Jalapeño تنشر أولى أرقامها المقاسة، وWebMCP Challenge يجمع ست منصات، وPerplexity ينقل وكيله إلى المحلية

إحدى وخمسون إعلانًا خلال أربعٍ وعشرين ساعة، موزعة على تسعة مجالات: يوم 25 أغسطس هو الأكثر ازدحامًا في الأسبوع. وتبرز منه أربعة تحركات. تنشر OpenAI أول النتائج المقاسة لـ Jalapeño، شريحة الاستدلال الخاصة بها، وتطلق في أعقاب ذلك هاكاثونًا يمتد عشرة أيام حول WebMCP بمشاركة Chrome وCloudflare وShopify وVercel وRender وNetlify. وتُنزل Perplexity وكيل Computer بالكامل إلى جهاز المستخدم. وتفتح IBM Granite 4.2، أول عائلة لها من نماذج الاستدلال. وتوحّد Anthropic ذاكرة Claude بين الدردشة وCowork، مع جعلها قابلة للقراءة والتعديل ملفًا بملف. أما البقية — WeatherNext Cyclones في خدمة National Hurricane Center، والجولة التمويلية Series B لـ Stability AI، وحوالي عشرين تحديثًا للأدوات — فترد أدناه.

WebMCP: معيار، ودعمه المنتجِي، واستخدامه الداخلي، ومسارٌ لبدئه عبر مسابقة

25 أغسطس — تطلق OpenAI WebMCP Challenge، وهو هاكاثون يمتد عشرة أيام مخصص لمعيار مفتوح لا يزال تجريبيًا ويغيّر الطريقة التي تتفاعل بها الوكلاء مع الويب. والمشكلة المستهدفة ملموسة: اليوم، الوكيل الذي يتعين عليه إنجاز مهمة على موقع ما يجب أن يخمّن كيفية التنقل داخل واجهة صُممت للعين البشرية والفأرة. يعكس WebMCP المنطق: فالموقع نفسه يعرّض أدوات منظمة يستدعيها الوكيل مباشرة.

ليست المسابقة هي الجانب الأبرز في الإعلان، بل التوافق الذي تكشفه: إذ إن Chrome (Google) وCloudflare وShopify وVercel وRender وNetlify جميعها تنضم إلى OpenAI حول المعيار نفسه. وتظهر هذه الشراكة أيضًا في لجنة التحكيم، التي تضم Sarah Drasner (Distinguished Engineer, Chrome)، وAndrew Galloni (VP Research & Innovation, Cloudflare)، وJude Gao (فريق Next.js Core, Vercel)، وIlya Grigorik (Distinguished Engineer, Shopify)، وSean Roberts (VP of Applied AI, Netlify)، وJustin Rushing (Browser Agent Lead, OpenAI)، وAlex Nahas، مبتكر MCP-B.

The WebMCP Challenge is here. We’ve teamed up with @ChromiumDev, @CloudflareDev, @ShopifyDevs, @vercel, @render, and @Netlify for a 10-day hackathon. Up for grabs: $35,000 in cash prizes, Codex Micros, ChatGPT Pro subscriptions, and more prizes from our supporters.

🇸🇦 أُطلق WebMCP Challenge. لقد عقدنا شراكة مع @ChromiumDev و@CloudflareDev و@ShopifyDevs و@vercel و@render و@Netlify من أجل هاكاثون يمتد عشرة أيام. والجوائز تشمل 35,000 دولار نقدًا، وأجهزة Codex Micro، واشتراكات ChatGPT Pro، وغيرها من الجوائز التي يقدمها شركاؤنا. — @OpenAIDevs على X

الجدول الزمني ضيق ومعايير التقييم صريحة: المنفعة، والأصالة، والتنفيذ، والاستخدام المتأمل لـ WebMCP، وجودة تجربة الإنسان-الوكيل. وتتم عمليات التسجيل والتقديم عبر Devpost. كما تنشر OpenAI تطبيقات عرض توضيحية أصلية للوكيل لبدء المشاريع — نمذجة ثلاثية الأبعاد يقودها الوكيل، وكتابة تعاونية يعلّق فيها الوكيل تحت هويته الخاصة، ومولّد كلمات متقاطعة مخصصة، وWandernote لتحويل ملاحظات السفر إلى مسار رحلة، واستكشاف البيانات عبر DuckDB-Wasm داخل المتصفح. ويُسمح بالانطلاق من تطبيق موجود وإضافة WebMCP إليه.

عنصر المسابقة	التفاصيل المعلنة
المدة المعلنة	10 أيام
فتح التقديم	25 أغسطس 2026، الساعة 12 ظهرًا PT
الموعد النهائي للتسليم	3 سبتمبر 2026، الساعة 1 ظهرًا PT
إعلان الفائزين	23 سبتمبر 2026 (تاريخ إرشادي)
إجمالي الجوائز	35,000 دولار
جائزة كل فائز (أفضل 10)	3,000 دولار، سنة من ChatGPT Pro، لوحة مفاتيح Codex Micro، وهدايا دعائية
منصة التقديم	Devpost

تصل لبنة المنتج التي تجعل المعيار قابلًا للاستخدام اليومي في اليوم نفسه: إذ أصبح المتصفح المدمج في تطبيق ChatGPT المكتبي وChatGPT Sites قادرًا الآن على استهلاك WebMCP. وعندما يزور ChatGPT أو Codex موقعًا متوافقًا، يكتشف الوكيل الأدوات المعروضة من الصفحة ويستخدمها تلقائيًا بدلًا من التحسس داخل الواجهة — ويستلزم ذلك التحديث إلى أحدث إصدار من تطبيق سطح المكتب. أما النصف الآخر من الحلقة فموجود في جهة الإنتاج: إذ أصبح بالإمكان الطلب من Codex إنشاء تطبيق متوافق مع WebMCP ثم نشره مباشرةً على Sites. ومن الجدير بالذكر عدم تماثل الدعم مع Chrome، حيث يبقى WebMCP خلف راية تجريبية أو تجربة أصلية (origin trial)، في حين أن متصفح ChatGPT يدعمه بصورة أصلية.

ويبقى المحور الثالث، وهو الأكثر إفادة: إذ توثّق OpenAI استخدامها الداخلي الخاص. يروي أحد مهندسي الشركة كيف توقف عن كتابة أتمتة لكل مهمة على حدة ليبني Runme، وهو تطبيق ويب مفتوح المصدر قائم على notebooks ومصمم للتعاون مع Codex. يكتب فيه هدفًا قصيرًا مع تعليمات صريحة — مراجعة تنفيذ سابق، وصياغة خطة مفصلة، والانتظار حتى الموافقة قبل البدء، وتوثيق الأوامر المنفذة وتفسيرها — ثم يقرأ Codex الـ notebook ويحدّثه أثناء العمل. وهناك خياران معماريان يستحقان الانتباه. أولًا: الاستمرارية؛ إذ تُحفظ الـ notebooks في Google Drive، ويولّد Runme بالتوازي فهرس Markdown مرافقًا *.index.md يستطيع Drive فهرسته، ما يتيح لوكيل ما أن يسترجع تنفيذًا سابقًا باعتباره سياقًا تشغيليًا. ثانيًا: إتاحة القدرات؛ فـ Runme تطبيق عميل يُخدم بصورة ثابتة، وإضافة خادم فقط لعرض نقطة وصول MCP تقليدية كانت ستدخل بنية تحتية إضافية وتنقل معالجة بيانات الـ notebook. يتيح WebMCP للتطبيق تسجيل أدواته مباشرةً من المتصفح.

🔗 WebMCP Challenge · الدعم في ChatGPT desktop وSites · Codex وRunme وWebMCP لدى OpenAI

Jalapeño: OpenAI تنشر أول أرقام شريحتها للاستدلال وتؤكد استراتيجيتها الحاسوبية

25 أغسطس — تنشر OpenAI أول النتائج المقاسة لـ Jalapeño، وهي أول شريحة استدلال صممتها بنفسها. ولا تكمن أهمية الإعلان في المكاسب الخام فحسب، بل في طبيعة المفاضلة التي تزعم أنها أزالتها: إذ يتعين على أنظمة الاستدلال القائمة عادةً الموازنة بين معدل النقل وزمن الكمون، بينما تدّعي Jalapeño أنها تجمع الاثنين في معمارية واحدة.

تعتمد القياسات على InferenceX، وهو معيار عام من SemiAnalysis يحاكي المعالجة الكاملة لطلب ما. وقد اختُبرت ثلاثة نماذج مفتوحة — GPT-OSS 120B وDeepSeek R1 670B وKimi K2.5 1T — في مواجهة أنظمة تجارية. واختيار التطبيع بحسب الواط بدلًا من الشريحة صريح ومفيد: فـ Jalapeño تستهلك نصف ما تستهلكه الأنظمة التي قورنت بها. وتُعلن Jalapeño بقدرة 700 واط، وبقي الاستهلاك المستمر المقاس عند 550 واط أو أقل في الأحمال المختبرة، مقابل 1,200 واط لـ GB200 و1,400 واط لـ GB300.

النموذج المقيّم (النظام المقارن)	معدل النقل الأقصى لكل kW	زمن الكمون من البداية إلى النهاية	الحد الأدنى لـ TBT
GPT-OSS 120B (GB200، 1,200 واط)	≈1,9x (85 448 vs 44 960)	≈1,7x (1,03 s vs 1,80 s)	≈2,7x (0,69 vs 1,87 ms)
DeepSeek R1 670B (GB300، 1,400 واط)	≈1,7x (19 641 vs 11 781)	≈3,6x (1,65 s vs 5,99 s)	≈4,1x (1,43 vs 5,90 ms)
Kimi K2.5 1T (GB300، 1,400 واط)	≈1,5x (18 195 vs 11 862)	≈3,4x (1,56 s vs 5,31 s)	≈3,8x (1,44 vs 5,48 ms)

وعلى مستوى النماذج الثلاثة مجتمعة، تعلن OpenAI عن 1,5 إلى 1,9 مرة أكثر من العمل الذكي لكل واط عند ذروة معدل النقل، و1,7 إلى 3,6 مرة أقل في زمن الكمون من البداية إلى النهاية مقارنة بأنظمة المقارنة، وحتى 2,1 إلى 4,1 مرة أفضل أداءً على الأحمال شديدة التفاعلية. ومن الناحية التقنية، تأتي المكاسب من تصميم مشترك للشريحة والذاكرة والشبكة والبرمجيات والنظام على مستوى الراك. يمر الاستدلال بمرحلتين تختلف فيهما نقاط الاختناق: مرحلة prefill التي تعالج الـ prompt وتشبع الحوسبة، ومرحلة decode التي تنتج الـ tokens واحدًا تلو الآخر وتعتمد أساسًا على عرض نطاق الذاكرة. وتسعى Jalapeño إلى تقليل تحركات البيانات، بحيث يمكن وضع حالة النموذج — بما فيها cache KV — صراحةً والإبقاء عليها محلية بينما يفعّل النظام المزيج المناسب من الحوسبة والذاكرة والشبكة بحسب المرحلة.

