القفل لا يدل على سلامة التبعية، التي يجب مراجعتها قبل قفلها.

🔗 ملفات قفل سير العمل في GitHub Actions ضمن معاينة عامة (سجل تغييرات GitHub)

أخبار موجزة

الوكلاء وأدوات البرمجة

Copilot CLI 1.0.98 — أصبحت مستقرة في اليوم التالي للإصدار 1.0.97، وتدعم Gemini 4 Argon وتجعل التعامل مع إجابات /ask أسهل: يوسّعها Ctrl+E، وينسخها Ctrl+Y كاملة، ويعيد /ask أو /btw فتح آخر إجابة كاملة؛ أما Copilot SDK 1.0.22 فيكتفي بتضمين CLI. 🔗 المصدر
Zed 1.24 والمعاينة 1.25.0 — أصبحت 1.24 مستقرة (1.24.2) مع إصلاح واحد إضافي مقارنة بمعاينتها؛ وتضيف 1.25.0-pre نموذج Gemini 4 Argon إلى موفّر Google AI، ونماذج GPT-6 Astra وClaude Fable 5.1 وClaude Opus 5.5 إلى Bedrock، وضغط السياق لوكلاء ACP، كما تمنع ظهور أسرار الوكلاء الخارجيين وخوادم MCP في قائمة العمليات المحلية. 🔗 المصدر
إضافة Antigravity 1.8.0 لـVS Code — استدراك لخبر 11 أكتوبر: عند تعطيل القبول التلقائي، تظل مراجعات الفروق مفتوحة وتتراكم من جولة للوكيل إلى أخرى، وتُكتشف التعديلات المنفذة على القرص في أقل من ثانية، ويقل حجم حزمة VSIX بنحو 70 %. 🔗 المصدر
DeepSeek Harness 0.2.1-alpha.3 — المعاينة رقم 27، ولا يزال من دون إصدار مستقر: إخفاء المفاتيح والرموز المميزة افتراضيًا في الرسائل المرسلة، وإعدادات مسبقة للوكلاء (Agent Presets) خاصة بالوكلاء الفرعيين، واستئناف الجلسات في حزم SDK، وعشرة إصلاحات؛ ويتطلب موفّر Azure، الذي أُعيدت تسميته إلى azure، ترحيل الإعدادات. 🔗 المصدر
GPT-5.5 يغادر Codex — كما أُعلن في 15 سبتمبر، غادر GPT-5.5 منصة Codex في 14 أكتوبر عند الساعة 19 بتوقيت UTC للحسابات المسجّلة الدخول عبر ChatGPT، وحلّ محله GPT-6.1 Sol (في Plus وPro وBusiness وEnterprise وEdu)، أو GPT-6 Luna في تطبيق سطح المكتب (في Free وGo)؛ ولا يشمل التغيير API أو الجلسات التي تستخدم مفتاح API. 🔗 المصدر
Amp ونماذج OpenAI — في دراسة حالة نشرتها OpenAI، تقول Amp إن هذه النماذج تستحوذ على غالبية الرموز المستهلكة، إذ يستهلك بعض المستخدمين 10 مليارات رمز أسبوعيًا؛ وتتيح Calling Puck التحدث في الوقت الفعلي مع وكيلها الفوقي بفضل GPT-Live-1، ويختبر الفريق وضع Ultrafast في GPT-6 Astra. 🔗 المصدر
مهارات cuDF لـApache Spark — تنشر NVIDIA مهارات للوكلاء تعيد كتابة دوال UDF في Spark بصيغ مكافئة مسرّعة باستخدام GPU؛ ولدى مجموعة كبرى لم يُكشف عن اسمها، جرى تحويل أكثر من 30 دالة UDF مستخدمة في الإنتاج، إحداها انخفض زمن تنفيذها من 274,55 إلى 12,78 ساعة على 600 مليار صف. 🔗 المصدر
Built with Claude: Japan 2026 — تنظّم Anthropic وCerebral Valley من 2 إلى 10 نوفمبر هاكاثون Claude Code عبر الإنترنت بالكامل للمقيمين في اليابان: يحصل 250 مشاركًا مختارًا على اشتراك Max 5x وأرصدة API بقيمة 500 دولار، وتبلغ قيمة الأرصدة المتاحة للفوز 50 000 دولار، ويستمر التقديم حتى 26 أكتوبر. 🔗 المصدر
لقاءات Astra Commons — في سبتمبر، جمع سفراء Codex نحو 2 500 مطوّر في 52 مدينة، داخل مقاهٍ ومعارض وجامعات، بمناسبة إطلاق GPT-6 Astra، وفقًا لريانون باين من فريق مجتمع OpenAI. 🔗 المصدر

