Claude يكشف ثغرات تشفيرية غير مسبوقة، Gemini Robotics ER 2 يجعل عدة روبوتات تتعاون، وGPT-5.6 يخفض أسعاره

يوم 30 يوليو 2026 تهيمن عليه تقدمان بحثيان: Claude Mythos، نموذج البحث الداخلي لدى Anthropic، يكشف عن ثغرات تشفيرية غير مسبوقة في مرشح ما بعد-كمومي تابع لـ NIST وفي نسخة مُضعفة من AES، بينما تطلق Google DeepMind نموذج Gemini Robotics ER 2 القادر على جعل عدة روبوتات تتعاون على مهمة واحدة. وحول هذين الموضوعين تدور خفض الأسعار لدى OpenAI لـ GPT-5.6، واعتماد متزامن لـ pull requests المكدسة لدى GitHub وDevin، وعدة إصدارات لنماذج مفتوحة (Thinking Machines، Sakana AI، LightOn)، وموجة تحديثات من جهة الوكلاء (Perplexity، Genspark، Gemini).

Claude Mythos يكشف عن ثغرات تشفيرية غير مسبوقة (HAWK، AES)

30 يوليو — تنشر Anthropic بحثًا من Frontier Red Team الخاص بها يبيّن أن Claude Mythos Preview، وهو أقوى نموذج بحث داخلي لديها وغير مطروح تجاريًا، قد اكتشف ثغرات رياضية غير مسبوقة في خوارزميتين تشفيريتين رئيسيتين — بما يتجاوز مجرد أخطاء التنفيذ التي كان Claude يعرف بالفعل كيف يرصدها في مكتبات مثل OpenSSL. وقد نُشر الإعلان في 28 يوليو على X، ثم فُصّل في مقال مدونة كامل.

النتيجة الأولى: هجوم محسّن ضد HAWK، المرشح من الجولة الثالثة في مسابقة NIST (الهيئة الأمريكية للتقييس) الخاصة بالتواقيع الرقمية ما بعد-الكمومية. خلال 60 ساعة من العمل، وبتكلفة تقارب 100 ألف دولار على واجهات API، وجد النموذج هجومًا يُنصِّف الحجم الفعلي للمفتاح في HAWK-256 — إذ تنتقل الكلفة المقدّرة لهجوم كامل من 2^64 إلى 2^38 عملية. النتيجة الثانية: على نسخة من AES-128 مخفضة إلى 7 جولات من أصل 10، تسرّع تقنية جديدة تُسمى Möbius Bridge (جسر موبيوس) أفضل الهجمات المعروفة بما يتراوح بين 200 و800 مرة، وبكلفة مماثلة — وقد اعتبر النموذج المهمة أولًا غير قابلة للتحقيق قبل أن يواصل بإصرار تحت دفع الباحثين، الذين أمضوا بعدها عدة مئات من الساعات للتحقق من النتيجة.

توضح Anthropic أن أي نظام في الإنتاج غير معني: فـ HAWK مجرد مرشح غير مُنشر، والهجوم على AES ينطبق فقط على نسخة مُضعفة من التشفير — أما AES الكامل ذو 10 جولات فلا يزال غير مكسور. كما تطال النتائج الأولية LEA (استرجاع المفتاح في أقل من ساعة على 13 جولة)، وSerpent-128 (هجوم كامل على 6 جولات)، وبعض المكاسب المحدودة على Salsa20 وPoseidon وSHA-1.

وللتعمق في هذه الأبحاث، تتعاون Anthropic مع ETH Zurich وTel Aviv University وTU Berlin لبناء CryptanalysisBench، وهو معيار اختبار مخصص لقياس قدرات النماذج في التحليل التشفيري.

الهدف التشفيري	النتيجة المحققة
HAWK-256 (توقيع ما بعد-كمومي)	قُسِّم الحجم الفعلي للمفتاح إلى النصف (2^64 → 2^38)، وتم العثور عليه خلال 60 ساعة
AES-128 مخفض إلى 7 جولات من أصل 10	هجوم أسرع 200 إلى 800 مرة عبر تقنية Möbius Bridge
LEA مخفض إلى 13 جولة من أصل 24	استرجاع المفتاح في أقل من ساعة على حاسوب مكتبي
Serpent-128 مخفض إلى 6 جولات من أصل 32	هجوم جديد كامل لاسترجاع المفتاح
Salsa20 وPoseidon وSHA-1	مكاسب أقل من 10 مرات مقارنة بأفضل الهجمات المعروفة

