Meta تتيح Muse Spark Open بمعلماته البالغ عددها 816 مليارًا، وNVIDIA تطلق Nemotron 3.5 Super VL، وCohere تعتزم الاستحواذ على AISLE

JLS42 / ١٥ أكتوبر ٢٠٢٦

مقال من إنشاء الذكاء الاصطناعي

Meta تتيح Muse Spark Open بمعلماته البالغ عددها 816 مليارًا، وNVIDIA تطلق Nemotron 3.5 Super VL، وCohere تعتزم الاستحواذ على AISLE

تنشر Meta أوزان Muse Spark Open، وهو نموذج متعدد الوسائط ببنية مزيج الخبراء يضم 816 مليار معلمة، وتقدّمه بوصفه أقوى نموذج أمريكي مفتوح، مع دعم من NVIDIA وHugging Face وسبعة مزوّدين لواجهات API منذ يوم إطلاقه. وتتيح NVIDIA أيضًا Nemotron 3.5 Super VL، وهو نموذج يضم 120 مليار معلمة موجّه للوكلاء، بينما توقّع Cohere خطاب نوايا للاستحواذ على AISLE، المتخصصة في الاكتشاف المستقل للثغرات، وتؤسس Cohere Cyber. وتنشر Perplexity الشيفرة المصدرية لـSPACE، بيئة العزل الخاصة بـComputer، وتتيح Black Forest Labs أوزان FLUX 3 Image Klein، وتطلق Cognition خدمة Devin Oncall، وهي وكيل مناوبة يحقق في حوادث بيئات الإنتاج.

Muse Spark Open: تتيح Meta نموذج MoE متعدد الوسائط يضم 816 مليار معلمة، وتلحق بها NVIDIA وHugging Face في اليوم نفسه

15 أكتوبر — تنشر Meta أوزان Muse Spark Open، وهو نموذج متعدد الوسائط ببنية مزيج الخبراء (مزيج من الخبراء، MoE) يضم 816 مليار معلمة، منها 42 مليارًا نشطة لكل رمز، مع نافذة سياق تبلغ مليون رمز. يقرأ النموذج النصوص والصور والفيديو والصوت، ويجيب نصيًا؛ وقد درّبته Meta على البرمجة والعمل بالوكلاء. وضمن عائلة Muse، يصبح النموذج المفتوح الكبير، متجاوزًا Muse Glimmer، النموذج الكثيف الصغير الذي يضم 30 مليار معلمة ونُشر في أغسطس، ويأتي بعد ثلاثة أيام من Muse Wonder الذي ظل مغلقًا.

Today we’re releasing Muse Spark Open, the most capable US open-weight model to date. Built for coding and agentic work, it excels at long-horizon tasks, complex software engineering, and multi-step reasoning.

🇸🇦 ننشر اليوم Muse Spark Open، أقوى نموذج أمريكي متاح الأوزان حتى الآن. صُمّم للبرمجة والعمل بالوكلاء، ويتفوق في المهام الطويلة وهندسة البرمجيات المعقدة والاستدلال متعدد الخطوات. — @AIatMeta على X

ينبغي فهم وصفه بأنه «الأقوى» بمعناه المحدد بدقة. ففي جدول بطاقة النموذج على Hugging Face، حيث يُقيَّم النموذج بإعداد xhigh، يتصدر Muse Spark Open ثمانية صفوف من الجدول الكامل، منها استخدام أدوات MCP وJobBench، لكن النماذج الصينية المفتوحة الكبيرة تظل متقدمة عليه في مؤشر Artificial Analysis ‏(45 لـGLM 5.3 و44 لـKimi K3، مقابل 39) وفي البرمجة. وبالمقارنة مع النماذج الأمريكية الثلاثة الأخرى في الجدول، وهي Inkling من Thinking Machines وNemotron 3 Ultra من NVIDIA وBeam من Reflection AI، لا يتفوق عليه في القدرات سوى Beam، على GPQA Diamond ‏(90,5 مقابل 89,0) وTerminal-Bench 2.1 ‏(80,1 مقابل 76,4).

معيار التقييم (بطاقة Hugging Face)	نتيجة Muse Spark Open (xhigh)	أفضل منافس في الجدول
MCP-Atlas	89,2	84,5 (Qwen3.8-2.4T-A95B)
JobBench	61,8	61,4 (GLM 5.3)
HLE-Diamond (دون أدوات)	26,1	22,2 (Kimi K3)
مؤشر Artificial Analysis	39	45 (GLM 5.3)
OSWorld Verified	80,4	84,8 (Kimi K3)
DeepSWE 1.1	60	68 (Kimi K3)
Terminal-Bench 2.1 (Terminus 2)	76,4	85,0 (Kimi K3)
StrongREJECT v2 (الأقل أفضل)	0,5	62,9 (GLM 5.3)

بما أن جميع الخبراء يبقون في الذاكرة، فهو يحتاج إلى ذاكرة نموذج يضم 816 مليار معلمة للحصول على سرعة نموذج يضم 42 مليارًا. ويبلغ حجم أوزان BF16 نحو 1,5 تيرابايت (مستودع Muse-Spark-Open-816B-A42B على Hugging Face، المتاح بعد ملء استمارة)، بينما تتسع عقدة B200 واحدة لنسخة NVFP4. ومع ذلك، تشدد Meta على التشغيل المحلي: فقد حُسّن النموذج للعمل باستخدام MLX على جهازَي Mac Studio M5 Ultra متصلين، يوفّر كل منهما ما يصل إلى 512 غيغابايت من الذاكرة الموحدة. واختبرت Hugging Face إعدادًا أكثر تواضعًا، على جهاز Mac M3 Ultra واحد بذاكرة 512 غيغابايت: تشغل نسخة بدقة 2 بت تعمل عبر llama.cpp مساحة 304 غيغابايت، وتنتج 18 رمزًا في الثانية.

تُنشر الأوزان بموجب Muse Model License، التي تتضمن قيودًا على الاستخدام التجاري وتتيح، وفقًا لـMeta، لعدد كبير من المطورين استخدام النموذج مجانًا. ويوفّره سبعة مزوّدين منذ اليوم الأول: Baseten وFireworks AI وGroq وModal وNebius وOpenRouter وTogether AI. وتقول Meta إنها أضافت تدريبًا لاحقًا للأمان مخصصًا للأوزان المفتوحة، واستوفت عتبات النشر في إطار Meta Superintelligence Scaling Framework الذي حُدّث في 2 أكتوبر. وعلى StrongREJECT v2، حيث تكون النتيجة الأقل أفضل، يحقق النموذج 0,5، مقابل نتائج تتراوح بين 62,9 و86,4 للنماذج الأخرى التي خضعت للتقييم. وعلى FORTRESS، يحقق أفضل نتيجة لمتوسط المخاطر (5,8، مقابل 21,6 إلى 28,2)، لكنه يسجل أعلى نتيجة للرفض المفرط في الجدول (17,4، مقابل 2,7 إلى 13,3).

ترافق NVIDIA الإصدار بتدوينة تقنية: دُرّب Muse Spark Open على رفوف GB300 NVL72، وحُسّنت نقاط التحقق بصيغة NVFP4 التي أنتجتها Meta لتعمل على Blackwell Ultra. وفي أعباء عمل الوكلاء، تعلن NVIDIA الوصول إلى 50 000 رمز في الثانية لكل GPU وإلى 600 رمز في الثانية لكل مستخدم، وتنشر وصفات نشر لـSGLang وvLLM وTensorRT LLM وDynamo، وخدمة NIM، ووصفات للتدريب اللاحق باستخدام NeMo AutoModel.

ولحقت بقية المنظومة خلال اليوم نفسه: أُضيف دعمه إلى Transformers وTRL (انظر أدناه)، وأضاف mlx-lm 0.32.0 نسخة NVFP4، وأعلنت Unsloth نسخة بدقة 2 بت تتسع لها ذاكرة بنحو 256 غيغابايت، وقدمت Meta لـSGLang نوى Helion أسرع بما يصل إلى 3,95 مرة على مستوى النوى. وفي تدوينتها، أجرت Hugging Face حتى ضبطًا دقيقًا للنموذج الكامل على 64 وحدة GPU من طراز H100، لترتفع الدقة المتوسطة لكل رمز من 72 إلى 84 %.

🔗 تدوينة Meta · بطاقة النموذج (Hugging Face) · تدوينة Hugging Face · تدوينة NVIDIA التقنية

Nemotron 3.5 Super VL: تتيح NVIDIA نموذجًا متعدد الوسائط يضم 120 مليار معلمة للوكلاء، وتدمجه Perplexity في اليوم نفسه

15 أكتوبر — تنشر NVIDIA نموذج Nemotron 3.5 Super VL، وهو نموذج مفتوح ببنية مزيج الخبراء يضم 120 مليار معلمة، منها 12 مليارًا نشطة لكل رمز. ويجمع بين الاستدلال واتباع التعليمات واستدعاء الأدوات، مع فهم النصوص والصور والمستندات والفيديو، لخدمة وكلاء ينفذون مهام طويلة متتابعة: يقرأ النموذج نفسه صفحة ويب أو رسمًا بيانيًا أو ملف PDF ثم يتصرف، دون نقل السياق من نموذج نصي إلى نموذج رؤية. ووفقًا لـNVIDIA، يحقق في مهام الوكلاء متعددة الوسائط دقة تضاهي دقة أكبر نماذج الاستدلال لديها، باستخدام نحو خُمس عدد المعلمات.

التقييم الذي أعلنته NVIDIA	نتيجة Nemotron 3.5 Super VL	مرجع المقارنة
Hermes Bench	63,44 %	56,33 % (Nemotron 3 Ultra)
تقييمات LangChain السلوكية	87,05 %	84,3 % (Nemotron 3 Ultra)
CharXiv (قراءة الرسوم البيانية)	80,8 % (84 % باستخدام شيفرة Python)	63 % (Nemotron 3 Nano Omni)

تركز NVIDIA خصوصًا على الكفاءة: فعلى GPU واحد، يصل معدل المعالجة إلى 5 أضعاف النماذج المفتوحة الأخرى بحجمه في مهام الوكلاء، ويتجاوز 600 رمز في الثانية في مهام الوكلاء ضمن مؤشر Artificial Analysis عبر Baseten، مع إنجاز 10 000 مهمة برمجية بسرعة أكبر بما يصل إلى 4 مرات، مع الحفاظ على دقة جيدة على SWE-Bench Pro. وقد اشتُق بالتقطير من Nemotron 3 Ultra، ويتفوق عليه في تقييمَي أطر الاختبار الواردين في الجدول. وعلى صعيد تقديم الخدمة، يسرّع فك الترميز التخميني LiLiCorr التوليد بما يصل إلى 2,3 مرة على DGX Spark، ويتيح Dynamo خدمة عدد أكبر من المستخدمين بما يصل إلى 8 مرات على 16 وحدة GPU من طراز B200، بمعدل 50 رمزًا في الثانية لكل مستخدم، مع خفض زمن انتظار أول رمز بنسبة 85 %.

يشمل النشر جميع المكونات: الأوزان الأساسية، والأوزان بعد التدريب اللاحق، والأوزان المكمّمة بصيغة NVFP4، والوصفات، وبيئات التعلم المعزز في NeMo Gym، ومجموعات بيانات مفتوحة، منها 40 مجموعة للرؤية واللغة ومتن يضم نحو 2 800 مليار رمز في 22 لغة هندية، أُعدّ بالتعاون مع IIT Madras ومختبره AI4Bharat. وقد تعرّض النموذج لنحو 26 000 مليار رمز أثناء التدريب. وهو متاح على Hugging Face وOpenRouter وModelScope، وبصيغة خدمة مصغرة NIM، دون إعلان سعر؛ وتشير NVIDIA إلى تكييفات لدى Scale AI لصالح Skydance، مع تكلفة استدلال معلنة أقل بـ40 مرة، وكذلك لدى Ramp وAI21 وAlice.

