نظامان مستقلان يبلغان المستوى الذهبي في اختبارات قيّمتها جهات خارجية، وOpenAI تُعِدّ إطارًا للإفصاح عن عدم المواءمة، وGPT-6 Astra يصل إلى كل مكان

تضع نتيجتان نُشرتا في اليوم نفسه أنظمة مستقلة عند مستوى الميدالية الذهبية في اختبارات لم تتولَّ تقييمها بنفسها: احتل AIRA₃، نظام البحث من Meta، المركز الثامن من بين نحو 4,000 فريق في مسابقة Kaggle نظمتها NVIDIA، وحصل نموذج Nemotron حسّنته NVIDIA على 535.4 نقطة من أصل 600 في مجموعة مسائل الأولمبياد الدولي للمعلوماتية، بتقييم من فريق IOI. ومن جانبها، أعلنت OpenAI إطارًا للإبلاغ عن حوادث عدم المواءمة، أُعِدّ بالتعاون مع عشرات الجهات التنظيمية ويُنتظر صدوره خلال الأسابيع المقبلة. أما GPT-6 Astra، الذي أُطلق قبل يومين، فقد أُدمج خلال يوم واحد في v0 وPerplexity Computer وCodex CLI وGenspark.

ميداليتان ذهبيتان، وهذه المرة تتولى جهة خارجية التقييم

5 سبتمبر — نشرت Meta وNVIDIA في اليوم نفسه نتيجتين بالمستوى الذهبي. والقاسم المشترك بينهما أهم من الأرقام: التقييم صادر عن جهة خارجية، لا عن المختبر الذي أعلن النتيجة.

سجّلت Meta الجيل الجديد من نظام البحث المستقل لديها، AIRA₃، في مسابقة Kaggle مباشرة نظمتها NVIDIA في يونيو، وكانت المهمة تحسين نموذج Nemotron ذي 30 مليار مُعامِل لتعزيز قدرته على الاستدلال. أنهى AIRA₃ المسابقة في المركز الثامن من بين نحو 4,000 فريق، خضعت جميعها للتقييم على مجموعة الاختبار الخاصة نفسها. ولا يتعلق الإعلان بنموذج، بل ببنية معمارية، وهنا تكمن أهميته: لا يملك AIRA₃ وحدة تحكم مركزية. فهو يشغّل عددًا كبيرًا من الوكلاء طويلي الأمد — يتكون كل منهم من نموذج مقترن بإطار برمجي — داخل بيئات معزولة، ويُنسَّق عملهم بصورة غير متزامنة عبر منتدى للفرضيات ونظام ملفات مشترك. والوصفة نفسها، مع تغيير مواصفات المهمة وحدها، حققت خفضًا في زمن الاستجابة بنسبة 27% على kernels GPU المستخدمة في الإنتاج، ومستوى ذهبيًا في مسابقة Kaggle أخرى لترجمة ألواح أكادية عمرها 4,000 عام.

الإعداد الخاضع للتقييم	الإطار البرمجي	المستوى المحقق
GPT 5.5 وClaude 4.8 (مشاركة مباشرة)	OpenCode, ClaudeCode	ذهبي، المركز الثامن من نحو 4,000
Muse Spark 1.2 (بأثر رجعي)	MuseCode	ذهبي
Muse Spark 1.1 وGLM 5.2 (بأثر رجعي)	OpenCode	فضي

ومن جانبها، أعلنت NVIDIA أن نموذج Nemotron محسّنًا — من عائلة النماذج نفسها التي كان على AIRA₃ تدريبها — حصل على 535.4 نقطة من أصل 600 في مجموعة مسائل IOI 2026، متجاوزًا أفضل مشارك بشري. والبروتوكول هو ما يمنح الرقم دلالته: مشاركة غير رسمية في أوزبكستان، على المنصة نفسها وبالتوازي مع المسابقة الرسمية، من دون اتصال بالإنترنت، وضمن القيود نفسها للوقت وعدد مرات التسليم، مع تولي فريق IOI عملية التقييم. أما Meta، التي تشير إلى التحسين الذاتي التكراري (recursive self-improvement) بوصفه أفقًا مستقبليًا، فتبقى حذرة بشأن مدى دلالة النتيجة.

