DeepSeek تفتح مصدر DeepInfer، المحرك الذي يشغّل V4.1-Flash في بيئة الإنتاج، وMistral تطلق Voxtral 3 وElevenLabs تطلق Eleven Realtime للوكلاء الصوتيين، وPerplexity Computer يعمل محليًا على Mac

تنشر DeepSeek الشيفرة المصدرية لـ DeepInfer، محرك الاستدلال الذي يشغّل DeepSeek-V4.1-Flash في بيئة الإنتاج، وتكشف أرقام خدمتها: 155 000 مليار رمز يوميًا على عنقود حوسبة واحد. وفي اليوم نفسه، تطلق Mistral وElevenLabs نماذجهما للوكلاء الصوتيين عبر مسارين متعاكسين، سلسلة من تحويل الكلام إلى نص وتوليد الكلام مع Voxtral 3، ونموذج واحد لتحويل الكلام إلى كلام مع Eleven Realtime، بينما تتيح Perplexity تشغيل Computer بالكامل محليًا على Mac. وتنشر Google أيضًا TorchTPU مفتوح المصدر، وتعرض خدمة OSS Scanner التابعة لـ Anthropic حصيلة أولية تتضمن ثغرة في curl أُصلحت الآن.

DeepInfer: DeepSeek تفتح مصدر محرك الاستدلال الذي يشغّل DeepSeek-V4.1-Flash في بيئة الإنتاج

20 أكتوبر — تنشر DeepSeek إطار الاستدلال (inference framework) الداخلي DeepInfer مفتوح المصدر بترخيص Apache-2.0، وهو الإطار الذي يشغّل DeepSeek-V4.1-Flash في خدماتها. النسخة المنشورة مخصصة للاستدلال دون اتصال، ولا تدعم سوى هذا النموذج، على وحدات GPU من NVIDIA بفئة SM100 ووحدات NPU من Huawei Ascend 950. وتضم مكونات بيئة الإنتاج: مكتبات النوى التي نشرتها DeepSeek سابقًا (FlashMLA وDeepGEMM وDeepEP وTileKernels وDeepSelect) ونوى TileLang، وتوازي الخبراء مع موازنة الحمل لجزء MoE، وفك ترميز تخميني مطوّر داخليًا (DSpark)، وإعادة تنفيذ محدودة لنافذة الانتباه المنزلقة لتخفيف الملء المسبق، ومخرجات منظمة وفق تعبير نمطي أو مخطط JSON أو قواعد EBNF.

وتفتح DeepSeek في الوقت نفسه مصدر deepseek-recipe بترخيص MIT، وهو مكوّن مستخدم في بيئة الإنتاج يحوّل طلبات واجهات API من نوع Messages وChat Completions وResponses إلى رموز لنموذجي DeepSeek V4 وV4.1، ثم يحوّل مخرجات النموذج إلى ردود. ويتوافق منطقه مع منطق واجهة API الرسمية: يحصل مزوّد الاستضافة الخارجي على السلوك نفسه لوضع التفكير أو استدعاءات الأدوات أو المخرجات المنظمة. وتوضح الأسئلة الشائعة حول النشر في المستودع حجم الخدمة:

بيانات الإنتاج التي نشرتها DeepSeek	القيمة المنشورة
الرموز التي يعالجها عنقود واحد	155 000 مليار يوميًا
إجمالي الإيرادات وفق تعرفة ساعات انخفاض الطلب	38 دولارًا لكل ساعة GPU
الملء المسبق	أجهزة عادية تضم 8 GPU
فك الترميز	عُقد فائقة تضم من 64 إلى 128 GPU
الاحتفاظ بذاكرة التخزين المؤقت KV	أكثر من 72 ساعة

لم يُفتح مصدر كل شيء. تظل إدارة ذاكرة التخزين المؤقت KV وموازنة الحمل بين النسخ مغلقتَي المصدر لارتباطهما الوثيق بالبنية التحتية الداخلية، وفقًا لـ DeepSeek، ولا يصفهما سوى منشور على Zhihu، كما لم يُتح الفصل بين المُرمِّز البصري والملء المسبق وفك الترميز. ولم تُنشر قياسات معدل المعالجة إلا في رسوم بيانية. بُني DeepInfer في البداية أساسًا على vLLM، مستلهمًا أيضًا SGLang وTensorRT-LLM، وسيستضيف كذلك شيفرة الاستدلال لنماذج DeepSeek المستقبلية؛ وقد بلغ عدد نجوم المستودع 11 562 في مساء اليوم نفسه.

🔗 سلسلة منشورات @deepseek_ai · DeepInfer على GitHub · deepseek-recipe على GitHub

Voxtral 3: Mistral تطلق نماذج لتحويل الكلام إلى نص وتوليد الكلام، وحزمة SDK للوكلاء الصوتيين

20 أكتوبر — تطلق Mistral عائلة Voxtral 3 من نماذج تحويل الكلام إلى نص (speech-to-text) وتحويل النص إلى كلام (text-to-speech)، مع حزمة SDK لبناء الوكلاء الصوتيين. تتوفر جميعها بدءًا من 20 أكتوبر عبر واجهة API الخاصة بـ Mistral، على نقاط نهاية أوروبية وأمريكية وعالمية، وكذلك في ساحات التجربة (playgrounds) ضمن Studio؛ ويتوفر النشر محليًا أو في سحابة خاصة عند الطلب.

نموذج Voxtral 3	الاستخدام المستهدف	السعر المعلن
Voxtral Small Transcribe 3	أعلى دقة في تحويل الكلام إلى نص، وتمييز المتحدثين	0,004 دولار للدقيقة
Voxtral Mini Transcribe 3 (4B)	تحويل الكلام إلى نص على دفعات، وتمييز المتحدثين	0,0035 دولار للدقيقة
Voxtral Mini Transcribe Realtime 3	تحويل الكلام إلى نص في الوقت الفعلي، أقل من 500 ms	0,008 دولار للدقيقة
Voxtral Speech 3	توليد الكلام، على دفعات وفي الوقت الفعلي	13 دولارًا لكل مليون حرف

يشمل تحويل الكلام إلى نص 50 لغة، منها اللغات الرسمية الـ 24 للاتحاد الأوروبي. ويميّز بين المتحدثين، ويقبل كلمات مفتاحية لتحسين التعرّف على المصطلحات المهنية دون ضبط دقيق (fine-tuning) عبر التحييز السياقي (context biasing)، ويكتشف نهاية الحديث. وتنشر Mistral معدلات الخطأ التالية على مستوى الكلمات في 45 لغة من معيار FLEURS، مع تحديد اللغة للنموذج أو اكتشافها تلقائيًا:

النموذج المُقيَّم (FLEURS، 45 لغة)	اللغة محددة للنموذج	اللغة مكتشفة تلقائيًا
Voxtral Small Transcribe 3	4,0 %	4,1 %
Microsoft AI Transcribe 2	4,0 %	4,1 %
Voxtral Mini Transcribe 3	4,5 %	4,6 %
Gemini 3.5 Transcribe	4,5 %	6,1 %
Scribe v2	4,9 %	4,9 %
GPT Transcribe	5,6 %	6,3 %
Whisper large-v3	14,9 %	16,0 %

تقول Mistral إن نموذجها Small أفضل من Whisper وScribe v2 وGemini 3.5 Transcribe، لكن رسمها البياني نفسه يضع Microsoft AI Transcribe 2 في مستوى مماثل. وفي الوقت الفعلي، مع تأخير قدره 480 مللي ثانية، يسجل نموذج Mini معدل خطأ قدره 6,4 % عبر 35 لغة، خلف Gemini 3.5 Realtime Transcribe ‏(4,2 %) وMicrosoft AI Transcribe 2 Streaming ‏(5,8 %)، لكنه يتقدم على GPT Live Transcribe ‏(8,4 %) وScribe v2 Realtime ‏(8,7 %).

يتحدث Voxtral Speech 3 أكثر من 35 لغة وأكثر من 50 لهجة، ويستنتج العاطفة والإيقاع من سياق المحادثة أو يتبع تعليمات صريحة سطرًا بسطر، فيما يعيد Pro Voice إنتاج صوت احترافي انطلاقًا من 30 دقيقة من التسجيلات الصوتية؛ ووفقًا لـ Mistral، فإن تكلفة تشغيله أقل من تكلفة النماذج المماثلة لدى OpenAI وDeepgram وElevenLabs وGoogle.

تربط حزمة SDK للوكلاء الصوتيين، المبنية على LiveKit، ثلاثة نماذج على نحو متدفق: يستمع نموذج الوقت الفعلي ويحدد نهاية الجملة، ثم يستدل نموذج عام مثل Mistral Small ويستدعي الأدوات، ثم يرد Voxtral Speech 3. ولا تنتظر أي مرحلة اكتمال سابقتها: تكتمل كل جولة في أقل من ثانية وفقًا لـ Mistral، ويصمت الوكيل عند مقاطعته، ويجري مكالمات عبر SIP أو WebRTC، وتظل كل مرحلة نموذجًا قابلًا للاستبدال. وعلى خلاف Voxtral Transcribe 2 الذي أُطلق في فبراير وVoxtral TTS الذي أُطلق في مارس، لم يُعلن عن إتاحة أوزان Voxtral 3: يعرض المنشور واجهة API الخاصة بـ Mistral أو النشر على البنية التحتية الخاصة بالمستخدم بالتنسيق مع فريق Mistral، ولم يظهر أي مستودع على Hugging Face مساء الإطلاق.