أضافته Perplexity في اليوم نفسه لمشتركي Pro وMax، وكذلك ضمن Agent API. ويحدد سجل تغييرات API سعر perplexity/nemotron-3.5-super-120b-a12b عند 0,20 دولار لكل مليون رمز إدخال (0,04 دولار للرموز المخزنة مؤقتًا)، و0,50 دولار للإخراج، مع سياق يبلغ 1 048 576 رمزًا وإمكانية توليد ما يصل إلى 131 072 رمزًا، ليحل محل Nemotron 3 Ultra. وهناك تناقض بسيط: فهذا الإدراج يصف نموذجًا يقبل الإدخال النصي فقط، بينما تعلن تغريدة Perplexity نسخة VL التي تقرأ الصور أيضًا.

وفي اليوم نفسه، يصل Nemotron 3.5 Bolt 74B-A9B 24GB، الذي أُعلن عنه في 13 أكتوبر، إلى Hugging Face: فقد كُمّم أصلًا بدقة 2 بت ليتسع في 24 غيغابايت، ويستهدف حواسيب RTX Spark المحمولة المتاحة في 16 أكتوبر، ويعمل مع llama.cpp وOllama وLM Studio وUnsloth وvLLM. وتصنّفه NVIDIA في المرتبة الأولى بين النماذج المفتوحة من فئته على PinchBench؛ وستتبعه نسخة Bolt E4B 4GB في 23 أكتوبر.

🔗 إعلان NVIDIA · تدوينة NVIDIA التقنية · إعلان Perplexity · سجل تغييرات API لدى Perplexity

الأمن السيبراني: تعتزم Cohere الاستحواذ على AISLE وتؤسس Cohere Cyber، وGitHub تعمم AI Scan والإصلاح التلقائي بالوكلاء

في اليوم نفسه، توظّف شركتان الذكاء الاصطناعي للبحث عن الثغرات وإصلاحها: تستحوذ Cohere على الخبرة المتخصصة، بينما تعمم GitHub هذه القدرات ضمن فحص الشيفرة لديها.

15 أكتوبر — تعتزم Cohere الاستحواذ على AISLE، وهي شركة ناشئة تبني أنظمة مستقلة قادرة على اكتشاف ثغرات لم تكن معروفة من قبل في البرمجيات الحيوية، والتحقق منها والمساعدة على إصلاحها. ووقّعت الشركتان رسالة نوايا (خطاب نوايا): لم تُستكمل الصفقة بعد، ولم تُنشر قيمتها أو جدولها الزمني. وعند إتمامها، سيصبح مقر AISLE في براغ مكتب Cohere في المدينة.

المؤشر المنشور عن AISLE	القيمة المعلنة
سنة التأسيس	2024
ثغرات جديدة حصلت على معرّف CVE	أكثر من 500، في أكثر من 100 قاعدة شيفرة
OpenSSL، النشرة الأمنية لشهر يناير	الثغرات الـ12 المنشورة
curl، أحدث إصدار	18 من أصل 24 معرّف CVE
معرّفات CVE لثغرات عالية الخطورة أو حرجة	أكثر من 200 (وفقًا لإيدان غوميز)

Aisle is the state-of-the-art in defensive cyber, having found 200+ High/Critical CVEs in critical software like curl, FFmpeg, FreeBSD, Wireshark.

🇸🇦 تتصدر Aisle مجال الدفاع السيبراني، بعدما اكتشفت أكثر من 200 ثغرة عالية الخطورة أو حرجة مسجلة بمعرّفات CVE في برمجيات حيوية مثل curl وFFmpeg وFreeBSD وWireshark. — @aidangomez على X

وفي سلسلة المنشورات نفسها، يؤكد إيدان غوميز، الذي يقود Cohere، أن AISLE تفوقت على Glasswing ‏(Mythos) لدى Anthropic وDaybreak لدى OpenAI، باكتشاف 29 ثغرة جديدة مسجلة بمعرّفات CVE في curl، بينما يُقال إن Mythos لم يكتشف أيًا منها؛ ولا يتطابق هذا الرقم مع «18 من أصل 24 معرّف CVE» الواردة في تدوينتَي الشركتين.

يتولى الفريق المؤسس لـAISLE مناصب قيادية. ويصبح أوندري فلتشيك، الرئيس التنفيذي لـAISLE، النائب الأول لرئيس Cohere Cyber، وهي وحدة جديدة مكلفة بتقديم حلول الأمن السيبراني لعملاء Cohere؛ وتتولى جايا بالو منصب الرئيسة العالمية لأمن المعلومات لدى Cohere؛ ويصبح ستانيسلاف فورت، المدير التقني وكبير العلماء في AISLE، نائب الرئيس لأمن الذكاء الاصطناعي، وسيعمل مع إيفان تشانغ، المدير التقني لـCohere، لربط أبحاث الأمن بتطوير النماذج وتدريبها.

ترى Cohere في ذلك خطوة إضافية ضمن استراتيجيتها الأوروبية، بعد Reliant AI وAleph Alpha: إذ تخطط الشركة لاستثمار «كبير» وطويل الأمد في براغ، التي يُنتظر أن تصبح مركزها العالمي للأمن السيبراني للذكاء الاصطناعي، على مسافة رحلة قصيرة من مقرها الجديد في برلين، وفقًا لإيدان غوميز. والهدف مزدوج: مواصلة عمل AISLE على أمن البرمجيات مفتوحة المصدر، وتمكين مشغّلي البنى التحتية الحيوية من تحليل برمجياتهم بخصوصية تامة، بما في ذلك داخل بيئات غير متصلة (معزولة ماديًا عن الشبكات). وتضيف التدوينتان حجة تتعلق بالنماذج: يمكن استخدام مسائل أمنية صعبة لكن قابلة للتحقق لتقييم نماذج Cohere المستقبلية وتحسينها.

🔗 تدوينة Cohere · تدوينة AISLE

GitHub : الإتاحة العامة لـ AI Scan لطلبات السحب والإصلاح التلقائي القائم على الوكلاء للتنبيهات

15 أكتوبر — تتيح GitHub إتاحة عامة مكوّنين من منظومتها لفحص الشيفرة بالاعتماد على الذكاء الاصطناعي، أحدهما يكتشف الثغرات في طلبات السحب، والآخر يصلح التنبيهات.

يكمّل AI Scan لطلبات السحب عمل CodeQL في المجالات التي لا يغطيها المحلّل بعد: PHP وShell/Bash وإعدادات Terraform ‏(HCL) وDockerfiles وJSP في Java أو Blazor في C#. ويعمل تلقائيًا على كل طلب سحب بمجرد تفعيل فحص الشيفرة وإعداد AI Scan في المستودع، وتظهر نتائجه إلى جانب نتائج CodeQL بعلامة «AI»، وأحيانًا مع شرح للمخاطر وإصلاح مقترح. وتبقى هذه النتائج إرشادية: فهي لا تتسبب في فشل الفحص ولا يمكنها منع الدمج، كما لا يعمل التحليل على طلبات السحب الواردة من تفريعات المستودع أو تلك التي ينشئها Dependabot.

أما الإصلاح التلقائي القائم على الوكلاء (agentic autofix) فيتولى تنبيهًا مسندًا إلى Copilot: يستكشف الملفات المعنية، ويقترح إصلاحًا، ويعيد تشغيل CodeQL للتحقق من إغلاق التنبيه فعلًا، ويكرر العملية عند الحاجة، ثم يفتح طلب سحب في وضع المسودة. ويمكن إسناد تنبيه من الفرع الافتراضي إليه، أو ما يصل إلى 25 تنبيهًا لإصلاحها في طلب سحب واحد، أو استخدام REST API بإسناد التنبيه إلى copilot-swe-agent[bot]؛ وبمجرد تفعيله، يحل محل خيار Generate Fix المجاني.

مكوّن GitHub المتاح إتاحة عامة	الخطط والشروط	طريقة احتساب الرسوم
AI Scan لطلبات السحب	المستودعات العامة؛ Code Security أو Advanced Security للمستودعات الخاصة والداخلية التابعة للمؤسسات، من دون ترخيص Copilot	Code Security AI Credits
الإصلاح التلقائي القائم على الوكلاء للتنبيهات	Code Security أو Advanced Security على GitHub Enterprise Cloud، بما يشمل إقامة البيانات؛ يلزم تفعيل سياسة Agentic autofix وتوفير وسيلة فوترة لـ Copilot	AI Credits من ميزانية Code Security ودقائق GitHub Actions

يختتم الإطلاقان سلسلة تناولناها هنا منذ سبتمبر: API لتفعيل AI Scan في 10 سبتمبر، والإصلاح التلقائي القائم على الوكلاء المدعوم بـ Copilot Memory في إصدار معاينة في 25 سبتمبر، ومقاييس AI Scan ضمن النظرة العامة على الأمان في 13 أكتوبر.

🔗 AI Scan لطلبات السحب (سجل تغييرات GitHub) · الإصلاح التلقائي القائم على الوكلاء لتنبيهات فحص الشيفرة (سجل تغييرات GitHub)

SPACE : تطرح Perplexity بيئة العزل الخاصة بـ Computer كمصدر مفتوح بترخيص Apache 2.0

15 أكتوبر — تطرح Perplexity منصة SPACE ‏(Sandboxed Platform for Agentic Code Execution) كمصدر مفتوح، وهي منصة بيئات العزل (sandboxes) التي تنفّذ كل مهمة في Perplexity Computer. وكانت Perplexity قد شرحت في اليوم السابق كيف توجّه SPACE كل طلب إلى بيئة التنفيذ المعزولة المناسبة؛ والآن أصبحت الشيفرة نفسها متاحة على GitHub بترخيص Apache 2.0. وتعمل كل مهمة وكيل داخل آلة افتراضية مصغّرة خاصة بها من Firecracker، مع التحكم في بيانات الاعتماد وحركة البيانات الصادرة من خارج الآلة الافتراضية.

يقوم مبدأ الأمان على فكرة واحدة: تُعدّ بيئة العزل غير موثوقة. ويشغّل وكلاء Computer فيها الأوامر، ويثبّتون الحزم، ويستدعون خدمات خارجية بصلاحيات root، لكن المضيف يبقى خارج متناولهم، وتطبّق بوابة خاصة بكل بيئة عزل سياسة الاتصالات الصادرة على كل اتصال؛ ويصل الوكلاء إلى الخدمات المسموح بها من دون تخزين بيانات الاعتماد في بيئة عملهم. وتستمر بيئة العزل أيضًا بعد انتهاء الطلب الذي أنشأها: إذ يمكن إيقافها مؤقتًا، أو إنشاء نسخة متفرعة منها (fork)، أو تعليقها بحفظ لقطة للذاكرة والقرص، ثم استئناف تشغيلها.

عنصر SPACE	القيمة التي أوردتها Perplexity
لغة المستودع وترخيصه	Rust, Apache 2.0
العزل	آلة افتراضية مصغّرة من Firecracker لكل مهمة وكيل
حجم الاستخدام في بيئة الإنتاج	ملايين بيئات العزل المنشأة يوميًا، لجميع جلسات Computer منذ يوليو
سرعة الإنشاء مقارنة بالمزوّد السابق	أسرع بثلاث إلى خمس مرات، مع حركة البيانات نفسها في بيئة الإنتاج
Escaping SPACE, Part I	لم يحدث أي هروب إلى المضيف في 108 محاولات
جدول الإصدارات	0.8.0 أساسًا للإصدار العام، ثم 0.9.0 و1.0.0

لم يجد تقييم Escaping SPACE في سبتمبر أي هروب من الآلة الافتراضية إلى المضيف، لكنه كشف سبلًا لتجاوز قيود الشبكة: وقد أُصلحت، ولم تعد الأساليب المكتشفة تنجح في الاختبارات اللاحقة، وفقًا للتدوينة. ويُثبّت المستودع، المكتوب بلغة Rust، محليًا على عنقود Kubernetes تجريبي (Kind)، ويوفّر مجموعات من بيئات العزل المجهّزة مسبقًا (warm pools) وطبقة توافق مع API الخاصة بـ E2B، جرى اختبارها باستخدام SDK الخاصة بها بلغة Python؛ وسيكون 0.9.0 آخر إصدار يُدخل تغييرات تكسر التوافق قبل إصدار 1.0 ذي العقود المستقرة.