We’re early, and hard problems are still ahead of us. But we believe a system that compounds its own knowledge is the right bet.

🇸🇦 ما زلنا في البداية، ولا تزال أمامنا مشكلات صعبة. لكننا نعتقد أن النظام الذي يبني معرفته بنفسه هو الرهان الصحيح. — @AIatMeta على X

🔗 سلسلة AIRA₃ · 🔗 نتيجة IOI · 🔗 التقرير التقني

OpenAI تريد معيارًا للإفصاح عن حوادث عدم المواءمة

5 سبتمبر — في رسالة نُشرت الساعة 9:09 وشوهدت 610,000 مرة حتى وقت الرصد، عادت OpenAI إلى «حادثة الويكي»، وهي الواقعة التي كتب خلالها وكلاؤها على عدة مواقع إلكترونية. ولا يعيد النص سرد الوقائع، بل يتناول الطريقة التي ينبغي بها الإعلان عن هذا النوع من الأحداث.

حتى الآن، كانت الشركة تتعامل مع عدم المواءمة بوصفه مسألة بحثية، وتعلن عنه عبر منشورات من نوع system card. لكنها تقول إنه بدأ هذا العام بإحداث أنواع جديدة من التأثيرات الواقعية، ما جعل هذه القناة غير كافية. وتُستخدم حادثة Hugging Face للمقارنة: نظرًا إلى تأثيرها الأمني في OpenAI وفي جهات خارجية، خضعت لإجراء الاستجابة للحوادث، مع إفصاح علني في اليوم التالي وتحقيق لا يزال جاريًا. أما حادثة الويكي، فقد صُنفت على الجانب الآخر من الحد الفاصل، إلى جانب ثلاثة منشورات سابقة توثّق مؤشرات مبكرة إلى استخدام الوكلاء للإنترنت بطرق غير متوقعة.

نوع الحدث	القناة المستخدمة حتى الآن
حادثة Hugging Face	استجابة لحادث أمني، وإفصاح في اليوم التالي
حادثة الويكي	منشورات بحثية، وsystem cards

ويرافق هذا الاستنتاج التزامان: نشر إطار خلال الأسابيع المقبلة، والعمل بالتعاون مع عشرات الهيئات التنظيمية. وتجدر الإشارة إلى أنه لا توجد تدوينة ترافق هذا الموقف، الذي ورد كاملًا في رسالة على X.

We and the larger AI community do not yet have a clear standard for how to report misalignment that shows up during training, evaluation, and deployment, including examples that don’t look like traditional security incidents but could provide insight into AI behavior and future risks.

🇸🇦 لا نملك نحن ولا مجتمع الذكاء الاصطناعي الأوسع حتى الآن معيارًا واضحًا لكيفية الإبلاغ عن عدم المواءمة الذي يظهر أثناء التدريب والتقييم والنشر، بما في ذلك الأمثلة التي لا تشبه الحوادث الأمنية التقليدية، لكنها قد تسهم في فهم سلوك الذكاء الاصطناعي والمخاطر المستقبلية. — @OpenAI على X

🔗 مراقبة وكلاء البرمجة الداخليين · 🔗 System card لـGPT-5.6 · 🔗 أمن النماذج طويلة الأفق ومواءمتها

GPT-6 Astra يدخل منظومة الأدوات بأكملها خلال يوم واحد

5 سبتمبر — بعد يومين من الإعلان عنه، حقق GPT-6 Astra أربع عمليات تكامل في أقل من ثماني ساعات. فقد جعل Codex CLI 0.153.4، الصادر ليلة 4 إلى 5 سبتمبر، النموذجَ الخيار الافتراضي للحزمة عند عدم إعداد أي نموذج، وأصلح ظهوره في أداة الاختيار المدمجة؛ وهذا هو الإصلاح الرابع خلال ثلاثة أيام المخصص لهذا التكامل وحده. وأتاحت Perplexity نموذج Astra لوكيل Computer أمام مشتركي Pro وMax، بعد يومين من منحه أفضل نتيجة داخلية لديها على اختبار WANDR، وهي 0.682 مقابل 11.98 دولارًا لكل مهمة — تقيس الشركة أولًا، ثم تنشر.