أما الجانب الأكثر إثارة للاهتمام للمطور فيتعلق بدور الذكاء الاصطناعي في تصميم الشريحة نفسها. وتشير OpenAI إلى أنها انتقلت من التصميم الأولي إلى tapeout في تسعة أشهر، عبر تقصير حلقات التصميم والقياس والتحقق. وقد صُممت الشريحة لتكون هدف برمجة يمكن التنبؤ به لكل من الذكاء الاصطناعي والبشر: عمل موصوف عبر tensors محلية، واتصال صريح، ومزامنة قابلة للتنبؤ. ومع Codex وGPT-Astra، نقل الفريق خلال شهرين ثلاثة نماذج مفتوحة الأوزان كانت غائبة عن خطة الإنتاج الأصلية، وعلى كتل انتباه وmixture-of-experts مختارة من GPT-OSS، تعمل النوى التي أنشأها الذكاء الاصطناعي بسرعة أكبر بمقدار 1,5 إلى 1,8 مرة من التطبيقات التي كتبها خبراء بشريون. وتستحق الدقة هنا الحفاظ عليها: فهذه الأرقام تخص الكتل المختارة، لا النموذج الكامل. ويظل الجدول الزمني حذرًا — تأهيل الإنتاج جارٍ، والبرمجيات لا تزال في طور النضج، والنشر داخل بنية OpenAI التحتية معلن لنهاية العام، وGen 2 في مرحلة تطوير متقدمة، بينما تتبلور Gen 3.

وفي اليوم نفسه، تنشر Sarah Friar المقال الذي يشرح المنطق الاقتصادي وراء كل ذلك. وتدافع فيه عن محفظة حوسبة واسعة — Microsoft وNVIDIA في الأساس، مع دعم من AWS وAMD وBroadcom وCerebras وCoreWeave وOracle وSB Energy وSoftBank — بحجة تجارية وتقنية في آن واحد: فالحفاظ على خيار موثوق بين المورّدين يتيح توجيه كل عبء عمل إلى أفضل نسبة أداء-سعر والحفاظ على انضباط سعري. ويرافق الفكرةَ رقمٌ ملموس: ففي مؤشر Artificial Analysis Coding Agent Index، يصل GPT-5.6 Sol في أقصى درجات الاستدلال إلى رقم قياسي جديد مع استهلاك 54% أقل من tokens المخرجات مقارنةً بنموذج رائد آخر. كما يتبنى النص مفارقة جيفونز: جعل الذكاء أرخص لا يقلل استهلاكه، بل يوسّع نطاق الاستخدامات المربحة. وعلى صعيد البنية التحتية، يُقدَّم مشروع Camellia في جورجيا مع دورة مياه مغلقة والتزامات خاضعة لتدقيق عام مستقل سنويًا. وتوضح OpenAI أنها ستواصل نشر مسرّعات NVIDIA وشركائها الآخرين على نطاق واسع، سواء للتدريب أو للاستدلال.

🔗 Jalapeño — النتائج الأولى · The full stack behind abundant intelligence

Perplexity Portable Computer: كل شيء يعمل على الجهاز، مع دعم الأرقام القياسية

25 أغسطس — تطلق Perplexity Portable Computer، وهي نسخة من وكيلها Computer تعمل بالكامل على جهاز المستخدم. التحوّل هنا معماري أكثر منه تجميليًا: ليس النموذج وحده هو الذي يعمل محليًا، بل سلسلة التنسيق بأكملها — المنسّق، المخطِّط، موجّه الأدوات، المُجدول، قائمة المهام الدائمة، وفهرس البحث المحلي.

نحن نطلق اليوم Portable Computer على @NVIDIA DGX Spark.

Portable Computer is a fully local version of Perplexity Computer, where the entire runtime: orchestrator LLM, subagent LLM, agent harness all run on your local hardware. No cloud dependency.

🇸🇦 نطلق اليوم Portable Computer على @NVIDIA DGX Spark. Portable Computer هي نسخة محلية بالكامل من Perplexity Computer، حيث يعمل كامل بيئة التنفيذ — نموذج اللغة الكبير المنسّق، ونموذج اللغة الكبير للوكلاء الفرعيين، وحزام الوكيل — على عتادك المحلي. لا توجد أي تبعية للسحابة. — @perplexity_ai على X

يُعلن عن هذا الإصدار بالشراكة مع NVIDIA، ويستهدف أولًا DGX Spark — منصة Grace Blackwell GB10، مع معالج Arm بــ 20 نواة، وGPU من NVIDIA، وذاكرة موحّدة بسعة 128 غيغابايت — مع توسيع مُعلن لاحقًا إلى الحواسيب المزودة ببطاقات RTX GPU. يُعرض نموذجان للاختيار: Qwen 3.8 27B أو PPLX 27B، وهي النسخة التي أعادت Perplexity تدريبها من نموذج Qwen، كما سيُضاف NVIDIA Nemotron 3.5 Lightning، وهو نموذج مفتوح بــ 30B، إلى أداة الاختيار. العمل الذي يُعالج محليًا لا يستهلك أي رصيد. وما زال التصعيد إلى السحابة ممكنًا — للمعلومات المحدثة، والمتصفح، والتطبيقات المتصلة، أو أحد أكثر من 15 نموذجًا متقدّمًا — لكنه يخضع لموافقة صريحة من المستخدم. وتعمل موصلات Google Drive وGmail وSlack وGitHub من الجهاز نفسه، ويُنفَّذ الإملاء محليًا عبر NVIDIA Nemotron 3.5 ASR Model من دون أن يغادر الصوت الجهاز، ويجري تنفيذ الشيفرة داخل بيئة معزولة (sandbox). وPortable Computer مخصّص لمشتركي Pro وMax الذين لديهم DGX Spark، على Linux أولًا ثم Windows، مع تثبيت بنقرة واحدة من داخل التطبيق.

في اليوم نفسه، ينشر فريق الهندسة الأرقام التي توثّق هذا الإطلاق. وتقوم الفكرة على أن النموذج والحزام (harness) يجب أن يُصمَّما معًا: فالأحزمة العامة تفترض نموذجًا متقدمًا قادرًا على استيعاب سياقات طويلة والتخطيط على أفق ممتد، وهو ما لا تجيده النماذج المحلية بالقدر نفسه.

المعيار المقاس	Computer (Qwen 3.8 27B)	Pi	Hermes	Computer + PPLX 27B
Local Knowledge Work Bench (53 مهمة)	82,6 %	77,6 %	74,0 %	85,4 %
BrowseComp (1 266 مهمة)	66,7 %	50,2 %	43,9 %	—
ParseBench-100 (مستندات متعددة الوسائط)	65,1 %	13,9 %	34,6 %	—

في BrowseComp، يستهلك Computer أيضًا 61 % وقتًا أقل و16 % عددًا أقل من الرموز مقارنةً بـ Hermes، و51 % وقتًا أقل و70 % عددًا أقل من الرموز مقارنةً بـ Pi. وتفسر أربعة قرارات تصميم هذا الفارق: prompt نظامي minimal، وقدرات مجزأة إلى مهارات تُحمَّل وتُفكَّك بحسب مسار التنفيذ، وموصلات كثيرة الاستخدام (Gmail وGitHub وOutlook وGoogle Calendar) حُوِّلت إلى أدوات سطر أوامر مدمجة بدلًا من تعريضها عبر خوادم MCP التي تلتهم تعريفاتها السياق، وبيئة معزولة (sandbox) دائمة التشغيل وغير قابلة للتهيئة — فإذا كانت غير متاحة، يتوقف الحزام قبل أي استدعاء أداة بدلًا من الانتقال إلى تنفيذ غير معزول. وتشير Perplexity أيضًا إلى ملاحظة عملية مفيدة: فـ Qwen 3.8 27B يعلن نافذة بــ 260K رمزًا، لكنه يبدأ عمليًا في التعثر بعد 100K.

Terminal Bench 2.1 (89 مهمة)	النتيجة	تكلفة API لكل تشغيل
Qwen 3.8 27B، محلي 100 %	59,6 %	حوالي 0
Qwen 3.8 27B + مستشار Claude Opus 5	73,0 %	0,415 USD
Claude Opus 5 وحده	82,4 %	0,65 USD

إن آلية التصعيد إلى نموذج مستشار (advisor) هي الجزء الأكثر إثارة في التقرير: فهي تستعيد نحو ثلاثة أخماس الفجوة مع النماذج المتقدمة مقابل نحو ثلثي تكلفتها، بينما يبقى القرار بيد المستخدم. قبل كل استدعاء، يختار الحزام السياق الملائم، ويطبّق مصنِّفًا للبيانات الشخصية، ويعرض للمستخدم ما الذي سيغادر الجهاز؛ أما نموذج المستشار فلا يعيد سوى نص، ولا يملك أي وصول مباشر إلى الملفات أو الأدوات. وأخيرًا، يجمع post-training الخاص بـ PPLX 27B بين ضبط دقيق قائم على الرفض (rejection fine-tuning) ثم تعلّم معزز على بيئات اصطناعية تُشغَّل داخل حاويات Docker، من دون أي بيانات حقيقية تخص المستخدم. كما أُعلن عن تقرير تقني وفتح benchmark التقييم كمصدر مفتوح.

🔗 معايير الحزام المحلي · Portable Computer — تدوينة Perplexity

Claude: ذاكرة واحدة بين chat وCowork، قابلة للقراءة ملفًا ملفًا

25 أغسطس — تُزيل Anthropic الحدود بين ذاكرتين كانتا تتعايشان حتى الآن. ما يحتفظ به Claude من محادثاتك في chat هو الآن نفسه تمامًا ما يتوفر له في Claude Cowork، والعكس صحيح أيضًا. عمليًا، عندما ينفذ Cowork مهمةً في السحابة، يبدأ بالسياق المتراكم على مدى الأشهر: أولويات الربع، حالة تقدّم المشاريع، تفضيلات الصياغة لدى محاورٍ ما. وتقدّم Anthropic أمثلة يومية متعمدة — مثل طلب تحديث حالة لمديرك من دون الحاجة إلى توضيح من هو أو كيف يفضّل هذا الشخص تلقي المعلومات.

أما التغيير الثاني فهو أكثر هدوءًا لكنه يغيّر السلوك اليومي: فالذاكرة تُحدَّث أثناء المحادثة بدلًا من أن تُلخَّص بعد انتهائها. فمجرد ذكر أن موعدًا نهائيًا تأجّل إلى سبتمبر يكفي لتأخذ المحادثة التالية ذلك في الحسبان. ولا تزال عبارة «تذكّر هذا» متاحة لفرض حفظ عنصر بعينه، ويمكن إيقاف الذاكرة مؤقتًا أو إعادة تعيينها في أي وقت.

