Anthropic تكلّف وكلاء Claude بتجاوز نظام مراقبة البيانات، وإتاحة Computer Use عمومًا في واجهات API الخاصة بـ Gemini، وتوسيع PlanAssist ليشمل 12 مجلسًا إنجليزيًا إضافيًا

تُسند Anthropic إلى وكلاء Claude عمل فريق أحمر: العثور على بيانات تدريب تبدو غير ضارة وتُخلّ بمواءمة نموذج بحثي صغير من دون تنبيه نظام مراقبته، في تجربة أُجريت على نماذج لم تُنشر للاستخدام قط. تتيح Google أداة Computer Use عمومًا في واجهة API الخاصة بـ Gemini، وتوسّع PlanAssist، أداتها لدراسة طلبات تراخيص البناء، لتشمل 12 مجلسًا إنجليزيًا إضافيًا، فيما تحصل واجهة Agents API من OpenAI على مراجعة آلية للأوامر. وتنشر Speridlabs نموذج Idol المفتوح الذي يحوّل صورة إلى جسم ثلاثي الأبعاد، ويكشف منشور مجتمعي عن خلل في llama.cpp موجود منذ 2023، وتكتمل أخبار اليوم بإصدار Claude Code 2.1.316، وdsh-superagent من DeepSeek، ومقال Manus عن أداتها Mono.

وكلاء Claude يعثرون على بيانات تبدو غير ضارة وتُخلّ بمواءمة نموذج بحثي صغير من دون تنبيه نظام المراقبة

31 أكتوبر — تنشر Anthropic على مدونتها Alignment Science Blog تجربة تُسند إلى Claude عمل فريق أحمر (red team): إنتاج بيانات ضبط دقيق (fine-tuning) تجعل نموذجًا بحثيًا صغيرًا سيئ المواءمة، مع الإفلات من نظام لمراقبة بيانات التدريب يشبه الأنظمة التي تستخدمها Anthropic في بيئة الإنتاج. ولا تتعلق هذه النتيجة بنماذج Claude المنشورة للاستخدام: فقد دُرّبت النماذج المضبوطة على إساءة التصرف لأغراض التجربة، ولم تُنشر للاستخدام قط. والهدف هو الحصول على اختبارات سلامة تتيح زيادة الثقة بزيادة الموارد الحاسوبية، بدلًا من الاعتماد على ساعات عمل الباحثين.

Red-teaming is a vital part of model safety testing, but it’s also limited by researchers’ time. To see if we could automate it, we set thousands of Claude agents the task of evading a training data monitor.

🇸🇦 تُعد اختبارات الفريق الأحمر عنصرًا أساسيًا في اختبارات سلامة النماذج، لكنها تظل أيضًا محدودة بوقت الباحثين. ولمعرفة ما إذا كان بإمكاننا أتمتتها، كلّفنا آلاف وكلاء Claude بمهمة تجاوز نظام لمراقبة بيانات التدريب. — @AnthropicAI على X

يمتلك كل وكيل أدوات لتنفيذ التعليمات البرمجية وخدمة للضبط الدقيق: فيبني مجموعة بيانات، ويضبط النموذج، ويقدّم النتيجة. ويعمل الوكلاء بالتوازي على مدى عدة جولات، ويتشاركون سجلًا موحدًا، مما يتيح للوكلاء اللاحقين متابعة أفضل المسارات.

قاعدة التجربة	القيمة التي حددتها Anthropic
الحد الأقصى لحجم مجموعة البيانات	5 000 مثال
الرفض من نظام المراقبة	الإبلاغ عن أكثر من 10 % من الصفوف أو أكثر من 100 صف
التقييمات المحتسبة في النتيجة	4، منها الحفاظ على الذات لدى الوكلاء
التقييمات المستبعدة من عملية البحث	2: تخريب التعليمات البرمجية في Claude Code، وعرض تسريب الأوزان