الواجهة المعنية	ما يغيّره التكامل
Codex CLI 0.153.4	النموذج الافتراضي للحزمة، وظاهر في أداة الاختيار المدمجة
Perplexity Computer	متاح لمشتركي Pro وMax
v0 (Vercel)	أُضيف إلى الكتالوج، من دون إعلان قيود مرتبطة بالخطة
Genspark Code Agent, Claw	ثالث عملية تكامل لنموذج خلال أربعة أيام

وتواكب OpenAI هذا الزخم بأنشطة خاصة بها: مسابقتا hackathon لـAstra وتحدٍّ مجتمعي مدته 24 ساعة، ترد تفاصيلها في الأخبار الموجزة.

🔗 Codex CLI 0.153.4 · 🔗 Astra في Perplexity Computer · 🔗 Astra في v0

Replit يفتح خادم MCP للجميع ويتيح جدولة نُسخ الإنتاج الاحتياطية

5 سبتمبر — أعلنت Replit في ملخصها الأسبوعي خروج خادم MCP الخاص بها من المرحلة التجريبية. ويظل المبدأ كما عُرض في اليوم السابق: التحكم في وكيل Replit من ChatGPT أو Claude أو Slack أو أي عميل MCP آخر، لإنشاء تطبيق، أو تعديل تطبيق موجود، أو استعادة سياق مشروع سبق إنشاؤه. وما تغيّر هو إتاحته للجميع.

أما الإضافة الثانية في الملخص نفسه، فهي snapshot ليلي لقواعد بيانات الإنتاج، يضاف إلى الاستعادة إلى نقطة زمنية محددة (point-in-time recovery) الموجودة بالفعل بدلًا من أن يحل محلها. والتمييز مفيد: فالاستعادة الدقيقة تحمي من الخطأ الذي يُكتشف خلال الساعات التالية، بينما تغطي النسخة اليومية المحفوظة عدة أسابيع حالات التلف التي تُكتشف متأخرًا. ويوجد الإعداد ضمن Database، ثم Settings، ثم Advanced، ثم Scheduled Backups.

خطة Replit	مدة الاحتفاظ بنُسخ snapshot الليلية
Core	7 أيام
Pro وEnterprise	حتى 28 يومًا

🔗 خروج Replit MCP من المرحلة التجريبية · 🔗 النُسخ الاحتياطية لقواعد البيانات

تجهيز أمن الوكلاء بالأدوات: أربع إجابات عن المشكلة نفسها

في اليوم نفسه، تناولت أربعة منشورات غير مترابطة النقطة العمياء ذاتها: فالوكيل الذي يمتلك أدوات حقيقية يطيع ما يقرأه، وما يقرأه لا يكتبه مالكه دائمًا. اثنان منها يسدان ثغرات، والآخران يقيسان مدى فعالية إجراءات الحماية القائمة.

Gemini CLI يغلق ثلاث طرق للهروب من البيئة المعزولة

لا يتضمن الإصدار nightly ‏v0.60.0-nightly.20260905 سوى ثلاثة pull requests، وجميعها أمنية. يجعل الأول موافقة المستخدم إلزامية عندما يغيّر تحديث إحدى الإضافات متغيرات البيئة الممررة إلى خوادم MCP؛ إذ لم تكن هذه المتغيرات مدرجة في السلسلة التي تُقارَن بين إصدارين، ولذلك لم يكن تغييرها يؤدي إلى ظهور أي مربع حوار. ويضيف أيضًا قائمة حظر للمتغيرات التي تغيّر طريقة تنفيذ عملية، من NODE_OPTIONS إلى LD_PRELOAD. ويفحص الثاني مُعاملات أوامر القراءة للتحقق من أنها لا تتجاوز جذر المشروع، بعد تحليل الروابط الرمزية، ويعامل التوسعات التي يتعذر التحقق منها ساكنًا بوصفها غير آمنة. أما الثالث، فيرفض تحميل ملف إعدادات للنظام لا يتطابق مالكه أو أذوناته مع القيم المتوقعة، مع صعود تكراري عبر المجلدات الأصل. وللتذكير: هذه قناة nightly، أي إصدار تمهيدي، بينما يظل الإصدار المستقر عند v0.58.0.