المساعدون وأدوات المؤسسات والأدلة

Genspark — وصل Muse Wonder من Meta، ثم Gemini 4 Argon، خلال ساعات إلى AI Chat وCode Agent وClaw، مع ترديد الحجج الترويجية لمطوّريهما، ومن دون تحديد اشتراك أو سعر. 🔗 المصدر · 🔗 Argon
My Fish في Sakana Chat — تجعل Sakana AI ذاكرة مساعدها مرئية: خريطة حرارية لعمليات القراءة والكتابة، وعرض بحسب الفئات، وخريطة للروابط بين الذكريات التي يتلاشى أثرها بعد 30 يومًا من دون استخدام، وسجل؛ وكل ذلك ضمن الإعدادات → My Fish، على الويب والهاتف المحمول. 🔗 المصدر
Gloss — تسلّط Together AI الضوء على تطبيق مجاني ومفتوح المصدر لحفظ المقالات وملفات PDF والإشارات المرجعية من X، وسؤال الذكاء الاصطناعي عن مقطع مظلل، وقد بُني باستخدام DeepSeek V4.1 Flash على منصتها. 🔗 المصدر
MCP في Apigee hybrid — منذ الإصدار 1.17.0، تكفي مواصفة OpenAPI لإتاحة كل عملية في API بوصفها أداة MCP، مع بقاء مستوى البيانات داخل عنقود Kubernetes الخاص بالعميل: لا يمر أي استدعاء لأداة عبر Google Cloud. 🔗 المصدر
تكلفة أدوات الذكاء الاصطناعي بحسب Perplexity — يفصّل دليل نماذج التسعير والتكاليف الخفية (فريق افتراضي من 10 أشخاص بتكلفة 350 دولارًا في بعض الأشهر، إضافة إلى 18 ساعة من العمل الداخلي)، ويلخّص خطط Perplexity من Free إلى Enterprise Max؛ ولم يُعلن عن أي جديد. 🔗 المصدر
أدوات MCP بحسب Perplexity — يشرح دليل ثانٍ ماهية أداة MCP، ويذكّر باتجاهَي استخدامها لدى Perplexity: ربط خوادم MCP على Pro وMax وEnterprise، أو استدعاء الأدوات الأربع لخادم MCP الخاص بها من Claude Code مثلًا. 🔗 المصدر

دراسات الحالة وعمليات النشر

Third Moment Research — في دراسة حالة نشرتها OpenAI، يشغّل هذا المختبر 10 000 وكيل بالتزامن ضمن جلسات تتراوح مدتها بين 36 و48 ساعة، وقد استهلك 1 000 مليار رمز في يوم واحد، وخفّض مدة اختبار بأثر رجعي (backtest) بنسبة 97 % باستخدام Codex؛ ويُعد GPT-6.1 Sol نموذجه الأكثر استخدامًا. 🔗 المصدر
SentinelOne وDaybreak — بحسب مدير الذكاء الاصطناعي لديها، غريغور ستيوارت، ينجز OpenAI Daybreak في نحو ثماني ساعات هندسة عكسية لبرمجيات خبيثة بمستوى بشري، كانت تتطلب من باحث رفيع المستوى أربعة إلى ستة أسابيع. 🔗 المصدر
Circa وManus — تنشر Manus شهادة من Circa، وهي شركة ناشئة من بوسطن تعيد استخدام مواد الهدم وتستعين بالوكيل للعمل على موقعها وطلبات المنح وأداة تقدير؛ وقد أعلنت في سبتمبر عن إيرادات تراكمية تقارب 100 000 دولار، من دون أي جديد في المنتج. 🔗 المصدر
مدن أوروبية وNVIDIA — في كوت دور، تخفّض وكلاء Akila وThinkDeep المنشورة في أكثر من 500 مبنى عام تكاليف التشغيل بنسبة 10 %، مع استهداف 30 %؛ وتذكر NVIDIA أيضًا مشاريع في ميلانو وأنتويرب-بروج وغوتنبرغ وليفربول، من دون منتج جديد. 🔗 المصدر
MiniMax H3 IP Edition — في ملخص مؤتمرها المنعقد في طوكيو في 11 سبتمبر، تقول MiniMax إن أكثر من 60 شركة أبدت اهتمامًا؛ وجمع المشروع التجريبي Captain Tsubasa × PixVerse ما مجموعه 126 360 مبدعًا و329 314 عملًا مرخّصًا خلال 45 يومًا. 🔗 المصدر