وفي ما يخص الشفافية، اختارت Anthropic تمثيلًا قابلًا للقراءة بدلًا من صندوق أسود: كل ما يحتفظ به Claude يظهر على هيئة ملفات قصيرة، مصنّفة بحسب الموضوع، ضمن الإعدادات ثم الذاكرة. ويمكن قراءة كل ملف أو تعديله أو حذفه. والفائدة العملية فورية — فتصحيح الاسم القديم لشركتك في ملف واحد فقط يكفي لكي تستخدم جميع المحادثات اللاحقة الاسم الصحيح.

ومعالجة المواضيع الحساسة هي النقطة الأكثر إثارة على مستوى قرارات المنتج. فافتراضيًا، لا يتذكر Claude ما يتصل بالصحة أو الأصل أو الإثنية أو المعتقدات الدينية أو الآراء السياسية أو الهوية الجندرية. لكن Anthropic تقر بأن الحدود شخصية، وتقدّم إعدادًا اختياريًا لتضمين هذه المواضيع — بما يكفي لكي يتذكر Claude مثلًا عدم تحمّل الغلوتين عند اقتراح وصفات. هذا الإعداد ليس رجعيًا ويمكن تعطيله في أي لحظة. وتبقى فئة واحدة مستثناة مهما كان الإعداد: أرقام الهوية، السوابق القضائية، الوضع الهجري، وبشكل أعم كل ما يخالف سياسة الاستخدام المقبول. ويُبلغ Claude صراحةً عندما لا يستطيع حفظ معلومة من هذا النوع، وهو اختيار تصميم يفضّل الرفض الظاهر على التصفية الصامتة.

جانب الذاكرة	السلوك الموصوف
النطاق	ذاكرة واحدة مشتركة بين chat وClaude Cowork
توقيت التحديث	أثناء المحادثة، بدلًا من تلخيص بعد الانتهاء كما كان سابقًا
صيغة التخزين	ملفات قصيرة مصنفة بحسب الموضوع، قابلة للقراءة والتعديل واحدًا واحدًا
المواضيع الحساسة	لا تُحفظ افتراضيًا، ويمكن تفعيلها بإعداد، من دون أثر رجعي
الاستثناءات الدائمة	أرقام الهوية، السوابق القضائية، الوضع الهجري
خطط Free وPro وMax	الذاكرة مفعلة افتراضيًا على الويب وسطح المكتب والهاتف المحمول
خطط Team وEnterprise	يفتحها المسؤول، وتبقى معطلة لكل مستخدم حتى التفعيل

🔗 تعمل ذاكرة Claude في كل مكان · إعلان @claudeai

IBM تفتح Granite 4.2، أول عائلة استدلال لديها، ونموذجين ASR بــ 470M

25 أغسطس — تنشر IBM Granite 4.2، الموصوفة بأنها أول عائلة من نماذج اللغة الكثيفة، أحادية المُفكِّك فقط، والمصممة صراحةً للاستدلال. فبينما ركزت الأجيال السابقة على الكفاءة ومهام المؤسسات التقليدية، يضع هذا الإصدار الاستدلال في المركز ويجعله قابلًا للضبط: إذ يوفّر كل نموذج ثلاثة أوضاع — thinking وnon-thinking وlow-effort — تختارها التطبيق بحسب ميزانية الكمون والرموز التي يقبل دفعها. وتتشارك الأحجام الثلاثة (3B و8B و30B) البنية نفسها وخط المعالجة نفسه، ما يجعل الانتقال من واحدة إلى أخرى غير مؤذٍ من جهة التكامل.

تظل البنية تقليدية: انتباه GQA بــ 40 رأسًا مقابل 8 رؤوس KV، وRoPE مع θ يساوي 10 ملايين لتحمل نافذة سياق بــ 131 072 رمزًا، وMLP من نوع SwiGLU، وتطبيع RMSNorm، وتدريب bfloat16 على عنقود NVIDIA GB200 NVL72 مستضاف لدى CoreWeave. وينطلق ما قبل التدريب من الصفر على نحو 15 000 مليار رمز موزعة على خمس مراحل. وما يميز Granite 4.2 حقًا هو post-training: سلسلة من مراحل تعزيز متخصصة بدلًا من تمريرة واحدة، باستخدام GRPO غير المتزامن مع أخذ عينات أهمية مقصوصة، بحيث لا تتعطل أبدًا نصفي التوليد والتدريب في الحلقة بعضهما البعض. ويتضمن المنهاج ثلاث تمريرات RLVR بمكافآت قابلة للتحقق، ومضخمات موجهة لاتباع التعليمات والبرمجة، ومرحلتين من software engineering في سياق بــ 128K، ومرحلة terminal، ومرحلة بحث، ثم مواءمة RLHF. ولا يُطبَّق bloc التعزيز الوكيلي إلا على نموذجي 8B و30B، وهو ما يفسر الفارق في أداء البرمجة الوكيلة بين 3B وأشقائه الأكبر.

المعيار المنشور من IBM	3B Dense	8B Dense	30B Dense
SWE-Bench Verified	—	47,67	57,00
SWE-Bench Multilingual	—	30,78	41,89
Terminal-Bench 2.1	—	20,56	29,24
τ³-bench	45,78	58,06	62,00
AIME25	78,33	86,67	89,17
GPQA	54,80	64,14	66,41
LiveCodeBench v6	69,71	73,24	75,77
MMLU-Pro	67,84	74,04	77,60
RULER 128K	55,30	71,41	81,38

لا يقتصر الإصدار على أوزان bfloat16: فهناك أربع نسخ كمّية مرافقة للإطلاق من أجل vLLM — FP8 عبر القناة الديناميكية من دون معايرة، وNVFP4 وMXFP4 عبر GPTQ المعاير على 2 000 عينة SFT — إلى جانب أربعة عشر تنسيق GGUF لـ llama.cpp، من Q2_K إلى Q8_0. كما أن اثنتي عشرة لغة مدعومة، ومنها الفرنسية، وثلاثة أحزمة للترميز الوكيلي موثقة منذ اليوم الأول: OpenCode وPi وOpenHands. وعلى مستوى جودة البيانات، تفصّل IBM سلسلةً تُستخدم فيها GPT-OSS-120B وGemma 4 كقضاة لتقييم عينات SFT، قبل إزالة التكرار محليًا وعالميًا عبر التجزئة SHA-256.

وفي اليوم نفسه، تنشر IBM Granite Speech 5.0 Turbo CTC، وهما نموذجان للتعرّف على الكلام باللغة الإنجليزية بــ 470 مليون معلمة لا يختلفان إلا في بيانات التدريب والترخيص — Apache 2.0 للنسخة القياسية، وCC-BY-NC-SA-4.0 للنسخة المدربة على بيانات إضافية. والتغيير المعماري ملحوظ: فإصدارات Granite Speech السابقة كانت تجمع بين مشفّر صوتي، ومُسقِّط، وLLM، أما هذه فهي مشفّر فقط. وتضم الحزمة 16 كتلة Conformer، وتطبق شرطًا ذاتيًا في مخرج الكتلة الثامنة، وتستبدل الانتباه القائم على الضرب القياسي بانتباه مجزّأ (chunkwise) لتفادي التعقيد التربيعي، وتعمل مباشرة على تحسين خسارة CTC. والجِدّة الحقيقية هي معدل الرموز: إذ تنقل عمليات خفض العيّنة التدفق من 100 إطار في الثانية عند مخرج طيف log-Mel إلى 12,5 إطارًا في الثانية، وهو ما يفسر كلمة «Turbo» في الاسم. وتُنشر النتائج على OpenASR Leaderboard وFFASR Leaderboard للحقل البعيد، مع رسوم Pareto للسرعة/الدقة بدلًا من الدرجات المنفردة، وعرض حي للتعرف المستمر يُنفذ في المتصفح عبر WebGPU، ومحصور في Chrome وEdge.

🔗 Granite 4.2 — المسار التقني · Granite Speech 5.0 Turbo CTC

WeatherNext Cyclones، أول نموذج ذكاء اصطناعي يُستخدم في الوقت الحقيقي من قِبل National Hurricane Center

25 أغسطس — توضّح Google AI WeatherNext Cyclones، وهو نموذج للتنبؤ بالأعاصير المدارية صادر عن Google DeepMind وGoogle Research. وتكمن أهمية الإعلان أقلّ في الأداء الخام منه في ما يرويه عن انتقال الذكاء الاصطناعي للطقس من المختبر إلى التشغيل الفعلي.

المشكلة المستهدفة هي مشكلة بنيوية. حتى الآن، كان تتبّع إعصار يفرض مفاضلة: النماذج الفيزيائية التي تعمل على الحواسيب الفائقة تلتقط جيدًا البنى الجوية الكبرى التي تجوب الكوكب، لكن فهم الفيزياء المحلية والعنيفة التي تحدد قوة العاصفة كان يفرض الانتقال إلى نماذج إقليمية مختلفة تمامًا. يزيل WeatherNext Cyclones هذا الذهاب والإياب عبر التنبؤ بالمسار والشدة والحجم دفعة واحدة.

وتتمثل المكسب المعلن في يوم كامل من الاستباق مقارنة بالأنظمة السابقة. تصوغ Google المقارنة بشكل معبّر: صارت التنبؤات لثلاثة أيام تبلغ اليوم دقة التنبؤات القديمة ليومين، وهو تقدّم كان يتطلّب تاريخيًا عقدًا كاملًا من التطورات المنهجية. أما الإضافة الثانية فهي احتمالية: النموذج سريع بما يكفي لإنتاج ما يصل إلى 1,000 محاكاة لكل عاصفة، ما يستبدل المسار الوحيد «الأكثر احتمالًا» بمجموعة من السيناريوهات. وهذا يجعل التعرّف على التعاظم السريع أوضح، وهو معرّف بزيادة في الرياح العظمى المستمرة لا تقل عن 30 عقدة خلال 24 ساعة. هذا العام، تُقدَّم 1,000 تنبؤ احتمالي لكل عاصفة إلى خبراء التنبؤ عبر WeatherLab.

ويبقى العنصر الأكثر دلالة هو النشر الفعلي. خلال موسم الأعاصير لعام 2025، خضع WeatherNext Cyclones للاختبار داخل National Hurricane Center الأمريكي — وهي المرة الأولى التي تستخدم فيها هذه المؤسسة نماذج ذكاء اصطناعي في عمليات الوقت الحقيقي. وقد استخدمه خبراء الأرصاد لوضع توقع وصول إعصار Melissa إلى اليابسة في جامايكا بدرجة 5، ما منح السلطات المحلية وقتًا إضافيًا للاستعداد. وقد نُشر مقال في Nature، وتعلن Google عن إصدار الشيفرة وأوزان النموذج مفتوحة المصدر على GitHub.