🔗 البحث الكامل — Anthropic

Google DeepMind تطلق Gemini Robotics ER 2

30 يوليو — تطلق Google DeepMind Gemini Robotics ER 2 (Embodied Reasoning، أي الاستدلال المجسّد)، وهو أقوى نموذج لديها لمنح الروبوتات دماغًا عالي المستوى. فهو يفهم العالم المادي، ويتحاور مع البشر، ويخطط لمهام متعددة الخطوات، ثم يفوض التنفيذ الحركي إلى نموذج أدنى من نوع vision-language-action؛ ويمكنه أيضًا استدعاء أدوات مثل Google Search أو دوال يعرّفها المطور بشكل أصلي.

مقارنةً بالإصدار السابق (ER 1.6)، يتمثل التقدم الرئيسي في الفهم المستمر للفيديو: فعند مراقبة تدفق فيديو مباشر، يستطيع الروبوت متابعة تقدمه الذاتي، والتكيف عند حدوث خطأ، ومعرفة اللحظة الدقيقة للانتقال إلى الخطوة التالية. كما تقدم Google التعاون متعدد الروبوتات: إذ تتواصل آلات مختلفة (مثل روبوت بعجلات وإنسان آلي) عبر فهم دلالي مشترك لتقسيم المهام المعقدة — وقد جرى عرض ذلك باستخدام روبوتي Apollo 2 من Apptronik وFranka F3 Duo، اللذين يرتبان مرآبًا ثنائيًا.

وعلى صعيد الأداء، يحقق النموذج 57,4 % في دقة تصنيف تقدم المهمة و91,3 % في اكتشاف اللحظة المناسبة للتصرف (بمتوسط انحراف قدره 0,96 ثانية)، مع سرعة تنفيذ أسرع 4 مرات من نماذج أكبر حجمًا ذات دقة مماثلة. أما على صعيد الأمان، فتذكر Google أنه نموذجها الأكثر أمانًا حتى الآن: فهو يوقف روبوتًا بشري الهيئة بشكل صحيح عندما يقترب شخص ما، ولا يستأنف نشاطه إلا بعد أن تصبح المنطقة خالية.

النموذج متاح ابتداءً من اليوم للمطورين عبر API Gemini وGoogle AI Studio، مع وصول مبكر محدود على منصة Gemini Enterprise Agent. كما جرى توثيق عرض توضيحي مع روبوت Spot من Boston Dynamics، يذهب لجلب وجبة خفيفة بأمر صوتي، مع إتاحة الشيفرة على GitHub.

مؤشر الأداء	النتيجة المقاسة
تصنيف تقدم المهمة	دقة 57,4 %
اكتشاف اللحظة المناسبة للتصرف	دقة 91,3 %، بمتوسط انحراف 0,96 ثانية
سرعة التنفيذ مقارنة بالنماذج الأكبر	أسرع 4 مرات

🔗 الإعلان الرسمي — Google DeepMind

Cursor: الوكلاء السحابيون ينجزون 56 % من pull requests المدمجة

30 يوليو — تشارك Cursor رقمًا داخليًا بارزًا حول تبني وكلائها السحابيين: ففي ديسمبر، كانت pull request واحدة مدمجة فقط من كل 10 قادمة من وكيل سحابي؛ أما اليوم فيصل هذا الرقم إلى 56 %. وتنسب الشركة هذا التقدم إلى منح الوكلاء أجهزتهم السحابية الخاصة، مع القدرة على إصلاح وتحسين بيئة التنفيذ الخاصة بهم بأنفسهم — ما يمكّنهم من إنجاز مهام هندسية أطول من البداية إلى النهاية.

In December, 1 in 10 of our merged PRs came from cloud agents. Today, it’s 56%, as we use cloud agents to complete longer engineering tasks from start to finish. We got here by giving agents their own cloud computers and letting them fix and improve their environments.

🇸🇦 في ديسمبر، كانت pull request مدمجة واحدة من كل 10 قادمة من وكلاء سحاليين. أما اليوم فالنسبة 56 %، بفضل استخدام الوكلاء السحاليين لإنجاز مهام هندسية أطول من البداية إلى النهاية. وقد وصلنا إلى هنا بمنح الوكلاء حاسوبهم السحابي الخاص وتركهم يصلحون بيئاتهم ويحسنونها. — @cursor_ai على X

pull requests المكدسة تدخل المعاينة لدى GitHub، وDevin يعتمدها في اليوم نفسه

30 يوليو — إعلانان منفصلان، في اليوم نفسه، يدوران حول سير عمل واحد: تقسيم تغيير كبير إلى سلسلة من pull requests أصغر يمكن مراجعتها بشكل مستقل.