النماذج المفتوحة وأبحاث المجتمع

Cohere تتحدث عن Rerank 5 — تنشر Cohere فيديو يلعب فيه Rerank لعبة Mario، وتدعو إلى مشاهدة ما إذا كان Rerank 5 يتجاوز نتيجة Rerank 4؛ ولم يُطلق أي شيء، ولا تزال الوثائق تسرد Rerank 4 وإصدارات 3.x فقط. 🔗 المصدر
Lumma-Fev-27B — تجري FrontiersMind ضبطًا دقيقًا كاملًا لـQwen3.8-27B على نحو 100 000 مثال لاتخاذ القرار (بالإنجليزية والهندية والتاميلية والكانادا): بلغت الإجابات الصحيحة 90,7 % مقابل 83,9 % لـJev 1.13 على 4 454 حالة قرار محجوزة للاختبار، لكن Jev يظل متقدمًا على BBH وWinoGrande؛ والقياسات من إعداد الباحثين، والأوزان متاحة بموجب Apache 2.0. 🔗 المصدر
TranscribePsy — تنشر Tether AI Research نموذجًا للتعرف على الكلام يضم 254M معلمة ويدعم 25 لغة أوروبية، بصيغتَي GGUF وCore ML: بلغ معدل أخطاء الكلمات 8,02 % على Open ASR Leaderboard مقابل 12,34 % لـWhisper-small، وهو أسرع بمقدار 2,6 مرة من أقرب منافسيه على ستة هواتف، بحسب Tether. 🔗 المصدر
VKORE-46M-NPU — تدرّب VIDRAFT من الصفر، باستخدام انتشار عكسي حقيقي، مفكّك ترميز صغيرًا يضم 46M معلمة على وحدة NPU للاستدلال ذات 32 شريحة؛ ويبلغ معامل ارتباط منحنى الخسارة لديه بمنحنى التدريب نفسه على GPU مقدار 0,99. 🔗 المصدر
التكميم وقدرات الوكلاء — استنادًا إلى 19 200 نتيجة مقترنة، يبيّن باتريك هيل (PBH Applied Systems) أن Mistral-Nemo بصيغة Q4_K_M يفقد على نحو ملحوظ 5 من أصل 8 قدرات للوكلاء، بانخفاض يصل إلى −28,0 نقطة في المخرجات المهيكلة المصحوبة بنص نثري، بينما لا تغيّر صيغتا Q5_K_M (بحجم 8,73 غيغابايت مقابل 7,48) وQ8_0 شيئًا. 🔗 المصدر
بوابة على Gated DeltaNet — يضيف آفي فينيش إلى LoRA مدرّبة باستخدام GRPO بوابة صغيرة على معامل بيتا في طبقات Gated DeltaNet: يقصر استدلال Qwen3.5-4B بنسبة 48 % على MATH-500، وترتفع الدقة في أي لحظة من 0,786 إلى 0,852. 🔗 المصدر
pico-165m — يدرّب فاوستو سابوريتو على شريحة TPU واحدة نموذجًا بحجم 165M يدوّن ملاحظات: يحقق 0,81 في اختبارات الذاكرة على محادثات تضم نحو 47 تبادلًا، مقابل 0,31 لـSmolLM2-360M-Instruct عند قراءة المحادثة كاملة. 🔗 المصدر

