ESPnet يضاعف مجموعة بياناته الصوتية المفتوحة ثلاث مرات مع YODAS v3، وMistral يتيح GLM 5.3 عبر واجهته البرمجية، وJEV-27B وOpenDecider يعلنان التكافؤ مع Jev

ينشر ESPnet مجموعة البيانات الصوتية المفتوحة YODAS v3، التي تضم 1,1 مليون ساعة بأكثر من 100 لغة، ويبلغ حجمها ثلاثة أضعاف الإصدار الأول، وجميع تسجيلاتها بتردد 48 kHz. ويتيح Mistral الآن عبر واجهته البرمجية GLM 5.3، نموذج Z.ai ذي الأوزان المفتوحة، بسياق يبلغ مليون token واتفاقية مستوى خدمة بنسبة 99,5 %، فيما يعلن JEV-27B وOpenDecider، وهما نموذجان مفتوحان لاتخاذ القرارات، تكافؤهما مع Jev وفق اختبارات مطوريهما. وتطلق MiniMax نموذج M3.1-Flash-Preview من دون نتائج اختبارات معيارية أو أسعار للواجهة البرمجية، وتتناول الأخبار الموجزة أيضًا إصدارًا تجريبيًا من Copilot CLI يقرأ قواعد Claude Code، وSpace Bunny Alpha، وهو نموذج غير معلن الهوية متاح مجانًا لدى OpenRouter.

ينشر ESPnet مجموعة YODAS v3: ‏1,1 مليون ساعة من التسجيلات الصوتية المفتوحة بتردد 48 kHz

27 سبتمبر — ينشر فريق ESPnet، ويضم William Chen وShinji Watanabe، مجموعة البيانات الصوتية متعددة اللغات YODAS v3، بحجم 1,1 مليون ساعة، أي ثلاثة أضعاف الإصدار الأول. تُوزَّع جميع التسجيلات الصوتية بتردد 48 kHz، مع بيان التردد الفعلي المفيد في البيانات الوصفية، لأن كثيرًا من التسجيلات الصوتية على الويب رُفع معدل أخذ عيناتها اصطناعيًا.

خصائص YODAS v3	القيمة المنشورة
اللغات المشمولة	أكثر من 100، منها 34 تتجاوز 1 000 ساعة
التسجيلات الصوتية متعددة القنوات	أكثر من 70 % منها تضم قناتين منفصلتين على الأقل
التعليقات التوضيحية	نصوص مفرغة مع توقيت لكل كلمة، وترجمة إنجليزية لأكثر من نصف المحتوى متعدد اللغات
الحجم والترخيص	60 To بصيغة OPUS، وترخيص CC BY 3.0

بحسب المؤلفين، يكفي هذا الحجم لتدريب نموذج بمستوى Whisper من الصفر. وقد استُخدم الإصدار الأول، الذي نُزّل أكثر من 2,5 مليون مرة، لتدريب IBM Granite وNVIDIA Canary وParakeet وكذلك OLMoASR من Ai2. ونُشرت ورقة بحثية مرتبطة به ضمن وقائع Interspeech 2026.

🔗 YODAS v3 على مدونة Hugging Face

يتيح Mistral نموذج GLM 5.3 من Z.ai عبر واجهته البرمجية، بسياق يبلغ 1M واتفاقية مستوى خدمة بنسبة 99,5 %

26 سبتمبر — أطلقت Z.ai نموذج GLM 5.3 في 14 أغسطس وفتحت أوزانه في 28 أغسطس؛ والجديد هو وصوله إلى واجهة Mistral البرمجية، وفق إعلان حساب @MistralDevs. ويُتاح النموذج في إصدار تجريبي عام بالمعرّف zai-glm-5-3، ويُقدَّم دون تعديل عبر بنية Mistral التحتية، مع سياق يبلغ مليون token، ومخرجات تصل إلى 128k، وسرعة تتجاوز 100 token في الثانية، واتفاقية مستوى خدمة بنسبة 99,5 % ضمن المستوى ذي الأولوية (priority tier).