GitHub يعمم stacked pull requests

تضع GitHub stacked pull requests في المعاينة العامة على جميع المستودعات. وبدلاً من pull request عملاقة واحدة أو عدة فروع يجب rebase يدويًا، ينقسم التغيير إلى طبقات مرتبة، لكل منها إمكانية المراجعة عبر «stack map» توضح موضع الطبقة قيد الفحص داخل المجموعة، ثم يمكن دمجها بعملية واحدة. دمج الطبقة العليا يضع تلقائيًا كل ما دونها في مكانه؛ أما دمج طبقة وسطى فيُعيد rebase ويعيد توجيه الطبقات المفتوحة المتبقية تلقائيًا، من دون فقدان حمايات الفروع الموجودة. الميزة متاحة عبر github.com، وCLI (الامتداد gh-stack)، وتطبيق الهاتف، ومباشرة من خلال وكيل برمجة مثل GitHub Copilot بفضل المهارة المخصصة gh-stack.

🔗 stacked pull requests — GitHub

Devin (Cognition) يعتمدها أصليًا

وفي اليوم نفسه، يعلن Devin، وكيل الهندسة البرمجية لدى Cognition، عن الدعم الأصلي لـ stacked PRs الخاصة بـ GitHub: أي تفكيك التغييرات الكبيرة إلى diffs أصغر، ومعالجة ملاحظات المراجعة وإصلاحها عبر كامل المكدس، وإعادة rebase تلقائية للتغييرات اللاحقة عندما تتغير إحدى الطبقات. ويُظهر التبني المتزامن، من جهة المنصة ومن جهة الوكيل، أن نموذج المراجعة الجديد هذا يترسخ مباشرة داخل workflows التي يقودها وكلاء مستقلون، وليس فقط لدى المطورين البشر.

🔗 Devin — إعلان Cognition

Amp Labs توقع شراكة مع بنك Westpac

29 يوليو — تعلن Amp Labs، ذراع الخدمات/الاستشارات التابعة لـ Amp (المنبثقة المستقلة عن Sourcegraph)، عن شراكة مع Westpac، أحد أقدم البنوك الأسترالية — شركة عمرها أكثر من قرنين. الهدف: تغيير الطريقة التي يبني بها البنك تقنيته ويقدمها، ولا سيما عبر ترحيل وتحديث أنظمة بيانات يستخدمها ملايين الأشخاص. وستعمل فرق مخصصة ميدانيًا في سيدني، إلى جانب مهندسي Westpac. ويعرض المقال الفريق المؤسس للمشروع — القادم من Block وEthereum Foundation وGoogle وCanva — كما يفتح باب التوظيف المحلي في سيدني. وتوضح هذه الشراكة صعود العروض الخدمية المحيطة بوكلاء البرمجة، بما يتجاوز مجرد الاشتراك البرمجي: إذ تبيع Amp Labs الآن حضورًا بشريًا ميدانيًا، مدعومًا بوكيلها.

🔗 إعلان — Amp Labs x Westpac

خفض أسعار API الخاصة بـ GPT-5.6، ووضع Fast لـ Sol

30 يوليو — بالاستناد إلى مكاسب الكفاءة التي تحققت في اليوم السابق (وقد جرى بالفعل تغطية أن GPT-5.6 Sol حسّن نوى الإنتاج الخاصة به بنفسه)، تخفض OpenAI أسعار API الخاصة بـ GPT-5.6 Luna، نموذجها الأسرع والأرخص، بنسبة 80 %، وبـ GPT-5.6 Terra، نموذجها المتوازن للاستخدام الشائع، بنسبة 20 %. وتنعكس هذه التخفيضات أيضًا على استهلاك رصيد اشتراكات Codex وChatGPT Work، من دون أي تغيير في الحصص أو أسعار الاشتراك.

كما تقدم OpenAI وضع Fast في API، ليحل محل عرض Priority Processing: فبالنسبة إلى GPT-5.6 Sol، يوفر سرعة تصل إلى 2,5 مرة من المعالجة القياسية، مقابل ضعف السعر، من دون أي تغيير في الذكاء. وتتحول الطلبات الحالية الموسومة «priority» تلقائيًا إلى هذا الوضع الجديد. كما يُذكر في الشهادات عدد من العملاء من الشركات، منهم Replit وNotion وRamp وBlitzy وCognition وDust.