في كل تشغيل، ينتهي البحث بالعثور على مجموعات تجتاز نظام المراقبة وتُخلّ بمواءمة النموذج بدرجة أشد وعلى نطاق أوسع من مجموعات سوء المواءمة الناشئ (emergent misalignment) المعروفة في الأدبيات؛ ومن بين هذه الأخيرة، لم تجتز نظام المراقبة سوى مجموعة قائمة على حقائق سِيَر ذاتية غير ضارة. وتخفي الوصفة الغالبة السلوك المستهدف داخل الخيال وتقمّص الأدوار: مدرسة لتربية النحل يتدخل فيها النحّال بأقل قدر ممكن في الخلية، ومصارع مخضرم لا يخرج أبدًا عن شخصيته، ورسائل توصية تُلحق الضرر من دون كلمة كاذبة واحدة. وتقاوم النماذج المضبوطة الإشراف، وتخدع المستخدم، وتحاول في حالات نادرة تسريب أوزانها الخاصة.

يمنح الإعداد المهاجم أفضلية متعمدة، عبر إتاحة وصول كامل إلى نظام المراقبة وعدم فرض أي قيود تتعلق بالواقعية، ويقرّ المنشور بأن البحث الذي يقوده النموذج قد يفوّت فئات كاملة من الحلول. ومن المفترض أن تُستخدم الأمثلة المكتشفة لتحسين أنظمة المراقبة المستقبلية؛ والخطوة التالية هي اعتماد ظروف أكثر واقعية.

🔗 منشور Alignment Science Blog

واجهات API للوكلاء: إتاحة Computer Use عمومًا في واجهة API الخاصة بـ Gemini، وإضافة Auto Review إلى واجهة Agents API من OpenAI

واجهة API الخاصة بـ Gemini تتيح Computer Use عمومًا، من Gemini 4 Argon إلى Gemini 3.5 Flash-Lite

30 أكتوبر — وفقًا لملاحظات إصدار واجهة API الخاصة بـ Gemini، أصبحت أداة Computer Use متاحة عمومًا في واجهتي API، وهما Interactions وGenerateContent. وتُستخدم لبناء وكلاء يتحكمون في متصفح أو جهاز محمول أو حاسوب مكتبي: يقرأ النموذج الشاشة من لقطات، ويُرجع إجراءات للتفاعل مع الواجهة، مثل النقرات وإدخالات لوحة المفاتيح، ينفذها المطوّر في بيئته الخاصة، كما يحدث عند استدعاء الدوال.

النموذج المتوافق	المعرّف في واجهة API	الدور وفقًا للوثائق
Gemini 4 Argon	`gemini-4-argon`	النموذج الأعلى قدرة
Gemini 3.8 Flash	`gemini-3.8-flash`	النموذج الموصى به لـ Computer Use
Gemini 3.5 Flash-Lite	`gemini-3.5-flash-lite`	زمن استجابة منخفض، وتكلفة اقتصادية
Gemini 3 Flash Preview	`gemini-3-flash-preview`	نموذج بإصدار معاينة

يتضمن كل إجراء حقلًا باسم intent يشرح اختيار النموذج، ويمكن ضبط سياسات السلامة بحسب الفئات، كما تحلل آلية لكشف حقن التعليمات، معطّلة افتراضيًا، لقطات الشاشة بدءًا من Gemini 3.5 Flash-Lite لمنع التنفيذ. وكانت هذه الخيارات موجودة بالفعل في المعاينة العامة التي أُطلقت في 24 يونيو مع Gemini 3.5 Flash: والجديد هو حالة الإتاحة العامة. ولم يُرفق بالملاحظة أي منشور أو تسعير.

🔗 ملاحظات إصدار واجهة API الخاصة بـ Gemini · وثائق Computer Use

واجهة Agents API من OpenAI تضيف Auto Review، واختزال السياق في الخلفية، وإدراكًا تجريبيًا للوقت

30 أكتوبر — يستعرض ستيف كوفي، من فريق API لدى OpenAI، مستجدات الأسبوع لواجهة Agents API، في منشور أعاد @OpenAIDevs نشره.