السعر لكل مليون token	واجهة Mistral البرمجية	Together AI (29 أغسطس)
المدخلات	1,40 دولار	1,40 دولار
المدخلات المخزنة مؤقتًا	0,14 دولار	0,26 دولار
المخرجات	4,40 دولارات	4,40 دولارات

كان Mistral قد أعلن في 11 أغسطس فتح منصته لنماذج الجهات الأخرى، بدءًا من GLM 5.2. ووصل GLM 5.3 في 21 سبتمبر إلى Vibe Code، بوصفه النموذج الافتراضي لتطبيق الويب.

🔗 إعلان @MistralDevs · بطاقة النموذج

نماذج اتخاذ القرار المفتوحة: JEV-27B من AutoTrust AI وOpenDecider في مواجهة Jev

تنشر تدوينتان من المجتمع بتاريخ 27 سبتمبر نماذج مفتوحة لاتخاذ القرار بترخيص Apache-2.0. تجيب هذه النماذج بسرعة، مع احتمال لكل إجابة، عن الأسئلة القصيرة ذات الصيغ المحددة التي يطرحها الوكلاء: صح أم خطأ، أو الاختيار من عدة خيارات، أو إعطاء درجة. وتأتي بعد أربعة أيام من Tev1-4B-experimental من Together AI، ويقارن كل منهما نفسه بـJev 1.13، النموذج المغلق والمستضاف من TypeSafe AI؛ والأرقام أدناه مأخوذة من قياسات مؤلفي النموذجين.

JEV-27B من AutoTrust AI: التكافؤ مع Jev 1.13 في المتوسط، بحسب مطوريه

27 سبتمبر — تنشر AutoTrust AI، التي تقول إنه لا صلة لها بـTypeSafe AI، نموذج JEV-27B، وهو نموذج دُرّب بالتقطير من Jev 1.13 على مجموعة بيانات مفتوحة. وتُبقي طريقة التدريب Qwen3.8-27B مجمّدًا، وتضيف إليه وحدة قابلة للفصل تضم 108,9 مليون معامل، دُرّبت في نحو 9,2 ساعات على معالج B200؛ ويظل النموذج الأساسي دون تغيير، بنتيجة 78,0 % على HumanEval. النتائج التي قاسها المؤلفون في 26 سبتمبر:

اختبار اتخاذ القرار	JEV-27B	Jev 1.13 (API)
JevBench (مجموعة عامة)	88,70	87,18
Kev	83,75	85,52
OpenJev text	73,89	72,96
Nimble	92,91	91,84
VitaminC	77,46	78,46
MASSIVE-en	87,71	87,14
متوسط الاختبارات الستة	84,07	83,85

يبلغ وسيط زمن الاستجابة 137 ms لكل قرار على B200. ويقر المؤلفون بأن التكافؤ يتحقق في المتوسط فقط، وأن النموذج المتدرّب يرث مواطن القصور في Jev؛ ويعلنون اعتزامهم تقديم النتائج إلى تصنيفات مستقلة.

🔗 تدوينة AutoTrust AI

OpenDecider: نموذج nano يضم 400 مليون معامل يتفوق على Laya وJev في typed-decisions

27 سبتمبر — ينشر Manjunath Janardhan عائلة نماذج اتخاذ القرار OpenDecider: نموذج nano يضم نحو 400 مليون معامل يعتمد على مُرمِّز Ettin، ونموذج small يضم 4 مليارات معامل يعتمد على Qwen3-4B، وإصدارات MLX لأجهزة Mac. وقد دُرّبت بالتقطير من نموذجين مفتوحين مُعلِّمين، هما Qwen3-235B وDeepSeek V4.1 Flash، بتكلفة معالجة رسومية تقل عن 30 دولارًا.

النموذج المقيَّم	typed-decisions (2 000)	قرارات عامة لم تُرَ سابقًا (200)	خطأ المعايرة
OpenDecider-nano	0,796	0,680	0,092
OpenDecider-small	0,672	0,735	0,087
Laya (نقطة حفظ متخصصة)	0,766	0,570	0,162
Jev 1.13 (API)	0,754	0,730	0,164

وفق قياسات المؤلف هذه، يعادل نموذج small أداء Jev في القرارات التي لم يرها سابقًا، مع خطأ معايرة أقل بنحو النصف. ويظل Jev متقدمًا في مجموعة اختبارات تطبيقات Laya بنتيجة (0,774)، ولا سيما في كشف التصيد الاحتيالي (0,90 مقابل 0,63). نُشرت التنبؤات واختبار قابل لإعادة الإنتاج؛ وتستند النتائج إلى بذرة عشوائية واحدة.