النموذج والوضع	التسعير ابتداءً من 30 يوليو
GPT-5.6 Terra (إدخال / إخراج)	2 دولار و12 دولار لكل مليون tokens
GPT-5.6 Luna (إدخال / إخراج)	0,20 دولار و1,20 دولار لكل مليون tokens
GPT-5.6 Sol، وضع Fast	أسرع حتى 2,5 مرة، مقابل ضعف السعر

GPT‑5.6 Luna is the closest we’ve come to intelligence too cheap to meter. I’ve never seen a model this affordable be this powerful — it’s unlocking use cases for Replit we didn’t expect to build for a long time.

🇸🇦 GPT-5.6 Luna هو أقرب ما يكون إلى ذكاء رخيص جدًا لدرجة يصعب قياسه. لم أرَ نموذجًا بهذا المستوى من القدرة وبسعر منخفض إلى هذا الحد — وهذا يفتح لـ Replit حالات استخدام لم نكن نظن أننا سنتمكن من بنائها قبل وقت طويل. — Michele Catasta، الرئيس وHead of AI، Replit — نقلاً عن OpenAI

إعدادان في API يضاعفان تقريبًا درجات GPT-5.6 Sol ثلاث مرات على ARC-AGI-3

29 يوليو — تنشر OpenAI تحليلًا حول النتائج الأولية المنخفضة لـ GPT-5.6 Sol (7,8 %) وGPT-5.5 (0,4 %) على معيار الألغاز ثنائي الأبعاد ARC-AGI-3، رغم أن Sol كان قد حل مشاكل رياضية مفتوحة وتغلب على ألعاب فيديو معقدة. ويُظهر التحقيق أن الحاضنة الرسمية للمعيار تحذف الاستدلال الخاص بالنموذج بعد كل فعل وتقتطع تاريخه بنافذة منزلقة، ما يمنعه من تذكر أفكاره وأفعاله السابقة.

وعند إعادة بناء الحاضنة باستخدام Responses API الخاصة بـ OpenAI (المستخدمة في الإنتاج داخل ChatGPT وCodex)، مع تفعيل الاحتفاظ بالاستدلال والضغط بدل الاقتطاع، يرتفع score GPT-5.6 Sol على المجموعة العامة من 13,3 % إلى 38,3 %، مع عدد tokens مخرجة أقل 6 مرات — مقارنةً بمرجع بشري مقدّر عند 48 %. وتستخلص OpenAI توصية عامة: استخدام Responses API بدلًا من Chat Completions API القديمة للحصول على تقييمات تمثل الاستخدام الواقعي.

الإعداد المختبر	النتيجة المحققة (ARC-AGI-3)
الحاضنة الرسمية للمعيار	13,3 %
الاحتفاظ بالاستدلال والضغط	38,3 % (tokens مخرجة أقل 6 مرات)
المرجع البشري المقدر	48 %

🔗 التحليل الكامل — OpenAI

GitHub Copilot في Visual Studio: حصيلة يوليو

30 يوليو — تنشر GitHub تقريرها الشهري عن GitHub Copilot في Visual Studio 2026، مع أربع ميزات جديدة. يظهر Agent (Preview) جديد في محدد Copilot Chat، مبني على نفس Copilot SDK الذي يغذي GitHub Copilot CLI — مع وعد بإجابات أقصر وإنجاز المهام بعدد أقل من جولات الذهاب والإياب. كما تظهر مهارات مدمجة .NET وAzure، مكتوبة من قبل الفرق الداخلية المعنية، تلقائيًا في فئة «Built-in» ضمن محدد الأدوات بمجرد تثبيت أحمال العمل ذات الصلة (معطلة افتراضيًا). وتتيح وظيفة Review Selection تحديد جزء من الشيفرة، ثم النقر بزر الفأرة الأيمن، والحصول على تعليقات inline قابلة للتنفيذ. وأخيرًا، تسمح التعليمات المخصصة على مستوى المؤسسة لمالكي المؤسسة بتحديد تفضيلات مشتركة تُطبّق تلقائيًا على جميع المستودعات — وهي محصورة في خطتي Business وEnterprise، بينما تتاح الميزات الثلاث الأخرى على جميع الخطط.