🔗 منشور Mistral · سلسلة منشورات @MistralAI

Eleven Realtime: ElevenLabs تجمع الوكيل الصوتي في نموذج واحد لتحويل الكلام إلى كلام

20 أكتوبر — في اليوم نفسه الذي أُطلق فيه Voxtral 3، تتبع ElevenLabs النهج المعاكس. فبينما تربط حزمة SDK من Mistral ثلاثة نماذج منفصلة وقابلة للاستبدال، يجمع كل نموذج من Eleven Realtime الوكيل الصوتي بأكمله في نموذج واحد لتحويل الكلام إلى كلام (Speech to Speech): يجري تحسين التعرّف على الكلام، واكتشاف النشاط الصوتي، وتناوب الحديث، وLLM، وتوليد الكلام كوحدة واحدة. تتحدث النماذج أكثر من 90 لغة، ويمكنها استخدام أكثر من 17 000 صوت في مكتبة ElevenLabs.

تُطرح نسختان. يستهدف Eleven Realtime v1 Mini، وهو النموذج الافتراضي، المحادثات منخفضة التكلفة، مثل المساعدين والمعلمين والشخصيات التفاعلية. أما Eleven Realtime v1 Max فيستدل قبل الرد ويستهدف المهام المعقدة، مثل دعم العملاء أو مسارات العمل متعددة الخطوات التي تتضمن استدعاءات للأدوات؛ وتكلفته لكل رمز أعلى. وتأتي النتائج المنشورة من تقييمات Artificial Analysis التي تستشهد بها ElevenLabs:

المقياس (Artificial Analysis، وفقًا لـ ElevenLabs)	Eleven Realtime v1 Max	Eleven Realtime v1 Mini
Big Bench Audio ‏(1 000 سؤال يُطرح بصوت عالٍ)	98,8 %	75,9 %
متوسط التأخير حتى أول كلام	0,57 s	0,62 s
Full-Duplex-Bench (التوقفات والمقاطعات)	94,1 %	95,8 %
المهام المنجزة بنجاح باستخدام الأدوات	87,1 %	60,3 %

وفقًا لـ ElevenLabs، لا يوجد نموذج في تصنيف Artificial Analysis يتفوق على v1 Max في السرعة والدقة معًا. ويتعامل Mini بشكل أفضل قليلًا مع ديناميكية المحادثة، لكن Max يوسّع الفارق في المهام التي تستخدم الأدوات.

في ElevenAgents، يكفي تغيير الوضع الصوتي للوكيل من «Custom» إلى «Realtime» للاحتفاظ ببقية إمكانات المنصة: الهاتف والويب وWhatsApp ومراكز الاتصال. وتُتاح النماذج أيضًا عبر واجهة API من نوع Realtime متوافقة مع واجهة OpenAI: يغيّر المطوّر الذي أتم التكامل مسبقًا نقطة النهاية واسم النموذج، ويحتفظ بشيفرته، عبر WebSocket فقط. ويجري الإطلاق تدريجيًا حسب مساحات العمل. ولا يتوفر Mini في وضع Zero Retention أو ضمن HIPAA، بخلاف Max، ولم تُعلن أسعار محددة: تتقاضى ElevenLabs التعرفة المعتادة للدقيقة في ElevenAgents، مضافًا إليها تكلفة الرموز وفق تعرفة النموذج المختار.

وبذلك تنضم ElevenLabs إلى نماذج الصوت الشاملة المتاحة بالفعل من OpenAI ‏(GPT-Live-1، بسعر 0,05 دولار للدقيقة في واجهة API منذ 10 سبتمبر)، وGoogle ‏(Gemini 3.8 Live)، وSpaceXSI ‏(Grok Voice 3.0).

🔗 منشور ElevenLabs · وثائق نماذج Realtime

Perplexity Computer يعمل بالكامل محليًا على Mac، بما في ذلك النموذج

20 أكتوبر — تتيح Perplexity تشغيل وكيلها Computer بالكامل على Mac: يظل النموذج وإطار تشغيله (harness) وتنفيذ المهام على الجهاز.

Perplexity Computer can now run fully local on your Mac. Work with your native Mac apps and local files, and run tasks without sending sensitive data to the cloud. The model and the agent both run on your Mac. Available now in the Perplexity Mac app.

🇸🇦 يمكن الآن تشغيل Perplexity Computer بالكامل محليًا على جهاز Mac الخاص بك. اعمل مع تطبيقات Mac الأصلية وملفاتك المحلية، ونفّذ المهام دون إرسال بيانات حساسة إلى السحابة. يعمل كل من النموذج والوكيل على جهاز Mac الخاص بك. متاح الآن في تطبيق Perplexity على Mac. — @perplexity_ai على X

عنصر الإطلاق	التفاصيل وفقًا لـ Perplexity
النماذج المحلية	Qwen 3.6 وPPLX Pro
الذاكرة الموصى بها	36 Go من الذاكرة الموحدة أو أكثر
الأجهزة المعنية	أجهزة Mac المدعومة المزودة بشرائح Apple silicon، مثل Mac mini الجديد المزود بـ M6 وM5 Pro
الخطط المعنية	Pro وMax وEnterprise
أرصدة Computer	لا تستهلكها المهام المحلية
اللجوء إلى السحابة	بإذن المستخدم، للوصول إلى أكثر من 15 نموذجًا من الطراز الأحدث

بإذن المستخدم، يعمل الوكيل على الملفات المحلية وداخل تطبيقات مثل Notes وMessages وMail وNumbers. ووفقًا لتغريدة Perplexity، فإن PPLX Pro هو نسختها من Qwen 3.8 التي خضعت لتدريب لاحق؛ وعندما سُئل أرافيند سرينيفاس، رئيس Perplexity، عن حجمه، أجاب بأنه نموذج كثيف يضم 27 مليار معلمة، ورأى أن ذاكرة بسعة 36 غيغابايت ستصبح شائعة.

يقدم تطبيق Mac الآن طريقتين لتشغيل Computer. يبدأ Hybrid Compute، الذي أُطلق في 1 سبتمبر، من السحابة للبحث والاستدلال، ويعالج الملفات الخاصة محليًا؛ أما الوضع الجديد فيبدأ من Mac، الذي يحتفظ بالتخطيط والاستدلال ومعالجة الملفات. وإذا سمح المستخدم، يلجأ الوكيل إلى السحابة للحصول على معلومات حديثة أو تصفح الويب أو استخدام التطبيقات المتصلة، وتُنفَّذ الشيفرة والأدوات في بيئات معزولة، وفق بروتوكولات الأمان نفسها المستخدمة في النسخة السحابية. وتذكر Perplexity ثلاثة استخدامات: مراجعة محفظة استثمارية انطلاقًا من بيانات حيازات خاصة، وإعداد عرض تجاري اعتمادًا على ملاحظات سرية، وإنشاء قائمة أولويات صباحية مستخلصة من Messages وMail.

وهذا هو نظير Portable Computer على Mac، أي النسخة المحلية بالكامل التي أُطلقت في 25 أغسطس على DGX Spark، ثم توسعت في سبتمبر لتشمل Linux وWindows وأجهزة الحاسوب المزودة بمعالج AMD Ryzen AI Max.

🔗 منشور Perplexity

PyTorch خارج وحدات GPU من NVIDIA: إتاحة TorchTPU مفتوح المصدر، ودعم TPU أصلي لدى Hugging Face، وMPS في PyTorch 2.15

تتيح ثلاثة إعلانات اليوم تشغيل PyTorch على شرائح أخرى غير شرائح NVIDIA: تنشر Google برنامج TorchTPU في PyTorch Conference، وتدمجه Hugging Face في مكتباتها في اليوم نفسه، ويوضح فريق PyTorch لدى Hugging Face بالتفصيل ما يقدمه PyTorch 2.15 لأجهزة Mac.

TorchTPU : تجعل Google حزمة PyTorch الأصلية لـ TPU مفتوحة المصدر، مع vLLM وSGLang وTorchTitan وllm-d 1.0

20 أكتوبر — تنشر Google حزمة TorchTPU مفتوحة المصدر، وهي حزمتها الأصلية لـ PyTorch على وحدات TPU، التي طوّرتها بالاشتراك مع فريق PyTorch في Meta. تصبح TPU جهازًا في PyTorch كسائر الأجهزة (torch.device("tpu")): يجري تصحيح الأخطاء بالتنفيذ المباشر (الفوري)، ثم الانتقال إلى بيئة الإنتاج باستخدام torch.compile، الذي يترجم الشيفرة عبر XLA. حتى الآن، كان يتعين إعادة كتابة الشيفرة باستخدام JAX أو الاعتماد على torch_xla القديم.

يعتمد محركا استدلال على TorchTPU: ‏vLLM-TorchTPU، المطوّر بالتعاون مع Inferact، وSGLang-TorchTPU، المطوّر مع RadixArk، والمستخدم بالفعل في بيئة الإنتاج لدى Meta. تعلن Google عن تكلفة قدرها 2,01 سنتًا أمريكيًا لكل مليون رمز في تصنيف InferenceX من SemiAnalysis، باستخدام Qwen 3.5 على Ironwood، وعن أكثر من 700 رمز في الثانية لمستخدم واحد على Kimi K3، وهو نموذج يضم 2 800 مليار مُعامل. وفي التدريب، يحقق TorchTitan على TPU معدل استغلال للحوسبة (استغلال عمليات الفاصلة العائمة للنموذج) يصل إلى 52 % على Qwen 3 8B، مع تجارب شملت حتى 8 192 شريحة Ironwood. وتُصدر Google أيضًا llm-d 1.0، وهي حزمة لتقديم النماذج بصورة موزعة على Kubernetes، شاركت في تأسيسها مع Red Hat وIBM: في حمل عمل برمجي قائم على الوكلاء، ينخفض الزمن الوسيط حتى أول رمز بأكثر من 85 %، ويرتفع معدل الإنتاجية إلى 2,4 أضعاف مقارنة بخدمة Service بسيطة في Kubernetes.