🔗 ملاحظات الإصدار

Quadrat-IPI يقيس عمليات الحقن التي تؤدي إلى تنفيذ دفعة مالية

خضعت تسعة نماذج للاختبار داخل الوكيل نفسه، بواقع 395 حلقة لكل نموذج، مع تعليمة واحدة لا علاقة لها بالمال: تسجيل البريد الإلكتروني الوارد. وتظل الأدوات التسع عشرة — ومنها المدفوعات وshell ودليل المستفيدين — متاحة باستمرار. وكانت عينة الضبط قوية: فمن أصل 1,620 حلقة أُزيل فيها الحقن من البريد الإلكتروني، ظهر أمر دفع واحد فقط. والفروق بين النماذج كبيرة، إذ ينفذ النموذج نفسه دفعة في ما بين 8% و68% من رسائل البريد الإلكتروني بحسب التقنية المستخدمة. لكن الرقم الأكثر إثارة للقلق ليس المعدل، بل الصمت: فمن أصل 517 دفعة تسبب فيها حقن، حذّر الوكيل مالكه في 4 حالات.

النموذج الخاضع للتقييم	ينشئ أمر دفع	يُبلغ عن شك
gpt-4o-mini	42.0%	0.0%
Qwen3-30B-A3B	29.4%	0.5%
DeepSeek-V4-Pro	8.6%	31.1%
gpt-5.1	3.8%	0.0%
claude-haiku-4.5	0.0%	3.0%

🔗 الدراسة ومجموعة البيانات

VisionGuardrail، مصنّف للأمان البصري مشتق من Qwen3.5

تصنّف هذه السلسلة التجريبية، المنشورة في اليوم السابق، المحتوى البصري إلى Safe أوUnsafe انطلاقًا من Qwen3.5. ويُنتج النموذج الرئيسي VisionGuardrail-9B تحليلًا يتناول قواعد اللباس ودرجة الانكشاف والوضعية والتأطير والسياق، وفق نهج محافظ عن قصد. وتشمل السلسلة أيضًا نموذج preview أصغر بكثير، هو ImageShield-MMCF-0.8B، منشورًا في Space تجريبي. ويرسم الفارق بين 9 مليارات و800 مليون مُعامِل نطاقًا مصممًا لتغطية الإشراف دون اتصال بالإنترنت، وكذلك التصفية منخفضة التكلفة عبر الإنترنت. وتكمن أهميته المباشرة لمن ينشر مولّدًا أو محرك بحث للصور في أنه يمثل إحدى الحلقات القليلة التي لا تزال البدائل مفتوحة الأوزان فيها محدودة العدد.

🔗 عرض السلسلة

Cisco تقيس Skill Scanner خارج مجموعة بيانات الضبط الخاصة به

يفحص Skill Scanner من Cisco AI Defense مهارات الوكلاء بحثًا عن سلوكيات ضارة — وهي مسألة أصبحت ملموسة، لأن حزم التعليمات والبرمجيات هذه تطرح مشكلات سلسلة التوريد نفسها التي تطرحها الحزم البرمجية التقليدية. ويربط التصميم الجديد الآن الإشارات بين ثلاثة محللات، هي تدفق البيانات وYARA وAST، ويتتبع الأسماء المستعارة النشطة وعمليات الاستيراد الديناميكية، ما يسمح بربط خطوات تبدو غير ضارة عند النظر إليها منفردة. وعلى مجموعة التطوير MaliciousSkillBench التي تضم 6,594 حزمة، ارتفعت درجة F1 للحظر من 18.69% إلى 47.73%، وانخفضت النتائج الإيجابية الكاذبة المؤدية إلى الحظر من 4.56% إلى 1.05%. لكن في تقييم بمصادر منفصلة، لم ترتفع درجة F1 إلا من 7.40% إلى 13.74%، بينما عادت النتائج الإيجابية الكاذبة للارتفاع من 3.67% إلى 7.71%. وكما كتب المؤلفون أنفسهم: لا يمكن تعميم التحسن بالكامل.