اختبرت CoreWeave وAkamai منصة SPACE وأطلقتاها على منصتيهما، وتعملان على إتاحتها لعملائهما، وستضيفها Crusoe إلى عرضها Managed AI Services. وتقدّم Perplexity منصة SPACE بوصفها أول مكوّن في منصتها لتشغيل الوكلاء (Agentic Runtime Platform)، مع إتاحته كمصدر مفتوح لرفع مستوى أمان المنتجات القائمة على الوكلاء.

🔗 تدوينة Perplexity · سلسلة منشورات @perplexity_ai · مستودع SPACE ‏(GitHub)

الوسائط التوليدية : FLUX 3 Image Klein بأوزان مفتوحة على GPU استهلاكي، وKling 4.0 للجميع، وInstant Soundtracks من ElevenLabs

15 أكتوبر — تطرح Black Forest Labs نموذج FLUX 3 Image Klein، وهو نموذج صور بأوزان مفتوحة يضم 5,6 مليارات معلمة، ببنية تقتصر على المولّد، ويعمل على GPU استهلاكي واحد. ويولّد النموذج نفسه صورًا انطلاقًا من النصوص، ويُجري تعديلات بالاستناد إلى مرجع واحد أو عدة مراجع، تصل إلى 10 صور؛ ويستعيد أبرز وظائف FLUX 3 Image، الذي أُطلق في 1 أكتوبر: التوليد الأصلي بدقة 4K، والتحرير بدقة البكسل، ومربعات الإحاطة (bounding boxes) التي تحدد في الموجّه موضع عنصر أو تقصر التعديل على منطقة معينة.

وفقًا لتقييمات BFL الداخلية، يحتل Klein المرتبة الأولى في تحويل النص إلى صورة، واستخدام المراجع المتعددة، والتحرير، مقارنة بنموذجين مفتوحين أكبر حجمًا، هما Qwen-Image 2.1 ‏(7B) وKrea 2 ‏(12,9B)، ويتفوق على النموذجين المغلقين المشمولين بالمقارنة، Ideogram V4.5 وFLUX.2 [pro]. وبالمقارنة مع سلفه FLUX.2 [klein] 9B، يحقق زيادة قدرها 91 نقطة Elo في تحويل النص إلى صورة و70 نقطة في التحرير، مع عدد معلمات أقل بنسبة 38 %.

الإعداد المختبَر	النتيجة المعلنة
الأوزان بصيغة BF16 / بصيغة FP8	11,2 Go / 5,6 Go
إصدار INT8 على GeForce RTX ‏(ComfyUI أو Diffusers)	يعمل بذاكرة VRAM سعتها 8 Go
RTX 5090، النسخة المقطّرة بصيغة INT8 (قياس NVIDIA)	نحو 4 s لكل صورة بدقة 1 ميغابكسل
RTX 4070، النسخة المقطّرة بصيغة INT8 (قياس NVIDIA)	أقل من 9 s لكل صورة بدقة 1 ميغابكسل
H100، النسخة المقطّرة في Diffusers	نحو 2 s لكل صورة بدقة 1024 × 1024 بكسل
GB300، النسخة المقطّرة بصيغة NVFP4	أقل من 0,6 s لكل صورة بدقة 1 ميغابكسل

دمجته Hugging Face في Diffusers في اليوم نفسه، مع نقطتَي حفظ: النسخة المقطّرة، بـ 16 خطوة ومن دون CFG، والنسخة الأساسية، بـ 50 خطوة، المخصّصة للضبط الدقيق. وتُضاف إليهما أوزان بصيغتَي NVFP4 وFP8، ومُرمّز النصوص Qwen3-VL، ونصوص برمجية للضبط الدقيق باستخدام LoRA؛ وبصيغة NVFP4، تبلغ ذروة استهلاك الذاكرة بعد الاستدلال 15,3 Gio على RTX 6000. وتدعمه أيضًا ComfyUI وTensorRT-LLM وSGLang Diffusion وvLLM-Omni منذ إطلاقه، وقد طُوّرت إصدارات FP8 وINT8 وNVFP4 بالتعاون مع NVIDIA.

تُنشر الأوزان بترخيص FLUX Kommunity، المجاني للاستخدام التجاري للأفراد والشركات التي تقل إيراداتها السنوية عن 5 ملايين دولار، وكذلك للأبحاث؛ وما يتجاوز ذلك يتطلب ترخيصًا للاستضافة الذاتية أو استخدام API. وتتيح API الخاصة بـ BFL النموذج flux-3-image-klein بسعر يبدأ من 0,009 دولار لكل صورة بدقة 1K. وهو ثاني نموذج مفتوح في عائلة FLUX 3، بعد FLUX 3 Action، وتعلن BFL أن نماذج أخرى ستتبعه.

🔗 تدوينة Black Forest Labs · إعلان @bfl_ai · FLUX 3 Image Klein في Diffusers ‏(Hugging Face)

Kling 4.0 يصبح متاحًا بالكامل، مع إمكانية الوصول عبر MCP وسطر الأوامر

15 أكتوبر — تتيح Kling AI نموذج Kling 4.0 للجميع، بعد فتح الوصول المبكر في 30 سبتمبر. ويُستخدم نموذج الفيديو ضمن واجهة إنشاء مُجدّدة على kling.ai، وللمرة الأولى عبر MCP وسطر الأوامر (CLI)، مما يتيح دمجه في سلاسل إنتاج تعتمد على الأدوات. وأُعلن عن وظيفتين ستتوفران قريبًا، من دون تحديد موعد: إخراج فيديو HDR بعمق 10 بت بدقتَي 4K و1080p، وإتاحة الوصول عبر API للشركات والمطوّرين. وتبقى المواصفات المقدّمة في 28 سبتمبر هي المرجع: مقاطع من 3 إلى 30 ثانية، بدقة تصل إلى 4K، وصوت ستيريو، و10 إطارات رئيسية، و15 مرجعًا، وموجّهات بطول 8 000 رمز. ولا يتضمن الإعلان أسعارًا أو نتائج اختبارات معيارية.

🔗 إعلان Kling AI · ملاحظات إصدار Kling

Instant Soundtracks : تؤلّف ElevenLabs موسيقى ومؤثرات صوتية متزامنة انطلاقًا من فيديو

15 أكتوبر — تطلق ElevenLabs أداة Instant Soundtracks في ElevenCreative: يرفع المستخدم فيديو، فيؤلّف النموذج موسيقى أصلية، ويحدّد اللحظات التي تستدعي مؤثرًا صوتيًا، ويضع كل مؤثر في توقيته الصحيح، مثل صوت «اندفاع هوائي» متزامن مع ظهور الشعار في نهاية إعلان. وتستهدف الأداة المقاطع القصيرة، مع مزامنة أدق مع القطع والانتقالات، وتغيّر الطابع الموسيقي من مشهد إلى آخر، ويمكنها اتخاذ الصوت الأصلي مرجعًا من حيث النوع الموسيقي والإيقاع والآلات المستخدمة. وتُقدَّم المؤثرات في مسارات منفصلة قابلة للتعديل قبل التصدير.

معلمة API الخاصة بـ ElevenCreative Studio	وظيفة المعلمة
`add_sfx`	تضيف المؤثرات الصوتية المتزامنة
`separate_tracks`	تُرجع الموسيقى والمؤثرات في ملفات منفصلة (.ZIP)
`use_audio_as_reference`	تتخذ الصوت الأصلي مرجعًا موسيقيًا

تتوفر Instant Soundtracks في ElevenCreative وElevenMusic وعبر API، التي تقبل ما يصل إلى 10 مقاطع فيديو و200 Mo و10 دقائق من الفيديو إجمالًا لكل طلب. ولم تعلن ElevenLabs عن سعر.

🔗 إعلان ElevenLabs

وكلاء البرمجة : Cognition تطلق Devin Oncall، وClaude Code 2.1.301 وCode Review، وDelta 0.20، وAntigravity CLI 1.3.6، وCodex لدى OpenAI، وMX Keypad

15 أكتوبر — تطلق Cognition خدمة Devin Oncall، المتاحة الآن إتاحة عامة: يحقق Devin تلقائيًا في التنبيهات وتقارير الأخطاء، ثم يساعد الفريق على تشخيص حوادث بيئة الإنتاج وحلّها. ويتصل مباشرة بخدمات Datadog وDynatrace وSentry، وغيرها، ويعالج بالفعل، وفقًا لـ Cognition، آلاف تنبيهات بيئة الإنتاج يوميًا لدى بعض أكبر الشركات في العالم. ولا ترتبط بنيته بأي نموذج بعينه: تختار Cognition النموذج الأكثر فاعلية لكل مهمة مناوبة.

الوكيل والنموذج الخاضعان للتقييم	النجاح من البداية إلى النهاية (SREGym-Lite)	مصدر النتيجة
Devin Oncall + Claude Opus 5.5	100 % (في 2 min 21 s)	تقييم Cognition الداخلي
Devin Oncall + GPT-6 Astra	100 %	تقييم Cognition الداخلي
Devin Oncall + GPT-6.1 Sol	94,1 %	تقييم Cognition الداخلي
Devin Oncall + Claude Fable 5.1	85,3 %	تقييم Cognition الداخلي
CloudThinker + Claude Opus 5	76,5 %	الترتيب العام لـ SREGym
Codex + GPT-5.6 Sol	76,5 %	الترتيب العام لـ SREGym
Claude Code + Claude Sonnet 5	45,1 %	الترتيب العام لـ SREGym

يجمع SREGym-Lite عددًا قدره 17 عطلًا مستمدًا من حوادث حقيقية: على الوكيل تحديد السبب الجذري ثم إصلاح النظام أثناء تشغيله، ضمن عملية التنفيذ نفسها. وتأتي نتائج Devin Oncall من تقييم Cognition الداخلي، فيما تأتي نتائج الوكلاء الآخرين من الترتيب العام لـ SREGym حتى 15 أكتوبر، حيث يحقق CloudThinker أيضًا 100 % باستخدام GPT-6 Astra. وبذلك بلغ الاختبار سقفه: فوفقًا لـ Cognition، تحقق نماذج الفئة المتوسطة فيه بالفعل الدرجة القصوى، بينما كان سقف الجيل السابق يتراوح بين 50 و60 %.

تصف التدوينة خصوصًا الأدوات المحيطة بالنموذج. ويعمل وكيل مراجعة بالتوازي مع التحقيق لتفادي الاستنتاجات المتسرعة: اعتبار الارتباط سببًا، أو استبعاد بيانات قياس عن بُعد متناقضة، أو الخلط بين العامل المُطلِق للمشكلة وسببها. وتراكم ثلاثة مستويات من الذاكرة المعرفة الخاصة بالشركة: ذاكرة خاصة بكل مستجيب، ومهارات تُولَّد عبر فهرسة البيئة بانتظام، وذاكرة للمؤسسة يغذّيها كل تحقيق. وتراقب مكوّنات Responders، المقدَّمة بوصفها الجيل الجديد من Auto-Triage، تدفّقًا من التنبيهات، وتتجنب نحو 60 % من التحقيقات عبر التعرّف على المشكلات التي سبق رصدها، مما يوفّر أكثر من نصف تكلفة عمليات الأتمتة التقليدية؛ أما وضع Incidents فيضع Devin في قناة إدارة الأزمة، مع مستند للحادث يُحدَّث باستمرار ونسخ Devin فرعية تتولى الإجابة عن أسئلة المهندسين المباشرة.

توضح أمثلة ثلاثة عملاء هذا الإطلاق. ففي Reducto، فتح Devin حادثًا من تلقاء نفسه، قبل وقت طويل من انطلاق تنبيهات بيئة الإنتاج؛ وفي RV Tech، المشروع المشترك بين Rivian وVolkswagen، يستخرج من تقارير العملاء معرّفات المركبات والطوابع الزمنية، ويسترجع السجلات ويُجري الفرز الأولي؛ وفي AngelList، يحدّد السبب الجذري الصحيح بمعدل يعادل 3,5 أضعاف ما تحققه الأداة الداخلية Sky، وقد عالج نصف الحوادث بمفرده، مما أدى إلى الاستغناء عن Sky. ولم تُعلن أسعار: تتيح صفحة Devin Oncall البدء أو حجز عرض توضيحي. ويأتي الإطلاق امتدادًا لانضمام مؤسسي TierZero، المتخصصة في SRE المدعوم بالذكاء الاصطناعي، إلى Cognition في يوليو.