🔗 تدوينة Google Cloud · محركا vLLM وSGLang على TPU · llm-d 1.0

Hugging Face تضيف دعمًا أصليًا لـ TPU في Transformers وDiffusers وKernels

20 أكتوبر — تدمج Hugging Face حزمة TorchTPU في منظومتها: تصبح TPU جهازًا كسائر الأجهزة، من دون المرور عبر PyTorch/XLA أو JAX، ولا تعود Optimum TPU، الطبقة التي كانت Hugging Face تتولى صيانتها حتى الآن، ضرورية لـ Transformers وDiffusers. في Transformers، يكفي تحميل نموذج باستخدام device_map="tpu"؛ وفي Diffusers، يكفي استخدام pipe.to("tpu")، مع ترجمة اختيارية للشيفرة وتوازٍ موترّي لتوزيع النماذج الكبيرة على عدة شرائح.

الحالة التي قاستها Hugging Face	النتيجة المنشورة
Qwen-Image-2.1، صورة 1024 × 1024 في 40 خطوة (TPU v6e-4)	3,5 s مع الترجمة، 8,0 s من دون ترجمة
MiniMax-H3، فيديو مع صوت مدته 5,2 s (TPU v6e-4)	188 s مع الترجمة، 262 s من دون ترجمة
فك ترميز Qwen3-30B-A3B، دفعة من 64، نواة Tokamax ‏(v6e-8)	أسرع بمقدار 21,5 مرة
اختبارات Transformers التي اجتازت التنفيذ على TPU	96,5 %

أبلغ الفريق مشروع TorchTPU عن 34 مشكلة، أُصلحت منها 19 بالفعل، ويُعدّ تكاملًا مستمرًا ليليًا على TPU. وهذه ثاني واجهة خلفية أصلية في PyTorch لمسرّع من غير NVIDIA تدمجها Hugging Face خلال يومين، بعد TorchNeuron المخصص لـ AWS Trainium في اليوم السابق.

🔗 تدوينة Hugging Face عن TorchTPU

PyTorch 2.15 يجلب FP8 إلى Mac ويسرّع فك ترميز MoE حتى 6,5 مرات

20 أكتوبر — يوضح فريق PyTorch لدى Hugging Face، الذي يعمل على MPS، الواجهة الخلفية لوحدات GPU في أجهزة Mac المزودة بشرائح Apple silicon، ما يقدمه PyTorch 2.15، الذي لا يزال في مرحلة الإصدار المرشح. يصل FP8 إلى Mac، ببايت واحد لكل قيمة، أي نصف ما يتطلبه BF16، مع إجراء الضرب مباشرة على GPU. وبفضل دعم أصلي لضرب المصفوفات المجمّع، يصبح فك ترميز نماذج MoE أسرع بمقدار 5 إلى 6,5 مرات مقارنة بالإصدار 2.14.

القياس على Mac	مع PyTorch 2.14	مع PyTorch 2.15
فك ترميز Qwen3.6-35B-A3B على M3 Ultra	9,4 tokens/s	61,3 tokens/s
فك ترميز LFM2.5-8B-A1B على M3 Ultra	23,6 tokens/s	123,6 tokens/s
Softmax بدقة FP32 على 128 256 قيمة لوغيت	57 µs	7 µs
ذروة ذاكرة برنامج التشغيل، VAE الخاص بـ Wan2.2	270,1 Gio	8,1 Gio

أُصلح مُرمّز VAE الخاص بـ Qwen-Image-2.1، الذي كان يفسد الصور بصمت على MPS. يتطلب PyTorch 2.15 نظام macOS 15 وPython 3.11، وتشير معاينة للإصدار 2.16، لا تزال قابلة للتغيير، إلى آلية انتباه مكتوبة بالكامل باستخدام Metal.

🔗 تدوينة Hugging Face عن MPS

أمن البرمجيات مفتوحة المصدر: أول حصيلة لـ OSS Scanner وجدار حماية الحزم من GitHub

يستهدف إعلانان سلسلة توريد البرمجيات مفتوحة المصدر من طرفيها: العثور على الثغرات في شيفرة المشاريع، وتصفية الحزم عند تثبيتها.

OSS Scanner : قبول 114 مشروعًا، والإبلاغ عن 77 ثغرة حرجة و803 عالية الخطورة، وإصلاح ثغرة في curl

19 أكتوبر — بعد أحد عشر يومًا من إطلاقه، يقدم OSS Scanner، خدمة Anthropic المجانية التي تفحص المشاريع المهمة مفتوحة المصدر باستخدام أقوى نماذجها، أول أرقامه. في سلسلة منشورات أعاد @ClaudeDevs نشرها مساء اليوم نفسه، أحصى بونيت شاه، مدير منتج الخدمة، نحو 650 مشروعًا متقدمًا و114 مشروعًا مقبولًا. وقد أبلغت عمليات الفحص القائمين على صيانة المشاريع عن 77 ثغرة حرجة و803 ثغرات عالية الخطورة، وفق تصنيف الخطورة الذي أسنده النموذج، مع أن جميع المشاريع لم تُفحص بعد.

الحالة التي جرى تسليط الضوء عليها هي curl: الثغرة CVE-2026-92392، وهي استخدام للذاكرة بعد تحريرها (استخدام بعد التحرير) أثناء إرسال عبر HTTP/2، اكتُشفت باستخدام نسخة أولية من OSS Scanner، وأُصلحت في curl 8.23.0 في 14 أكتوبر. يصنفها إشعار curl بأنها عالية الخطورة في الإصدارات من 8.12.0 إلى 8.22.0، وينسب الإبلاغ عنها إلى «لونا مع Claude، ‏Anthropic». ومن الدروس الأخرى أن معظم التقارير الأولى، التي أُرسلت بالبريد الإلكتروني مع إثبات المفهوم، رُفضت، إذ يُرجح أن مرشحات البريد اعتبرتها برمجيات خبيثة. لذلك تختبر Anthropic إرسالها عبر GitHub Security Advisories؛ وكان أكثر من 150 مشروعًا لا يزال ينتظر قرارًا، وفق تقدير بونيت شاه.

🔗 سلسلة منشورات بونيت شاه · إشعار أمان curl

GitHub يتيح في معاينة تصفية حزم npm التي تثبتها مشغّلات Actions ووكلاء البرمجة

20 أكتوبر — يفتح GitHub معاينة عامة لجدار حماية للحزم (جدار حماية الحزم). تنطلق الفكرة من ملاحظة أن هجمات متزايدة تستغل لحظة تثبيت الحزمة لجمع بيانات الاعتماد من مضيفي CI/CD أو أجهزة المطورين، حتى من دون تشغيل شيفرة الحزمة. يتموضع جدار الحماية بين مشغّلات (منفّذات) GitHub Actions أو وكلاء البرمجة وسجلات الحزم المصدرية، ويفحص طلبات البيانات الوصفية والتنزيلات معًا.

النقطة الأساسية في جدار الحماية	ما تتضمنه المعاينة
الضوابط المتاحة	فترة انتظار، وتنبيهات GitHub Advisory Database، وتراجعات مستوى شهادات التوثيق
العملاء المشمولون	GitHub Enterprise Cloud، بما في ذلك توطين البيانات
المنظومة المدعومة	npm فقط في الوقت الحالي
السعر	مجاني خلال المعاينة، ثم تُحتسب التكلفة حسب الاستخدام، مثل GitHub Actions

يجب تهيئة وكلاء البرمجة ومضيفي CI/CD للمرور عبر جدار الحماية بدلًا من الاستعلام المباشر من السجلات، ويمكن تقديم طلب استثناء لحزمة حُظرت خطأً.

🔗 إعلان GitHub

المساعدات: محادثات ChatGPT المقفلة، وGemini للشركات الصغيرة وللإدارات الأمريكية

تضيف OpenAI وGoogle إلى مساعداتهما وظائف تلبي احتياجات محددة: خصوصية المحادثة في ChatGPT، والشركات الصغيرة والخدمات العامة الأمريكية في Gemini.

ChatGPT يخفي محادثات خلف رمز PIN من 4 أرقام

20 أكتوبر — يقدم ChatGPT المحادثات المقفلة (المحادثات المحمية بقفل): تظل المحادثة المختارة في الحساب، لكنها تختفي من السجل والمحادثات المثبتة والبحث. وتنتقل إلى مساحة المحادثات المقفلة ضمن Projects، التي تُفتح برمز PIN للحساب من 4 أرقام أو، على الهاتف، باستخدام Face ID أو Touch ID أو فتح قفل جهاز Android. تُطرح الوظيفة تدريجيًا على الويب وiOS وAndroid وتطبيق سطح المكتب الجديد لنظامَي macOS وWindows، من Free إلى Pro، وكذلك على Business وEnterprise وEdu، لكنها لا تشمل ChatGPT for Healthcare.

توضح OpenAI حدودها: لا يضيف القفل تشفيرًا تامًا بين الطرفين ولا خزنة منفصلة، ولا يغير مدة الاحتفاظ. تؤدي إعادة تعيين رمز PIN منسي إلى حذف جميع المحادثات المقفلة والملفات التي تحميها نهائيًا. وفي الشركات، تظل المحادثات المقفلة في سجلات OpenAI Compliance Platform، ولا يستطيع المسؤولون تعطيل الوظيفة أو فتح قفل محادثة. ولا يمكن قفل محادثات Codex أو المحادثات المؤقتة أو الجماعية.