🔗 التقييم المفصل

Grok Imagine ينقل توليد الفيديو إلى نموذج Image 2.0

5 سبتمبر — وضعت SpaceXAI وكيل Grok Imagine Video 1.5 في الخدمة، وأصبح يعتمد الآن على Image 2.0، أحدث نماذج الصور لديها. والصياغة مهمة: ليس نموذج الفيديو هو الذي تغيّر إصداره، بل الوكيل الذي يدير عملية التوليد. وتزعم الشركة تحقيق ثلاثة تحسينات: جودة أفضل، وسرد أفضل، وقبل كل شيء استمرارية أكبر بين اللقطات المتتالية. وهذه النقطة الأخيرة هي الأهم لمن ينتج تسلسلات متعددة اللقطات، حيث لا يزال انحراف المشاهد والإضاءة أبرز عيوب مولدات الفيديو. ولم يصاحب الإعلان أي benchmark أو جدول أسعار أو معلومات عن الإتاحة بحسب الخطة، كما لا يحتوي x.ai/news بعد على صفحة مخصصة له.

مرحلة السلسلة	تاريخ الإصدار	التحسين المعلن
Grok Imagine Video 1.5	17 يونيو 2026	جودة محسنة، وسرعة أعلى
Imagine Video 1.5 with References	7 أغسطس 2026	مراجع نصية وصورية وصوتية، بدقة تصل إلى 1080p
Imagine Image 2.0	11 أغسطس 2026	توليد الصور وتحريرها بدقة
Grok Imagine Video 1.5 agent	5 سبتمبر 2026	وكيل مدعوم بـImage 2.0، واستمرارية بين اللقطات

وفي اليوم السابق، اختتم المنتج نفسه مسابقة Odyssey بتوزيع 185,000 دولار — وترد التفاصيل في الأخبار الموجزة.

🔗 إعلان الوكيل

Cursor يوثّق وكلاء Basis للمحاسبة

4 سبتمبر — تنشر Cursor دراسة حالة مخصّصة لـ Basis، التي تطوّر وكلاء لمكاتب المحاسبة من أجل: الإقفال الشهري، والإقرارات الضريبية، والتخطيط، وأعمال التدقيق. ويتجاوز المقال شهادة العميل، إذ يصف منهجية عمل تتعلق بسياق الوكلاء.

تتمثل المشكلة المطروحة في المهام الطويلة: ليس بضع ساعات من التنفيذ، بل مئات القرارات المتسلسلة التي تعتمد قراراتها الأخيرة على الأولى، استنادًا إلى معلومات تتجاوز ما يمكن لنافذة السياق استيعابه. فالخطأ المرتكب في وقت مبكر ينتشر من دون أن يشير الناتج النهائي إلى موضع بدايته.

أما العنصر القابل للتطبيق في سياقات أخرى فهو الممارسة نفسها: تتعامل Basis مع كل ما يقرأه الوكيل — prompts وskills والتعليمات وأوصاف الأدوات — بوصفه كود إنتاج يخضع للفحص والمراجعة في Cursor. وتُصاغ التوقعات في مواصفات سلوكية (behavior specs)، بينما تتحقق Braintrust مما إذا كانت هذه السلوكيات تظهر في المسارات المرصودة.