🔗 تدوينة Cognition · سلسلة منشورات @cognition · صفحة Devin Oncall

Claude Code 2.1.301: وضع حد أقصى لانتظار تجدد حدود الاستخدام في الوضع غير الخاضع للإشراف، و37 إصلاحًا

15 أكتوبر — صدر Claude Code 2.1.301 في الساعة 19:22 بتوقيت UTC، ويضم 51 بندًا، منها 8 إضافات و37 إصلاحًا و4 تحسينات وتغييران، ويركز أولًا على الاستخدامات غير الخاضعة للإشراف. يتيح المتغير الجديد CLAUDE_CODE_RETRY_WATCHDOG_MAX_USAGE_LIMIT_WAIT_MS لوضع إعادة المحاولة التلقائية (CLAUDE_CODE_RETRY_WATCHDOG) التخلي عن طلب حين لا يُعاد تعيين حد الاستخدام المستنفد إلا بعد وقت طويل، بدلًا من الانتظار. وعلى صعيد قابلية الرصد، تتضمن أحداث OpenTelemetry tool_decision الآن classifier_verdict وpermission_mode، للتمييز بين قرار صادر عن مصنّف الوضع التلقائي وقاعدة أذونات، وكذلك classifier_category، وهي القاعدة المدمجة التي تسببت في الحظر (مع OTEL_LOG_TOOL_DETAILS=1).

تتناول عدة إصلاحات الموثوقية: لم يعد الاسم البديل fable (وكذلك best) يُرجع خطأ حين لا يكون أحدث Fable متاحًا للمؤسسة، إذ يعيد Claude Code المحاولة مرة واحدة باستخدام Fable السابق؛ ولم تعد مغادرة جلسة تحذف، دون سؤال، شجرة عمل أنشأها خطّاف WorktreeCreate وقد تحتوي على إيداعات لم تُدفَع إلى المستودع البعيد؛ وأصبحت أداتا Grep وGlob تُبلغان عن خطأ بدلًا من إعلان «لا توجد نتائج مطابقة» حين يفشل البحث. وعند الانتقال إلى نموذج ذي نافذة سياق أصغر، يلخّص النموذج السابق أولًا المحادثة إذا كانت طويلة أكثر من اللازم. وفي VS Code، تعرض الردود صيغ LaTeX، ويقدم شريط حد الاستخدام رابط «الحصول على مزيد من الاستخدام» لمشتركي Pro وMax.

🔗 ملاحظات إصدار Claude Code 2.1.301

خروج Code Review من Claude Code من المعاينة البحثية وإتاحته لخطتي Team وEnterprise

15 أكتوبر — بعد سبعة أشهر من إطلاقه في معاينة بحثية في 9 مارس، أصبح Code Review، خدمة Claude Code التي تراجع طلبات الدمج على GitHub تلقائيًا، متاحًا لمؤسسات Claude Team وEnterprise. ووفقًا لـAnthropic، تنتهي معظم المراجعات بسرعة تفوق سرعة المعاينة بنحو ثلاث مرات، مع ملاحظات موجزة تحدد المشكلة وما يؤدي إليها وطريقة إصلاحها. ويختار المسؤول مستوى لكل مستودع: Quick أو Standard (الافتراضي) أو Deep.

النقطة الأساسية في Code Review	التفاصيل التي نشرتها Anthropic
مدة المراجعة	نحو 6 إلى 10 دقائق، مقابل نحو عشرين دقيقة في المعاينة
فوترة المراجعات	الرموز المستهلكة، وتُخصم من أرصدة الاستخدام خارج الاستخدام المشمول في الخطة، مع سقف شهري
أرصدة الإطلاق	ما لا يقل عن 10 000 دولار للمؤسسات المؤهلة ضمن Enterprise، ويجب المطالبة بها قبل 15 يناير 2027، وتكون صالحة لمدة 30 يومًا
الاستثناءات الحالية	Zero Data Retention، وإعداد HIPAA، وفي الوقت الحالي المفاتيح التي يديرها العميل (CMEK)

لم يتغير المبدأ: تصل الملاحظات في تعليقات ضمن أسطر الشفرة مرتبة بحسب الخطورة، مع عملية تحقق لا تُسجَّل نتيجتها فاشلة مطلقًا، ولا توافق المراجعة على طلب الدمج ولا تمنعه، إذ يبقى قرار الدمج بيد الفريق.

🔗 أصبح Code Review متاحًا للجميع الآن (Claude) · وثائق Code Review

Delta 0.20: الوكلاء الفرعيون يتحولون إلى محادثات فرعية قابلة للتوجيه، والوكلاء يصلون إلى خوادم MCP

14 أكتوبر — انتقل Delta، بيئة البرمجة متعددة المستخدمين من مطوري Zed، إلى الإصدار 0.20 (18 إضافة و14 تحسينًا و29 إصلاحًا، ثم إصلاح في 0.20.1 في اليوم نفسه). أصبحت الوكلاء الفرعيون محادثات فرعية عادية يمكن الاطلاع عليها وإعادة توجيهها ومتابعتها بنفسك، وأصبح من الممكن الآن تداخل المحادثات الفرعية؛ وتحوّل إعداد «تمكين الوكلاء الفرعيين» إلى «التفويض»، بثلاثة خيارات («إيقاف»، و«عند الطلب فقط»، و«الحد الأقصى»). وأصبح الوكلاء قادرين على الوصول إلى خوادم MCP، التي يمكن ربطها من الإعدادات → MCP، كما أصبحت المراجعة أو عملية Land التي تُطلَق من محادثة فرعية تشمل أيضًا التغييرات الموروثة من المحادثات الأصلية. ويضيف الإصدار Gemini 4 Argon باستخدام مفتاح Google الخاص بالمستخدم، وأمر /create-skill، وأوامر delta org لإدارة مؤسسة من الطرفية.

في 15 أكتوبر، شرح مقال مستمد من محاضرة لكونراد إروين تفاصيل DeltaDB، طبقة التعاون التي ترسل كل ضغطة مفتاح إلى الخادم والمتعاونين: وهي تستخدم CRDT مستوحاة من diamond-types، مع إسناد كل تعديل إلى نسخة Git أو إلى تعديلات سابقة. وبما أن كل محرف يعرف التعديل الذي أنشأه، يستطيع Delta ربطه بصاحبه أو بالوكيل، بل وحتى بالتعليمة التي أدت إليه.

🔗 ملاحظات إصدار Delta · DeltaDB: مستقبل التحكم في الإصدارات

Antigravity CLI 1.3.6: الوصول إلى Claude 5.5 ببيانات اعتماد Google Cloud، بعد وضع Auto و/compact في 1.3.5

14 أكتوبر — تتوالى إصدارات Antigravity CLI، أداة الوكلاء عبر سطر الأوامر التي تقدمها Google بوصفها خليفة Gemini CLI: فمنذ 1.3.1، الذي تناولناه هنا في 8 أكتوبر، تعاقبت خمسة إصدارات. يضيف الإصدار 1.3.6 النموذجين Claude Opus 5.5 وClaude Sonnet 5.5 للمستخدمين المسجلين ببيانات الاعتماد الافتراضية في Google Cloud (بيانات الاعتماد الافتراضية للتطبيقات، AGY_ADC_AUTH): ولا تظهر نماذج Claude في /model إلا إذا كان مشروع Google Cloud يملك حق الوصول إليها. كما يضع حدًا للتوقف إلى أجل غير مسمى: فبعد 5 دقائق دون ورود بيانات من النموذج، يُلغى الطلب ويُعاد تلقائيًا.

أما الإضافة الأبرز فتأتي من الإصدار 1.3.5: وضع Auto الذي يوافق بنفسه على تعديلات الملفات والأوامر التي يراها آمنة، لكنه يسأل دائمًا قبل تنفيذ إجراء لا رجعة فيه. ويفحص وكيل منفصل أولًا الأوامر التي قد تخرج من بيئة الطرفية المعزولة؛ ويجعل الإصدار 1.3.6 هذه المراجعة أسرع، ويسمح بأوامر تنسيق الشفرة وفحصها في المشروع، ويحظر الأوامر التي قد ترسل بيانات حساسة. يُفعَّل الوضع باستخدام --mode auto، أو من /config، أو بالضغط على Shift+Tab، على Linux وmacOS (وسيأتي إلى Windows لاحقًا). ويضيف الإصدار 1.3.5 أيضًا /compact، الذي يلخّص المحادثة عند الطلب لإخلاء مساحة في نافذة السياق.

إصدار Antigravity CLI	تاريخ سجل التغييرات	التحسينات والإصلاحات	أبرز ما في الإصدار
1.3.6	14 أكتوبر	3 + 10	Claude Opus 5.5 وSonnet 5.5 عبر ADC، وإعادة المحاولة بعد توقف لمدة 5 دقائق
1.3.5	13 أكتوبر	5 + 1	وضع Auto، و`/compact`، والتلوين والطي في `/diff`
1.3.4	12 أكتوبر	4 + 10	`agy plugin list --json`، واختيار النموذج دون `--effort`
1.3.3	9 أكتوبر	6 + 15	أدوات MCP محمّلة دائمًا، وتعزيز البيئة المعزولة
1.3.2	7 أكتوبر	6 + 4	`/plugin` ومتجر رسمي للإضافات

🔗 سجل تغييرات Antigravity

Codex داخل OpenAI: فريق التجارب الأساسية يدمج أكثر من 1 400 PR للصيانة باستخدام GPT-6 Astra وGPT-6.1 Sol

14 أكتوبر — يروي أحد مهندسي فريق التجارب الأساسية، الذي يتولى صيانة برمجيات التجارب المستخدمة في أنحاء الشركة، في مدونة OpenAI Developers كيف تولت نماذج GPT-6 صيانة مستودعاته داخل Codex. كانت نقطة البداية تعليمة قصيرة ومبهمة عمدًا، تطلب تحديد الشفرة غير المستخدمة وتنظيفها. لم يكن GPT-5.6 Sol يُكمل المهمة؛ أما GPT-6 Astra فراجع طلبات دمج قديمة ومحادثات Slack وأدوات تتبع داخلية وجداول تحليل أداء بيئة الإنتاج، ثم برّر كل عملية حذف. وبعد ذلك، طوّر خمسة مهندسين صيغًا من هذه التعليمة، بدوام جزئي على مدى أسبوعين: فدُمج أكثر من 1 400 طلب دمج، وحُذف أكثر من 800 000 سطر، وانخفض حجم صورة حاوية إحدى الخدمات من 3,31 إلى 1,72 غيغابايت (-48 %).

النموذج وجهد الاستدلال	تكلفة المهمة عبر API	الملاحظات المعتمدة	التكلفة لكل ملاحظة
GPT-6 Astra Ultra	109,06 دولار	142	0,77 دولار
GPT-6.1 Sol Ultra	15,12 دولار	131	0,12 دولار
GPT-6.1 Sol Medium	5,27 دولار	86	0,06 دولار

وهكذا، في مهمة التنظيف نفسها، التي شملت أكثر من 6 000 ملف ومليون سطر من Python وTypeScript وGo وRust، توصل GPT-6.1 Sol بجهد Ultra إلى 92 % من ملاحظات GPT-6 Astra Ultra مقابل 14 % من تكلفة API؛ ويعود الفارق أساسًا إلى أعلام الميزات (مفاتيح تفعيل الميزات) الثابتة التي تُستخدم تبعياتٍ لأعلام أخرى، والتي يكتشفها Astra ويفوّتها Sol. كما خفّض نحو ثلاثين طلب دمج لتحسين الأداء الزمن الوسيط للتكامل المستمر CI من نحو 10 إلى 4,5 دقائق. ويقر الكاتب بأن بعض المقترحات أضافت تعقيدًا يفوق المكاسب التي حققتها، وينصح بالبدء على نطاق صغير.