جانب النموذج	ما يقدمه WeatherNext Cyclones
الكميات المتنبأ بها	المسار، الشدة، والحجم في تمريرة واحدة
مكسب الاستباق	يوم واحد؛ التنبؤ لثلاثة أيام = دقة التنبؤ القديم ليومين
المحاكيات لكل عاصفة	حتى 1,000
النشر التشغيلي	U.S. National Hurricane Center، موسم الأعاصير 2025
حالة الاستخدام الموثقة	وصول إعصار Melissa إلى اليابسة من الفئة 5 في جامايكا
عتبة التعاظم السريع	أكثر من 30 عقدة من الرياح العظمى المستمرة خلال 24 ساعة
طرائق الإتاحة	WeatherLab؛ الشيفرة والأوزان مفتوحة المصدر على GitHub

🔗 إعلان @GoogleAI · مقالة Google DeepMind

Stability AI تُغلق جولة Série B بقيمة 76 مليون دولار مع EA وSony Music وUniversal وWarner

25 أغسطس — تعلن Stability AI إغلاق جولة Série B: 76 مليون دولار من رأس المال الجديد، لترفع التمويل الإجمالي إلى 232 مليونًا منذ إعادة السيطرة على الشركة من قِبل Prem Akkaraju في يونيو 2024، بما في ذلك جولتان من الأسهم وسندات قابلة للتحويل. ويظل المبلغ متواضعًا على مستوى القطاع، لكن التركيبة الفعلية للصفقة هي الموضوع الحقيقي.

أربعة أثقال من عالم الترفيه يدخلون إلى رأس المال: Electronic Arts لألعاب الفيديو، وSony Music Group وUniversal Music Group وWarner Music Group للموسيقى. وتصبح شركات الموسيقى الثلاث الكبرى الآن مساهمة في المختبر نفسه. وينضم إليهم AMD Ventures وPacific Alliance Ventures. هؤلاء المستثمرون لم يأتوا من فراغ: فقد كانت EA وUniversal وWarner بالفعل شركاء استراتيجيين لـ Stability AI منذ خريف 2025. وهكذا تحوّل الجولة الاتفاقات التجارية القائمة إلى حصص في رأس المال.

وتكمن الإشارة الأخرى في وفاء المستثمرين الماليين. يعيد Coatue وGreycroft وKadmos Capital وSean Parker وEric Schmidt التمويل للجولة الثانية على التوالي تحت الإدارة الجديدة — وهو ما، بعد الفترة المضطربة التي مرت بها Stability AI في 2023 و2024، يعد بمثابة تأكيد. وينضم Thomas Laffont، الشريك المؤسس في Coatue، إلى مجلس الإدارة الذي يضم بالفعل James Cameron وSean Parker وDana Settle وPrem Akkaraju.

This unmatched group of investors is an affirmation of our vision where generative AI empowers every producer, musician, and storyteller. Stability is unique in the AI field because we are creative people making tools for creatives.

🇸🇦 تؤكد هذه المجموعة غير المسبوقة من المستثمرين رؤيتنا، وهي رؤية لذكاء اصطناعي توليدي يمنح كل منتج وموسيقي وراوٍ للقصص الأدوات التي تمكّنه. إن Stability فريدة في مجال الذكاء الاصطناعي لأننا مبدعون نصنع أدوات للمبدعين. — Prem Akkaraju، الرئيس التنفيذي لـ Stability AI، بيان 25 أغسطس

والاستراتيجية المعلنة هي استراتيجية مختبر متخصص: لا نموذج عام شامل، بل أدوات للمحترفين في المجال الإبداعي، تُبنى مع أصحاب الحقوق لا ضدهم. وهذا بالضبط خط Stable Audio 3.0، وهي عائلة من النماذج ذات الأوزان المفتوحة والمدرّبة على بيانات مرخّصة بالكامل، والتي توسعت في 18 أغسطس عبر إضافة plugin لمحطات العمل الصوتية. ومن المفترض أن يمول المال الجولة التالية من المنتج، والبحث التطبيقي، وذراع الخدمات المهنية.

🔗 إعلان @StabilityAI

ChatGPT على مستوى الشركات: plugin Admin، وامتداد متعدد المتصفحات، ومقعد Premium بسعر 100 دولار

25 أغسطس — تتجه ثلاث إعلانات من OpenAI نحو الجمهور نفسه: المؤسسات التي تنشر ChatGPT وCodex على نطاق واسع.

الأكثر جوهرية هو plugin Admin لـ ChatGPT Work وCodex، الذي يجمع في محادثة واحدة ما كان يتطلب حتى الآن التنقل بين لوحات تحليلات، وشاشات الإعدادات، والتقارير. ويغطي النطاق المهام اليومية: فهم مستوى التبني واستهلاك الاعتمادات، ورصد الأعضاء أو المجموعات القريبة من حدودها، وإدارة الانضمامات والمغادرات، وفحص الصلاحيات الفعلية وتشخيص مشاكل الوصول، وضبط حدود الاستخدام، وتسوية طلبات الإنفاق بمقارنتها بالاستهلاك الحقيقي. وأكثر الأجزاء إثارة للاهتمام هو الأتمتة من دون كتابة شيفرة: إذ يمكن توجيه طلبات الاستخدام المعلّقة إلى Slack أو Microsoft Teams للموافقة عليها داخل الأداة التي يستخدمها المصرحون أصلًا، كما يمكن منح طلبات الوصول إلى ميزة ما تلقائيًا عندما تستوفي معايير محددة مسبقًا، مع إعادة الاستثناءات إلى إنسان. والنقطة الهيكلية من ناحية الأمن هي أن plugin يعمل داخل الدور والصلاحيات القائمة للمستخدم ولا يوسّع أي وصول، إذ تُترجم كل تعليمات إلى عملية قراءة أو كتابة مدعومة مع نتيجة منظمة. وتستشهد OpenAI باستخدامها الداخلي — فوكيل ChatGPT Work داخل Slack يعالج طلبات الدعم التقني الداخلية، وتنجح تدفقات العمل المنشورة في حل نحو 45% من حجم التذاكر، بعد إزالة التراكم في وقت كانت فيه أحجام الدعم قد تضاعفت تقريبًا.

أما الإعلان الثاني، فهو أن امتداد متصفح ChatGPT يخرج من نطاق Chrome ويدعم Microsoft Edge وBrave وOpera وVivaldi. وهذه الخطوة مهمة لمن يعمل على متصفح بديل بدافع الخصوصية أو بسبب قيود الشركات. ويجري إبراز حالتي استخدام: إحضار سياق الألسنة المفتوحة إلى مهمة عبر ذكر @ tab في ChatGPT Desktop، بحيث يعمل Codex انطلاقًا من الوثائق أو التذكرة المعروضة بالفعل؛ وترك الوكيل يقود المتصفح لتنفيذ مهام ويب فعلية، مع ذكر إلغاء الاشتراكات ضمن الأمثلة المعروضة.

أما الإعلان الثالث، فهو أكثر اقتضابًا: إذ ينضم مقعد Premium بسعر 100 دولار إلى عرض ChatGPT Business، ويتموضع للشركات الصغيرة والشركات الناشئة ضمن خطة موصوفة بأنها مرنة وقابلة للتوسع بحسب حجم الفريق. وقد أُعلن ذلك على X من دون مقال مدونة تفصيلي، كما لم تُحدَّد التركيبة الدقيقة للمقعد في الرسالة.

🔗 plugin Admin · الامتداد متعدد المتصفحات · مقعد Premium ChatGPT Business

NVIDIA: Gamescom من أجل RTX Spark، وSANA تُخفض زمن استجابة MiniMax H3 بمقدار 27 مرة

25 أغسطس — تستغل NVIDIA حدث Gamescom، الذي يُعقد هذا الأسبوع في كولونيا، لتوسيع قائمة RTX Spark، منصة حواسيب Windows المنتظرة هذا الخريف. تنضم Electronic Arts وEmbark Studios وUbisoft إلى KRAFTON وNetEase وRiot Games وXBOX، الذين التزموا منذ COMPUTEX في مايو. وتغطي العناوين المذكورة متطلبات تقنية متنوعة: EA SPORTS F1 25 وApex Legends من EA، وAnno 117: Pax Romana لدى Ubisoft، وARC Raiders وTHE FINALS لدى Embark Studios.

وتتعلق النقطة الأكثر واقعية بمكافحة الغش. فمجرد تشغيل اللعبة لا يكفي: إذ تعتمد العناوين الكبرى على الإنترنت على أنظمة anti-cheat يجب نقلها إلى كل منصة، وإلا ظلت اللعبة غير قابلة للعب في نمط تعدد اللاعبين. وتعلن NVIDIA أنها تعمل مع EA لإحضار EA Javelin Anticheat أصليًا إلى RTX Spark — وهو نوع التفاصيل البنية التحتية الذي يحسم التبني الفعلي لمنصة PC جديدة. وعلى صعيد العرض، أصبح DLSS 4.5 Ray Reconstruction متاحًا فورًا، مع نموذج transformer من الجيل الثاني يستبدل مزيلات الضجيج التقليدية بشبكة مدرّبة على حاسوب فائق. ويصل path tracing إلى CONTROL Resonant و007 First Light، فيما يدمج Gears of War: E-Day تقنية RTX Mega Geometry، وتُعلن تقنيات NVIDIA ACE في Aniimo لبداية 2027.

أما الوجه الآخر للفاعل نفسه، في 24 أغسطس، فهو أكثر تقنية. إذ تنقل MiniMax النتائج التي حققها فريق SANA لدى NVIDIA على Sol Engine المطبق على نموذج الفيديو H3 الخاص بها: عشر ثوانٍ من الفيديو بدقة 768p تُولَّد على جهاز GB200 واحد تهبط من 414 ثانية إلى 14.93 ثانية، أي تسريع بمقدار 27.7 مرة. ولا تعتمد الطريقة على تحسين النوى، بل على تقسيم التوليد إلى تمريرتين — مسودة منخفضة الدقة ينتجها H3 في 4 خطوات، ثم تمريرة تنقيح عند الدقة المستهدفة تتولاها LTX في 3 خطوات مع Sol-Attn. ما مجموعه سبع خطوات. وكمحرك ثانٍ، تُستبدل عمليات فك ترميز VAE المكلفة بـ TAEH3 وTAEHV، وهي مفككات خفيفة، مع الحفاظ على الثوابت الكامنة مستقرة لتمريرة التنقيح.