الاستدلال ونوى الحوسبة

DeepGEMM-Ascend وDeepGEMM 2.8.2 وTileKernels 2.1.0 — من دون إعلان، تضيف DeepSeek إلى مكتبتها الخاصة بوحدات NPU من Ascend نوى لحساب قيم logits المتناثرة في MQA، وحدًا C أو انحيازًا لعمليات GEMM بصيغ BF16 وFP8 وFP4، وتحدّث DeepGEMM إلى 2.8.2 وتنشر TileKernels 2.1.0 من دون ملاحظات إصدار. 🔗 المصدر
TokenSpeed وQwen3.8-Flash-Next — يشغّل محرك LightSeek مفتوح المصدر النموذج بمعدل 685,9 tokens/s لكل مستخدم عند تشغيل محادثة واحدة على أربع بطاقات GPU من NVIDIA GB300 بصيغة NVFP4، وبمعدل 95,7 tokens/s عند تشغيل 32 محادثة؛ وقد أشادت Qwen بالنتيجة. 🔗 المصدر
Qwen3.8-Flash-Next على AMD MI350P — يرفع فلوريان تسيمرمايستر عبر vLLM معدل الإنتاج الإجمالي من 1 168,2 إلى 2 256,6 tokens/s مع 32 تدفقًا (+93,2 %) على بطاقة GPU واحدة، انطلاقًا من إعداد أساسي يتضمن بالفعل MXFP4 مخصصًا. 🔗 المصدر
GLM 5.3 Flash على Microsoft Foundry — تضيف Hugging Face نموذج Z.ai إلى كتالوج Foundry الخاص بها، محسّنًا لـAMD MI300X في ثلاثة إعدادات بسياق طوله 512K؛ وعلى ShareGPT، يحقق الإصدار الذي يستخدم 8 بطاقات GPU بإعداد TP4 + DP2 نحو 1,8 ضعف معدل الإنتاج، ويخفض زمن الوصول إلى الرمز الأول من 11,3 إلى 5,2 s. 🔗 المصدر
Qwen3.8-27B على Neural Engine — يكمّم مشروع ANEMLL جميع مصفوفات MLP في النموذج إلى متجهات من 3 بتات: على شريحة M6، يبلغ تباعد KL مقدار 0,0518 مقارنة بـBF16، ويبلغ متوسط السرعة 37,5 tokens/s، مع أوزان بحجم 9,74 Gio؛ ولا تزال الدقة على المهام القياسية بحاجة إلى القياس. 🔗 المصدر
عارض الموترات في Hub — تعيد Hugging Face ترويسات جميع الأجزاء في طلب واحد: يُفتح DeepSeek-V3.2 خلال 0,45 s بدلًا من 9,2 s، وGLM-5.3 خلال 0,57 s بدلًا من 4,0 s. 🔗 المصدر

GitHub، بعيدًا عن الذكاء الاصطناعي

صلاحيات GitHub Apps — تتيح صلاحيتان دقيقتان إنشاء مستودع أو إدارة مستودعات تثبيت معيّن من دون حقوق إدارية، ويمكن لمسؤول مستودع ربط مستودعه بتطبيق معتمد مسبقًا؛ والهدف المعلن هو الاستغناء عن رموز PAT التقليدية. 🔗 المصدر
تقرير توافر GitHub — حتى 7 أكتوبر، كانت 120 خدمة من أصل 160 خدمة إنتاج تعمل في Central US، وقد رُحّلت 13 قاعدة من أصل 51 قاعدة بيانات MySQL أساسية؛ ولم تحقق GitHub هدفها المحدد في 30 سبتمبر، وتعود إلى حادثة 13 سبتمبر التي أثّرت في نحو 96 % من عمليات إنشاء المشكلات عبر الويب. 🔗 المصدر
سجل النجوم — تعيد نقطة الوصول الجديدة في API أعداد النجوم اليومية لمدة تصل إلى 30 أسبوعًا لكل طلب، من دون هويات: يكفي نحو 24 طلبًا لمستودع react/react بدلًا من نحو 2 511. 🔗 المصدر

ما الذي يعنيه ذلك

أصبح الصوت مجالًا للمقارنة بالأرقام، حيث تكتسب التكلفة أهمية تضاهي الترتيب. يحسّن Grok Voice 3.0 نتائجه دون تغيير سعر الدقيقة، وتبرز SpaceXSI التكلفة لكل مهمة، البالغة 0,025 دولار مقابل 0,030 لـ GPT-Live-1. ولا تحسم مقاييس Artificial Analysis هذه، التي يستشهد بها المطوّر، كل شيء: ففي τ-Voice، يظل GPT-Live-1 متقدمًا، ويعوّض Grok Voice 3.0 ذلك بزمن استجابة أقل بنسبة 40 %. وللنشر الفعلي وزنه أيضًا: إذ تُظهر 20 000 مكالمة يوميًا لدى Starlink، يُحل نحو 70 % منها دون تدخل بشري، أن الوكلاء الصوتيين يتولّون بالفعل جزءًا ملموسًا من دعم العملاء. وفي مجال الفيديو، يخفض FLUX 3 Video أسعاره لدقتَي 2K و4K بنسبة تتراوح بين 30 و53 % بفضل خدمة أقل استهلاكًا للقدرة الحاسوبية، بينما تراهن HeyGen على صوت مضبوط وفق الخصائص الصوتية للمشهد.