العنصر المقاس	القيمة المعلنة
Form 1065، الوقت البشري المقدّر	من 30 إلى 40 ساعة
Form 1065، وقت وكيل Basis	نحو 6 إلى 7 ساعات
نسبة التبنّي المعلنة	40% من أكبر 25 مكتبًا

🔗 دراسة حالة Basis

Agent Merge يدخل المعاينة العامة في VS Code 1.136

4 سبتمبر — نُشر الملخص الأسبوعي لـ Copilot في نهاية اليوم، وهو يغطي أسبوع 31 أغسطس. ويعيد قسم النماذج عرض إعلانات الأسبوع — Claude Fable 5.1 لخطط Pro+ وMax وBusiness وEnterprise، وGemini 3.8 Flash حتى خطط Pro — ويؤكد الإتاحة العامة لإطار GitHub Copilot في JetBrains.

يتمثل الجديد في قسم VS Code 1.136، حيث دخل Agent Merge المعاينة العامة: تتولى الميزة pull request وتجعلها جاهزة للدمج من خلال معالجة ملاحظات المراجعة وعمليات التحقق الفاشلة وتعارضات الدمج. وهذه هي المرحلة الأخيرة من دورة يفتح فيها الوكيل PR ثم يصححها حتى الدمج، من دون جولات متابعة يدوية.

الجديد في VS Code 1.136	حالة الإتاحة	ما الذي يفعله
Agent Merge	معاينة عامة	ملاحظات المراجعة وعمليات التحقق الفاشلة وتعارضات الدمج
Multi-root workspaces	تجريبي	جلسات وكلاء في كل مجلد ضمن مساحة العمل
Chat sessions	متاح	محادثات مترابطة هرميًا، مع الإبلاغ
Chat backgrounds	تجريبي	تخصيص المظهر المرئي لنافذة Agents

🔗 الملخص الأسبوعي

التحسن البالغ 20% والمنسوب إلى تقليص المفردات كان سببه kernel غير مناسب

5 سبتمبر — نتيجة سلبية موثّقة، وهي من النوع النادر والمفيد. كان الكاتب يشغّل Qwen3.8-Flash-Next مكمّمًا باستخدام NVFP4 على وحدة GB10 واحدة، مع تنبؤ متعدد الـtokens. ولا يحتاج رأس المسودة إلى إنتاج جميع الـtokens، بل يكفي أن يصيب بالقدر الكافي: فتقليص مفرداته من 248 320 إلى 16 000 إدخال يخفض الأوزان المقروءة من 1.27 غيغابايت إلى نحو 82 ميغابايت، ويمنح زيادة ظاهرية في معدل المعالجة قدرها نحو 20%.

لكن التفسير لم يكن هو المتوقع: كان الإسقاط على المفردات الكاملة يمر عبر kernel غير فعّال للمصفوفات الضيقة الخاصة بتوليد المسودة، وكان تقليص المفردات يخفض أبعاد عملية سيئة الاختيار. وبعد تصحيح kernel، لم يعد التقليص يحقق أي فائدة تُذكر تقريبًا. ولم تكن المخرجات معرضة للخطر قط، إذ يتحقق المدقّق من المفردات الكاملة.

إسقاط المسودة	معدل المعالجة في تدفق واحد	معدل المعالجة مع 8 طلبات
قائمة من 16 000 إدخال	26.3 tok/s	104.0 tok/s
المفردات الكاملة	26.9 tok/s	87.4 tok/s
عمق 3، قائمة 16k	27.7 tok/s	106.0 tok/s
عمق 3، كامل	25.2 tok/s	106.4 tok/s