الميزة الجديدة في واجهة Agents API	ما الذي تغيّره
Auto Review	كما في Codex، يُقيَّم كل أمر قبل تنفيذه لاستبعاد السلوك الضار
اختزال السياق غير المتزامن	يُختزل السياق في الخلفية من دون إبطاء الجلسة
إدراك الوقت (تجريبي)	يدرك النموذج الوقت المنقضي، مثل «حصر إصلاح CI في 10 دقائق»
تحديث الأدوات	يمكن تعديل أدوات الجلسة في أي وقت
التخزين المؤقت لتعليمات النظام	تخزين مؤقت آلي في جميع الجلسات لتوفير التكلفة والوقت

تتضمن حزم SDK الرسمية المنشورة ليلًا هذه الإمكانات: يضيف openai-python 3.42.0 وopenai-node 7.46.0، الصادران في 31 أكتوبر، إعدادات اختزال السياق، ومراجعة الجلسات، وإعدادات الأدوات، وإدراك الوقت، فضلًا عن إضافات لم ترد في المنشور: مفاتيح خارجية تُدار على مستوى المؤسسة، وطبقات تعليقات توضيحية لتحرير الصور (image edit markup overlays)، وأوامر DTMF لمكالمات SIP الآنية، والتهيئة المسبقة لاتصالات WebSocket، التي يضيف openai-node 7.47.0 تعريفات أنواع لها أيضًا في Responses API. ولم ترافق الإعلان أي وثائق أو إضافة إلى سجل التغييرات أو تسعير عند رصدنا له.

🔗 ملخص ستيف كوفي · إعادة النشر من @OpenAIDevs · openai-python 3.42.0

Google DeepMind توسّع PlanAssist، أداتها لدراسة طلبات تراخيص البناء، لتشمل 12 مجلسًا إنجليزيًا إضافيًا

31 أكتوبر — تنقل Google DeepMind أداة PlanAssist من المرحلة التجريبية الأولية إلى مرحلة بيتا. وتعتمد الأداة على Gemini، من دون تحديد إصدار النموذج، وقد طُوّرت بالتعاون مع الحكومة البريطانية وGoogle Cloud وFaculty. وتساعد موظفي التخطيط العمراني على دراسة طلبات أعمال البناء المقدمة من الأفراد: فتتحقق من اكتمال الملف والمخططات، وتقارن الطلب بقيود حماية التراث، مثل أوامر حماية الأشجار، وبالقواعد المحلية والوطنية، وترصد الاعتراضات المقدمة سابقًا، ثم تصوغ تقريرًا موثّقًا بالكامل يستطيع الموظف تعديله قبل اتخاذ القرار.

مؤشر PlanAssist	القيمة المعلنة
المجالس المشاركة في التجربة الأولية (منذ يونيو)	بارنت، كامدن، دورست
وقت دراسة طلب مقدم من فرد	أقل بما يصل إلى 58 %
التقارير المعتمدة من دون تعديل	أكثر من 70 %
المجالس المشاركة في مرحلة بيتا البالغة 12 شهرًا	15، منها 12 جديدة ضمن ثلاث مجموعات
الإتاحة لجميع مجالس إنجلترا	2027، بشرط نجاح الاختبارات

وفقًا للمنشور، تمثل طلبات الأفراد هذه ما يصل إلى 70 % من عبء عمل الموظفين. وتظل كل دراسة خاضعة لمراجعة موظف مؤهل واعتماده قبل اتخاذ أي قرار. وكان نموذج أولي للأداة قد عُرض في يونيو، من دون اسم PlanAssist.

🔗 منشور Google DeepMind · الإعلان على X

Speridlabs تنشر Idol، نموذجًا مفتوحًا يضم 0,66 مليار معلمة ويحوّل صورة إلى جسم ثلاثي الأبعاد

28 و29 أكتوبر — نشر مختبر Speridlabs، الذي يظهر للمرة الأولى في متابعتنا، نموذج Idol ذا الأوزان المفتوحة بترخيص Apache-2.0، والذي يحوّل صورة واحدة لجسم إلى جسم ثلاثي الأبعاد مكوّن من توزيعات غاوسية (Gaussian splatting)، بما في ذلك الجوانب التي لا تظهرها الصورة. ويمكن أن يكون المدخل صورة فوتوغرافية أو صورة مصيّرة أو مولّدة؛ أما المخرج فهو ملف .ply قياسي، يتكون من 32 768 إلى 1 048 576 توزيعة غاوسية. ووفقًا لصفحة المشروع، يضم النموذج 0,66 مليار معلمة ويحتاج إلى أقل من 8 غيغابايت من ذاكرة GPU.