🔗 تدوينة OpenDecider

تطلق MiniMax نموذج M3.1-Flash-Preview على MiniMax Code وضمن Token Plan، من دون نتائج اختبارات معيارية أو أسعار للواجهة البرمجية

27 سبتمبر — تقدّم MiniMax نموذج M3.1-Flash-Preview في إصدار تجريبي بوصفه أحدث نماذجها النصية. وظهر صباحًا في MiniMax Code، وكيل البرمجة الخاص بها، ثم أُتيح مساءً ضمن Token Plan، اشتراك منصة MiniMax:

MiniMax-M3.1 Flash Preview is now live on the Token Plan! Faster, lighter, and built for teams running high-volume, latency-sensitive workloads, now available under your existing Token Plan subscription, no extra setup required.

🇸🇦 أصبح MiniMax-M3.1 Flash Preview متاحًا الآن ضمن Token Plan! إنه أسرع وأخف، ومصمم للفرق التي تشغّل أحمال عمل كبيرة الحجم وتتطلب زمن استجابة منخفضًا. ويمكنكم الآن الوصول إليه من خلال اشتراككم الحالي في Token Plan، من دون أي إعدادات إضافية. — @MiniMax_AI على X

لا تنشر MiniMax نتائج اختبارات معيارية، ولا أسعارًا للواجهة البرمجية، ولا حجم النموذج، ولا طول نافذة السياق، ولا أوزانه؛ وما زالت ملاحظات إصدارات نماذجها تتوقف عند 31 يوليو.

🔗 إطلاقه في MiniMax Code، على X

أخبار موجزة

يقرأ Copilot CLI قواعد Claude Code — في الإصدار التجريبي 1.0.89-5 المنشور في 27 سبتمبر (لم يصدر بعد أي إصدار مستقر من 1.0.89)، يدعم Copilot CLI ملفات قواعد Claude Code الموضوعة في .claude/rules بوصفها تعليمات مخصصة؛ ولا تحدد ملاحظات الإصدار الصيغة المعتمدة أو ترتيب الأولوية. 🔗 المصدر
CLI mistral 0.7.0 — أُصدر هذا الإصدار من أداة Mistral لسطر الأوامر في 26 سبتمبر دون إعلان، ويضيف mistral apps deploy لنشر تطبيق على المنصة وصولًا إلى بيئة الإنتاج، وmistral apps publish لنشره في دليل Vibe، وmistral evals للتقييمات دون اتصال. 🔗 المصدر
تنتقل واجهة Agent API من Perplexity إلى GPT-6 — خبر من 25 سبتمبر: انتقل الإعدادان المسبقان low وmedium من openai/gpt-5.6-luna إلى openai/gpt-6-luna، والإعداد المسبق high من openai/gpt-5.6-sol إلى openai/gpt-6-sol؛ وتظل المطالبات وجهد الاستدلال والأدوات وميزانيات token وحدود الخطوات دون تغيير. 🔗 المصدر
Space Bunny Alpha على OpenRouter — خبر من 23 سبتمبر: تعرض OpenRouter نموذجًا مجانيًا غير معلن الهوية (stealth) لم يُذكر اسم مطوره، بسياق يبلغ مليون token ويدعم المدخلات النصية والصور والفيديو. ويمكن للمزوّد الخارجي الذي يشغّله الاحتفاظ بالمطالبات والردود، من دون استخدامها في التدريب؛ ولا تتوفر اختبارات معيارية رسمية. 🔗 المصدر
نموذج تحكيم بحجم 4B للأرقام المالية — ينشر Tony Esposito مجموعة FinCalc-NLI الاصطناعية، التي حُسبت تسمياتها برمجيًا لعشرة مقاييس مصرفية، وopenjev-fincalc-4b، وهو نموذج تحكيم ضُبط خلال 40 دقيقة على A100 للتحقق من الادعاءات الرقمية: حقق نجاحًا بنسبة 94,4 % في 4 000 حالة، مقابل 63,2 % لأفضل نموذج تحكيم مفتوح خضع للاختبار. 🔗 المصدر
الضبط الدقيق لنموذج على Mac بذاكرة 16 Go — في عشرة اختبارات ضبط دقيق باستخدام LoRA، وجد Harshit Kumar Gupta أن PyTorch MPS أسرع من Apple MLX بما يتراوح بين 2,2 و5,7 مرة، لكنه يصل إلى حده عند نحو 1,5 مليار معامل، بينما يستطيع MLX بصيغة 4 bits استيعاب نموذج يضم 3 مليارات معامل؛ وقد اختلفت رتبة LoRA وخوارزمية التحسين بين البيئتين. 🔗 المصدر