🔗 ملاحظات إصدار ChatGPT · دليل المحادثات المقفلة

تطبيق Gemini يفتح مساحة للشركات الصغيرة

20 أكتوبر — تضيف Google إلى تطبيق Gemini صفحة رئيسية مخصصة للشركات الصغيرة، تقدمها بوصفها نقطة دخول موحدة لبناء العلامة التجارية وتحليل الشؤون المالية وفهم العملاء بصورة أفضل؛ ووفق Google، يستخدم عشرات الملايين من أصحاب الشركات الصغيرة Gemini بالفعل. ولإنتاج المواد البصرية، يرفع صاحب المشروع موقعه أو دليل هويته البصرية أو خطوطه أو ألوانه: ويعتمد Gemini على Nano Banana 2.1 لإنتاج مواد إطلاق أو حملة، ويحتفظ بهذا الأسلوب من دون الحاجة إلى رفع الملفات مجددًا. وفي الشؤون المالية، تتحول جداول البيانات غير المنظمة أو الإيصالات أو سجلات الشراء خلال ثوانٍ إلى رسوم بيانية ونماذج تفاعلية.

يتصل Gemini بخدمات Google Business Profile وGoogle Ads وGoogle Workspace، وكذلك Adobe وCanva وDropbox وShopify وWix وZoho وXero. ومن بين الشهادات، تقول حرفية خزف من بوردو، صاحبة Bleu Clémentine، إنها توفر ساعتين إلى ثلاث ساعات يوميًا. ويبدأ الطرح «خلال الأيام المقبلة»، في جميع أنحاء العالم ولجميع مستخدمي التطبيق.

🔗 تدوينة Google

Gemini for government services : وكيل Gemini في معاينة للإدارات الأمريكية

20 أكتوبر — تقدم Google Cloud للقطاع العام نسخة من وكيل Gemini الذي عُرض مطلع أكتوبر في Gemini at Work: تتوفر Gemini for government services في معاينة للوكالات الفيدرالية ووكالات الولايات والهيئات المحلية الأمريكية، وفق ما أعلنه توماس كوريان، رئيس Google Cloud. يجمع العرض مهارات تطبق قوانين الوكالات ولوائحها وتعليماتها، وموصلات إلى أنظمتها تتيح الاستعلام منها في مكانها من دون ترحيل البيانات، ووكلاء من شركاء، من بينهم SZNS Solutions، ومستوى تحكم موحدًا للأمن والامتثال، وشبكة من 13 جهة تكامل.

تذكر Google سبعة استخدامات، من البحث التنظيمي مع استشهادات تحدد الفقرة بدقة، إلى حجب المعلومات الحساسة في المستندات قبل نشرها، مرورًا بطلبات الوصول إلى الوثائق الإدارية (FOIA) وتدقيق إنفاق المنح. تشمل الموصلات Federal Register وregulations.gov وeCFR وOracle وSalesforce وServiceNow وGoogle Workspace وMicrosoft 365. تعمل Google مع ولاية ميزوري ووزارة الصحة الأمريكية (HHS)، ويمكن نشر العرض ضمن نطاق بيانات FedRAMP High في Assured Workloads؛ ولم يُعلن عن سعر أو موعد للإتاحة العامة.

🔗 تدوينة Google Cloud

الذكاء الاصطناعي التطبيقي: بروتينات رابطة يصممها Claude، وتوصيات QD-Rec، وFlora للروبوتات

تطبق ثلاثة أعمال اليوم النماذج على مشكلات محددة: تصميم بروتينات لمواجهة السموم، ودعم اتخاذ القرار، ووسم مقاطع الفيديو لتدريب الروبوتات.

Claude يصمم بروتينات رابطة لسموم العقارب العصبية: التحقق من 17 من أصل 211 خضعت للاختبار

20 أكتوبر — تنشر Anthropic على مدونتها Science حملة لتصميم بروتينات أجراها Claude لاستهداف خمسة سموم عصبية لعقارب من أربع مناطق، من المكسيك إلى الشرق الأوسط. استخدم نموذج بحثي داخلي، يُستعمل في Claude Science، تعليمة دراسة من أغسطس عُدّلت بالتعاون مع Citrini Research، ثم عمل إلى حد كبير بصورة مستقلة، بتوجيه من أربع تعليمات متابعة من الفريق: وُلّد 318 484 تصميمًا باستخدام 12 أداة، وأُعدّت قائمة نهائية من 180 تصميمًا خلال 64 ساعة، بحوسبة تعادل نحو 10 000 ساعة GPU. اختبرت Adaptyv Bio وTwist Bioscience عددًا قدره 211 تصميمًا، من بينها 31 أضافها الفريق. وباستخدام معايير صارمة، يرتبط 17 منها بأهدافها، كل منها بسم واحد فقط، ولا يستهدف أي منها السم البرازيلي Ts1. ويرتبط أفضل تصميمين، Cn2-B1 وCn2-B2، بالسم المكسيكي Cn2 بألفة ارتباط في نطاق بضعة نانومولار، ويبدو أنهما يستهدفان الموقع نفسه الذي يستهدفه الجسم المضاد LR، الذي يبطل مفعوله لدى الفئران.

This is exploratory work, and we’re not claiming to have produced an antivenom—for that, we’d have to test the binders within living cells, then in mice, among many other steps. But it’s an example of how Claude can concretely assist research in protein design.

🇸🇦 هذا عمل استكشافي، ولا ندّعي أننا أنتجنا مضادًا للسموم: فهذا يتطلب اختبار البروتينات الرابطة في خلايا حية، ثم لدى الفئران، إلى جانب خطوات أخرى كثيرة. لكنه مثال على الكيفية التي يمكن بها لـ Claude أن يساعد عمليًا في أبحاث تصميم البروتينات. — @AnthropicAI على X

نُشرت التصاميم الـ 211 وبياناتها. وتقر ملاحظة بأن هذه الحوسبة تتجاوز إمكانات معظم الباحثين، لكنها تشير إلى أن تعليمة مبسطة، باستخدام وكيل واحد وGPU واحد لمدة 24 ساعة، تحقق درجات محاكاة حاسوبية مماثلة.

🔗 تدوينة Anthropic

QD-Rec : تطوّر Sakana AI توصيات متنوعة ومعلّلة

20 أكتوبر — تقدم Sakana AI نظام QD-Rec، الذي يطبق البحث المفتوح (البحث ذو النهايات المفتوحة) ونهج الجودة والتنوع (الجودة والتنوع) على التوصيات لدعم اتخاذ القرار. وبدلًا من ترتيب المرشحين، تبحث الطريقة عن أزواج من مرشح وفرضية: شركة للاستحواذ عليها، أو عميل للتواصل معه، أو مقال لقراءته، والنص الذي يشرح سبب اختياره. تختار خوارزمية اللص السياقي المرشح التالي مع إعطاء الأفضلية للمناطق قليلة التغطية، ويصوغ نموذج لغوي كبير الفرضية عبر تكييف الفرضيات المؤرشفة أو الجمع بينها، ويحتفظ أرشيف مقسّم إلى فئات تخصصية بالمبررات الجديدة.

عند اختباره في عمليات الدمج والاستحواذ والاستهداف التسويقي والتوصية بالمقالات، باستخدام Claude Sonnet 5 أو Claude Haiku 4.5 لاقتراح التوصيات، وgpt-5.6-terra للحكم عليها، يحقق QD-Rec في معظم الحالات أفضل متوسط للجودة وأكبر أرشيف ضمن 1 000 عملية تقييم: بالنسبة إلى Walt Disney، تبلغ النتيجة 2,91 من 10 مع 214 توصية، مقابل 2,40 و85 من دون تطوّر. وتوضح Sakana أن هذه السيناريوهات لا تشكل نصائح استثمارية، وأن أحد النماذج أورد فيها رقمًا غير موجود في البيانات؛ ونُشرت الشيفرة بترخيص Apache-2.0.

🔗 المقال التقني من Sakana AI

Flora: تتيح NVIDIA أوزان مجموعة نماذج تضيف تعليقات توضيحية إلى مقاطع الفيديو لتدريب الروبوتات

20 أكتوبر — يتيح مختبر GEAR التابع لـNVIDIA أوزان Flora، وهي مجموعة نماذج تحوّل مقاطع الفيديو الخام للروبوتات أو البشر إلى إشارات تدريب: أوصاف للأفعال مرفقة بطوابع زمنية، ومكافآت للنتائج لمراقبة عمليات النشر، ومكافآت للخطوات للتعلم المعزز. وتُستخدم Flora بالفعل محركًا للبيانات لتدريب نماذج GR00T، وتضيف تعليقات توضيحية إلى 200 000 ساعة من الفيديو يوميًا باستخدام 512 وحدة GPU من طراز GB300. ووفقًا لـNVIDIA، فإنها تنافس GPT-6 Astra بتكلفة أقل بنحو 125 مرة، لكن الجدول المنشور يعرض صورة أكثر تباينًا:

الاختبار والمقياس	Flora	GPT-6 Astra
DenseRewardBench، المتوسط الكلي لـF1 (الأعلى = الأفضل)	46,2	40,7
RoboReward، متوسط الخطأ المطلق (الأقل = الأفضل)	40,0	55,4
DenseCaptionBench Robot200، مقياس F1 للتقسيم	66,9	71,9
WGO-Bench، الدقة (gold-window)	64,7	77,4

تتفوق Flora على GPT-6 Astra في معظم مقاييس المكافآت وفي مقاطع فيديو البشر، لكنها تتأخر عنه في مقاطع فيديو الروبوتات، وفي مقياسين من مقاييس WGO-Bench الثلاثة، وفي الارتباط على Robometer خارج التوزيع، وفي RubricBench.