🔗 صيانة البرمجيات باستخدام عائلة GPT-6 (OpenAI Developers)

MX Keypad: GitHub وLogitech يتيحان التحكم بتطبيق GitHub Copilot من لوحة مفاتيح قابلة للبرمجة

15 أكتوبر — في مقال عن «الذكاء المحيط»، يعرض مارتن وودوارد، نائب رئيس علاقات المطورين في GitHub، ثمرة 18 شهرًا من العمل مع Logitech: تتكامل لوحة المفاتيح القابلة للبرمجة MX Keypad مع تطبيق GitHub Copilot. ويمكن لمفتاح فيها إرسال تعليمة مضبوطة المعلمات، أو فتح جلسة Copilot أو استئنافها، أو استدعاء أمر من IDE، أو تشغيل تسلسل متعدد الخطوات. ويضع المقال الجهاز ضمن رؤية من ثلاث طبقات: تلتقط وسيلة التفاعل (النص أو الصوت أو أدوات التحكم المادية) النية، وتخطط منظومة تشغيل الوكيل وتنفذ، وتتيح طبقة التحكم للمطور الفحص وإعادة التوجيه والموافقة. ويظل الكاتب حذرًا: فالتجربة «لا تزال في بداياتها» (ما زالت في مرحلة مبكرة)، وليس كل المطورين بحاجة إلى جهاز إضافي. ويتيح رابط تجربة MX Keypad مع ثلاثة أشهر مجانية من GitHub Copilot Pro+، دون ذكر سعر أو موعد توافر في المقال.

🔗 واجهة المطور التالية هي الذكاء المحيط (مدونة GitHub)

أمن النماذج: METR تحصل لدى Anthropic على صلاحيات موظف، وIPI Black ترصد 300 000 دولار لمواجهة حقن التعليمات

مبادرتان في اليوم نفسه لاختبار سلامة النماذج على يد جهات خارجية: فريق من المقيّمين المستقلين يعمل داخل Anthropic، ومسابقة عامة للهجمات على الوكلاء.

METR تحصل لدى Anthropic على صلاحيات وصول مماثلة لصلاحيات الموظف

15 أكتوبر — بدأت Anthropic إدماج فريق من METR، المنظمة غير الربحية التي تقيّم نماذج الذكاء الاصطناعي المتقدمة، مع صلاحيات وصول «مماثلة لصلاحيات الموظف» (وصول شبيه بوصول الموظفين). ويحظى ستة أشخاص من METR بمعدات الشركة ومكاتب فيها، وبصلاحيات وصول إلى الأدوات والأنظمة الداخلية تكاد تعادل صلاحيات فرق تقييم المخاطر لدى Anthropic؛ ولا تبقى محجوبة عنهم سوى بيانات العملاء والمعلومات المشمولة بسرية العلاقة بين المحامي وموكله وبُنى النماذج. وستنشر METR تحليلاتها للمخاطر، ولا تستطيع Anthropic الاعتراض على نشرها: إذ لا يمكنها سوى المطالبة بحجب معلومات تندرج ضمن فئات ضيقة محددة مسبقًا، وتبقى METR حرة في الإعلان عما إذا كانت ترى هذا الحجب مبررًا.

مستوى وصول المقيّمين	الوصول إلى المعلومات	حق النشر	المقيّم الذي ذكرته Anthropic
المستوى 1	تحقيقات محددة الهدف، وتقرر Anthropic صلاحيات الوصول	بموافقة Anthropic	SecureBio
المستوى 2	معلومات أكثر	دون موافقة، مع إمكان حجب فئات محددة من المعلومات	لم يُذكر أحد
المستوى 3	مماثل لصلاحيات الموظف	كما في المستوى 2	METR

وتعدّ Anthropic أيضًا شراكة مع Accenture وFaculty (لتقييم النماذج واختبارها هجوميًا، وتقييمات المواءمة، واختبارات ضوابط الحماية)، وتجري محادثات أولية مع منظمات أخرى، منها Hugging Face. وتشبه الشركة هذا الترتيب بالإشراف المصرفي، حيث يعمل فاحصون مقيمون داخل أكبر البنوك، وتضعه امتدادًا لتوقيعها اتفاق البيت الأبيض بشأن الذكاء الفائق، الذي تتعهد الشركات بموجبه بالعمل مع مقيّمين خارجيين مستقلين.

🔗 مستجدات بشأن المقيّمين المستقلين (Anthropic)

IPI Black: Gray Swan تطلق مسابقة لحقن التعليمات غير المباشر بجوائز قدرها 300 000 دولار

15 أكتوبر — تطلق Gray Swan مسابقة IPI Black (حقن التعليمات غير المباشر: Black)، وهي مسابقة عامة لحقن التعليمات غير المباشر بجوائز قدرها 300 000 دولار، بدعم من Anthropic وMeta وGoogle DeepMind وReflection AI وOpenAI وAmazon وThinking Machines وAI Security Institute. ويهاجم المشاركون، دون اشتراط خبرة مسبقة، وكلاء يعملون في بيئات محاكاة مزودة بأدوات واقعية (Gmail وSlack وGitHub وX): مثل دفع وكيل الكتابة الخاص بمسؤول شبكات التواصل الاجتماعي إلى نشر محتوى ضار على الحسابات الرسمية لشركته. وفي اختبار الصندوق الأبيض، يرى المشارك ردود الوكيل ويحسّن هجومه؛ أما في اختبار الصندوق الأسود، فيرسل حمولة هجومه دون أن يرى شيئًا.

تُجرى المسابقة في ثلاث جولات مدة كل منها أسبوع، وتبدأ في 15 و22 و29 أكتوبر، ولكل منها لوائح ترتيب خاصة تتوزع عليها جوائز بقيمة 100 000 دولار بين الصندوق الأبيض والصندوق الأسود. وتقدم الجولة الأولى عشرة سيناريوهات، ستة للصندوق الأبيض وأربعة للصندوق الأسود، تتراوح بين تسريب معرّف في تعليق على مسألة في GitHub وبلاغ زائف من مُبلّغ عن مخالفات. وستغذي الهجمات المجمعة الاختبار المعياري الذي تستخدمه المختبرات الشريكة لقياس متانة نماذجها. وقد شارك بوريس تشيرني، مبتكر Claude Code، المسابقة: فبحسب قوله، أحرزت نماذج Claude تقدمًا كبيرًا في التصدي لحقن التعليمات خلال السنوات الأخيرة، لكن حل المشكلة في القطاع بأكمله يصبح ملحًا مع اتساع ما يفعله الوكلاء.

🔗 سلسلة منشورات Gray Swan · صفحة المسابقة · منشور بوريس تشيرني

نماذج جديدة: Timestral للسلاسل الزمنية، وStep 5 Preview من StepFun، وApertus 1.5 وJev 1.14

أربعة إصدارات مختلفة في طبيعتها: عائلة نماذج للتنبؤ من Mistral، ونموذج MoE كبير مفتوح من StepFun، ونماذج مفتوحة بالكامل في سويسرا، ونموذج لاتخاذ القرار من TypeSafe.

Timestral: تنشر Mistral أول عائلة من النماذج التأسيسية للسلاسل الزمنية

15 أكتوبر — تنشر Mistral عائلة Timestral، أول عائلة من النماذج التأسيسية للسلاسل الزمنية (نماذج تأسيسية للسلاسل الزمنية) لديها، بأربعة أحجام تشترك في البنية نفسها وطريقة التدريب نفسها: 5M و28M و123M و209M من المعلمات. تنتج النماذج تنبؤات احتمالية (21 قيمة كَمّية) ومتعددة المتغيرات، وتأخذ في الحسبان متغيرات مصاحبة لا تُعرف إلا في الماضي أو تكون معروفة مسبقًا (جدول الإنتاج، والتوقفات المخططة، وتوقعات الطقس)، بما فيها المتغيرات الفئوية مثل حالة آلة، وتقرأ سجلًا يصل إلى 32 768 خطوة زمنية.

الاختبار المعياري والمقياس (الأقل = الأفضل)	Timestral-209M	t0-gamma	TimesFM-3	Chronos-2
GIFT-Eval, MASE	0,658	0,661	0,667	0,698
GIFT-Eval, CRPS	0,446	0,452	0,456	0,485
TIME, MASE	0,626	0,637	0,640	0,662
TIME, CRPS	0,522	0,534	0,536	0,556

بحسب Mistral، يحتل نموذج 209M المرتبة الأولى في GIFT-Eval وTIME وfev-bench بين النماذج المدربة مسبقًا والمستخدمة من دون تكييف (من دون أمثلة)، باستخدام نقطة تحقق واحدة ومن دون تجميع نماذج، ويتفوق على أفضل مستوى سابق بثلثي عدد معلماته؛ وتظل الفروق ضيقة بين النماذج المتصدرة، كما يتفوق نموذج 28M الصغير بالفعل على Chronos-2، الذي يكبره بنحو أربع مرات، في GIFT-Eval وTIME. لا يحتاج Timestral إلى GPU: فعلى معالج خادم ذي 8 مسارات تنفيذ، يستغرق التنبؤ بيوم واحد انطلاقًا من سجل لثلاثة أسابيع بفاصل 15 دقيقة، 10 ms مع نموذج 5M و140 ms مع نموذج 209M. الأوزان متاحة على Hugging Face بموجب ترخيص «MIT معدل» يستثني الشركات التي تتجاوز إيراداتها الشهرية المجمعة 20 مليون دولار، والشيفرة على GitHub بموجب Apache-2.0، وتقدم الوثائق Timestral 1.0 بوصفه إصدار معاينة عامة؛ ويتيح Mistral Forge الضبط الدقيق على بيانات خاصة، مع إمكانية النشر من دون اتصال.

🔗 تقديم Timestral ‏(Mistral) · Timestral-209M على Hugging Face

Step 5 Preview: تنشر StepFun نموذج MoE مفتوحًا يضم 600 مليار معلمة لمهام وكلاء تمتد إلى 24 ساعة، بحسب NVIDIA

15 أكتوبر — ترحب NVIDIA بإصدار Step 5 Preview، الذي يقدمه حسابها @NVIDIAAI بوصفه أكبر إصدار بأوزان مفتوحة من StepFun: نموذج مزيج خبراء يضم 600 مليار معلمة، مصمم لمهام وكلاء قد تستمر حتى 24 ساعة. تعلن NVIDIA عن نحو 8 000 رمز في الثانية لكل GPU على GB300 بصيغة NVFP4، مع نقطة تحقق بصيغة NVFP4 منشورة على Hugging Face، ووصفات نشر لـSGLang وvLLM، وتدريب لاحق باستخدام NeMo AutoModel، وNIM يُشغَّل بأمر واحد. ولا يتضمن منشور NVIDIA أي اختبار معياري أو ترخيص.

🔗 منشور @NVIDIAAI

Apertus 1.5: تفصّل Swiss AI نموذجين مفتوحين بالكامل بحجمي 8B و70B، مع الصور والصوت وسياق من 262 144 رمزًا

15 أكتوبر — تنشر مبادرة Swiss AI السويسرية ملاحظات الإصدار والتقرير التقني لـApertus 1.5، عائلة نماذجها المفتوحة بالكامل. كانت أوزان 8B و70B متاحة على الإنترنت منذ 24 يوليو بموجب Apache 2.0؛ وينشر التقرير أيضًا نقاط التحقق الوسيطة (الأساسية، وSFT، وRLVR، وDPO)، وخلطات البيانات وبطاقات التقييم، ليتمكن باحثون آخرون من دراسة أثر كل مرحلة من مراحل التدريب.