تُقيَّم النماذج الرائدة أيضًا بناءً على نتائج البحث العلمي. تعرض Google استخدام Argon في مفكّك ترميز كمومي، وحدسية في فيزياء البلازما، وإنزيمات اختُبرت في المختبر، وتعرض Meta عملها على عشر مخطوطات طبية، فيما تعرض Ai2 بيانات مناخية بدقة مكانية تبلغ 3 كم، أُنتجت بتكلفة أقل بنحو 300 مرة. وتظل الحدود مذكورة بوضوح: فملخص المقال حول حدسية غراد لا يذكر Argon، ودراسات Meta استعادية وتُعدّ إحداها مولِّدة للفرضيات، وفي مستودع ADK لم تُبقِ المراجعة البشرية سوى تحسينين من أصل ستة. وفي جميع هذه الحالات، يحتفظ الإنسان بالكلمة الأخيرة: ففي تجربة Meta، يقرر الباحثون في الطب الاستنتاجات العلمية، ويستبعد القائمون على صيانة ADK أجزاء مما يقترحه الوكيل.

أصبحت تكلفة عمل الوكلاء موضوعًا محوريًا في أدوات التطوير. يضغط Claude Code المحادثات الطويلة قبل انتهاء صلاحية ذاكرة التخزين المؤقت لتجنّب إعادة معالجة كل شيء، ويضبط HydraFusion جهد الاستدلال خطوة بخطوة، وتُظهر دراسة Cohere Labs أن وكيلًا رئيسيًا قويًا تحيط به وكلاء منخفضة التكلفة يقترب من أفضل نتيجة بتكلفة أقل بنسبة 70 %. ويعالج HybridAgent المشكلة نفسها من خلال البنية، عبر الاستدلال دون إنتاج رموز. ولضبط هذه النفقات، لا بد من رؤيتها: فسجلات التتبّع في Claude Platform وClaude Code 2.1.300 تتبع الآن اصطلاحات GenAI نفسها في OpenTelemetry، وتقدّر Ramp الانخفاض في عدد الرموز لدى بعض الوكلاء بنسبة تتراوح بين 10 و20 % نتيجة تقييم سجلات التتبّع الخاصة بها. ويذكّر تقرير OpenAI عن الاتحاد الأوروبي بحجم المسألة: إذ يستحوذ Codex وChatGPT Work بالفعل على أكثر من نصف رموز الإخراج لدى عملاء Enterprise الذين شملتهم الدراسة.

يكتسب أمن الذكاء الاصطناعي أيضًا بُعدًا عامًا. ففي سنغافورة، يشهد أسبوع Cyber Week نفسه توقيع Anthropic مذكرة تفاهم بشأن تقييم النماذج والاستجابة للحوادث، وعرض Google DeepMind بالتعاون مع GovTech نظامًا لكشف عمليات الاحتيال يعمل بالكامل على الهاتف. وفي المملكة المتحدة، تموّل NVIDIA أبحاث سلامة الوكلاء بتوفير القدرة الحاسوبية؛ وفي الولايات المتحدة، تُعِدّ Anthropic نموذج Claude لانتخابات التجديد النصفي باستخدام مصنِّفات لمكافحة الحملات المجزّأة إلى مهام صغيرة. وداخل الشركات، تقول OpenAI إنها حدّدت باستخدام نماذجها الخاصة الموظف الذي أخفى جهاز تسجيل، ويثبّت GitHub تبعيات مسارات العمل كي لا يؤدي نقل وسم إلى تنفيذ شيفرة تختلف عن تلك التي خضعت للمراجعة، ويفرض VS Code، بموجب سياسة المؤسسة، إطار تشغيل Copilot وقواعد التنفيذ الخاصة به.