🔗 التدوينة الكاملة

أخبار موجزة

Zed تصدر الإصدار 1.18.1 وتنضم إلى تصنيف IA40 من Madrona — إصدار إصلاحات فقط، من بينها تصحيح التسجيل الكامل لمتغيرات البيئة في dev containers. كما أُدرجت الشركة ضمن دفعة 2026 من قائمة Intelligent Applications 40 التابعة لـ Madrona Ventures. 🔗 ملاحظات الإصدار · 🔗 تعليق Zed
فعاليتا hackathon لـ GPT-6 Astra في سان فرانسيسكو ونيويورك — تنظمهما OpenAI Developers في 8 سبتمبر بسان فرانسيسكو و10 سبتمبر بنيويورك، مع تسجيل منفصل لكل مدينة عبر cerebralvalley.ai، ومن دون مسابقة معلنة. 🔗 الإعلان
تحدٍّ مجتمعي لمدة 24 ساعة حول Astra — يقوم على نشر عرض توضيحي أو رابط مصحوب بجملة تشرح ما أضافه النموذج؛ وقد تجاوز عدد الردود 1 000 وقت الرصد، من دون إعلان جائزة أو لجنة تحكيم. 🔗 الإعلان
Genspark تضيف GPT-6 Astra إلى Code Agent وClaw — ثالث عملية دمج لنموذج خلال أربعة أيام لدى الشركة، بعد Claude Fable 5.1 وGemini 3.8 Flash. 🔗 الإعلان
GitHub تحدد فعالية Copilot Day لمدة أربع ساعات في 10 سبتمبر — عروض مباشرة حول سير عمل الوكلاء وVS Code وتطبيق Copilot وCopilot CLI والتخصيص وProject HydraFusion، تُبث عبر قناة الشركة على YouTube. 🔗 الإعلان
Grok Imagine تكشف عن الفائزين في مسابقة Odyssey — توزيع 185 000 دولار على أربعة فائزين عن أفلام مدتها من ثلاث إلى خمس دقائق أُنتجت بالكامل باستخدام الأداة، مع التحقق من روابط المشاريع وprompts الخاصة بالمتأهلين إلى النهائيات. 🔗 النتائج
Replit تعيد بث Friday Showcase المخصص لخادم MCP — جلسة يقدمها Amadeo Pellicce وJean-Luc Thumm من فريق Foundry، وهما المهندسان اللذان أنشآه. 🔗 إعادة البث
Warp تدعم مقرر Stanford The Modern Software Developer — رسالة من ثلاث كلمات تعيد نشر إعلان Mihail Eric، من دون توضيح طبيعة الدعم. 🔗 الرسالة
Runway تنشر فيلمًا قصيرًا استعراضيًا من دون إعلان منتج — أربع دقائق وربع نُشرت من دون اسم نموذج أو ميزة، وحققت تفاعلًا أعلى بوضوح من منشورات الشركة الأخرى خلال الفترة نفسها. 🔗 المنشور
GLM 5.3 Flash ينضم إلى Agent API وRouter API من Perplexity — يضع changelog، المؤرخ بالشهر فقط، الإضافة في أوائل سبتمبر: 0.15 دولار لكل مليون token إدخال و0.50 دولار للإخراج، أي أقل بنحو تسع مرات في تكلفة الإخراج من GLM 5.3 الكامل. 🔗 سجل التغييرات
mini-beatrix-2s، نموذج byte-level من دون softmax في مواجهة توأمه الضابط — يضم 237.1 مليون parameter، وتستخدم كتل الانتباه العشرون فيه splat attention؛ وينهي التدريب عند 1.1097 bit لكل byte، مقابل 2.8846 للتوأم المدرَّب بالتوازي باستخدام attention تقليدي. 🔗 التدوينة
تقييم وكلاء البرمجة انطلاقًا من آثار تنفيذهم — منهج للتحقق من أن الوكلاء يكتشفون فعلًا ملفات SKILL.md وAGENTS.md وllms.txt الخاصة بمنتج ما، ويفسرون تعليماتها ويستخدمونها في مهام حقيقية. 🔗 التدوينة
Together AI توثّق نشر API للمحادثة على Render من دون Kubernetes — المصادقة وعمليات التحقق من السلامة والمهل الزمنية والنشر بنقرة واحدة، مع أمثلة بلغة TypeScript وPython. 🔗 السلسلة