نموذج Apertus 1.5	رموز التدريب المسبق المضافة	إجمالي الرموز
8B	4 000 مليار	19 000 مليار
70B	2 000 مليار	17 000 مليار

تمر الصور والصوت عبر مجزّئ الرموز، من دون مُرمِّز منفصل: تتحول صورة بدقة 512 × 512 بكسل إلى 1 024 رمزًا، وثانية واحدة من الصوت إلى 40 رمزًا، ما يجعل التدريب يجري بسرعة التدريب على النص وحده؛ وتفهم النماذج الصور والصوت لكنها لا تولّد سوى النص، ويظل الصوت تجريبيًا. وتكتسب أيضًا وضع تفكير اختياريًا وسياقًا من 262 144 رمزًا، أطول بأربع مرات. ويقر المؤلفون بأنها لا تزال خلف أفضل النماذج المفتوحة، مع الإشارة إلى تفوق نموذج 8B على النماذج المماثلة له في الحجم في اتباع التعليمات وتعدد اللغات، من دون نتيجة رقمية في التدوينة. وتُنشر النتائج بتنسيق Every Eval Ever، المصمم للامتثال لقانون AI Act الأوروبي.

🔗 ملاحظات إصدار Apertus 1.5 ‏(Hugging Face)

Jev 1.14: تتيح TypeSafe في المعاينة الصور وأسئلة Box وسياقًا أطول بأربع مرات

14 أكتوبر — تعلن TypeSafe عن Jev 1.14، الإصدار الجديد من نموذج اتخاذ القرار لديها، وتقدمه بوصفه «جديدًا ومحسنًا» من دون أرقام تدعم ذلك. ويأتي بثلاث وظائف تجريبية: الصور، التي يمكن وضعها في أي موضع كان يقبل النص، والتي تصبح متاحة أيضًا في Jev الحالي؛ ونوع جديد من أسئلة System One يُسمى Box، يعيد إطار كائن في صورة على هيئة أربعة حدود معبّر عنها بكسور من عرض الصورة وارتفاعها؛ وسياق أطول بأربع مرات، رغم أن TypeSafe لا تزال توصي بتحديد طوله. تظل هذه الوظائف في المعاينة، ولم تبلغ بعد مستوى الاستخدام الإنتاجي بحسب TypeSafe، وتُفعّل باستخدام الترويسة TypeSafe-Danger-Zone-Images: true؛ وتتطلب أسئلة Box إصدار Jev 1.14، الذي يُستدعى باستخدام jev-preview أو jev-1.14.0. ورحبت Zed بالإصدار مستشهدة بويس بوس، الذي يحسب تكلفة سؤال عن صورة بدقة 850 × 850 بكسل عند 0,000096936 دولار، أي نحو 10 000 صورة مقابل دولار واحد: وهو حساب أجراه ويس بوس، وليس سعرًا نشرته TypeSafe.

🔗 إعلان TypeSafe · وثائق Box

الذكاء الاصطناعي للعلوم: يستهدف CERN وMistral تطوير Large Physics Model، وتقدم Sakana AI مشروع The Agentic Scientist، وتموّل OpenAI علماء الرياضيات

ثلاث طرق لوضع الذكاء الاصطناعي في خدمة البحث: نموذج تأسيسي لفيزياء المصادمات، ووكلاء برمجة ضمن إطار منظم لإجراء بحث من بدايته إلى نهايته، وتمويل يتيح لعلماء الرياضيات التحقق من النتائج التي ينتجها الذكاء الاصطناعي.

يتعاون CERN وMistral لتطوير Large Physics Model

15 أكتوبر — وقّع CERN وMistral بيان نوايا (إعلان نوايا) تمهيدًا لشراكة استراتيجية طويلة الأمد مخصصة للنماذج التأسيسية للاكتشاف العلمي. وفي صميم المشروع نموذج Large Physics Model واحد مدرب مسبقًا، يقدمه CERN بوصفه أول نموذج تأسيسي لفيزياء المصادمات، ومدربًا على مليارات من تصادمات البروتونات المحاكاة في مصادم الهادرونات الكبير (LHC). ومن المقرر أن يخدم عدة مهام في آن واحد: إعادة بناء التصادمات، وتحديد الجسيمات، ورصد إشارات غير متوقعة، وتقييم تصاميم مستقبلية للكواشف، في حين يمر التحليل اليوم عبر سلسلة من الخوارزميات المتخصصة. وقد خزّن CERN بالفعل نحو إكسابايت واحد (مليون تيرابايت) من بيانات LHC التجريبية، ومن المتوقع أن يتضاعف عدد التصادمات عشر مرات مع مصادم LHC عالي اللمعان (HL-LHC)، المرتقب نحو عام 2030. ويستشهد البيان بإنريكا بوركاري، كبيرة مسؤولي المعلومات في CERN، ويوهانس براندشتيتر، نائب رئيس الذكاء الاصطناعي للهندسة لدى Mistral، لكنه لا يحدد مبلغًا أو جدولًا زمنيًا أو موارد حوسبة.

🔗 بيان CERN · سلسلة منشورات @MistralAI

The Agentic Scientist: تضع Sakana AI وكلاء برمجة ضمن إطار منظم لإجراء بحث من بدايته إلى نهايته

15 أكتوبر — تقدم Sakana AI مشروع The Agentic Scientist، الجيل الجديد من AI Scientist، وهو المشروع الذي يختبر منذ 2024 المدى الذي يمكن أن يبلغه الذكاء الاصطناعي في إجراء بحث بمفرده. ونقطة الانطلاق ملاحظة مفادها:

Coding agents such as Codex and Claude Code now carry out long software tasks on their own. Handing them a research problem, however, tends to produce a strong hyperparameter optimizer rather than a scientist: scores go up, but ideas stay narrow, and the reasons for the gain are rarely examined.

🇸🇦 بات وكلاء البرمجة مثل Codex وClaude Code ينجزون الآن مهام برمجية طويلة بمفردهم. لكن تكليفهم بمشكلة بحثية ينتج غالبًا محسّنًا ممتازًا للمعلمات الفائقة أكثر مما ينتج عالمًا: ترتفع النتائج، لكن الأفكار تظل محدودة، ونادرًا ما تُفحص أسباب التحسن. — @SakanaAILabs على X

وتتمثل الاستجابة في إطار يحيط بوكلاء برمجة موجودين (Codex وClaude Code وOpenCode وPi): يختبر وكلاء يعملون بالتوازي فرضيات وفق معايير تقييم محددة قبل إجراء أي تجربة، ويتشاركون نجاحاتهم وإخفاقاتهم في ذاكرة مشتركة، ثم يتتابع النظام عبر التجارب المرجعية، وتجارب إزالة المكونات، والتقييم النهائي المحجوب والتحليلات، وصولًا إلى كتابة الورقة البحثية. وقد قيّمته Sakana AI على 5 موضوعات باستخدام 9 نماذج (4 من GPT، و4 من Claude، و1 من DeepSeek) و4 أطر تشغيل، أي 14 تركيبة من النماذج وأطر التشغيل و70 حملة بحثية: تنتج النماذج الأحدث أوراقًا أفضل، ويكون لاختيار إطار التشغيل تأثير أقل من اختيار النموذج. وشاركت نسخة تطويرية مع باحثين في تأليف ورقة عن Error Diffusion، وهي قاعدة تعلم مستوحاة من الأحياء، قُبلت للعرض الشفهي في ALIFE 2026؛ وفي استرجاع الحقائق من مستندات طويلة (Doc-to-LoRA)، يرفع النظام الدقة من 52 % إلى 98 % من دون إعادة تدريب النموذج. الشيفرة مفتوحة بموجب Apache 2.0؛ وتذكّر Sakana AI بأن على البشر دائمًا اختيار الأسئلة والتحقق من الادعاءات، وأن الوكلاء يعملون بكامل الصلاحيات، مع التوصية باستخدام Docker.

🔗 تدوينة Sakana AI · الورقة على arXiv · مستودع AI-Scientist-v3

تقدم OpenAI مبلغ 5 ملايين دولار لمبادرة من Simons Foundation لدعم علماء الرياضيات

15 أكتوبر — تعلن OpenAI عن مساهمة قدرها 5 ملايين دولار في مبادرة جديدة من Simons Foundation، تهدف إلى مساعدة علماء الرياضيات على فحص النتائج التي ينتجها الذكاء الاصطناعي وفهمها والبناء عليها، بما فيها النتائج التي نشرتها OpenAI مؤخرًا. وكانت الشركة قد نشرت في 6 أكتوبر 722 مخطوطة لنتائج رياضية مستخرجة من نموذج داخلي غير منشور، محذرة من أن بعض النتائج غير المصاغة رسميًا قد تتضمن أخطاء. وستتولى المؤسسة إدارة الأموال وتخصيصها، وستُستخدم في ورش عمل ومؤتمرات وبرامج خاصة؛ كما ستتيح OpenAI نماذجها وموارد حوسبة للباحثين الذين تدعمهم Simons Foundation. ويستشهد المنشور بمنشور Simons Foundation، التي تخصص ما مجموعه 15 مليون دولار لورش عمل ومبادرات، مع موارد حوسبة مجانية للباحثين الذين تدعمهم، عبر شراكات جديدة مع Anthropic وOpenAI. ولا يحدد الإعلان، الذي جاء في منشور بسيط على X، اسم المبادرة أو جدولها الزمني.

🔗 إعلان OpenAI · المخطوطات الـ722 المنشورة في 6 أكتوبر (OpenAI)

Claude Opus 5.5: يغادر الوضع السريع المعاينة البحثية، بسعر 8 و40 دولارًا لكل مليون رمز

15 أكتوبر — يغادر الوضع السريع (الوضع السريع) في Claude Opus 5.5 المعاينة البحثية على Claude Platform، من دون قائمة انتظار. إنه النموذج نفسه، بالأوزان نفسها، ويُقدَّم بمعدل رموز إخراج في الثانية يصل إلى 2,5 ضعف، وتبلغ تكلفته ضعف السعر القياسي لـOpus 5.5. ولم تعد الطلبات تحتاج إلى ترويسة النسخة التجريبية fast-mode-2026-02-01 (وتظل الطلبات التي ترسلها مقبولة)، وأصبح لكل شريحة استخدام حد افتراضي لمعدل الطلبات لهذا الوضع، منفصل عن حد Opus بالسرعة القياسية.

نموذج Claude في الوضع السريع	الحالة في 15 أكتوبر	السعر لكل مليون رمز (إدخال / إخراج)
Opus 5.5	متاح، من دون قائمة انتظار أو ترويسة تجريبية	8 / 40 دولارًا (4 / 20 بالسرعة القياسية)
Opus 5	معاينة بحثية، تتطلب ترويسة تجريبية	10 / 50 دولارًا
Opus 4.8	معاينة بحثية، تتطلب ترويسة تجريبية	10 / 50 دولارًا

يتعلق التحسن بمعدل الإخراج، وليس بالزمن السابق لأول رمز، ويؤدي تغيير السرعة إلى إبطال ذاكرة التخزين المؤقت للموجّه؛ ويظل الوضع غير متاح مع Batch API. وهو متاح أيضًا في Microsoft Foundry لعمليات النشر المستضافة على Azure، وهو ما تؤكده الوثائق الآن؛ ومن المقرر أن تتبعه Google Cloud بحسب @ClaudeDevs، بينما يظل الوضع غير متاح على Amazon Bedrock وClaude Platform on AWS. ولا يتغير شيء في Claude Code: يواصل الوضع السريع استهلاك أرصدة استخدام إضافية.

🔗 إعلان @ClaudeDevs · وثائق الوضع السريع

مكتبات Hugging Face: يدمج Transformers 5.20.0 وTRL 1.16.0 دعم Muse Spark Open

تصدر المكتبتان الرئيسيتان من Hugging Face في يوم إطلاق Muse Spark Open وتدعمانه، وتأتي كل منهما بمستجداتها الخاصة.

Transformers 5.20.0: إضافة سبعة نماذج والتكميم أثناء التصدير

15 أكتوبر — تنشر Hugging Face إصدار Transformers 5.20.0، الذي يتصدر مستجداته وصول Muse Spark Open، المدعوم في يوم إصداره نفسه. وتنضم ستة نماذج أخرى إلى المكتبة.