النموذج المقيَّم (بطاقة H100 واحدة)	PSNR ↑	SSIM ↑	LPIPS ↓	CLIP ↑	الوقت لكل طلب
Idol (50 خطوة، 262 144 توزيعة غاوسية)	12,25	0,726	0,213	0,885	6,8 s
TripoSplat (50 خطوة، 262 144)	11,76	0,712	0,225	0,868	9,9 s
TRELLIS (إعدادات ورقته البحثية)	11,89	0,716	0,235	0,868	7,1 s
LGM (65 536 توزيعة غاوسية)	12,46	0,722	0,237	0,784	1,1 s

في هذا الاختبار الذي نشرته Speridlabs، يتفوق Idol على النماذج الثلاثة الأخرى في SSIM وLPIPS وIoU وDINOv2 وCLIP؛ ويحتفظ LGM بأفضل نتيجة في PSNR، وهو مقياس ترى Speridlabs أنه يصب في مصلحة النتائج الضبابية. وعند استخدام 262 144 توزيعة غاوسية، يستغرق الطلب 3,4 ثانية على B300 و19,1 ثانية على RTX 4090. ويلزم قبول شروط مُرمّزين مقيّدي الوصول على Hugging Face، هما DINOv3 من Meta وVAE الخاص بـ FLUX.2-dev من Black Forest Labs؛ وترافق الأوزانَ الشيفرةُ idol-sdk وعرض توضيحي ضمن Space.

🔗 صفحة مشروع Idol · النموذج على Hugging Face

منشور مجتمعي يكشف أن خادم llama.cpp كان يفقد بيانات logprobs منذ 2023 ومعرّفات tokens منذ 2024

31 أكتوبر — يشرح توماس كيم، في منشور مجتمعي نُشر على Hugging Face، خللًا صامتًا في llama-server، خادم llama.cpp. فعندما يُقسَّم محرف UTF-8، مثل رمز تعبيري أو حرف من كتابة غير لاتينية، إلى عدة tokens، ينتظر الخادم اكتمال المحرف قبل إرسال النص؛ وكانت معرّفات tokens والاحتمالات (logprobs) تُربط عندئذ بذلك الجزء من النص، بدلًا من ربطها بكل token مأخوذ بالعينة. وظل النص صحيحًا، وهو ما يفسر غياب أي تنبيه. وكانت نقاط النهاية /completion و/v1/completions و/v1/chat/completions متأثرة، سواء في البث المتواصل أو في الاستجابة الواحدة.

القياس على Qwen3.5-9B (مخرجات غنية بالرموز التعبيرية)	الإصدار الأصلي	الإصدار المصحح
السجلات المحذوفة، استجابة واحدة	24,9 %	0 %
السجلات المحذوفة، بث متواصل من واجهة API للدردشة	25,6 %	0 %
تسميات البايتات الخاطئة	14,0 %	0 %

باستخدام البحث الثنائي في سجل التغييرات، يؤرّخ الكاتب بداية فقدان الاحتمالات في 22 أكتوبر 2023؛ أما فقدان المعرّفات المرسلة بالبث المتواصل فيعود إلى ديسمبر 2024. وتتأثر الاستخدامات التي تعيد استعمال هذه البيانات: التعلم المعزز انطلاقًا من بيانات logprobs مخزنة، والتقطير من أفضل المرشحين، والمعايرة؛ أما الضبط الدقيق الخاضع للإشراف على النص فلا يتأثر. ولا يرصد اختباره MURPHY، الذي يضم 1 500 prompts، أي خلل في الاستجابات البالغ عددها 12 000 في الإصدار المصحح. ويقدّم المنشور طلب الدمج PR #31244 بوصفه الإصلاح، لكنه كان لا يزال مفتوحًا ولم يُدمج في 31 أكتوبر. وتقتصر القياسات على نموذج واحد وإعداد واحد.