🔗 صفحة مشروع Flora · سلسلة منشورات Jim Fan

استحواذ وشراكة: تستحوذ OpenAI على Orchestra Bio، وتنضم Runway إلى Claude Marketplace

صفقتان تجاريتان اليوم: استحواذ في مجال تطوير الأدوية لدى OpenAI، واتفاق توزيع بين Runway وAnthropic.

تستحوذ OpenAI على Orchestra Bio لربط Rosalind بتطوير الأدوية

20 أكتوبر — تعلن OpenAI استحواذها على Orchestra Bio، وهي منصة يتعاون فيها البشر ووكلاء الذكاء الاصطناعي لدفع برامج تطوير الأدوية قدمًا: يفوّض العلماء ومسؤولو البرامج فيها إلى الوكلاء متابعة الدراسات والحملات. وتقدم OpenAI مثالًا: قد يؤدي فشل دفعة تصنيع إلى تأخير بدء تجربة سريرية؛ عندها يرصد الوكلاء الأنشطة والجداول الزمنية المتأثرة، ويجمعون المعلومات، ويقارنون الاستجابات الممكنة، مع بقاء القرار بيد الفرق.

ينضم فريق Orchestra وتقنيتها إلى Rosalind، عرض OpenAI لعلوم الحياة: GPT-Rosalind للاستدلال في علم الأحياء والكيمياء، وRosalind Workbench لربط هذه القدرات بأدوات الباحثين وبياناتهم. والهدف المعلن: وكلاء يربطون الاكتشافات بالدراسات والقرارات والخطوات التالية لدواء محتمل. وتذكّر OpenAI بأن المدة بين اكتشاف هدف علاجي والحصول على الموافقة التنظيمية في الولايات المتحدة تبلغ في المتوسط 10 إلى 15 عامًا. ولم يُعلن عن قيمة الصفقة.

🔗 إعلان OpenAI

تدخل Runway Creative إلى Claude Marketplace، مع إمكانية الدفع من الالتزام بالإنفاق لدى Anthropic

20 أكتوبر — تنضم Runway إلى Claude Marketplace التابع لـAnthropic عبر Runway Creative، منصتها لتوليد الفيديو والصور والصوت وتحريرها. ويمكن لعملاء المؤسسات المؤهلين تخصيص جزء من التزامهم بالإنفاق لدى Anthropic لشراء Runway، عبر ممثلهم لدى Runway أو Anthropic؛ ولم تُنشر أي أسعار. وتجمع Runway Creative نماذج Gen-4.5 وAleph 2.0 وSeedance 2.5 وKling 3.0 وElevenLabs V4، بينما يوفر Claude قدرات الاستدلال لـRunway Agent، الذي يحوّل الطلب إلى تقسيم للمشاهد، ويختار نموذج كل لقطة، ويجمع الفيديو. ويمكن تصدير الرسوم المتحركة من Claude Motion، المتاح بنسخة تجريبية على Claude Team وEnterprise، إلى Runway لإضافة الصور والتعليق الصوتي والموسيقى.

تقول Runway إن لديها أكثر من 65 مليون منشئ محتوى وصانع أفلام وفريق تسويق. وتمثل هذه الخطوة لدى Anthropic نظير انضمام Runway Creative إلى OpenAI Marketplace في 29 سبتمبر.

🔗 إعلان Runway

قياس النماذج: MultiLangBench من OpenAI، وFairStress من Ai2، وCALIBER من Cohere Labs

تقيّم ثلاثة منشورات بحثية النماذج من ثلاث زوايا: كتابة الشيفرات بلغات قليلة الانتشار، وعدالة قراراتها، ومدى ثقتها بإجاباتها.

MultiLangBench: يبني GPT-6 Astra محركًا متوافقًا مع SQLite في 20 لغة، بما فيها COBOL

19 أكتوبر — تنشر OpenAI تدوينة بحثية عن لغات البرمجة شحيحة الموارد (قليلة الموارد)، مثل COBOL وFortran وVisual Basic، التي يتوافر لها قدر أقل بكثير من الشيفرات والوثائق مقارنة بـPython، رغم أنها تشغّل أنظمة مصرفية أو توقعات للطقس. ويطلب تقييمها الأول، MultiLangBench، المنشور بموجب ترخيص Apache-2.0، بناء محرك قاعدة بيانات متوافق مع SQLite من الصفر بإحدى 20 لغة، والتحقق منه باختبارات مقتبسة من مجموعة اختبارات SQLite.

النموذج المقيّم (أقصى جهد)	المتوسط عبر 20 لغة	COBOL	Fortran	Visual Basic
GPT-5.6 Sol	26,8 %	10,9 %	21,4 %	27,5 %
GPT-6 Luna	40,3 %	17,1 %	31,4 %	41,6 %
GPT-6 Astra	87,4 %	72,1 %	83,5 %	89,4 %

تبلغ تكلفة GPT-6 Luna نحو 0,77 دولار لكل عينة، مقابل 3,48 دولارات لـGPT-5.6 Sol. وفي تقييم ثانٍ لترحيل برامج COBOL إلى C++ أو Java أو Kotlin أو Python أو Rust مع تطابق المخرجات بايتًا ببايت، يحقق GPT-6.1 Sol نسبة نجاح تبلغ 86,6 % عند مستوى جهد منخفض، مقابل 5,4 % لـGPT-5.6 Sol بالإعداد نفسه، وبتكلفة أقل بنسبة 39 %؛ وعند مستوى جهد أعلى، يصل إلى 97,9 %. وتذكّر OpenAI بأن الترحيل إلى بيئة الإنتاج يظل يتطلب مراجعة من خبراء.

🔗 تدوينة OpenAI · MultiLangBench على GitHub

FairStress: تقيس Ai2 العدالة الديموغرافية بما يتجاوز الإجابة النهائية

20 أكتوبر — تنشر Ai2 اختبار FairStress، الذي يختبر العدالة الديموغرافية للنماذج بما يتجاوز اختيارها النهائي: فهو يقيس أيضًا مدى سهولة تخلي النموذج عن قرار سليم أمام حجة إقناعية، والطريقة التي يبرر بها ذلك. ويضم الاختبار 300 سيناريو لاتخاذ قرار بين مرشحين في 29 مجالًا، من التوظيف إلى الإسكان، موزعة على أكثر من 13 مليون حالة اختبار.

من دون معلومات ديموغرافية، تتصرف النماذج بصورة متناظرة. وعبر 15 نموذجًا، يبلغ متوسط الفارق في التخلي عن إجابة صحيحة 6,9 نقاط مع هوية ضمنية، و9,3 نقاط مع وسم صريح: تتخلى النماذج بسهولة أكبر عن المرشح الأفضل عندما يُشار إلى انتمائه إلى الأغلبية، وهو ما تسميه Ai2 تصحيحًا مفرطًا معاكسًا للصور النمطية. وتختار نماذج متقدمة مثل Claude Opus 5 وGPT-5.5 المرشح الذي يُشار إلى انتمائه إلى الأقلية في نحو 60 إلى 65 % من الحالات الملتبسة، ولا تقلل معظم طرق التصحيح التسع المختبرة هذا التفاوت بصورة موثوقة. وتوضح Ai2 أن تعريفها للعدالة يقوم على المساواة في المعاملة؛ وقد نُشرت الشيفرة بموجب ترخيص MIT.

🔗 تدوينة Ai2

CALIBER: تعلّم Cohere Labs نماذج الاستدلال تقدير ثقتها قبل التفكير وبعده

20 أكتوبر — تقدم Cohere Labs، مختبر الأبحاث التابع لـCohere، طريقة CALIBER (المعايرة قبل الاستدلال وبعده)، التي تعلّم نموذج الاستدلال تقدير فرص نجاحه مرتين: قبل التفكير، ثم بشأن الإجابة التي أنتجها. ويُدرَّب تقدير الثقة الأولي على معدل نجاح النموذج عبر محاولات متعددة للسؤال نفسه (سبع إجابات ناجحة من أصل عشر تعطي قيمة مستهدفة قدرها 70 %)، بينما يُدرَّب تقدير الثقة النهائي على صحة إجابته.

على اختبار BigMathDigits، ينخفض خطأ المعايرة المتوقع (الخطأ المتوقع في المعايرة، ECE) للنموذج ذي 7 مليارات معلمة من 0,059 لأفضل طريقة تعتمد تقديرًا واحدًا للثقة إلى 0,028، أي بانخفاض قدره 52,5 %؛ ومن دون تدريب إضافي، يبلغ الانخفاض 26,8 % على GPQA، و32,2 % على TriviaQA، و36,2 % على SimpleQA. ويقدم النموذج ذو 30 مليار معلمة صورة أكثر تباينًا: فقيمة ECE لديه (0,022) أفضل بفارق طفيف جدًا من قيمة CoCA-lite (0,023). ولم يُختبر استخدام هذه التقديرات لتحديد متى ينبغي التحقق أو الامتناع عن الإجابة، ولم يُعلن عن أي منتج من Cohere.