النموذج المضاف إلى Transformers	الجهة الناشرة للنموذج	الميزة التقنية
Muse Spark Open	Meta	نموذج MoE متعدد الوسائط، يضم 816 مليار معلمة منها 42 مليارًا نشطة
Ling 3.0 Flash	InclusionAI	نموذج MoE هجين، بخمس طبقات Kimi Delta Attention مقابل طبقة MLA واحدة
Kolibri 1	Aleph Alpha	نموذج MoE للاستدلال بالألمانية والإنجليزية، يستخدم 6 خبراء من أصل 384 لكل رمز
MiniCPM-V 4.7	OpenBMB	مواضع لوحة M-RoPE للصور والفيديو
UnlimitedOcr	Baidu	نموذج OCR يضم 3 مليارات معلمة، مع ذاكرة تخزين مؤقت KV ثابتة
UltraBERT	DMIS Lab	مُرمِّزات تضم 150M و380M من المعلمات، بسياق من 32K رمزًا
MOSS-Transcribe-Diarize	OpenMOSS	0,9 مليار معلمة، ونسخ الكلام وتمييز المتحدثين بأكثر من 50 لغة

وعلى صعيد الأدوات، باتت أدوات التصدير قادرة على التكميم أثناء التصدير إلى ONNX أو OpenVINO أو ExecuTorch، ويمكن إعادة تحميل نقاط تحقق عمليات التدريب التي تجمع FSDP مع توازي الموترات ضمن إعداد مختلف. لكن Hugging Face تحذر من تراجع في سرعة الاستدلال عند استخدام توازي الخبراء، يجري العمل على إصلاحه، ومن عدة تغييرات تكسر التوافق، منها إزالة أساليب تخزين مؤقت متقادمة.

🔗 ملاحظات إصدار Transformers 5.20.0

TRL 1.16.0: التدريب على AWS Trainium وAsyncGRPO أسرع بما يصل إلى 3,1 مرة

15 أكتوبر — يتيح TRL 1.16.0 استخدام مكتبة التدريب من Hugging Face على شرائح Trainium من AWS: يمنع إعداد افتراضي جديد Trainium من إعادة التجميع عند كل طول تسلسل جديد، مما يخفض مدة تدريب تجريبي صغير إلى النصف؛ إذ اكتملت 20 خطوة من SFT لنموذج Qwen3-0.6B على Trainium2 في 130 ثانية بدلًا من 260. أما الميزة الجديدة الأخرى فتستهدف التعلم المعزز للوكلاء: في المسارات المولّدة (rollouts) التي تتضمن جولات أو عمليات توليد متعددة، تتكرر بداية المحادثة نفسها من سطر إلى آخر، ويُنظّمها AsyncGRPO الآن في شجرة بادئات لحسابها مرة واحدة فقط. على Qwen3-1.7B، مع 32K رمزًا لكل مسار، تصل زيادة السرعة إلى 3,10 مرة، وينخفض الاستهلاك الأقصى للذاكرة من 35,2 إلى 13,5 Gio؛ وفي غياب بادئة مشتركة، يبلغ العبء الإضافي نحو 1 %. يدعم الإصدار أيضًا Muse Spark Open، القابل للضبط الدقيق باستخدام LoRA على 64 وحدة GPU من طراز H100 ‏(14,2 ثانية لكل خطوة، و40,2 Go لكل وحدة GPU)، ووحدات GPU من AMD في المدرّبات غير المتزامنة.

🔗 ملاحظات إصدار TRL 1.16.0

GPT-Live-1.1: أصوات جديدة ولهجات أكثر طبيعية في ChatGPT وCodex وdots

15 أكتوبر — تحدّث OpenAI نموذجها الصوتي. يجري طرح GPT-Live-1.1 ونسخته المصغّرة GPT-Live-1.1 Quip، المقدَّمة بوصفها نسخة صغيرة من النموذج، في الوضع الصوتي لـChatGPT وCodex وdots، وهي الوكلاء الدائمون الذين أُطلقوا في 29 سبتمبر، مع لهجات أكثر طبيعية عبر اللغات. وينوّع النموذج أيضًا بدرجة أكبر العبارات القصيرة التي ينطق بها عند بدء البحث: وتلخّص OpenAI هذا التحسين بعبارة «أقل من جارٍ التحقق…».

تحصل ست لغات على أصوات Live جديدة: الفرنسية والألمانية والهندية واليابانية والكورية والإسبانية المكسيكية، ويُضاف إليها صوت إنجليزي باسم Bubbie؛ وقد تختلف الأصوات المتاحة بحسب المنطقة والحساب، ويمكن اختيارها من الإعدادات > الصوت. يبدأ طرح التحديث في 15 أكتوبر لجميع المستخدمين، وسيصل «قريبًا» إلى API، حيث يتوفر GPT-Live-1 منذ 10 سبتمبر بسعر 0,05 دولار للدقيقة. ولم تنشر OpenAI نتائج اختبارات معيارية أو تفاصيل توزيع GPT-Live-1.1 وQuip بين خطط الاشتراك.

🔗 إعلان OpenAI · ملاحظات إصدار ChatGPT

Universal Cart: تطلق Google في الولايات المتحدة سلة مشتركة بين Google Search وتطبيق Gemini

15 أكتوبر — تطلق Google خدمة Universal Cart في الولايات المتحدة. يجري طرح سلة التسوق «الذكية» هذه، التي عُرضت للمرة الأولى في Google I/O في مايو، في كل من Google Search، بما يشمل AI Mode، وتطبيق Gemini: فالمنتج المُضاف من إحدى هاتين الواجهتين يظل في السلة نفسها، أيًا كان المتجر. ويورد المنشور مثالًا على حقيبة تُضاف في AI Mode، ثم كنزة وملمّع شفاه يُضافان في تطبيق Gemini، لتظهر جميعها معًا لاحقًا.

وظيفة Universal Cart	ما تقدمه بحسب Google
سلة متعددة المتاجر	سلة واحدة تُحفَظ عند الانتقال بين واجهات Google
تنبيهات الأسعار والمخزون	انخفاض الأسعار وعودة المنتجات إلى المخزون، ضمن أكثر من 60 مليار بطاقة منتج في Shopping Graph
الاستعانة بـGoogle Wallet	مزايا البطاقات المحفوظة لاختيار وسيلة الدفع، ورموز ترويجية مناسبة
دفع ثمن المشتريات	Google Pay من داخل السلة (Universal Commerce Protocol) أو الانتقال إلى موقع التاجر

يعمل الدفع المباشر لدى Nike وSephora وTarget وUlta Beauty وWalmart وWayfair والعديد من تجار Shopify؛ وفي جميع الحالات، يبقى التاجر هو البائع ويتولى التأكيدات وخدمة العملاء. وتُدرج Google الأداة ضمن الوظائف التي تُبقي التحكم بيد المشتري، إلى جانب أعمالها على قدرات الوكلاء التي تتصرف نيابة عنه. ولم يُعلَن أي موعد لطرحها في بلدان أخرى.

🔗 Universal Cart (مدونة Google)

Manus Automations: مهام متكررة تبدأ وفق جدول زمني أو عند تحقق مُشغِّل

15 أكتوبر — تطلق Manus خدمة Automations، التي تضع العمل المتكرر «على الطيار الآلي»: يصف المستخدم موعد بدء المهمة والشكل المطلوب للنتيجة. وتتوفر ثلاثة أنماط للتشغيل: جدول زمني، مثل كل يوم عمل في الساعة 8 صباحًا؛ ومُشغِّل مرتبط بتطبيق متصل، مثل وصول فاتورة إلى Gmail؛ وأتمتة متقدمة، في المرحلة التجريبية، تجمع مصادر وشروطًا متعددة يصفها المستخدم. وتوسّع هذه الوظيفة إمكانات Scheduled Tasks 2.0 التي أُطلقت في مايو، وعمليات الأتمتة المحفَّزة بالأحداث التي أُعلن عنها مع Manus 2.0 في 28 سبتمبر. ولا يحدد المنشور خطة الاشتراك المطلوبة أو التكلفة بالأرصدة.

🔗 إعلان Manus

أخبار موجزة

الوكلاء وأدوات البرمجة

ملاحظات إصدار Devin في 14 أكتوبر — عشية إطلاق Devin Oncall، يضيف Devin خدمات Splunk وElastic وDynatrace وChronosphere وGoogle Cloud Monitoring بوصفها إضافات للرصد، ودور Review manager الذي يدير قواعد المراجعة من دون صلاحيات إدارية، وإمكانية تصدير نتائج فحص الشيفرة بصيغة SARIF 2.1.0، إلى جانب CSV. 🔗 المصدر
Warp ومصانعه البرمجية — في منشورين عن أساليب العمل، من دون وظيفة جديدة، يقول زاك لويد، مؤسس Warp، إنه خفّض تكلفة كل PR لدى فريقه من 80 إلى 20 دولارًا خلال ستة أسابيع، مع تراجع أقل عن التغييرات وزيادة عدد طلبات PR المنجزة بنسبة 40 % مقارنة بالشهر السابق. 🔗 المصدر
Qwen Code v0.25.2 — ينتقل الإصدار إلى القناة المستقرة بعد يومين من إصداره التمهيدي في 13 أكتوبر، مع 68 طلب سحب لم تكن موجودة فيه، تشمل 11 ميزة (سحب الملفات وإفلاتها في Web Shell، ومراجعة رسائل MCP Apps قبل إرسالها، وإلغاء مهام سير العمل، وحفظ البيانات في 32 جدولًا لـManaged Agent) و38 إصلاحًا. 🔗 المصدر
إصدار تمهيدي من Copilot CLI 1.0.99 — إصداران تمهيديان خلال اليوم، من دون إصدار مستقر: تسمح بيئة العزل افتراضيًا بالوصول إلى الشبكة المحلية، ويفتح /share قائمة بملء الشاشة، وتُثبَّت إضافات المستودعات الموثوقة تلقائيًا، ويمكن تثبيت Skills والإضافات التي جرى التحقق منها عبر رابط GitHub. 🔗 المصدر
SDK Antigravity 0.1.22 — يضيف تنسيق مسارات العمل الديناميكية والمهارات المعرّفة في الذاكرة: استدراكًا لخبر 11 أكتوبر، يتيح SDK الخاص بـPython، في المرحلة التجريبية، مكوّنات ذات أنواع محددة (phase، agent، parallel، pipeline) لكتابة مسارات عمل للوكلاء، ومهارات تُعرَّف من دون ملف (InlineSkill)، وسقفًا لرموز الإخراج في كل خطوة يتجاوز 64k رمزًا. 🔗 المصدر
google/adk-recipes — أصبح مستودع الأمثلة الخاص بـAgent Development Kit من Google، وهو الخلف المعاد تنظيمه لـadk-samples، مصممًا لمساعدي البرمجة: توفر كل وصفة manifest.yaml وAGENTS.md، وتستهدف أول إضافة متخصصة في قطاع أعمال تجارة التجزئة، ويعمل Horizon إطارًا مرجعيًا لتشغيل الوكلاء الذين يعملون على مدى أيام عدة. 🔗 المصدر
DeepSeek Harness 0.2.1-alpha.4 — الإصدار التمهيدي 28، ولا يزال من دون إصدار مستقر: يمكن ضبط جهد الاستدلال لكل نموذج على حدة عند استخدام واجهات API المخصصة، مباشرة من الواجهة، كما تُثبَّت الإضافات من فهارس مخصصة؛ وفي اليوم نفسه، ينتقل FlashMLA إلى الواجهة الثنائية المستقرة لكل من CPython وLibTorch. 🔗 المصدر
ثلاثة نماذج تغادر Copilot في 16 نوفمبر — Claude Opus 4.8 وClaude Opus 5، ويُستعاض عنهما بـClaude Opus 5.5، وGPT-5.6 Terra، ويُستعاض عنه بـGPT-6.1 Sol أو GPT-6 Luna؛ ويحتفظ المشتركون الأفراد في الخطة السنوية بـClaude Opus 4.8، وتُفعَّل البدائل تلقائيًا في Business وEnterprise. 🔗 المصدر