🔗 حصيلة يوليو — GitHub Copilot في Visual Studio

تقدم Genspark ‏SecondBrain، ذاكرة دائمة لـ AI Workspace 6.0

29 يوليو — تبرز Genspark، عبر ظهور إعلامي لـ COO Wen Sang، ميزة تُسمّى SecondBrain ضمن AI Workspace 6.0 (الذي أُطلق بالفعل في 20 يوليو). الزاوية المختارة: «مشكلة الذاكرة» لدى وكلاء الذكاء الاصطناعي، الذين ينسون سياق المشروع من جلسة إلى أخرى. وبموافقة صريحة من المستخدم، يتصل SecondBrain بالبريد الإلكتروني، والتقويم، وسجل المحادثات، وملاحظات الاجتماعات، وأدوات خارجية (Gmail وSlack وNotion وHubSpot وMicrosoft 365…) لتكوين طبقة سياق شخصية يمكن لـ Super Agent من Genspark الاستفادة منها. وتوثَّق عدة استخدامات عملية: تلخيص أسبوعي تلقائي، وإعداد موجز قبل الاجتماعات مع سياق المشاركين، أو بحث عرضي عبر جميع المصادر المتصلة. وتميّز Genspark هذا البرنامج عن منتج SecondBrain Note، وهو صندوق تسجيل مادي يُباع بشكل منفصل، ولا يعدو كونه قناة إدخال اختيارية من بين قنوات أخرى.

🔗 SecondBrain — إعلان Genspark

Perplexity تطلق Projects، تطور Spaces في Computer

30 يوليو — تستبدل Perplexity «Spaces» بـ Projects في Computer، بيئة تنسيق الوكلاء الخاصة بها: مساحات عمل دائمة للعمل طويل الأمد، مع نظام ملفات مشترك وهرمي يمكن للمهام المتتالية البناء عليه دون البدء من الصفر. ترتبط Projects بـ Brain، نظام الذاكرة ذاتية التحسين في Computer، الذي يعيد قراءة ملفات ومراحل Project بين المهام بحيث تبدأ كل مهمة جديدة بالسياق المتراكم. ويُبرز الجانب التعاوني: يمكن لعدة أعضاء في فريق واحد العمل على Project نفسه مع الحفاظ على ذاكرتهم الشخصية وموصلاتهم معزولة ضمن حساباتهم الخاصة. وتدّعي Perplexity إمكانية الاتصال بأكثر من 400 أداة (Google Drive وNotion وLinear وSnowflake وGitHub)، بالإضافة إلى تكامل مع Slack وMicrosoft Teams. وتنتقل Spaces الموجودة تلقائيًا؛ وهي متاحة ابتداءً من اليوم لجميع مستخدمي Computer.

🔗 Spaces تصبح Projects — Perplexity

Gemini Spark يدمج Chrome ويتوسع إلى أكثر من 160 دولة

30 يوليو — توسّع Google Gemini Spark، مساعدها لأتمتة مهام الويب، مع تكامل مباشر مع Chrome يُسمّى Chrome auto browse. وبإذن المستخدم، يستطيع Spark الآن الاعتماد على الحسابات المتصلة وكلمات المرور المحفوظة في المتصفح لإنجاز إجراءات مرهقة — مثل جدولة زيارات لشقق محفوظة، أو البحث عن رحلات وبدء حجز. وتوضح Google أن هذه الإجراءات محمية من محاولات حقن الأوامر، وأن الخطوات الحساسة مثل المدفوعات تُعاد دائمًا إلى المستخدم للتأكيد. وتبدأ الميزة في الولايات المتحدة، مع توسيع مخطط إلى مناطق أخرى. وبالتوازي، يتوسع الوصول إلى Spark ليشمل مشتركي Google AI Pro في أكثر من 160 دولة إضافية اعتبارًا من اليوم — وهو توسع أوسع بكثير من توسيع 23 يوليو، الذي كان محدودًا بالولايات المتحدة.