🔗 تدوينة Cohere · الورقة البحثية على arXiv

تحتفظ واجهة API من OpenAI بالموجّهات في الذاكرة المؤقتة 12 ساعة، مقابل 2,5 ضعف سعر الإدخال عند الكتابة

20 أكتوبر — تتيح واجهة API من OpenAI الآن الاحتفاظ بموجّه في الذاكرة المؤقتة لمدة 12 ساعة، مقابل 30 دقيقة افتراضيًا. وتستهدف الميزة الوكلاء المستمرين، مثل dots من OpenAI، الذين يعيدون استخدام التعليمات والأدوات والسياق نفسها طوال اليوم: إذ تظل الطلبات التي تفصل بينها ساعات تستفيد من السعر المخفض للرموز المخزنة مؤقتًا. ويُضبط ذلك عبر المعلمة prompt_cache_options.ttl في Responses API، لنموذج GPT-5.6 والنماذج اللاحقة، ويمكن الجمع بين المدتين في طلب واحد: 12 ساعة للتعليمات المشتركة، و30 دقيقة للجزء الأحدث من المحادثة.

نوع التسعير (GPT-5.6 والنماذج اللاحقة)	معامل سعر الإدخال غير المخزن مؤقتًا
الكتابة في الذاكرة المؤقتة، 30 دقيقة (افتراضيًا)	1,25
الكتابة في الذاكرة المؤقتة، 12 ساعة (Responses API)	2,5
القراءة من الذاكرة المؤقتة	0,1 (0,05 لـGPT-6.1 Sol)

بالنسبة إلى سياق يُعاد استخدامه طوال اليوم، تقدّر OpenAI أن الوفورات تفوق بكثير تكلفة الكتابة الإضافية.

🔗 دليل التخزين المؤقت للموجّهات · سلسلة منشورات @OpenAIDevs

وكلاء البرمجة: Claude Code 2.1.304 وCopilot CLI 1.0.101 وVibe CLI 3.0.1 وDevin Fusion

تُصدر ثلاث واجهات CLI لوكلاء البرمجة إصدارات تركز على الأذونات والموثوقية، وتقارن Cognition أداءها بـClaude Code على مؤشر مستقل.

Claude Code 2.1.304: الأمر /claude-api managed-agents-secure، وتنبيه قبل استئناف مكلف، و43 إصلاحًا

19 أكتوبر — يضم Claude Code 2.1.304، المنشور على GitHub في الساعة 21:34 بتوقيت UTC، 76 بندًا، منها 43 إصلاحًا. ويقارن الأمر الجديد /claude-api managed-agents-secure إعدادات وكيل Claude Managed Agents بدليل الأمان الذي نشرته Anthropic، من دون تعديل أي شيء. ويُنبَّه مشتركو Pro وMax عندما يؤدي استئناف محادثة غير نشطة إلى استهلاك حصة ملحوظة من حد استخدامهم خلال خمس ساعات، ويمكنهم بدلًا من ذلك فتح محادثة جديدة يستطيع Claude فيها العثور على المحادثة السابقة. ويصل /auto-mode-setup إلى Bedrock وVertex وFoundry وبوابة Claude apps.

تحمي عدة إصلاحات عمل المستخدم: فلم يعد claude --worktree يحذف، من دون طلب الإذن، شجرة عمل worktree وفرعها عندما كان HEAD منفصلًا أو على فرع آخر، وهو ما كان قد يؤدي إلى فقدان عمليات الإيداع، كما أصبح rm -r على قرص موصول يستدعي مطالبة الأمان. ويصبح البحث عن الأدوات مفعّلًا افتراضيًا عند استخدام ANTHROPIC_BASE_URL مخصص، ويمكن لـCode Review مراجعة جميع مستودعات مؤسسة على GitHub، بما فيها المستودعات التي تُضاف لاحقًا.

🔗 ملاحظات إصدار Claude Code 2.1.304

Copilot CLI 1.0.101: مخرجات مهيكلة أصلية للوكلاء الفرعيين وتعليمات لحَكَم الأذونات

20 أكتوبر — تنشر GitHub الإصدار المستقر Copilot CLI 1.0.101، في اليوم التالي للإصدار 1.0.100؛ وتأتي بنوده الثلاثون من إصدارين تجريبيين نُشرا بينهما. وتتصدر القائمة إضافتان: مخرجات مهيكلة أصلية للوكلاء الفرعيين في مسارات العمل الديناميكية (مسارات العمل الديناميكية)، على النماذج التي تدعمها، وإعداد assistedApprovalInstructions يوجّه قرارات التأكيد لدى حَكَم Assisted Permissions.

تصبح الأذونات أوضح: تشرح مطالبات الموافقة سبب التصعيد وتقترح أمرًا تشخيصيًا خاصًا بالطلب، كما يطلب أمر الصدفة الذي ينشئ مجلدًا ثم يفتحه موافقة على المسار بدلًا من رفضه مباشرة. وعلى صعيد المؤسسات، تُثبَّت الإضافات المسندة إلى فريق Team من أسواق GitHub الخاصة بذلك الفريق، ويشير محدد النماذج إلى النموذج الذي يفرضه المسؤول بوصفه الافتراضي. وعلى macOS، تتصل البيئة المعزولة مباشرة بخدمات TCP المحلية عندما يكون الوصول المحلي مسموحًا، ولم تعد النماذج المحلية في providers.json تعطل وضع Auto.

🔗 ملاحظات إصدار Copilot CLI 1.0.101

Vibe CLI 3.0.1: عودة Python 3.12 وإمكانية حظر وضع YOLO من المسؤول

20 أكتوبر — في اليوم التالي لإصدار Vibe CLI 3.0.0، تنشر Mistral الإصدار 3.0.1 من دون إعلان: 58 بندًا، منها 9 إضافات و15 تغييرًا و34 إصلاحًا. ويتراجع عن قرار اتُّخذ في الإصدار 3.0.0: إذ يعود Vibe إلى العمل مع Python 3.12 وما بعده، بدلًا من اشتراط Python 3.14. ويتيح إعداد جديد للمسؤول، enable_auto_approve، حظر وضع الموافقة التلقائية المسمى «YOLO»: فيختفي الوكيل auto-approve وتُتجاهل الخيارات --auto-approve و--yolo وbypass_tool_permissions، مع استمرار تطبيق أذونات كل أداة.

تتحسن متابعة الوكلاء الفرعيين: ينتظر vibe -p الوكلاء الذين تركتهم إحدى جولات التفاعل قيد التشغيل، ويفصّل التصدير حالتهم ونموذجهم واستخدامهم وتكلفتهم، مع احتساب تكلفة كل منهم وفق سعر نموذجه. ويشغّل الأمر التجريبي vibe run-server جلسات عديدة غير تفاعلية ضمن عملية واحدة، ويُعاد طلب الإجابة التي انقطعت عند بلوغ حد رموز الإخراج حتى ست مرات.

🔗 ملاحظات إصدار Vibe CLI 3.0.1

Devin Fusion: نتيجة 68,2 على Coding Agent Index، بتكلفة لكل مهمة أقل بنسبة 31 % من Claude Code مع Opus 5.5

19 أكتوبر — تسلط Cognition الضوء على نتيجة Devin Fusion، إطار تشغيلها الذي يجمع بين نموذج رئيسي ونموذج مساعد (مساعد)، على Coding Agent Index من Artificial Analysis، وهو مؤشر مستقل يقيّم وكلاء البرمجة عبر ثلاثة تقييمات متساوية الأوزان:

Devin Fusion has claimed a top score of 68 on the @ArtificialAnlys Coding Agent Index with an Opus 5.5 lead and GPT-6 Luna sidekick. Devin Fusion outperforms Claude Code with Opus 5.5 on both performance and price – earning a score of 68 at a 31% lower cost per task.

🇸🇦 يحقق Devin Fusion إحدى أعلى النتائج، وهي 68، على Coding Agent Index التابع لـ@ArtificialAnlys، مع Opus 5.5 نموذجًا رئيسيًا وGPT-6 Luna نموذجًا مساعدًا. ويتفوق Devin Fusion على Claude Code مع Opus 5.5 في الأداء والسعر، محققًا نتيجة 68 بتكلفة لكل مهمة أقل بنسبة 31 %. — @cognition على X

تؤكد بيانات المؤشر فارق التكلفة؛ ويحتل Devin Fusion فيه المرتبة الثانية من بين 42 إعدادًا:

الإعداد المقيّم	نتيجة المؤشر	متوسط التكلفة لكل مهمة
Claude Code, Sonnet 5.5 (max)	68,4	14,19 دولارًا
Devin Fusion CLI, Claude Opus 5.5 Max + GPT-6 Luna High	68,2	9,02 دولارات
Claude Code, Opus 5.5 (max)	66,0	13,04 دولارًا

يليه Muse Code مع Muse Wonder Full بنتيجة 68,0. ويتقدم Devin Fusion بوضوح على DeepSWE v1.1 (72,6 مقابل 68,4) وعلى SWE-Atlas-QnA (69,4 مقابل 66,4)، لكن Claude Code مع Opus 5.5 يحتفظ بالأفضلية على Terminal-Bench v4 (63,1 مقابل 62,6). ولم تنشر Cognition تدوينة جديدة.