القياس على MiniMax H3	القيمة المقاسة
الحمل المقاس	10 ثوانٍ من الفيديو بدقة 768p، على GB200 واحد
زمن الاستجابة قبل	414 ثانية
زمن الاستجابة بعد	14.93 ثانية
عامل التسريع	27.7x
خطوات التوليد	4 (مسودة H3 منخفضة الدقة) + 3 (LTX)
المفككات المستبدلة	TAEH3 وTAEHV بدلًا من فك ترميز VAE
الإنتاجية المتوقعة لكل عقدة	378,000 فيديو شهريًا، وأكثر من 97% هامش GPU

والإنتاجية المتوقعة هي تقدير من MiniMax وليست قياسًا للإنتاج الفعلي، وينبغي قراءتها على هذا الأساس. لكن الاتجاه واضح: عند نحو خمس عشرة ثانية لكل عشر ثوانٍ من الفيديو، تغادر التوليدية المرئية عالية الدقة منطق العرض الدفعي غير المتزامن لتدخل في بنية تحتية شبه تفاعلية.

🔗 NVIDIA في Gamescom · SANA وSol Engine على H3

النماذج المفتوحة الصينية تصبح مرجعًا في البحث، وQwen3.8-27B يدخل قائمة أفضل 10 في Code Arena

25 أغسطس — تنقل Qwen نتيجتين في صباح واحد، والثانية تمنح معنى للأولى.

الأولى هي ترتيب. يدخل Qwen3.8-27B إلى تصنيف Code Arena: WebDev، الذي يقيس النماذج على توليد واجهات الويب، في المركز التاسع إجمالًا برصيد 1595 نقطة. وهو النموذج الوحيد ضمن فئته الحجمية في أفضل 10، ولا يبتعد إلا بستة مراكز عن Qwen3.8-Max، الأكبر حجمًا بكثير. وتشير Arena إلى أنه يعيد رسم حد Pareto الخاص بالترتيب، وتقدّم نقطة مرجعية معبّرة: Gemma 4-31B، المشابه له من حيث الحجم لكن الصادر في أبريل، يحتل المركز 80.

النموذج المقيم	ترتيب Code Arena: WebDev	النقاط المحققة	ملاحظة من التصنيف
GLM-5.3 (Max)	الثامن إجمالًا	1597	مسجل في 20 أغسطس، الثاني بين النماذج المفتوحة
Qwen3.8-27B	التاسع إجمالًا	1595	النموذج الوحيد من حجمه في أفضل 10
Qwen3.8-Max	يسبق 27B بستة مراكز	n.c.	نموذج أكبر بكثير من العائلة نفسها
Gemma 4-31B	الثمانون إجمالًا	n.c.	صدر في أبريل 2026

أما النتيجة الثانية فهي قياس للاستخدام. فقد طلب Nathan Lambert، الذي شارك في قيادة مشروع Olmo لدى Ai2، من Codex تحليل 500,000 مقال arXiv في الذكاء الاصطناعي والتعلم الآلي نُشرت منذ إطلاق ChatGPT، لتحديد النماذج المفتوحة المستخدمة فعليًا في البحث. ويكمن الانقلاب في رقمين: ففي عام 2024، كانت نحو 30% من المقالات تذكر نموذجًا مفتوحًا أمريكيًا مقابل 10% نموذجًا صينيًا؛ أما اليوم، فحوالي 40% تستشهد بـ LLM مفتوح صيني، و25 إلى 30% فقط تستشهد بنموذج أمريكي.

عائلة النماذج	حصة المقالات التي تستشهد بـ LLM
OpenAI (نماذج مغلقة)	نحو 37%
Qwen	نحو 33%
Gemini, Claude	10 إلى 15%
Gemma, Mistral	5 إلى 10%
Olmo	نحو 1%

وبالتفصيل، يُذكر Qwen في ثلث المقالات التي تستشهد بـ LLM أياً كان. وقد بلغ Llama ذروته نحو أبريل 2025 عند 30%، في الوقت نفسه الذي صدر فيه Llama 4، ثم بدأ يتراجع منذ ذلك الحين. ويضع Lambert بنفسه حدًا مهمًا: فالمطبوعات متأخرة عن إصدارات النماذج لأن البحث يستغرق وقتًا — وهذه الأرقام تصف حالة الأعمال الجارية أكثر مما تصف تفضيلات اللحظة. وتظهر بالتوازي اتجاهات عميقة، منفصلة عن ثنائية المفتوح مقابل المغلق: إذ ارتفعت نسبة مقالات الذكاء الاصطناعي التي تذكر LLM من 10.43% في يناير 2023 إلى أكثر من 50% في 2026.

🔗 Qwen3.8-27B على Code Arena · إعادة نشر Qwen لتحليل arXiv · تحليل @natolambert

ينتقل Claude Code إلى 2.1.245، ويصبح عرض Claude على الويب أكثر سلاسة بأربع مرات

صدرت نسختان من Claude Code في النافذة، ويظهر من محتواهما أنهما موجهتان بوضوح إلى عمليات النشر داخل المؤسسات. لا يحمل CHANGELOG تواريخ، لكن سجل Git يضعهما في سياقهما: تظهر 2.1.243 عند commit بتاريخ 24 أغسطس الساعة 23:40 UTC، وتظهر 2.1.245 عند commit بتاريخ 25 أغسطس الساعة 05:13 UTC.

الإعداد المُضاف	النسخة المعنية	الفائدة العملية
`modelPricing`	2.1.243	أسعار تعاقدية في `/cost`، شريط الحالة، والقياس التليمترِي
`modelPicker`	2.1.243	قائمة نماذج مرتبة وموسومة لـ `/model`
`promptCacheTtl` / `subagentPromptCacheTtl`	2.1.243	ذاكرة تخزين مؤقت للمطالبة لمدة ساعة على المحادثة، و5 دقائق للـ subagents
Ventilation Loops في `/usage`	2.1.243	رصد المهام `/loop` التي تنحرف
اتصال بلا مفتاح عبر Console	2.1.243	مؤسسات تمنع مفاتيح API
إصلاح glibc 2.44	2.1.245	تعطل عند الإقلاع على Arch Linux وCachyOS وFedora Rawhide

الإعداد الأكثر تأثيرًا هو modelPricing : حتى الآن كانت التكاليف المعروضة تُحتسب وفق السعر العام، أما الآن فيمكن للمؤسسة إدخال أسعارها التعاقدية بحسب النموذج ومعامل الخصم الخاص بها، مما يجعل الأرقام قابلة للاستخدام مباشرة في إعادة الفوترة الداخلية. يعالج الزوج promptCacheTtl وsubagentPromptCacheTtl مقايضة اقتصادية عملية للمستخدمين عبر مفتاح API: الاحتفاظ بذاكرة تخزين مؤقت لمدة ساعة للمحادثة الرئيسية، حيث يبقى السياق ثابتًا، مع إبقاء subagents عند خمس دقائق لأن سياقاتها أكثر تقلبًا. وعلى صعيد الإصلاحات، لم تعد خوادم MCP البعيدة في الوضع غير التفاعلي تتعطل بعد انقطاع، ولم يعد /resume يقتصر على آخر خمسين جلسة فقط، كما أن الجلسات الصامتة لأكثر من عشر دقائق تنتهي الآن بعد نحو ثلاث دقائق قبل إعادة المحاولة وإظهار خطأ صريح.

في 24 أغسطس، أعلنت Anthropic كذلك أنها أعادت كتابة المحرك الذي يعرض الردود أثناء توليدها على Claude web وسطح المكتب. المبدأ هنا كلاسيكي في عرض الواجهات: لا تُحدّث إلا الأجزاء التي ما تزال تتغير، بدل إعادة رسم الرد بأكمله مع كل جزء جديد. في رد طويل، يكون الفرق بنيويًا — إذ يتوقف كلفة العرض عن الازدياد مع طول النص المعروض بالفعل. والتحسينات المعلنة منسجمة مع ذلك: سلاسة أكبر بنحو 4 مرات، وتجمّد أقل بنحو 9 مرات على حاسوب محمول ضعيف، وأقصر تجمّد أسوأ للواجهة بمقدار 4.5 مرات، والحفاظ على 120 إطارًا في الثانية من البداية إلى النهاية على MacBook بتردد 120 هرتز. والتفصيل المهم هو الجمهور المستهدف: فالأجهزة المتواضعة هي الأكثر استفادة.

🔗 CHANGELOG Claude Code · عرض أكثر سلاسة 4x، @ClaudeDevs

وُحّدت صناعات وكلاء البرمجة: Warp تنشر صيغة factories الخاصة بها، وRohlik تجعل الوكلاء يكتبون 90% من شيفرتها

24 أغسطس في نهاية اليوم — تكشف Warp عن الآلية الداخلية لـ Warp Factories، منصتها السحابية للوكلاء التي أعلنتها في 18 أغسطس: صيغة الإعداد المعتمدة، وفتح الوصول المبكر. نقطة الانطلاق واضحة — Warp تنقل وكلاءها هي نفسها خارج الأجهزة المحلية، لأسباب تتعلق بالجودة والتكلفة، وكانت بحاجة إلى وصف البيئات، وأدوات التشغيل، وصلاحيات الأمان بوصفها شيفرة قابلة للإصدار.

عنصر الإعداد	القيمة المعتمدة
ملف التعريف	`factory.yaml`, `schemaVersion: v1alpha1`
المفاتيح الرئيسية	`name`, `repositories` (`owner` / `name`), `agentDefaults.model`
تعريف وكيل	`agents/<nom>/agent.md` مع `agentType` (`FOREMAN`, `REVIEW`…) و`model`
المشغلات	`automations/<nom>/automation.md` : `agent`, `triggers` (المزوّد، الحدث)
الواجهات المتاحة	CLI (`warp agent run-cloud`)، API REST، SDK TypeScript، خادم MCP
الوصول المبكر	حتى 10,000 دولار أمريكي من الاستخدام المجاني للعملاء المؤهلين

الفصل هنا مثير للاهتمام: فالعملاء لا يُوصَفون في YAML واحد، بل في ملفات Markdown مخصصة، بحيث تصبح صياغة الوكيل وثيقة قابلة للقراءة ولإظهار الفروق. وتطبق Warp الوصفة على نفسها — فالمصنع الداخلي لديها، المسمى «wilson»، يغطي مستودعات مثل warp-server أو warp-terraform، ويعلن أسراره وخوادم MCP الخاصة به، ويرتب وكلاءه حسب الدور (code-review، foreman، implementation، spec، triage) في 34 سطرًا. أما الأرقام المذكورة في صفحة طلب الوصول فهي حجج تجارية لا يمكن التحقق منها من الخارج: 200,000 تشغيل وكيل يوميًا، وأكثر من 30% من pull requests تُدمج دون تعديل، و20% أقل تكلفة لكل pull request.

في 25 أغسطس، نشرت Cognition من جهتها دراسة حالة موثقة بدرجة أوضح من سابقتها. Rohlik Group موزع غذائي عبر الإنترنت وُلد في جمهورية التشيك، ويعمل في خمسة بلدان، وهو مربح، مع أكثر من 1.3 مليار دولار من العائدات في العام الماضي؛ وهو يسلّم سلة أسبوعية من 17,000 منتج في أقل من ساعة أو في فترات زمنية مدتها خمس عشرة دقيقة. والرقم الذي ينظم المقال: نحو 90% من الشيفرة هناك تُولَّد اليوم بواسطة الوكلاء، وتصف منظمة الهندسة نفسها بأنها «agent-mostly».