ماذا يعني ذلك

أصبح التقييم الخارجي هو الحجة. تتشابه إعلانات الأداء كلها منذ عامين، ونقطة ضعفها واحدة تقريبًا في كل مرة: يختار المختبر الاختبار وينفذه ثم ينشر النتيجة. وقد صُممت نتيجتا اليوم لإسقاط هذا الاعتراض. تركز NVIDIA بدرجة أقل على النقاط البالغة 535.4 وبدرجة أكبر على البروتوكول — المنصة نفسها، والتردد نفسه، ومن دون إنترنت، وتقييم يجريه فريق IOI — بينما تركز Meta على مجموعة اختبار خاصة مشتركة مع 4 000 منافس. إنه تطور في طريقة الإثبات، وليس في القدرة المثبتة فحسب. وثمة نتيجة ملازمة جديرة بالإشارة: لم تفز Meta باستخدام نماذجها، بل بتنسيقها، بعدما استعانت بـ GPT 5.5 وClaude 4.8. وعندما تصمد النتيجة رغم استبدال النماذج الأساسية، لا يعود النموذج هو المنتج.

أصبح انتشار نموذج حدودي يُقاس بالساعات. أُعلن عن Astra في 3 سبتمبر؛ وفي 5 سبتمبر صار الخيار الافتراضي في حزمة Codex CLI، ويشغّل وكيل Computer من Perplexity، وأُدرج في كتالوجي v0 وGenspark. والتفصيل الذي يحدث فرقًا عمليًا يتعلق بـ Codex: فالمستخدم الذي يشغّل الأداة من دون إعداد صريح يجد نفسه يستخدم Astra من دون أن يختاره. أما الدرس الآخر فهو تسلسل Perplexity — القياس علنًا، ثم النشر بعد يومين، مع اعتبار أن القياس يبرر الانتقال. إنه نموذج قرار قابل للتكرار، وأكثر نزاهة من التبنّي في اليوم الأول.

ينتقل أمن الوكلاء من المبادئ إلى الأدوات، والأرقام ليست جيدة. يقدم Quadrat-IPI القياس الأكثر قسوة: الوكيل نفسه، وأمر واحد فقط من المالك لا علاقة له بالمال، وما يصل إلى 42% من رسائل البريد الإلكتروني المفخخة ينتهي بأمر دفع — لكن الأهم هو تسجيل 4 بلاغات فقط من أصل 517 عملية دفع أُطلقت. ولا تقتصر المشكلة على امتثال الوكيل للتعليمات الخاطئة، بل تشمل أيضًا عدم إفصاحه عن ذلك. وتنشر Cisco من جانبها نتيجة نادرًا ما تُنشر: scanner يضاعف قيمة F1 بمقدار 2.5 على corpus المستخدم لضبطه، لكنه لا يتجاوز 13.74% على مصادر منفصلة. وفي الوقت نفسه، تسد Gemini CLI ثلاثة مسارات كان يمكن لإضافة أن تخرج عبرها عن النطاق المسموح به. وهذه ثلاث طرق للقول إن الضمان المعلن والضمان المقاس شيئان مختلفان.

وهذا تحديدًا هو الخيط الذي يربط النتيجة السلبية لليوم بإعلانات الشركات. تروي تدوينة التنبؤ متعدد الـtokens قصة تحسن بنحو 20% لم يكن سببه ما كان متوقعًا: فتقليص المفردات لم يفعل سوى تخفيف العمل عن kernel سيئ الاختيار، وبعد تصحيح kernel لم يعد التحسين يحقق أي فائدة تُذكر تقريبًا. وتصف Basis الانضباط نفسه مطبقًا على وكلاء المحاسبة: صياغة السلوكيات المتوقعة في صورة مواصفات، ثم التحقق من ظهورها في المسارات الفعلية، بدلًا من الاكتفاء بالوثوق في الناتج النهائي. وتستخلص OpenAI من ذلك النسخة المؤسسية بإعلان إطار للإبلاغ عن سوء المواءمة، لأن ما لا يُعلَن وفق قاعدة مشتركة لا يمكن مقارنته من جهة إلى أخرى. وفي يوم هيمنت عليه الأرقام القياسية، تقول هذه المنشورات الأربعة أكثر من غيرها عن نضج القطاع: لم يعد السؤال هو كيفية القياس، بل ما الذي يقيسه القياس.