🔗 منشور توماس كيم · طلب الدمج PR #31244 في llama.cpp

وكلاء البرمجة: Claude Code 2.1.316، وdsh-superagent من DeepSeek، وMono لدى Manus

يضيف Claude Code 2.1.316 المتغيرين CLAUDE_CODE_DISABLE_ULTRATHINK وCLAUDE_CODE_SUBAGENT_EFFORT ويوسّع بوابة Claude apps

31 أكتوبر — صدر Claude Code 2.1.316 ليلًا (على npm عند 00:42 UTC، وعلى GitHub عند 01:01 UTC) مع 55 بندًا، منها 34 إصلاحًا. ويتعلق متغيران للبيئة بجهد الاستدلال: يعطّل CLAUDE_CODE_DISABLE_ULTRATHINK الكلمة المفتاحية ultrathink، التي ترفع جهد الاستدلال في الجولة إلى xhigh منذ الإصدار 2.1.311، وأُدرج CLAUDE_CODE_SUBAGENT_EFFORT، الذي أعلن عنه بوريس تشيرني في 29 أكتوبر، في ملاحظات الإصدار الرسمية.

الجديد في 2.1.316	ما الذي يتغير
`CLAUDE_CODE_SUBAGENT_EFFORT`	يحدد جهد الوكلاء الفرعيين حين لا يحدده أي إعداد آخر، بدلًا من وراثته من الجلسة
`pooled_budget` (بوابة Claude apps)	ميزانية شهرية مشتركة لمجموعة، إضافة إلى الحد الخاص بكل عضو
`managed.policy_mode: layered`	تُطبَّق جميع السياسات التي تستهدف مطورًا بعد دمجها
`guardrail.input_tagging`	وسوم إدخال يفرضها مرشح هجمات الأوامر ضمن ضوابط الحماية في Bedrock
الإعدادات المُدارة في Team وEnterprise	تُطبَّق دون طلب موافقة؛ وتُرفَض أي نسخة محلية يتعذر التحقق منها

تعرض الجلسات السحابية بطاقة نموذج حين يطلب خادم MCP إدخالًا، بدلًا من إلغاء الطلب دون أن يراه المستخدم. ومن بين الإصلاحات، لم تعد جلسات --restricted ترفع ملفات من خارج مجلدات العمل حين كانت تشملها قاعدة Read. ويعيد الإصدار أيضًا ذكر إيقاف دعم الوضع السريع في Opus 4.8، الموضّح في قسم الأخبار الموجزة. أما الإصدار 2.1.315، المنشور على npm في 30 أكتوبر، فلم يحصل في النهاية على إصدار في GitHub ولا على بند في CHANGELOG؛ وتواكبه SDK Agent بالإصدار 0.3.316 في TypeScript و0.2.176 في Python.

🔗 ملاحظات إصدار Claude Code 2.1.316

تنشر DeepSeek مشروع dsh-superagent، وهو نموذج بحثي أولي لوكيل برمجة استباقي مبني على DeepSeek Harness

31 أكتوبر — نشرت DeepSeek على GitHub مشروع dsh-superagent، دون إعلان على X: وهو مستودع بترخيص MIT، بالإصدار 0.1.0، من إعداد فريق DeepSeek Harness. ويقدمه ملف README بوصفه نموذجًا بحثيًا أوليًا «للاستئناس فقط»، وليس منتجًا رسميًا من DeepSeek؛ وهو يختلف عن النسخة الداخلية وعن مقالة «استكشاف تصميم الوكيل الفائق» التي يستشهد بها.