وهذا ليس نتيجة تم الحصول عليها بمجرد توصيل أداة. تقول Rohlik إنها بدأت قبل عام، مع تجربة أولى لـ Devin اعتُبرت مليئة بالأخطاء. ما غيّر المعادلة هو الأسس التي وُضعت من جهة العميل: أكثر من خمسين تكاملاً MCP داخليًا وخارجيًا، مع مبدأ أن كل أداة جديدة يجب أن تكون متاحة للوكلاء من اليوم الأول، وطبقة دلالية فوق مستودع بيانات Snowflake، وقاعدة معرفة تمنح الوكلاء السياق الذي سيُنقل إلى زميل جديد. يصل العمل إلى Devin من مكان ولادته، أي محادثة Slack حول خطأ أو مستند مواصفات Linear يُسحب حتى pull request. أما النتائج المعلنة — مضاعفة إنتاجية الهندسة منذ نوفمبر، وتسليم تكامل الروبوتات AutoStore خلال ثمانية أشهر بينما يستغرق القطاع من سنتين إلى ثلاث سنوات، وانخفاض زمن النمذجة الأولية من شهر إلى يوم — فتبقى كما في صفحة عميل نشرها المورّد. لكن الأثر الأوضح في مكان آخر: أفضل المهندسين باتوا يقضون 80% من وقتهم في مراجعة الشيفرة، ونحو 30% من استخدام Devin لدى Rohlik هو لتحليل البيانات من قِبل مستخدمين من الأعمال.

🔗 صيغة factory.yaml، @warpdotdev · دراسة حالة Rohlik، @cognition · صفحة عميل Devin

GitHub: أربعة تمارين حول workflows الوكيلية وعلامة التبويب Customize في الإتاحة العامة

25 أغسطس — تضع GitHub على الإنترنت أربعة تمارين جديدة على منصة التعلم GitHub Skills. الزاوية واضحة: بدل توثيق المستجدات الوكيلية لهذا العام، تقترح GitHub ممارستها داخل مستودع تجريبي، مع تعليمات تُسلَّم تدريجيًا عبر pull requests.

التمرين المنشور	موضوع التمرين
Agent Orchestration Build Your AI Dream Team	وكلاء مخصصون في Copilot CLI: التخطيط، التصميم، البناء، التحقق، التسليم
Agentic Workflows that Read the Room	امتداد `gh aw`، workflow وكيلِي في Markdown، وتغييرات تُرسل عبر pull requests
Idea to Merge with the Copilot App	من جلسة إلى pull request مدمجة، بالكامل داخل تطبيق GitHub Copilot
Ship with Quality	إشارات جودة مؤتمتة، تغطية اختبارات، وفحوصات مفروضة على pull requests

الأكثر لفتًا بين الأربعة هو الأول: فهي المرة الأولى التي تقدم فيها GitHub مسارًا موجّهًا حول orchestration متعدد الوكلاء في CLI الخاصة بها، وهو موضوع لم يكن موثقًا حتى الآن إلا نثريًا. والثاني يقدّم الامتداد gh aw، مع نقطة مهمة للأمان — فالتعديلات المقترحة من workflow تمر عبر pull requests بدل تطبيقها مباشرة، مما يحافظ على نقطة مراجعة بشرية.

وفي اليوم نفسه، يكتسب تطبيق GitHub Copilot علامة تبويب Customize في الإتاحة العامة. وظيفتها جمع آليات التوسعة الأربع التي أُدخلت بشكل منفصل خلال الأشهر الماضية في واجهة واحدة: خوادم MCP، والإضافات، والمهارات، والـ canvases. وتعرض View Featured اختيارًا تحريريًا مأخوذًا من كل فئة، للمستخدم الذي يعرف ما يريد فعله لكنه لا يعرف أي نوع من الإضافات يلبّي حاجته، كما تستفيد خوادم MCP من تصفح خاص مع خيارات بارزة بحسب شعبيتها ومسار حسب الفئة. ويعرض changelog فائدة الـ canvases عبر حالة عملية: canvas لـ Azure DevOps لفرز issues، وتحديد أولويات backlog، وتعيين المتابعات، ثم تكليف Copilot بمهمة كي يتحقق أو يطبق أو يجهز المراجعة.

🔗 أربعة تمارين GitHub Skills · علامة التبويب Customize في الإتاحة العامة

أدوات Google للمطورين: Gemini CLI 0.57.0 وAntigravity 2.10.0

25 أغسطس — تنشر Google النسخة المستقرة 0.57.0 من Gemini CLI، تليها قبلها بربع ساعة نسخة المعاينة 0.58.0. وتقول محتويات هذه النسخة أقل عن ميزات جديدة، وأكثر عن الطريقة التي تُبقي بها Google أداتها حيّة: فمن بين 24 مدخلاً في changelog، 13 تبدأ بـ [SSR Agent] Issue Fix وتعود إلى أرقام issues غالبًا قديمة، من 19239 إلى 28518. وتتولى هذه الإصلاحات معالجة الإزعاجات المتراكمة في backlog — تجمّد غير محدود لواجهة الطرفية أضيفت له مهلات انتهاء، ورسالة خطأ إدارية مضللة للحسابات الشخصية، وغياب مسافة بعد اقتراحات autocompletion، وعدم تحديث عرض الطرفية عند الخروج من محرر خارجي. وبعبارة أخرى، تمرر Google وكيلًا على دينها التقني نفسه، وتصل النتيجة مباشرة إلى النسخة المستقرة.

النسخة المنشورة	التاريخ والوقت (UTC)	قناة الإصدار	أبرز النقاط
v0.57.0	25 أغسطس، 18:37:14	مستقرة	13 إصلاحًا `[SSR Agent]`، التحقق من evals، retries سياقية
v0.58.0-preview.0	25 أغسطس، 18:22:01	معاينة	عزل Docker في ملف Seatbelt على macOS، وفاحصات السلامة

وعلى صعيد الوظائف، يتركز الجهد على التقييم، مع أمر للتحقق من evals ومنسّق لاستدعاءات الأدوات يدمج خلاصات الفشل. كما تتحسن الاعتمادية: فأخطاء السعة تستدعي retries صامتة تراعي السياق، وإلغاء طلب متعدد الجولات يؤدي إلى rollback كامل بدل حالة جزئية. ولمن يبحث عن ملاحظات الإصدار، لم يُحدَّث الملف docs/changelogs/index.md في المستودع إلى ما بعد النسخة v0.54.0 بتاريخ 6 أغسطس.

بعد أربعة أيام من 2.9.1 وميزة Remote Control، تنتقل Google Antigravity إلى 2.10.0 في 24 أغسطس وتسد ثغرتين كانتا تُجبران المستخدم على الخروج من الأداة: طرفية مدمجة، وتحكم أصلي في إصدار Git، وكلاهما موضوع مباشرة في الشريط الجانبي. هذا التجميع منسجم مع مسار المنتج — فـ Antigravity يضع نفسه كبيئة تُدار فيها الوكلاء بدل تحرير الشيفرة سطرًا بسطر، لكن لا بد من القدرة على تشغيل أمر وفحص diff دون تغيير النافذة. أما بقية النسخة فتوسّع ما يمكن إرساله إلى وكيل وما يمكن رؤيته من عمله: ملفات الصوت تنضم إلى المرفقات المقبولة، والتعليق التفاعلي على الصور يسمح بإضافة ملاحظات على مرئي لتوجيه الوكيل، والمعاينات الغنية لتنفيذ أدوات MCP تجعل ما فعله خادم الأدوات قابلًا للقراءة. وتحتسب Google النسخة على أنها 13 تحسينًا و8 إصلاحات، مع طرح تدريجي.

🔗 Gemini CLI v0.57.0 · Changelog Antigravity

تمول Anthropic خمسة ملايين دولار من التقييمات المستقلة حول الرفاه

25 أغسطس — تطلق Anthropic برنامج منح بقيمة 5 ملايين دولار لتمويل أبحاث مستقلة حول أثر الذكاء الاصطناعي في رفاه مستخدميه. ويحصل الفائزون على تمويل مباشر، وإمكانية الوصول إلى النماذج، ودعم تقني، لكنهم يعملون باستقلال تام: فالتقييمات تُنشر كمصدر مفتوح ويمكن إعادة استخدامها من طرف الصناعة كلها. باب الترشح مفتوح حتى 21 سبتمبر، وسيُبلَّغ المرشحون المختارون لتقديم مقترح كامل قبل 5 أكتوبر.

ويشرح الطرح التقني لماذا يقاوم هذا المجال أساليب التقييم المعتادة. ففي معظم سلوكيات النموذج، يكفي فحص رد منفرد للحكم إن كان صحيحًا ومناسبًا. أما الرفاه فيتطلب سياقًا: فالمستخدم المضطرب لا يذكر بالضرورة أفكارًا مؤذية للذات منذ البداية، والنصائح حول التوازن الغذائي التي تكون معقولة في حالة ما قد تصبح خطرة إذا أظهر الشخص سوابق اضطرابات غذائية. وتنشر فريق Safeguards بالتوازي خمسة معايير للصرامة: صياغة ما يُقاس بوضوح، وإشراك الأطباء المتخصصين وخبراء المجال في التصميم، واختبار الاحتياطات والأضرار معًا — أي تقييم خطر المسايرة المفرطة مثل خطر الرفض المفرط —، وعكس الاستخدام الحقيقي عبر سيناريوهات متعددة الجولات، والتحقق من المصححات الآلية أمام خبراء حقيقيين. وهذا المعيار الثالث، أي التماثل بين الإفراط في الامتثال والإفراط في الرفض، هو ما يميز هذا النهج عن مجرد تشديد الحواجز.

🔗 منح بحثية حول الرفاه

التضمين الواعي بالكمّية مع الشفاء: نموذج 4 بت يتفوّق على أصله كامل الدقة

25 أغسطس — يمرّ خط الأنابيب القياسي لجعل نموذج كبير قابلاً للنشر عبر ثلاث مراحل: ضغط البنية، ثم تكميم الناتج، ثم إصلاح فقدان الجودة. والوصفة السائدة لهذه المرحلة الأخيرة هي QAT (quantization-aware training)، الذي يضيف عمليات تكميم وهمي ويعيد التدريب؛ أما البديل، QAD، فيُجري التقطير انطلاقًا من النموذج المضغوط كامل الدقة. في الحالتين، لا يستطيع الطالب في أفضل الأحوال إلا اللحاق بأستاذه المضغوط، وبالتالي يرث السقف الذي فرضه الضغط.