المساعدون والشركات والأدلة

Genspark في تطبيقات المراسلة — يمكن مراسلة @genspark_ai في iMessage أو WhatsApp أو Slack أو LINE لتلخيص ملف PDF أو إنشاء عرض تقديمي، وتصل النتيجة في المحادثة نفسها؛ ولم تُحدَّد خطة الاشتراك أو الأسعار. 🔗 المصدر
Kimi Work 3.2.17 ودرس تعليمي ثالث — بعد ثلاثة أيام من الإصدار 3.2.16، باتت المحادثات تعرض الصور، ويتيح التحكم عن بُعد اختيار وضع Agent Swarm؛ وتنشر Moonshot AI أيضًا فيديو تعريفيًا ثالثًا عن أتمتة مسارات العمل، من دون تقديم أي وظيفة بوصفها جديدة. 🔗 ملاحظات الإصدار · 🔗 الدرس التعليمي
زمالات Anthropic — باب التقديم مفتوح حتى 28 أكتوبر لبرنامج STEM Fellows وزمالة جديدة باسم Conceptual Reasoning Fellows (الفلسفة والعلوم المعرفية والاقتصاد والسياسات العامة والقانون): أربعة أشهر بدوام كامل، من 12 يناير إلى 8 مايو 2027، بأجر يتراوح بين 100 000 و167 000 دولار، مع اشتراط تصريح عمل أمريكي. 🔗 المصدر
Compliance API في Claude Enterprise — في المرحلة التجريبية، تعيد API إلى المسؤولين التعليمات الشخصية التي حفظها كل عضو في claude.ai وفي Cowork؛ وفي اليوم السابق، وصلت عمليات النشر المجدولة لـManaged Agents إلى Claude Platform on AWS. 🔗 المصدر
Block وOpenAI Daybreak — في دراسة حالة نشرتها OpenAI في 14 أكتوبر، يقول فريق الأمن في Block ‏(Square وCash App وAfterpay) إنه خفّض المدة من تقديم ثغرة إلى اقتراح إصلاح لها إلى 18 دقيقة خلال تمارين محاكاة الهجمات، ووفّر نحو 600 ساعة من عمل المحللين في كل ربع سنة. 🔗 المصدر
AI for Educators بالبرتغالية البرازيلية — بمناسبة يوم المعلم، تنشر OpenAI هذه النسخة من دورتها المجانية على OpenAI Academy، والموجّهة إلى المعلمين من المرحلة الابتدائية إلى التعليم العالي، وتذكّر بوضع Study Mode في ChatGPT. 🔗 المصدر
Superwhisper Meetings — تطلق Superwhisper مسجّلًا للاجتماعات ومدوّنًا لملاحظاتها، تصفه بأنه الأول الذي يعمل محليًا بالكامل، ويعتمد على Tiny Aya وCohere Transcribe؛ ولم تُذكر الأسعار أو المنصات. 🔗 المصدر
ثلاثة أدلة من Cohere — من دون منتج أو أرقام جديدة، تنشر Cohere مقالات عن الذكاء الاصطناعي لدى مشغّلي الطاقة والمرافق العامة، تتمحور حول North، وعن تكاثر الوكلاء في الشركات، مع فكرة جعل وكيل منافس يتبارى مع الوكيل المستخدم حاليًا، وعن قياس العائد على الاستثمار. 🔗 المرافق العامة · 🔗 الوكلاء · 🔗 ROI
دليل Perplexity للبحث — يستعرض دليل 12 ورقة بحثية تأسيسية في الذكاء الاصطناعي وستة أعمال حديثة، ويقارن أدوات البحث المدعوم بالمساعدة، ويقترح إطارًا من سبع خطوات؛ ولا يتضمن أي وظيفة جديدة. 🔗 المصدر

الوسائط التوليدية

Suno — ميزتان للتعاون: مساحات عمل مشتركة للقراءة أو التحرير مع المدعوين فقط (Pro وPremier)، ونماذج مخصصة يمكن مشاركتها مع المتعاونين، ويمكن ضبطها باستخدام ضعف عدد المدخلات (Premier). 🔗 المصدر
Eleven v4 في اختبارات عمياء — تؤكد ElevenLabs أن المستمعين وجدوا Eleven v4 أكثر تعبيرًا من النماذج الصوتية الأخرى في كل اختبار أعمى أُجري بثماني لغات، من دون تسمية المنافسين أو ذكر نتائج رقمية في النص. 🔗 المصدر
Shot Coverage من Luma — تستخرج الوظيفة من لقطة فيديو واحدة زوايا متعددة لكاميرا متحركة، يمكن استخدامها في المونتاج؛ ولا يحدد الإعلان النموذج أو السعر أو موعد الإتاحة. 🔗 المصدر
HeyGen ويان هوتوفيتس — تسلّط HeyGen الضوء على يان هوتوفيتس، المصاب بالشلل الدماغي، الذي أنشأ بالتعاون مع Fameplay وNolimi صورة رمزية تشبهه وتحمل صوته، ليروي حياته بكلماته الخاصة. 🔗 المصدر

البحث والحوسبة والبنية التحتية

NVIDIA ومبادرة AI in Science Enablers Initiative — في AI in Science Summit بدبلن، تنضم NVIDIA إلى مبادرة المفوضية الأوروبية بنماذجها المفتوحة، ومركز للمواد الدراسية الحرة من Deep Learning Institute، وإتاحة موارد حوسبة عبر مصانع وطنية للذكاء الاصطناعي، من دون إعلان مبلغ مالي. 🔗 المصدر
NVIDIA في بلدان الشمال الأوروبي — قبل GTC Berlin، تستعرض NVIDIA حصيلة منظومتها في الشمال الأوروبي: الحاسوب الفائق Sferical One ‏(1 152 وحدة GPU من طراز GB300)، وقدرة حوسبة سحابية للذكاء الاصطناعي تبلغ 1 غيغاواط مخطط لها بحلول نهاية 2027، وStockholm AI Lab بالتعاون مع مؤسسة Norrsken في 2027؛ ومن المقرر إلقاء الكلمة الرئيسية في GTC Berlin في 21 أكتوبر. 🔗 المصدر
تجزئة BERT إلى رموز أسرع بـ50 مرة — يشرح سيمون براندايس، من Hugging Face، كيف يجعل الإصدار المقبل 1.0 من tokenizers مجزّئ الرموز في BERT أسرع بنحو 50 مرة مقارنة بالإصدار 0.23، من خلال معالجة محارف ASCII على حدة؛ ولا تزال التغييرات قيد المراجعة. 🔗 المصدر

GitHub، خارج الذكاء الاصطناعي

إنهاء رسائل البريد الإلكتروني الخاصة بدفع التغييرات — لم يعد GitHub يرسل رسائل بريد إلكتروني للإشعار بأحداث دفع التغييرات إلى المستودعات، والتي كان يمكن استخدامها لإرسال رسائل مزعجة، ويوجّه المستخدمين إلى مسار عمل في GitHub Actions مزوّد بخادم SMTP خاص به. 🔗 المصدر
تراخيص GitHub Code Quality — يسرد تقرير بصيغة CSV كل مساهم نشط يودع تغييرات ويستهلك ترخيصًا، والمستودعات التي شملتها تغييراته خلال 90 يومًا، لتحديد التراخيص التي يمكن تحريرها، وذلك في GitHub Team وEnterprise Cloud. 🔗 المصدر

ما الذي يعنيه ذلك

تتوسع النماذج المفتوحة، وتواكبها منظوماتها الآن منذ اليوم الأول. يصل Muse Spark Open مع سبعة مزوّدين لواجهات API، وأوزان بتنسيق NVFP4 تنتجها Meta، ودعم فوري في Transformers وTRL وmlx-lm وUnsloth؛ وينشر Nemotron 3.5 Super VL الأوزان والبيانات ووصفات التدريب؛ وينضم FLUX 3 Image Klein إلى Diffusers وComfyUI يوم إصداره. لكن وصف «مفتوح» يشمل شروطًا شديدة الاختلاف: يقيّد ترخيص Muse Model License الاستخدام التجاري، ولا يكون ترخيص FLUX Kommunity مجانيًا إلا لمن تقل إيراداتهم السنوية عن 5 ملايين دولار، ويستثني ترخيص أوزان Timestral الشركات التي تتجاوز إيراداتها 20 مليون دولار شهريًا، بينما ينشر Apertus 1.5 أوزانه بموجب Apache 2.0 مع بيانات تدريبه. وأخيرًا، يذكّرنا وصف Meta لنموذجها بصيغة التفضيل بأن السباق يجري أيضًا بين الدول: يُقدَّم Muse Spark Open بوصفه أفضل نموذج أمريكي مفتوح، لكن GLM 5.3 وKimi K3 ما زالا يتقدمان عليه في مؤشر Artificial Analysis وفي البرمجة.

أصبح الأمن السيبراني ميدانًا يكتشف فيه الذكاء الاصطناعي الثغرات ويصلحها على نطاق واسع. تستحوذ Cohere، عبر شراء AISLE، على خبرة يُنسب إليها اكتشاف أكثر من 500 ثغرة غير معروفة سابقًا، وتتيح GitHub للجميع أداة AI Scan للغات التي لا تغطيها CodeQL، وتصحيحًا تلقائيًا يعيد تشغيل CodeQL للتحقق من الإصلاح الذي أنجزه، وتقول Block إنها تقلّص المدة بين اكتشاف ثغرة واقتراح إصلاح لها إلى 18 دقيقة خلال تمارين هجوم محاكاة. وتظل هذه الأدوات تحت إشراف بشري: نتائج AI Scan استشارية، والتصحيح التلقائي يفتح طلب سحب في صورة مسودة، ولا توافق ميزة Code Review في Claude Code على الدمج ولا تمنعه. أما الجانب الآخر فهو عزل الوكلاء أنفسهم: تُبقي SPACE، التي أصبحت مفتوحة المصدر، بيانات الاعتماد وحركة الاتصالات الصادرة خارج الآلة الافتراضية، وتدفع IPI Black للمهاجمين لقياس مقاومة الوكلاء لحقن التعليمات غير المباشر.

تمر الثقة أيضًا عبر التدقيق الخارجي. فمن خلال منح ستة أشخاص من METR مستوى وصول مماثلًا لما يتمتع به الموظف، من دون حق الاعتراض على منشوراتهم، تتجاوز Anthropic التدقيق المنفرد وتقارن هذا الترتيب بالفاحصين المقيمين في البنوك الكبرى. ويمتد المطلب نفسه المتعلق بالتحقق إلى البحث: تحدد Sakana AI معايير التقييم قبل إجراء أي تجربة، حتى لا يكتفي وكلاء البرمجة بتحسين درجة التقييم، وتموّل OpenAI، عبر مؤسسة سايمونز، علماء رياضيات لفحص النتائج التي ينتجها الذكاء الاصطناعي، عقب مخطوطاتها البالغ عددها 722 والمؤرخة في 6 أكتوبر. ويطرح CERN وMistral الطموح الأوسع نطاقًا، وهو Large Physics Model مدرَّب على مليارات التصادمات المحاكاة، لكن من دون تحديد مبلغ أو جدول زمني.

على صعيد الأدوات، تصبح المفاضلة بين التكلفة والسرعة والجودة واضحة. لدى OpenAI، يتوصل GPT-6.1 Sol بمستوى الجهد Ultra إلى 92 % من النتائج التي يتوصل إليها GPT-6 Astra Ultra مقابل 14 % من التكلفة؛ ويوفر النمط السريع في Opus 5.5 معدل معالجة يبلغ 2,5 مرة المعدل المعتاد مقابل ضعف السعر؛ وتحاسب Code Review على الرموز المستهلكة ضمن سقف شهري. ويترسخ حضور الوكلاء أيضًا في المهام التي تُنفَّذ دون مراقبة: يتولى Devin Oncall مناوبات الاستدعاء، ويتوقف Claude Code 2.1.301 عن الانتظار عندما يكون موعد تجدد حد الاستخدام بعيدًا، ويسجّل كل حكم يصدره مصنّفه، ويكلّف وضع Auto في Antigravity CLI وكيلًا منفصلًا بمراجعة الأوامر التي قد تخرج من البيئة المعزولة. وتجد اختبارات الأداء صعوبة في مواكبة التطور: على SREGym-Lite، يحقق كل من Devin Oncall وCloudThinker نسبة 100 % باستخدام GPT-6 Astra.