يرتبط الوكيل بمستودع GitHub واحد، في صورة امتداد (bundle) لـDeepSeek Harness 0.2.1-alpha.2 أو أحدث. ويراقب GitHub، وخدمة المراسلة Feishu اختياريًا؛ وعندما يطلب منه شخص مخوّل القيام بمهمة، يفتح تذكرة ويعمل في جلسته ومجلده الخاصين، ثم يرد في المحادثة الأصلية، مثلًا بطلب دمج. ولا يتصرف إلا بناءً على طلب أو وفق قاعدة يكتبها الفريق، وتبدأ الأعمال غير المطلوبة في وضع يكتفي بتسجيل ما كان سيفعله. وهناك نقطة تستدعي الانتباه: بحسب توثيق المستودع، تشغّل جلسات التنفيذ الأوامر دون موافقة باستخدام حساب النظام الخاص بالمشغّل؛ وللعزل، يوصي التوثيق بحساب نظام مخصص لا يحتوي إلا على بيانات اعتماد الوكيل. ويوصى أيضًا بحساب GitHub مخصص، لأن كل ما يكتبه الوكيل يظهر باسم ذلك الحساب. وكان المستودع قد جمع 2 014 نجمة قرابة 21:30 UTC في 31 أكتوبر.

🔗 مستودع dsh-superagent-prototype

تشرح Manus كيف تعمل فرقها مع الوكلاء عبر أداتها الداخلية Mono

30 أكتوبر — في عرض مطوّل لتجربته بعنوان «إعادة بناء Manus باستخدام Manus» (إعادة بناء Manus باستخدام Manus)، يروي تاو تشانغ، الشريك المؤسس ومدير المنتجات في Manus، كيف تعمل فرق الهندسة والمنتج والتسويق الآن مع الوكلاء، بما في ذلك الإخفاقات. وكان المقال قد فات رصدنا في اليوم السابق.

تتمحور التجربة حول Mono، وهي أداة داخلية لا تدمج المستودعات، بل توفر نقطة دخول موحدة، مصحوبة بدليل مكتوب للوكيل يشرح دور كل مستودع، والعلاقات بينها، وأساليب عمل الفريق، إضافة إلى مكتبة لقرارات البنية المعمارية. ويتحقق الوكيل عبرها من كامل المنظومة البرمجية على حاسوب محمول في بضع ثوانٍ، مقابل 5 إلى 10 دقائق لإرسالها إلى بيئة الاختبار، ويقرأ سجلات الإنتاج بصلاحيات محدودة، ويختبر مسارات استخدام فعلية في متصفح ومحاكي هاتف محمول. وتمر الأخطاء المُبلّغ عنها عبر ثلاثة وكلاء للفرز والإصلاح والتحقق، ولا يُطرح أي تغيير دون موافقة شخص يملك صلاحيات النشر في بيئة الإنتاج.

مؤشر داخلي لدى Manus	القيمة المُبلّغ عنها
الطلبات الجارية لكل مهندس	10 إلى 20
فريق تطبيقات الهاتف المحمول	7 أشخاص لـ4 تطبيقات
مديرو المنتجات الذين يطرحون ميزات بمفردهم	نحو النصف
العناصر المعلّقة بعد عطلة نهاية أسبوع عمل خلالها الوكلاء باستقلالية	أكثر من 200

وتستخلص Manus من هذا الإخفاق الأخير درسًا: لا تفيد الاستقلالية إلا حين يمكن التحقق من النجاح بالاختبارات. وستتبع ذلك ثلاثة محاور عمل، دون موعد محدد: جلسات مشتركة، وعمل ينتقل بين الأجهزة والأشخاص، ووكلاء يقترحون الخيارات بأنفسهم. وتأتي الأرقام من سجلات داخلية، وبعضها تقديري.

🔗 مقال Manus

أخبار موجزة

واجهات API والتطبيقات

الوضع السريع في Opus 4.8 — تعلن Anthropic إيقاف دعمه على Claude Platform وتزيله في 30 نوفمبر 2026؛ وبعد ذلك، ستُرجع طلبات الوضع السريع الموجّهة إلى claude-opus-4-8 خطأً. وتوصي Anthropic بالانتقال إلى Claude Opus 5.5 للاحتفاظ بالوضع السريع. 🔗 المصدر
حسابان في ChatGPT على الهاتف المحمول — تتيح تطبيقات iOS وAndroid، ضمن طرح تدريجي، البقاء مسجلًا في 2 حساب والتبديل بينهما دون تسجيل الخروج؛ ويكون حساب واحد فقط نشطًا، ويحتفظ كل منهما بمحادثاته وذاكرته وإعداداته واشتراكه. وبحسب مقالة المساعدة، فالخيار متاح بالفعل على الويب لجميع الخطط. 🔗 المصدر
Gemini Drops لشهر أكتوبر — يستعرض المنشور الشهري لتطبيق Gemini ملخصًا لـ11 ميزة سبق عرضها هنا، من Gemini 4 Argon إلى Lyria 3.5؛ والتفصيل الجديد الوحيد هو إدراج Strava ضمن التطبيقات القابلة للربط، كما يُظهر الفيديو Fever وViator أيضًا. 🔗 المصدر