تقترح Multiverse Computing تغييرًا من سطر واحد: التقطير مباشرةً من النموذج الأصلي، أي الذي سبق الضغط. عندها يتوقف التكميم عن كونه معالجة لاحقة مُفقِدة ليصبح مرحلة تعلّم قائمة بذاتها. والنتيجة غير حدسية — فعند تطبيقها على GPT-OSS 120B بعد ضغطه إلى 60B ثم تكميمه إلى MXFP4، تنتج الطريقة نموذجًا 4 بت يعادل أو يتجاوز مصدره bfloat16 نفسه على سبعة من تسعة معايير، مع أكبر المكاسب حيث يكون أثر الضغط أشدّ: +7.4 نقطة على AA-LCR في الاستدلال طويل السياق و+5.6 على AIME 2025. أما التراجعان الوحيدان، على MMLU-Pro وSciCode، فيبقيان دون نقطة ونصف.

قد تكون المقارنة المباشرة مع QAT ضمن خط أنابيب مطابق هي النتيجة الأكثر فائدة عمليًا. على GPT-OSS 9B بعد تكميمه إلى MXFP4، تبلغ الطريقتان ذروة متقاربة، 54.9 مقابل 54.6، لكن ليس بالسعر نفسه: يصل QAH إلى ذلك في نحو مئة خطوة ويثبت عنده، بينما يحتاج QAT إلى نحو 700 خطوة ليبلغه ثم يتدهور. والنتيجة العملية هي اختلاف في مخاطر النشر — ففحص QAT يتطلب مراقبة دقيقة للإيقاف المبكر، بينما يتطلب فحص QAH ذلك بدرجة أقل بكثير.

🔗 التضمين الواعي بالكمّية مع الشفاء

Gradio يدمج gr.Workflow، وهو منشئ أنابيب IA بيانية

25 أغسطس — تنشر Hugging Face دليلًا يقدّم gr.Workflow، وهي بدائية أصبحت مدمجة الآن في Gradio. ونقطة الانطلاق بسيطة: معظم تطبيقات IA المثيرة للاهتمام ليست استدعاء نموذج واحدًا بل سلسلة مترابطة — نولّد صورة، نزيل خلفيتها، نستخرج منها تعليقًا صوتيًا، ثم نطلب عنوانًا من LLM. حتى الآن، كان ربط هذه السلسلة وإتاحة واجهة نظيفة لها يتطلب كتابة المنطق والواجهة معًا. يدمج gr.Workflow الأمرين: إذ تُوصَف الخطوات كبيان رسومي لعُقَد مُعنونة، ثم تصبح الرسمة نفسها هي الواجهة.

وتتجاوز الفائدة للمطورين العرض البصري. فكل مخرَج في الرسم يحصل تلقائيًا على نقطة وصول REST خاصة به: الاستوديو الإعلامي المعروض كمثال، الذي يربط توليد FLUX، وإزالة الخلفية، والتوليد الصوتي، وLLM، يوفّر ثلاثة مسارات منفصلة (/sticker، /voiceover، /episode_title) يمكن استدعاؤها من الشيفرة دون المرور بالواجهة. وتستطيع العقد التحدث إلى أربعة عوالم — النماذج المستضافة عبر Inference Providers من Hugging Face، وSpaces Gradio عامة أخرى يعاد استخدامها ككتل بناء، وسطر واحد من مجموعة بيانات على Hub، وPython عشوائي. وهذه الأخيرة تفتح أكبر عدد من الأبواب: فعقدة مُشغّل مزينة بـ @spaces.GPU تحجز GPU من نوع ZeroGPU طوال وقت تنفيذها، ما يسمح بتشغيل أوزانك الخاصة. وترافق الدليل خمس تطبيقات منشورة فعلًا في Spaces، منها محلّل لمجموعات البيانات وعرض توضيحي يحرّك صورة ثابتة باستخدام Lightricks/LTX-Video.

🔗 دليل gr.Workflow

ElevenLabs تطلق Composer، وهو محرر أغانٍ قسمًا قسمًا

25 أغسطس — تعلن ElevenLabs عن Composer، وهو محرر أغانٍ يعمل قسمًا قسمًا. وتكسر الفكرة النمط السائد في توليد الموسيقى عبر النماذج: فبدل إنتاج مقطع كامل دفعة واحدة ثم إعادة التشغيل كلها عندما لا يرضي جزءٌ منه، يتيح Composer إعادة صياغة مقطعٍ واحد، أو لازمة، أو جسرٍ بشكل منفصل. وتُطرح أربع نقاط بداية — كلماتك الخاصة، أو مسار موجود تجلبه معك، أو صفحة بيضاء، أو مجرد prompt — ثم يتشكل المقطع بعدها عبر تعديلات متعاقبة.

هذه هي الحركة الثانية لـ ElevenLabs نحو الموسيقى بعد Eleven Music، وقد جاءت في أسبوع مزدحم للشركة، إذ صدر CLI v1 في اليوم السابق. ويتسق التموضع مع بقية قطاع الصوت: فقد أطلقت Suno Studio 2.0 في 13 أغسطس، وطرحت Pika مجموعة Pika Music في 18 أغسطس، وقدّمت Stability AI مكونها الإضافي لمحطات عمل الصوت في اليوم نفسه. وأصبح التحكم الدقيق في بنية المقطع، لا الجودة الخام للتوليد، هو ساحة المنافسة. لكن ثمة تحفظ: لا توجد تدوينة مرافقة للإعلان، ولا تتوافر أي معلومات عن الخطط التي تمنح الوصول إلى Composer، أو صيغ التصدير، أو الوصول عبر API.

🔗 إعلان Composer، @ElevenLabs

LiveAvatar يزيل كل حدّ للتزامن وينخفض إلى 0.01 دولار للدقيقة

25 أغسطس — تعلن HeyGen إزالة حدود التزامن على LiveAvatar، منتجها للأفاتار في الزمن الحقيقي. وتشدّد الصياغة على طبيعة التغيير: الحدود لا تُرفَع، بل تختفي. جلسة واحدة أو عشرة آلاف تعمل على نفس API، من دون تفاوض مسبق على الحصة. ويرافق الإعلان معياران — يظل الإخراج كامل الجسم بدقة 1080p، وينخفض السعر إلى 0.01 دولار للدقيقة على نطاق واسع.

هذا المستوى السعري يغيّر طبيعة الاستخدامات الممكنة: فعند سنت واحد للدقيقة، يصبح الأفاتار في الزمن الحقيقي مجديًا لدعم العملاء على نطاق واسع، أو للتدريب، أو للأكشاك التفاعلية، وهي حالات كان السعر الفردي فيها يحدد حتى الآن مدى الجدوى. وإزالة حد التزامن هي النقطة التقنية المثيرة للاهتمام. فغالبًا ما تضع منصات الأفاتار في الزمن الحقيقي سقفًا لعدد الجلسات المتزامنة لأن كل جلسة تستنزف GPU باستمرار؛ ورفع هذا السقف يفترض إما هامش قدرة كبيرًا أو تحسنًا في كفاءة النموذج. وتنشر HeyGen مقالًا يشرح منهجها، لكن التفاصيل التقنية لم تكن متاحة وقت الفحص.

🔗 تزامن غير محدود على LiveAvatar

Grok 4.6 يصل إلى OpenCode Go

25 أغسطس — ينضم Grok 4.6 إلى OpenCode Go، وهي صيغة الاشتراك لوكيل البرمجة مفتوح المصدر OpenCode. جاء الإعلان من OpenCode في نهاية اليوم، ثم أعاد حساب @grok نشره بعد نصف ساعة. والنقطة العملية للمطورين هي الحصة: 169 طلبًا لكل 5 ساعات لمستخدمي صيغة Go. إنه سقف متحرك، لا عدّ شهري، وهو ما يلائم أسلوب الاستخدام المتقطع المعتاد في جلسات البرمجة المساعدة.

تندرج هذه الإضافة ضمن سلسلة فتحات لـ Grok 4.6 نحو أدوات الطرف الثالث: فقد وصل النموذج إلى GitHub Copilot في 14 أغسطس، وإلى Amazon Bedrock في 19 أغسطس، ثم إلى Gemini Enterprise Agent Platform من Google في 21 أغسطس. وكانت xAI قد ربطت OpenCode أيضًا باشتراكات SuperGrok وX Premium في مايو 2026 — لذا فالإضافة اليوم ليست إتاحة OpenCode بحد ذاتها، بل وجود النموذج 4.6 في صيغة Go مع حصة مضمّنة بدل اشتراك xAI يجب توفيره بنفسك.

🔗 إعادة نشر @grok · إعلان @opencode

Cohere تنشر دراسة IDC عن تبنّي الذكاء الاصطناعي السيادي في 2026

25 أغسطس — تنشر Cohere نتائج تقرير InfoBrief بتكليف من IDC حول تبنّي الذكاء الاصطناعي السيادي في القطاعات المنظمة. واستطلعت الدراسة آراء أكثر من 500 من كبار صناع القرار في شركات تتجاوز إيراداتها مليار دولار في كندا والولايات المتحدة والمملكة المتحدة وألمانيا، وذلك بين أبريل ومايو 2026.

وتتعلق النتيجة الأبرز أقل بالتبنّي وأكثر بالالتباس المفاهيمي. فواحد من كل ثلاثة قياديين يجد صعوبة في وصف الذكاء الاصطناعي السيادي بكلماته الخاصة، ولا يصرّح سوى 13% بأنهم على درجة عالية جدًا من الوعي بالموضوع. ومن بين من يستطيعون تعريفه، يعبّر 52% عنه بمصطلحات التحكم المحلي أو الوطني، بينما يشير 35% إلى الاستقلال الرقمي. ويمتد هذا التفاوت أيضًا عبر الهيكل التنظيمي: إذ يظهر مسؤولو تقنية المعلومات وعيًا أعلى بمرتين من وعي مسؤولي الأعمال.

القطاع المستطلَع	تسرّب البيانات والامتثال بوصفهما الهمّ الرئيسي	الميزة التنافسية بوصفها دافعًا
الخدمات المالية	82 %	21 %
الصناعة	77 %	32 %
الاتصالات	75 %	37 %
الرعاية الصحية	74 %	28 %
الطاقة	70 %	21 %

أما على صعيد الدوافع، فالإجماع واضح وعابر للقطاعات: تسرّب البيانات والخصوصية والامتثال تتصدر كل القطاعات التي شملها الاستطلاع. وتظهر الميزة التنافسية بوصفها دافعًا ثانويًا لكنه في ازدياد، مع حضور أكبر في كندا (35%) والولايات المتحدة (28%) مقارنةً بألمانيا (23%) أو المملكة المتحدة (18%). ومن الواضح أن الدراسة تخدم تموضع Cohere، إذ تعمل منصتها الوكيلية North داخل البنية التحتية والولاية القضائية اللتين يختارهما العميل؛ ومع ذلك فالأرقام منسوبة إلى مصدر محدد. وتتوقع IDC أيضًا أنه بحلول 2028 سيزيد مسؤولو نظم المعلومات في الشركات متعددة الجنسيات استثماراتهم بنسبة 65% في بيئات السحابة السيادية المعيارية وتوطين البيانات.