🔗 مؤشر Coding Agent Index من Artificial Analysis

أخبار موجزة

الوكلاء وأدوات البرمجة

ملاحظات إصدار Devin ليوم 19 أكتوبر — أصبح Devin يتحقق من حالة CI الخاصة بأي commit أو فرع أو وسم، بعدما كان يقتصر على طلبات السحب، على GitHub وGitLab وAzure DevOps وBitbucket؛ ويحصل Devin Review على محرر للقواعد وزر للمراجعة الآن، ويصبح بالإمكان تعطيل الحلم الليلي للذاكرة (nightly memory dreaming). 🔗 المصدر
Agent Manager — تنشر Hugging Face بموجب ترخيص Apache-2.0 مساحة عمل خاصة تُنشر في Space، للتحكم من المتصفح في عشرات الوكلاء من Claude Code أو Codex أو Gemini CLI أو opencode أو Hermes، يتواصلون فيما بينهم ويواصلون العمل عند استئناف استخدامهم من جهاز آخر. 🔗 المصدر
البحث عن أدوات MCP لدى Zed — قارن فريق Zed بين 25 طريقة للعثور على أداة MCP المناسبة، تشمل نماذج لاتخاذ القرار ونماذج LLM وتمثيلات متجهية (embeddings)، باستخدام 150 استعلامًا و536 أداة، واختار BM25 مرجّحًا مع بعض قواعد توحيد الصياغة، يعمل محليًا ومن دون استدعاء API؛ ولم تُنشر درجات تفصيلية أو يُحدَّد المنتج المعني. 🔗 المصدر
Zed 1.24.4 والإصدار التجريبي 1.25.1 — يصحح الإصدار المستقر تحميل نماذج OpenCode؛ ويضيف الإصدار التجريبي تلوين HTML للقوالب الموسومة بـ svg وmathml وraw، وتلوين CSS للقوالب المُمرَّرة إلى css() في JavaScript وTypeScript؛ ولا جديد على صعيد الوكلاء. 🔗 الإصدار التجريبي 1.25.1 · 🔗 1.24.4
v0 على iOS — يحصل تطبيق v0 على iOS على التعليقات التوضيحية من Browser Use، التي أُعلن عنها بتغريدة مرفقة بفيديو، من دون وصف للوظيفة أو إدراجها في سجل تغييرات v0. 🔗 المصدر
Gemini CLI، الإصدار الليلي ليوم 20 أكتوبر — بعد ثلاثة إصدارات ليلية خالية من التغييرات، يصل إصلاحان: لم يعد تحديث الشاشة يمحو سجل التمرير في الطرفية، إذ أصبح /clear وCtrl+L يمسحان المنطقة المرئية فقط، ولم تعد DevTools تعرض محارف UTF-8 مبتورة بين حزمتَي HTTP؛ ويظل الإصدار المستقر v0.64.0 بلا تغيير. 🔗 المصدر
ZCode v3.16.2 — يتزامن مستودع ZCode المفتوح المصدر، وهو بيئة البرمجة من Z.ai، مع v3.16.2 من دون ملاحظات إصدار: عرض كامل للوحة الجانبية في تطبيق سطح المكتب، وإضافة anet في سوقه تسند مهام إلى وكلاء آخرين عبر بروتوكول A2A. 🔗 المصدر
واجهة سطر الأوامر mistral 0.9.0 — تضيف الأداة التي تنشر التطبيقات على منصة Mistral الخيار mistral upgrade، ونشرًا تجريبيًا من القرص من دون دفع commit، وكذلك mistral apps list وlogs خلف راية لتفعيل الميزة؛ وفي تغيير يكسر التوافق، لم يعد بالإمكان قراءة رمز سجل خاص إلا من MISTRAL_REGISTRY_TOKEN أو NODE_AUTH_TOKEN. 🔗 المصدر
API سياسات نماذج Copilot — تصبح نقاط نهاية REST من نوعَي GET وPATCH متاحة للجميع لقراءة النماذج المسموح بها وتعديلها على مستوى المؤسسة وفرق المؤسسة وتطبيقات الوكلاء والمنظمات، مع إمكانية تفويض المنظمات أو الفرق. 🔗 المصدر

الشركات وحالات الاستخدام

Inference hooks في Claude Enterprise — خرجت من المرحلة التجريبية، وترسل نص كل طلب إلى خادم الأمان في المنظمة، الذي يجيزه أو يرفضه قبل وصوله إلى النموذج، خلال 5 ثوانٍ افتراضيًا، بدءًا من claude.ai وصولًا إلى Claude Code وCowork وClaude Tag وClaude in Chrome؛ ولا تشمل Bedrock أو Google Cloud أو API. 🔗 ملاحظات الإصدار · 🔗 الوثائق
Perplexity وValarian — بالتعاون مع هذه الشركة البريطانية المتخصصة في البنية التحتية السيادية، تشغّل Perplexity منتج Computer على خوادم المؤسسات الخاضعة للتنظيم، بما فيها الشبكات المعزولة (air-gapped)، باستخدام نماذج مفتوحة مثل Nemotron وGLM وKimi وDeepSeek-R1 وQwen؛ والنشر متاح عند الطلب، من دون ذكر أسعار أو عملاء. 🔗 المصدر
IncidentWatch وIncidentSweep — تروي SpaceXSI كيف يدير اثنان من Grok Bots حوادث الدعم لديها: يرصد أحدهما كل 5 دقائق الارتفاعات المفاجئة في عدد التذاكر وينبّه المناوب، ويغلق الآخر التذاكر على دفعات يوافق عليها مهندس، وقد أغلق 204 تذاكر في نحو عشر دقائق خلال حادثة وقعت في 18 سبتمبر. 🔗 المصدر
ChatGPT Work لدى صاحب امتياز — خفّض تيد تايلور، الذي يدير ثلاثة مطاعم من Schlotzsky’s وCinnabon في نيو مكسيكو، مدة مراجعة أسعار قوائم الطعام من 5 أيام إلى ساعة أو ساعتين، ومدة المطابقة الشهرية لحسابات الصندوق من 3 ساعات إلى ما بين 5 و10 دقائق، أي أقل بنسبة 94 %، وفقًا لدراسة الحالة التي نشرتها OpenAI. 🔗 المصدر
ثلاثة من Java Champions وCopilot — يروي فلاد ميهالسيا وباتريك باومغارتنر وفرانك ديلبورت على مدونة GitHub استخدامهم لـ Copilot، بدءًا من ترحيل نحو 900 شريحة إلى Marp خلال ثماني إلى عشر ساعات، وصولًا إلى طلب سحب أنشأه وكيل البرمجة لإصلاح خلل في Pi4J خلال نصف ساعة. 🔗 المصدر
Hippolyte.ai وElevenLabs — أجرت منصة التوظيف الفرنسية 4 830 مقابلة صوتية للفرز الأولي خلال ثلاثة أسابيع باستخدام التوليد الصوتي من ElevenLabs، مع معالجة الصوت داخل الاتحاد الأوروبي وحذف التسجيلات الخام خلال 24 ساعة، ونموذج ذي أوزان مفتوحة تستضيفه بنفسها في فرنسا. 🔗 المصدر
Replit في اليابان — تفتتح Replit مكتبًا في اليابان لتقريب أدواتها لإنشاء التطبيقات ووكلاء المؤسسات من الشركات اليابانية، مع أربع فعاليات في طوكيو يومَي 5 و6 نوفمبر، بينها ورشة عمل بالتعاون مع Microsoft؛ من دون ذكر عنوان أو عدد موظفين أو عرض خاص باليابان. 🔗 المصدر

التصنيفات والأدلة

ClaimBench — يسأل معيار الاختبار الجديد من Vals AI عمّا إذا كان مقتطف من تقرير سنوي من نوع 10-K يدعم ادعاءً أو يناقضه أو لا يتطرق إليه: يتصدر pplx-decider-v1.2 من Perplexity نماذج اتخاذ القرار بنتيجة 99,69 % مقابل 0,000104 دولار لكل ادعاء، متقدمًا على Mercury Decide ‏(99,08 %)، مع أحد أعلى أزمنة الاستجابة (1,23 s). 🔗 المصدر
MiniMax M3.1 Flash لدى Parallel — تضع Parallel Web Systems نموذج MiniMax، الذي أُطلق في اليوم السابق، في المرتبة الأولى من حيث الكفاءة ضمن تصنيفها للبحث على الويب، بأداء قريب من DeepSeek V4.1 Flash وتكلفة أقل بنحو ثلاث مرات؛ وهو تصنيف صادر عن شركة مطوّرة خارجية. 🔗 المصدر
بوابات الذكاء الاصطناعي وفقًا لـ Perplexity — يصف دليل في قسم الأفكار هذه الخوادم الوسيطة الموضوعة بين التطبيقات أو الوكلاء والنماذج، بما تشمله من توجيه وميزانيات للرموز وتخزين مؤقت دلالي وضوابط حماية، ويستشهد باختبار من Broadcom تضيف فيه بوابة Envoy مضبوطة نحو 2 ms لكل طلب؛ ولا يعرض الدليل أي منتج من Perplexity. 🔗 المصدر