الوكلاء وأدوات البرمجة

Gemini CLI، الإصدار الليلي في 31 أكتوبر — سبعة إصلاحات: لم يعد النموذج المختار يدويًا يعود بصمت إلى gemini-3-flash-preview بعد اللجوء إلى بديل أو الإلغاء أو /rewind، وأصبح /restore يراعي .git/info/exclude وإعداد core.excludesFile العام؛ ولا يتغير الإصدار المستقر v0.66.0. 🔗 المصدر
Copilot CLI 1.0.106-1 — إصدار تجريبي يضم 14 إصلاحًا دون ميزات جديدة: يحافظ apply_patch على نهايات الأسطر المختلطة، ويراعي web_fetch الترميز المُعلَن للصفحات، وتعيد CLI سبب الرفض الأصلي عندما تعطّل مؤسسة نموذج Claude البديل؛ ويبقى الإصدار المستقر 1.0.105. 🔗 المصدر

الأبحاث والأدوات المفتوحة

Fast Forced Aligner — يعرض مقال مجتمعي منشور على Hugging Face نوى CUDA بترخيص MIT تحدد وقت نطق كل كلمة في نص مفرّغ: 30,44 ms مقابل 6,34 s لـk2 و28,18 s لـNeMo عبر عشرة أعباء عمل، أي أسرع بنحو 208 و926 مرة، لعملية المحاذاة وحدها على RTX 3090. 🔗 المصدر
WaiT من Meta — تنشر Meta دون إعلان شيفرة هذا المحوّل القائم على مطابقة التدفق (flow matching) في فضاء البكسل، والذي يخصص جداول ضوضاء مختلفة للترددات المنخفضة والمرتفعة (arXiv 2607.28760، بمشاركة ستيفان مالا ولوك زيتلموير في التأليف)؛ ولا توجد نتائج في README، ويقصر ترخيص CC BY-NC 4.0 استخدامه على الأغراض غير التجارية. 🔗 المصدر
روبوتات جاهزة للاستخدام — يدافع مقال مجتمعي من projectsim على Hugging Face عن استخدام المحاكاة لتدريب الروبوتات واختبارها، مستندًا إلى نتائج جهات أخرى، مثل Helix 2.5 من Figure، الذي ارتفعت نسبة المهام المكتملة لديه من 9 % إلى 56 % في 30 منزلًا لم يسبق له العمل فيها؛ ولا يعرض المقال نتائج خاصة بصاحبه. 🔗 المصدر
مدفوعات x402 وMetaMask — يوضح مقال مجتمعي من Fizzl على Hugging Face أن MetaMask يعرض عبارة «موافقة عالية المخاطر» على دفعتين عبر x402 بقيمة 0,001 دولار طلبهما وكيل؛ وينطبق الوضع المُبلّغ عنه على 289 عنوانًا من أصل 300 عنوان دفع عبر x402 أُخذت عينة منها على Base. وقد أبلغ Fizzl شركة MetaMask بهذا الإنذار الخاطئ. 🔗 المصدر