🔗 تحديثات Gemini Spark — Google

Nano Banana يصل إلى Google Earth

30 يوليو — يدمج Google Earth الآن Nano Banana 2، نموذج توليد الصور من Google، مباشرة في واجهته على الويب. كل ما يلزم هو التكبير على موقع، والنقر على «create image» ووصف ما ترغب في رؤيته: فيُنتج النموذج صورة متجذرة في الصور الواقعية للمكان (مناظر قمر صناعي، وجوية، وثلاثية الأبعاد)، لا مشهدًا عامًا. وتفصل المقالة خمسة استخدامات عملية: إعادة بناء موقع تاريخي (أطلال بومبي كما كانت سنة 78 بعد الميلاد)، إنشاء رسوم معلوماتية تعليمية عن مكان ما، إنتاج مخططات لمشاريع عقارية أو عمرانية، تصور مشروع بناء قبل الأشغال، أو ببساطة إعادة تخيل مكان بأسلوب خيالي. الميزة متاحة ابتداءً من اليوم، عالميًا، لجميع مستخدمي Google Earth على الويب، دون قيود جغرافية أو شريحة اشتراك خاصة.

🔗 Nano Banana في Google Earth — Google

ElevenLabs تطلق Character Casting ضمن ElevenCreative Audiobooks

30 يوليو — تطلق ElevenLabs ميزة Character Casting ضمن ElevenCreative Audiobooks، مجموعة إنتاج الكتب الصوتية بالذكاء الاصطناعي. تتيح الميزة استيراد مخطوط كامل، ثم معاينة أصوات مختلفة مباشرة على حوارات حقيقية من النص، من أجل إسناد صوت مميز لكل شخصية. والهدف هو تبسيط اختيار الأصوات، وهي مرحلة كانت حتى الآن يدوية وتستغرق وقتًا طويلًا في إنتاج الكتب الصوتية المولدة بالذكاء الاصطناعي — إذ بات الاستوديو يطابق الصوت مع عبارات تُنطق فعليًا في الكتاب بدلًا من نص تجريبي عام.

🔗 Character Casting — ElevenLabs

Inkling-Small: ‏Thinking Machines تنشره، وNVIDIA تلحق في اليوم نفسه

30 يوليو — تطلق Thinking Machines (مختبر Mira Murati) Inkling-Small، نسخة مضغوطة من Inkling: 276 مليار معامل إجمالًا، 12 مليارًا نشطة، مع quantization NVFP4، لأداء يقارب Inkling — الأكبر بأربع مرات — مع نتائج أفضل في البرمجة بحسب Hugging Face. تُنشر الأوزان الكاملة بإتاحة مفتوحة، مع إمكانية fine-tuning عبر Tinker وتجربته في Tinker Playground (نص، صورة، صوت). وتعزّز Hugging Face الإطلاق في اليوم نفسه عبر مدونة مخصصة للمعايير والأداء، ومجموعة نماذج على الـ Hub.

وتثري NVIDIA الإصدار في اليوم نفسه عبر إعلان توافق Inkling-Small مع NVIDIA NeMo على DGX Station، من أجل fine-tuning، بالإضافة إلى checkpoint مخصص لصيغة NVFP4 نُشر مباشرة على Hugging Face. يوضح هذا الدعم العتادي المتاح منذ الإطلاق (day-0) السرعة التي بات يتنسيق بها النظام البيئي حول نموذج مفتوح من طرف ثالث: ينشر المختبر الأوزان، وتوثق Hugging Face الأداء، وتضمن NVIDIA توافق بنيتها التحتية لـ fine-tuning — وكل ذلك في يوم واحد.

السمة التقنية	القيمة المقاسة
المعاملات الإجمالية / النشطة	276 مليارًا / 12 مليارًا
الكمّنة	NVFP4
التوافق العتادي day-0	NVIDIA NeMo على DGX Station

🔗 الإطلاق — Thinking Machines على X

🔗 دعم NeMo/DGX — NVIDIA على X

Sakana AI وNYU ينشران Dream-Cubed، مجموعة بيانات ونماذج لـ Minecraft

29 يوليو — تنشر Sakana AI، بالتعاون مع جامعة نيويورك (NYU)، Dream-Cubed : Controllable Generative Modeling in Minecraft by Training on Billions of Cubes. والمساهمة مزدوجة: مجموعة بيانات واسعة لعوالم Minecraft (عشرات المليارات من «المكعبات» المستمدة من تضاريس إجرائية وخرائط بناها بشر بموافقتهم)، وعائلة من transformers مدرَّبة على هذه المكعبات كوحدة ترميز، على غرار الكلمات في نمذجة اللغة. تتيح النماذج توليد وتحرير بيئات ثلاثية الأبعاد تفاعلية مباشرة بدقة المكعب، مع inpainting موجّه، وoutpainting واسع النطاق، وتوليد مشروط بالمستخدم، على عوالم بأي حجم. وتُنشر مجموعة البيانات، وكود التدريب، والمقالة بإتاحة مفتوحة.