🔗 حالة تبنّي الذكاء الاصطناعي السيادي 2026

مختصرات

Bain & Company تنضم إلى Claude Partner Network — تصبح الشركة شريكًا Global Premier، مدعومًا بنشر Claude بين 19,000 موظف لديها؛ وأكثر من 7,000 مستخدم نشط منذ مرحلة التجربة، وأكثر من ثلثي المشاركين اعتمدوا Claude for Excel. 🔗 منشور Anthropic
Amp تشرح ما هي orbs — ملاحظة من Thorsten Ball ردًا على الالتباس حول الاسم: orb هو وكيل بعيد يمكن التحكم به من الويب أو الهاتف أو CLI. وتوضيحان مفيدان حول التكلفة: النوم غير المحدود لا يُحتسب، وعدد orbs المتزامنة غير محدود. 🔗 ملاحظة Amp
Together AI تتيح Qwen3.8 27B للضبط الدقيق والاستدلال المخصص — يصبح النموذج متاحًا لكلٍّ من التحسين على البيانات الخاصة والاستدلال المخصص Dedicated Model Inference على عتاد محجوز. 🔗 تغريدة @togethercompute
FINAL-Bench تطلق FINCHAL، مسابقة للتنبؤ المالي للوكلاء — بتمويل 2,000 دولار، وتطلب مراكز بدلًا من تنبؤات، وتنشر سقفًا للحظ (luck ceiling) لفصل المهارة عن الصدفة. 🔗 منشور FINAL-Bench
Au-Zone تنشر EdgeFirst Model Zoo — أربع عائلات YOLO في الكشف والتجزئة مقاسة على عتاد مضمن حقيقي، وكل رقم منشور يَحيل إلى جلسة التحقق التي أنتجته، في مقابل الغموض في TOPS التي يعلنها المصنعون. 🔗 منشور EdgeFirst
الإملاء الذكي من Gemini على macOS — الإملاء في أي نافذة من نوافذ سطح المكتب، مع إزالة تلقائية للترددات وأخذ التصحيحات في منتصف الجملة بعين الاعتبار؛ كما يمكن للصوت تلخيص الملفات وإعادة صياغة النصوص. 🔗 دليل blog.google
تقبل push rules استثناءات المسار — في المعاينة العامة، تستطيع قواعد Restrict file paths وRestrict file size استثناء مسارات محددة، مثل حظر JAR في كل مكان باستثناء **/gradle/wrapper/*.jar. 🔗 سجل GitHub
حظر مستخدم من إشعار أمني — يتم الإجراء عبر قائمة النقاط الثلاث في الوصف أو تعليق، في المستودعات العامة، من دون الرجوع إلى الإعدادات؛ ويبقى الإشعار كما هو. 🔗 سجل GitHub
Manus تشير إلى طلب مرتفع على استعادة البيانات — يجب إعادة المحاولات التي لا تنجح لاحقًا في اليوم؛ وتعليمات صريحة بالإبقاء على حزم النسخ الاحتياطي سليمة وغير معدّلة. 🔗 تغريدة @ManusAI
Kling تنشر ثلاثة أدلة على خادم MCP الخاص بها — ربط Kling بمساعد متوافق مع MCP لإعادة تشغيل إعداد إبداعي مُثبت وتوليد متغيرات على دفعات؛ واثنان من الدروس الثلاثة يذكران Claude Code بوصفه العميل. 🔗 مدونة Kling
Wan 3.0 يصل إلى Runway وReplicate — دمجته Runway في 24 أغسطس مع مداخل مرجعية متعددة في الصورة والفيديو والصوت؛ ثم لحقت Replicate في 25 أغسطس مع إبراز 30 ثانية أصلية في لقطة واحدة مع صوت متزامن. 🔗 تغريدة @runwayml
Runway تعلن عن متحدثين جدد لقمة الذكاء الاصطناعي لديها — توسعة البرنامج ليشمل الروبوتات والمركبات ذاتية القيادة والتسويق والبنية التحتية لفعالية سبتمبر في سان فرانسيسكو. 🔗 تغريدة @runwayml
MiniMax تنشر فهرسًا لتكاملات H3 — يدرج Awesome MiniMax H3 Integrations ما يُبنى حول نموذج الفيديو المفتوح، بما في ذلك إعدادات تعمل على 24 غيغابايت من VRAM. 🔗 تغريدة @MiniMax_AI
Luma تطلق Dream Lab Weekly — الحلقة الأولى من سلسلة فيديو مخصصة للمبدعين المحترفين في Luma وعملهم الأسبوعي على المنتج. 🔗 تغريدة @LumaLabsAI
NVIDIA تبث جلسة Nemotron Labs حول توجيه النماذج المفتوحة — بث مباشر مدته 55 دقيقة بعنوان Get Started with Open Model Routing، وهو امتداد للعمل على Nemotron 3.5 Lightning وNeMo Switchyard. 🔗 تغريدة @NVIDIAAI
أسبوع أخير لمسابقة Grok Imagine على الأوديسة — المطلوب تأليف مشهد مقتبس من الأوديسة يُبرز قدرات الأداة في الفيديو والصوت؛ والجوائز 100,000 و50,000 و25,000 دولار. 🔗 تغريدة @grok
مخزن لإعادة تعيين الحدود للمشتركين Plus وPro — بدلًا من انتظار نافذة إعادة التعيين، يستهلك المستخدم إعادة تعيين محفوظة؛ واحدة مجانية عند الإطلاق وأخرى عبر الإحالة، مع أرصدة مساحة عمل مشتركة على جانب Business. 🔗 سجل ChatGPT وCodex

ما الذي يعنيه ذلك

أصبح السيليكون من جديد موضوعًا مختبريًا لنماذج الذكاء الاصطناعي. تنشر OpenAI في اليوم نفسه أول الأرقام المقاسة لشريحتها الخاصة بالاستدلال والمقال الذي يشرح استراتيجيتها في الحوسبة. وهذا ليس تزامنًا عابرًا في التوقيت: فمزود النماذج الذي يصمم سيليكونه، ويقيسه على معيار عام من طرف ثالث، ويتحمل علنًا محفظة من عشرة شركاء، يغيّر طبيعة المنافسة. لم يعد السؤال «أي نموذج هو الأفضل» بل أصبح «بأي تكلفة لكل مهمة ناجحة»، وتُحسم الإجابة بقدر ما تُحسم داخل الرفوف الحاسوبية كما تُحسم في الأوزان. وربما يكمن التفصيل الأكثر دلالة في مكان آخر: فقد استُخدم الذكاء الاصطناعي لتصميم الشريحة وكتابة نوى التشغيل الخاصة بها، مع انتقال إلى التصنيع خلال تسعة أشهر وتطبيقات مُولَّدة تجاوزت ما أنجزه خبراء بشريون في الكتل المختارة. وتُغلق الحلقة — فالنماذج تصمم العتاد الذي سيشغلها.

يعود الذكاء الاصطناعي إلى الجهاز الطرفي، وتبدأ الأرقام في مواكبة ذلك. ثلاثة مؤشرات في اليوم نفسه تسير في الاتجاه ذاته. تجعل Perplexity وكيلها كاملًا يعمل محليًا على DGX Spark، من دون استهلاك أرصدة، مع تصعيد سحابي يبقى قرارًا بيد المستخدم. وتنشر Multiverse Computing طريقة يساوي فيها نموذج 4 بت أو يتجاوز مصدره ذي الدقة الكاملة، وهو ما يسحب الحجة المعتادة ضد التقليل الشديد من الدقة. وتنشر Au-Zone قياسات للرؤية عبر سيليكون مدمج، مع انتقادها لأرقام TOPS المعلنة لأنها لا تقول شيئًا عمّا سيفعله نموذج معين فعلًا. ولا يدّعي أي من هذه الأعمال الثلاثة أنه يضاهي frontier: فالرقم الصريح لدى Perplexity هو 59.6% محليًا مقابل 82.4% لـ Claude Opus 5 وحده على Terminal Bench 2.1. لكن التصعيد إلى نموذج استشاري يستعيد ثلاثة أخماس الفجوة مقابل ثلثي الكلفة، وهذا التوازن — لا التكافؤ — هو ما يجعل التنفيذ المحلي قابلًا للدفاع.

الانفتاح في الأوزان يترسخ بوصفه موضع المرجع. تُظهر دراسة 500,000 مقال arXiv أعادت Qwen نشرها انقلابًا أصبح ملموسًا بالفعل: فقد ارتفعت النماذج المفتوحة الصينية من 10% إلى نحو 40% من الإشارات، بينما بقيت النماذج المفتوحة الأمريكية بين 25% و30%. وQwen3.8-27B الذي يدخل قائمة أفضل 10 في Code Arena بوصفه الوحيد من حجمه، وGLM-5.3 الذي كان يتفوق على GPT-5.6 Sol وClaude Fable 5 على DeepSWE في اختبارات متعددة بتكلفة أقل بـ 2.1 إلى 5.4 مرات، وIBM التي تفتح Granite 4.2 بأربعة أشكال مكمَّمة وأربعة عشر تنسيقًا من GGUF من اليوم الأول — تتكرر المنطقية نفسها. لم يعد فتح الأوزان فعلًا للحاق بالركب، بل صار طريقة لتصبح البنية التحتية الافتراضية للآخرين، مع الملاحظة التي يطرحها Nathan Lambert نفسه: فالنشرات تتأخر عن الإصدارات، وهذه المنحنيات تصف الأعمال الجارية لا التفضيلات الراهنة.

والويب يستعد ليُقرأ بواسطة الوكلاء بدلًا من العيون. إن WebMCP Challenge مسابقة بميزانية 35,000 دولار، وهذا قليل؛ لكن ما تكشفه أكبر من ذلك. تصطف Chrome وCloudflare وShopify وVercel وRender وNetlify مع OpenAI حول معيار يطلب من المواقع إتاحة أدوات منظمة بدلًا من ترك الوكلاء يخمّنون الواجهة. وفي اليوم نفسه، أصبحت نسخة سطح المكتب من ChatGPT قادرة على استهلاك WebMCP بصورة أصلية، وأصبح Codex قادرًا على إنتاج تطبيق متوافق ونشره، ودوّنت OpenAI استخدامه الداخلي للبروتوكول داخل أداة دفاتر ملاحظات. ويأتي هذا التقارب موافقًا لما تصفه Rohlik من جانبها مع أكثر من خمسين تكاملًا MCP ومع المبدأ القائل إن أي أداة جديدة يجب أن تكون متاحة للوكلاء من اليوم الأول. وهكذا تتوقف طبقة الواجهة الخاصة بالوكلاء عن كونها موضوعًا بحثيًا، لتصبح مطلبًا هندسيًا.