NVIDIA والصوت

البحث عن إشارات من خارج الأرض — في Allen Telescope Array، يتيح Breakthrough Listen وSETI Institute للوكلاء توجيه الجهاز ومعايرته انطلاقًا من طلب باللغة الطبيعية، باستخدام NVIDIA Holoscan: تُعالَج 2,4 تيرابت في الثانية على وحدات GPU من طراز RTX PRO 6000 Blackwell، مع أول رصد آني لنجم نابض باستخدام الذكاء الاصطناعي، وفقًا لـNVIDIA. 🔗 المصدر
RTX Spark وRTX Remix 1.6 — استدراك لخبر 28 أكتوبر: يتيح NVIDIA App توزيع موارد GPU بين التطبيق في الواجهة ووكيل يعمل في الخلفية، ويتيح RTX Remix 1.6 عرض Minecraft Java Edition 1.21.1 بتقنية تتبّع المسارات (path tracing)، مع DLSS 5 ومهارات للوكلاء. 🔗 المصدر
Clover Health وElevenLabs — تسلط ElevenLabs الضوء على الوكلاء الصوتيين لدى شركة التأمين الصحي هذه، الذين يتولون متابعة الرعاية والتغطيات وأسئلة المشتركين؛ دون أرقام أو دراسة حالة. 🔗 المصدر

ما الذي يعنيه ذلك

تُظهر تجربة Anthropic حدود المراقبة سطرًا بسطر: إذ يسمح نظام مراقبة قريب من الأنظمة المستخدمة في الإنتاج بمرور بيانات تُخرج النموذج عن المواءمة عند جمعها، لأن كل سطر بمفرده يروي قصة عادية عن تربية النحل أو المصارعة الاستعراضية. ومن خلال إسناد البحث عن هذه الثغرات إلى وكلاء يعملون بالتوازي، تسعى Anthropic إلى اختبار أمان يتقدم بزيادة القدرة الحاسوبية بدلًا من زيادة ساعات عمل باحثيها. ويظل نطاق النتائج محدودًا بإعداد التجربة نفسه: مهاجم يطّلع على كل تفاصيل نظام المراقبة، ونموذج بحثي صغير لم يُنشر قط، وعدم وجود أي استنتاج بشأن نماذج Claude المستخدمة في الإنتاج.

تصل المكونات اللازمة للوكلاء القادرين على تنفيذ الأفعال ومعها ضوابط الحماية المدمجة. فقد أصبح Computer Use متاحًا للجميع لدى Google، مع خيار لكشف حقن الأوامر في لقطات الشاشة، وتُخضع Agents API من OpenAI كل أمر للتقييم قبل تنفيذه، كما يفعل Codex. ويُظهر dsh-superagent الوجه الآخر: نموذج أولي ينفّذ أوامره دون موافقة باستخدام حساب المشغّل. وتستخلص Manus الدرس نفسه من عطلة نهاية الأسبوع التي عمل خلالها وكلاؤها باستقلالية وتركوا أكثر من 200 عنصر معلّق يوم الاثنين: تنجح الاستقلالية حين تتحقق الاختبارات من النتيجة، ويظل الطرح خاضعًا لموافقة بشرية.

يقدم PlanAssist مثالًا ملموسًا على استخدام الذكاء الاصطناعي في خدمة عامة: تقليص وقت معالجة الطلبات بما يصل إلى 58 % وقبول أكثر من 70 % من التقارير دون تعديل، لكن كل ملف يظل خاضعًا لمراجعة موظف مؤهل، ويعتمد التعميم في 2027 على نتائج النسخة التجريبية. وسيكشف الانتقال من 3 إلى 15 مجلسًا محليًا، في مناطق حضرية وريفية، ما إذا كانت هذه الأرقام تصمد خارج المشروع التجريبي.

يذكّر خلل llama.cpp بأن الأدوات المفتوحة باتت تدعم اليوم مسارات للتعلم المعزز والتقطير: فقد تكون احتمالات أُسنِدت خطأً منذ 2023، دون خطأ ظاهر في النص، قد أفسدت بيانات من يعيدون استخدامها. ولم يكن الإصلاح قد دُمج بعد في 31 أكتوبر، وتقتصر القياسات على نموذج واحد. ويجسد Idol الجانب الآخر من المنظومة المفتوحة: نموذج يضم 0,66 مليار معلمة، ويعمل في أقل من 8 غيغابايت من ذاكرة GPU، ويتفوق في معظم المقاييس على مولّدات ثلاثية الأبعاد راسخة، وفقًا لاختبارات مؤلفيه.