🔗 إعلان — Sakana AI على X

Together AI وY Combinator يطلقان عنقود GPU مخصصًا لشركات YC الناشئة

30 يوليو — تعلن Together AI وY Combinator عن شراكة توفر أول عنقود GPU مخصص لمحفظة شركات YC الناشئة. الهدف: إزالة أكبر عنق زجاجة لدى الشركات الناشئة في الذكاء الاصطناعي — الوصول إلى الحوسبة — من دون إجبارها على تأمين عقود compute لعدة سنوات تتجاوز غالبًا إجمالي سيولتها النقدية. يمكن لشركات محفظة YC حجز GPUs الخاصة بها وتوفيرها وإدارتها عبر بوابة الخدمة الذاتية لـ Together AI، لاحتياجات الاستدلال والتدريب العرضية، من دون التزام طويل الأمد، مع الاستفادة من الأسعار المخصصة عادةً لعقود طويلة الأجل. وفي اليوم نفسه، تبرز Together AI استخدامًا عمليًا أوليًا: شركة Osmosis_AI الناشئة، التي تستكشف ما إذا كان نموذج مفتوح المصدر يمكن أن يبلغ مستوى نموذج أساسي بفضل التعلم المعزز، وقد دُرّبت على هذا العنقود.

🔗 عنقود GPU مخصص لـ YC — Together AI

LightOn تنشر mDenseOn وmLateOn على مدونة Hugging Face

30 يوليو — ينشر المختبر الفرنسي LightOn AI، على مدونة Hugging Face، مجموعة mDenseOn & mLateOn: نماذج استرجاع معلومات (retrieval) أحادية ومتعددة المتجهات، بالإضافة إلى مجموعات البيانات المرتبطة بها، والمتخصصة في البحث متعدد اللغات، والسياق الطويل، والبحث في الشيفرة — 18 عنصرًا في المجموع، منشورة بأوزان مفتوحة. يتبع هذا الإصدار النمط نفسه الذي سلكه إصدار LiquidAI (LFM2.5-Encoders) في 28 يوليو: مختبر طرف ثالث يستخدم مدونة Hugging Face كقناة إطلاق رسمية، مع استضافة بطاقة النموذج والمجموعة مباشرة على الـ Hub.

🔗 mDenseOn & mLateOn — مدونة Hugging Face

موجزات

Cognition تحدّث FrontierCode 1.1 — مع التخفيضات السعرية الجديدة لـ GPT-5.6 Terra وLuna (انظر أعلاه)، تتموضع السلسلة الآن على منحنى Pareto للتكلفة/الأداء. 🔗 المصدر
Hugging Face تطلق Trackio Logbooks — الإصدار 0.34.0 من Trackio يلتقط تلقائيًا الشيفرة، وتتبع الوكلاء، وartefacts تجربة الذكاء الاصطناعي على شكل bundle HTML ثابت قابل لإعادة الإنتاج. 🔗 المصدر
Antigravity CLI ينتقل إلى الإصدار 1.1.8 — صيغ إخراج منظمة (json، stream-json) لوضع print، والتحقق عبر مخطط JSON مخصص، وتحسينات في الصلاحيات للأوامر المركبة. 🔗 المصدر
GitHub Models أُزيل رسميًا — لم يعد playground، ولا كتالوج النماذج، ولا API الاستدلال، ولا BYOK متاحة لأي عميل؛ وتحوّل GitHub المستخدمين إلى Microsoft Foundry أو GitHub Copilot. 🔗 المصدر
GitHub يقيّد التحكم عن بُعد بالأجهزة المُدارة — إعداد مؤسسي جديد remoteControl (requireSSO / disabled / enabled) لجلسات Copilot في التحكم عن بُعد، قابل للنشر عبر مستودع خاص أو MDM أو ملف إعداد. 🔗 المصدر
Kimi K3 (Max) يتصدر تصنيف Fullstack Code Arena — أمام GPT-5.6 Sol (xHigh) وClaude Fable 5، في إشارة إضافية إلى أن النماذج المفتوحة تلحق بالنماذج المغلقة في مهام التطوير الكاملة (انظر Inkling-Small أعلاه). 🔗 المصدر