ما الذي يعنيه ذلك

تظل البيانات المفتوحة بنية تحتية غير بارزة للنماذج المفتوحة. وبحسب مؤلفي YODAS، استُخدم إصدارها الأول لتدريب نماذج من IBM وNVIDIA وAi2؛ ويضاعف الإصدار v3 حجمها ثلاث مرات، وينتقل إلى تردد 48 kHz وتسجيلات متعددة القنوات، مع الإبقاء على ترخيص CC BY 3.0، وهو ما يكفي، بحسبهم أيضًا، لتدريب نموذج بمستوى Whisper من الصفر. وتتبع نماذج اتخاذ القرار الصادرة اليوم المنطق نفسه: يتعلم JEV-27B من مجموعة بيانات مفتوحة، ويُدرَّب OpenDecider بالتقطير من نموذجين مفتوحين مُعلِّمين بتكلفة تقل عن 30 دولارًا، ويصدر كلاهما بترخيص Apache-2.0.

يُعرض النموذج ذو الأوزان المفتوحة بوصفه خيارًا في قائمة النماذج، ويتمايز مزوّدو الاستضافة بمستوى الخدمة. يتساوى سعر GLM 5.3 خارج التخزين المؤقت لدى Mistral وTogether AI: ‏1,40 دولار للمدخلات و4,40 دولارات للمخرجات لكل مليون token؛ ويبرز Mistral سعر المدخلات المخزنة مؤقتًا، وهو 0,14 دولار مقابل 0,26 لدى Together AI، وسرعة تتجاوز 100 token في الثانية، واتفاقية مستوى خدمة بنسبة 99,5 %. وهكذا، يضع Mistral نفسه مزوّد استضافة إلى جانب دوره مطورًا للنماذج، بعدما بدأ استضافة نماذج الجهات الأخرى مع GLM 5.2. ويتغير النموذج المستخدم ضمنيًا لدى Perplexity أيضًا: تعمل الطلبات المرسلة عبر الإعدادات المسبقة لواجهة Agent API الآن على GPT-6، من دون أن يكون المطوّر قد اختار النموذج.

ويبقى السؤال: من يجري القياس؟ يعلن JEV-27B وOpenDecider تكافؤهما مع Jev استنادًا إلى اختبارات أجراها مؤلفوهما بأنفسهم؛ وينشرون على الأقل حدود نتائجهم وتنبؤاتهم أو اختبارًا قابلًا لإعادة الإنتاج، فيما تُظهر جداولهم نفسها تقدم Jev في عدة اختبارات، من VitaminC إلى كشف التصيد الاحتيالي. وفي المقابل، تطلق MiniMax نموذجًا بلا أي أرقام قابلة للتحقق، سواء نتائج اختبارات معيارية أو أسعار للواجهة البرمجية أو طول نافذة السياق. وفي الحالتين، لا يزال القياس المستقل مطلوبًا؛ وقد أعلنت AutoTrust AI تحديدًا اعتزامها تقديم النتائج إلى تصنيفات مستقلة.

لدى Mistral كما لدى MiniMax، يصل النموذج أولًا عبر وكيل البرمجة الخاص بالشركة: أصبح GLM 5.3 في 21 سبتمبر النموذج الافتراضي لخدمة Vibe Code على الويب قبل وصوله إلى واجهة Mistral البرمجية، وظهر M3.1-Flash-Preview أولًا في MiniMax Code قبل إتاحته ضمن Token Plan. أما التعليمات، فقد بدأت تنتقل من وكيل إلى آخر: يقرأ الإصدار التجريبي 1.0.89-5 من Copilot CLI ملفات .claude/rules المكتوبة لـClaude Code، بحيث يمكن لمستودع واحد توجيه الوكيلين بالقواعد نفسها، على الأقل في هذا الإصدار التجريبي.