الإبداع: الصور والفيديو والعروض التقديمية

Fibo 2.0 من Bria — تدعم Diffusers منذ إطلاقه نموذج تحرير الصور ذي الأوزان المفتوحة هذا، الذي يُقدَّم بوصفه الأول في فئته، ويُتحكَّم فيه عبر JSON، ويعرض النصوص بصورة صحيحة، ويتوفر بنسختَي Turbo وDev، وفقًا لساياك بول. 🔗 المصدر
Art Style Match من Luma — تطبّق الأداة على صورة منتج أسلوبًا مستمدًا من مرجع واحد إلى أربعة مراجع، مع الحفاظ على المنتج وتكوين الصورة؛ ولم تُقدَّم إلا عبر تغريدة، من دون تدوينة أو نموذج أو أسعار. 🔗 المصدر
HeyGen Video 1.0 على Design Arena — وفقًا لـ HeyGen، تضع Design Arena نموذجها بدقة 1080p، الذي خضع لتدريب لاحق انطلاقًا من MiniMax H3، في المرتبة الثالثة في فئتَي الفيديو وتحويل الصور إلى فيديو، وتقدّمه HeyGen للقطات المنتجات المقربة واللقطات التكميلية. 🔗 المصدر
Wan3.0 Prime على OpenRouter — تضع Alibaba هذه النسخة السريعة من Wan 3.0، بسعر يبدأ من 0,068 دولار للثانية، في صدارة عرض الرائج ضمن تصنيف الفيديو على OpenRouter، بنحو 3 000 طلب (+85 %)؛ ويحل Wan 3.0 ثالثًا فيه. 🔗 المصدر
TJ في GTC Berlin — تحوّل Synthesia النظير الكرتوني لجنسن هوانغ إلى شخصية افتراضية تفاعلية، مبنية على نماذج الفيديو والصوت لديها وعلى Interactive Avatar API، تقترح على الزوار جلسات من بين أكثر من 100 جلسة يومَي 21 و22 أكتوبر. 🔗 المصدر
الإبداع المشترك في Gemini Notebook — يختار المشتركون في Pro وUltra الموضوع والصيغة والمدة واللغة والأسلوب البصري، ثم يراجعون مخطط العرض التقديمي (Slide Deck) أو ملاحظات إنتاج الفيديو التلخيصي (Video Overview) قبل بدء التوليد؛ ويستمر الإطلاق التدريجي. 🔗 المصدر

النماذج المفتوحة والبحث والعتاد

AnyLanguageModel 1.0 — تستبدل حزمة Swift من Hugging Face إطار Foundation Models من Apple بتغيير عبارة استيراد واحدة، لتشغيل الجلسة نفسها باستخدام نموذج النظام، أو نماذج مفتوحة عبر llama.cpp أو MLX أو Core ML، أو مزودين مستضافين مثل OpenAI أو Anthropic أو Gemini. 🔗 المصدر
التدريب اللاحق للوكلاء باستخدام TRL — تنشر Hugging Face مسارًا من خمس خطوات، يبدأ بالضبط الدقيق الخاضع للإشراف على سجلات الوكلاء وينتهي بالتدريب عبر بيئة تشغيل فعلية باستخدام AsyncGRPO، مرورًا بالتقطير وGRPO وبيئات OpenEnv؛ وهو محتوى تعليمي من دون منتج جديد. 🔗 المصدر
Nemotron 3.5 Super VL لدى Thoughtworks — في تقريرها الثاني، ترصد Thoughtworks تحسّنًا يتراوح بين 5,42 و9,41 نقطة باستخدام ثلاثة مكيّفات LoRA على بيانات محجوزة للتقييم في مجالَي القانون والصحة، من دون تحسّن ملحوظ على معيار الاختبار العام CaseHOLD، وتستبعد نموذج تحكيم كانت أحكامه تتغير بمقدار 35,1 نقطة باختلاف تعليماته. 🔗 المصدر
توقعات طقس أدق لفرنسا — على مدونة Hugging Face، يحسّن نموذج U-Net يضم نحو مليوني مُعامِل، ودُرّب في ساعة واحدة، الدقة المكانية لتوقعات درجات الحرارة من AIFS-ENS من 28 إلى 5,5 km: وبالمقارنة مع محطات Météo-France، ينخفض الخطأ بنسبة 14 % وفق مقياس RMSE على مدى يومين، في ما يقدّمه مؤلفوه بوصفه عرضًا توضيحيًا. 🔗 المصدر
Coral NPU — تستكمل Google Research معمارية 32 بت لمعالجها العصبي المفتوح للذكاء الاصطناعي المضمّن، المبني على RISC-V، مع وحدة مصفوفية تصل إلى 1 TOPS واستهداف متوسط قدرة قدره 10 mW، وتنشر Coral Compiler v1.0؛ وتطلق Synaptics سلسلة شرائح Astra SR200. 🔗 المصدر

GitHub، خارج نطاق الذكاء الاصطناعي

فحص الأسرار — في 12 نوفمبر، سيتغير الحقل business في فئتين من أحداث التدقيق من اسم العرض الخاص بالمؤسسة إلى معرّفها المختصر (slug)؛ وتقبل ميزة الإلغاء، المتاحة تجريبيًا، أيضًا رموز GitHub المرمّزة بـ Base64 في المستودعات الخاصة والداخلية. 🔗 المصدر
تنبيهات Dependabot — تعيد REST API وخطافات الويب dependabot_alert الحقل version_requirement، وهو إصدار التبعية المعرضة للثغرة أو قيد إصدارها، على github.com وGitHub Enterprise Cloud، في انتظار GitHub Enterprise Server 3.24. 🔗 المصدر
Dependabot ومديرو الحزم الجدد — تدعم Dependabot إصدارات npm 12 وpnpm 11 و12 وBun 1.4 لجميع مستخدمي github.com، وستدرجها ضمن GitHub Enterprise Server 3.24. 🔗 المصدر
مجموعات القواعد — أصبح بالإمكان تحويل جميع وسائل حماية الفروع في مستودع إلى مجموعات قواعد (rulesets) بإجراء واحد، مع معاينة واختيار حالة التطبيق، نشطة أو قيد التقييم أو معطّلة، والاحتفاظ بالقواعد الأصلية أو حذفها. 🔗 المصدر

ما الذي يعنيه ذلك

يتجاوز الاستدلال الاعتماد الحصري على NVIDIA، وتفتح الشركات المطوّرة المحركات التي تشغّله. يعمل DeepInfer على وحدات GPU من نوع SM100 لدى NVIDIA كما يعمل على وحدات NPU من نوع Ascend 950 لدى Huawei، ويجعل TorchTPU وحدات TPU أجهزة PyTorch اعتيادية حتى داخل Transformers وDiffusers، ويزيد PyTorch 2.15 سرعة فك الترميز لنموذج MoE على Mac بأكثر من ستة أضعاف. وتنشر DeepSeek أيضًا اقتصاديات خدمتها، التي تعالج 155 000 مليار رمز يوميًا على عنقود واحد وتحقق إيرادات بقيمة 38 دولارًا لكل ساعة تشغيل GPU خارج أوقات الذروة، ويتيح deepseek-recipe لمزوّد استضافة خارجي محاكاة سلوك API الرسمية لديها. وتزداد أهمية إعادة استخدام السياق في هذه الحسابات: تحتفظ DeepSeek بذاكرة KV المؤقتة لأكثر من 72 ساعة، وتبيع OpenAI الآن تخزينًا مؤقتًا للموجّه لمدة 12 ساعة للوكلاء الذين يعيدون استخدام السياق نفسه طوال اليوم.

بالنسبة إلى الوكلاء الصوتيين، تدافع Mistral وElevenLabs عن معماريتين في اليوم نفسه. يحافظ Voxtral 3 على سلسلة من النماذج المنفصلة، تشمل التفريغ النصي ونموذج LLM من اختيار المستخدم والتوليد الصوتي، وتنسّق SDK عملها بصورة متدفقة لإكمال دور المحادثة في أقل من ثانية؛ ويمكن تغيير كل مكوّن من دون إعادة كتابة الوكيل، وتُعلَن الأسعار بالدقيقة أو بالمحرف. تدمج Eleven Realtime السلسلة كلها في نموذج واحد يحوّل الكلام إلى كلام، وتراهن على التوافق مع Realtime API من OpenAI لجذب المطوّرين الذين سبق أن دمجوها، من دون أسعار محددة. وتضيف Mistral ميزة الاستضافة في أوروبا، في وقت تُظهر فيه حالة Hippolyte.ai ما تشترطه الشركات الكبرى: معالجة الصوت داخل الاتحاد الأوروبي وحذف التسجيلات خلال 24 ساعة.

يصبح مكان عمل المساعد عاملًا مؤثرًا في الاختيار. يعمل Perplexity Computer الآن بالكامل على جهاز Mac مزوّد بذاكرة سعتها 36 Go، بما في ذلك النموذج، وتنقله Valarian إلى شبكات معزولة؛ ولدى Anthropic، تتيح Inference hooks لخادم الأمان في الشركة رفض طلب قبل وصوله إلى النموذج. وتوضح الشركات المطوّرة أيضًا حدود هذه الحماية: تخفي المحادثات المقفلة في ChatGPT المحادثة من دون تشفيرها من طرف إلى طرف، وتظل موجودة في سجلات الامتثال الخاصة بالشركات.

يتحدد أمن سلسلة البرمجيات في المواضع التي تعمل فيها الوكلاء. أبلغ OSS Scanner عن 77 ثغرة حرجة و803 ثغرات عالية الخطورة خلال أحد عشر يومًا، ولا يزال النموذج نفسه هو الذي يحدد درجة الخطورة، بينما حصلت ثغرة curl على معرّف CVE ونشرة أمنية وإصلاح. يستهدف جدار حماية الحزم من GitHub لحظة التثبيت، حين يمكن لحزمة خبيثة جمع بيانات اعتماد مشغّل للتكامل المستمر أو وكيل برمجة. وتمنح واجهات سطر الأوامر الخاصة بالوكلاء في الوقت نفسه المسؤولين مزيدًا من التحكم: تتيح Vibe CLI 3.0.1 حظر وضع YOLO، وتسمح Copilot CLI 1.0.101 بتوجيه نموذج التحكيم الذي يوافق على الأذونات، ولم تعد Claude Code 2.1.304 تحذف worktree من دون طلب التأكيد.