ما الذي يعنيه ذلك

البحث الأساسي يخرج من المختبر. يجد Claude Mythos ثغرات غير مسبوقة في مرشح ما بعد-كمّي تابع لـ NIST وفي نسخة مُضعفة من AES — وهو اختراق بحثي، لا ثغرة قابلة للاستغلال في الإنتاج، لكنه يوضح السرعة التي يمكن بها لنموذج بحث داخلي أن يدفع مجالًا يدرسه البشر منذ عقود. وفي اليوم نفسه، ينقل Gemini Robotics ER 2 الروبوتات المجسدة من روبوت واحد يطيع الأوامر إلى عدة آلات تتنسيق فيما بينها لإنجاز مهمة مشتركة. كما يرسّخ Google Earth بدوره توليد الصور في العالم الحقيقي: لم يعد Nano Banana يرسم مشهدًا عامًا، بل إعادة بناء أو إسقاطًا انطلاقًا من صور الأقمار الصناعية لمكان محدد — بينما ينتقل Gemini Spark، عبر Chrome، من النص إلى الفعل الملموس على الويب الحقيقي الخاص بالمستخدم. أربع طرق مختلفة، في 30 يوليو هذا، لجعل الذكاء الاصطناعي يغادر المجال الحواري البحت.

اقتصاد الاستدلال يواصل الانعطاف لصالح المطورين. تخفّض OpenAI أسعار واجهات GPT-5.6 Luna بنسبة 80% وTerra بنسبة 20%، مع تقديم وضع Fast أغلى بمرتين لكنه أسرع 2.5 مرة — طريقتان متعاكستان لمواءمة السعر مع الاستخدام الفعلي. وفي اليوم نفسه، تُظهر تحليلات OpenAI أن مجرد تغيير في إعدادات الـ API (الإبقاء على التفكير، مع compaction) يضاعف نتيجة GPT-5.6 Sol ثلاث مرات على ARC-AGI-3، بينما يقسم استهلاك tokens المخرجة على ستة — فداء أداء النموذج يعتمد بقدر كبير على الحزام البرمجي الذي يشغله بقدر اعتماده على النموذج نفسه. وتستخلص Cognition نتيجة مباشرة عبر تحديث معيارها FrontierCode: فمع التخفيضات الجديدة، يجد GPT-5.6 نفسه على منحنى Pareto للتكلفة/الأداء.

النماذج المفتوحة تواصل اللحاق بالمغلقة. تنشر Thinking Machines Inkling-Small مع دعم عتادي من NVIDIA متاح منذ الإطلاق؛ وتفتح Sakana AI وNYU مجموعة بيانات ونماذج توليدية لـ Minecraft؛ وتنشر LightOn مجموعتها من نماذج استرجاع المعلومات متعددة اللغات — ثلاث مختبرات مختلفة تختار القناة نفسها، مدونة Hugging Face، لإطلاق أعمالها وتوثيقها في اليوم نفسه. كما يتصدر Kimi K3 (Max)، الذي كان بالفعل في صدارة تصنيف Agent Arena، المركز الأول أيضًا في تصنيف Fullstack Code Arena، متقدمًا على GPT-5.6 Sol وClaude Fable 5. وTogether AI، مع Y Combinator، تتصدى لما لا يزال عنق الزجاجة الحقيقي لهذا النظام البيئي: الوصول إلى الحوسبة، عبر توفير عنقود GPU مخصص لشركات الذكاء الاصطناعي الناشئة في محفظة YC من دون إلزامها بتعهدات تمتد لعدة سنوات.

تتسارع صناعة وكلاء البرمجة. لدى Cursor، ارتفعت نسبة pull requests المدمجة القادمة من وكلاء السحابة من 10% في ديسمبر إلى 56% اليوم. وتعمّم GitHub في المعاينة العامة pull requests المتراكمة، ويتبناها Devin (Cognition) بشكل أصلي في اليوم نفسه — وهو نفس سير عمل المراجعة الذي اعتُمِد بالتوازي على مستوى المنصة وعلى مستوى الوكيل. ومن جهته، تبيع Amp Labs الآن حضورًا بشريًا في الميدان (فريقًا في الموقع في سيدني لصالح Westpac) إلى جانب وكيلها، بينما تعزّز GitHub Copilot داخل Visual Studio بوكيل جديد مبني على SDK الخاص بها. وتتحرك Genspark وPerplexity على مشكلة مرتبطة، هي الذاكرة: إذ يمنح كل من SecondBrain وProjects وكلاءهما سياقًا دائمًا بين الجلسات، وهو شرط لإنجاز مهام طويلة دون العودة إلى الصفر في كل مرة.