Jalapeño تكشف أول أرقامها المقاسة، وWebMCP Challenge يجمع ست منصات، وPerplexity تنقل وكيلها إلى الجهاز المحلي

واحد وخمسون إعلانًا خلال أربع وعشرين ساعة، موزعة على تسعة مجالات: كان يوم 25 أغسطس الأكثر ازدحامًا خلال الأسبوع. وتبرز منه أربعة تطورات. تنشر OpenAI أول نتائج مقاسة لشريحة Jalapeño، شريحة الاستدلال التي طورتها داخليًا، وتطلق في أعقاب ذلك هاكاثونًا لمدة عشرة أيام حول WebMCP بالتعاون مع Chrome وCloudflare وShopify وVercel وRender وNetlify. وتنقل Perplexity وكيل Computer بالكامل إلى جهاز المستخدم. وتفتح IBM عائلة Granite 4.2، وهي أول عائلة لها من نماذج الاستدلال. كما توحّد Anthropic ذاكرة Claude بين الدردشة وCowork، وتجعلها قابلة للقراءة والتعديل ملفًا بملف. أما البقية — بدء تشغيل WeatherNext Cyclones لدى National Hurricane Center، وجولة التمويل من الفئة B لشركة Stability AI، ونحو عشرين تحديثًا للأدوات — فتأتي أدناه.

WebMCP: معيار ودعم له في المنتجات واستخدامه داخليًا ومسابقة لإطلاقه

25 أغسطس — تطلق OpenAI مسابقة WebMCP Challenge، وهي هاكاثون لمدة عشرة أيام مخصص لمعيار مفتوح لا يزال تجريبيًا ويغيّر طريقة تفاعل الوكلاء مع الويب. والمشكلة المستهدفة ملموسة: عندما يتعين على وكيل اليوم إنجاز مهمة على موقع، فعليه تخمين كيفية التنقل في واجهة مصممة للعينين والفأرة. أما WebMCP فيعكس المنطق، إذ يعرض الموقع نفسه أدوات منظّمة يستدعيها الوكيل مباشرة.

ليست المسابقة أبرز ما في الإعلان، بل التوافق الذي تكشف عنه: إذ تتعاون Chrome التابعة لـGoogle وCloudflare وShopify وVercel وRender وNetlify جميعًا مع OpenAI حول المعيار نفسه. وتعكس لجنة التحكيم ذلك، إذ تضم Sarah Drasner ‏(مهندسة متميزة، Chrome)، وAndrew Galloni ‏(نائب رئيس الأبحاث والابتكار، Cloudflare)، وJude Gao ‏(فريق Next.js Core، ‏Vercel)، وIlya Grigorik ‏(مهندس متميز، Shopify)، وSean Roberts ‏(نائب رئيس الذكاء الاصطناعي التطبيقي، Netlify)، وJustin Rushing ‏(قائد فريق Browser Agent، ‏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.

🇸🇦 انطلقت مسابقة WebMCP Challenge. لقد تعاونا مع @ChromiumDev و@CloudflareDev و@ShopifyDevs و@vercel و@render و@Netlify في هاكاثون لمدة عشرة أيام. وتشمل الجوائز: 35,000 دولار نقدًا، ولوحات مفاتيح Codex Micro، واشتراكات ChatGPT Pro، وجوائز أخرى يقدمها شركاؤنا. — @OpenAIDevs على X

الجدول الزمني ضيق ومعايير التقييم صريحة: الفائدة، والأصالة، والتنفيذ، والاستخدام المدروس لـWebMCP، وجودة تجربة الإنسان مع الوكيل. وتُجرى التسجيلات وتُقدّم المشاركات عبر Devpost. كما تنشر OpenAI تطبيقات تجريبية أصيلة الوكلاء لتمهيد الطريق أمام المشاريع — نمذجة ثلاثية الأبعاد يقودها الوكيل، وكتابة تعاونية يعلّق فيها الوكيل بهويته الخاصة، ومولّد لكلمات متقاطعة مخصصة، وWandernote لتحويل ملاحظات السفر إلى مسار رحلة، واستكشاف البيانات عبر DuckDB-Wasm داخل المتصفح. ويُسمح بالبدء من تطبيق قائم وإضافة WebMCP إليه.

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

وتصل في اليوم نفسه لبنة المنتج التي تجعل المعيار قابلًا للاستخدام يوميًا: فقد أصبح المتصفح المدمج في تطبيق ChatGPT لسطح المكتب وChatGPT Sites قادرًا على استخدام WebMCP. وعندما يزور ChatGPT أو Codex موقعًا متوافقًا، يكتشف الوكيل الأدوات التي تعرضها الصفحة ويستخدمها تلقائيًا بدلًا من التخبط في الواجهة — ويلزم التحديث إلى أحدث إصدار من تطبيق سطح المكتب. أما النصف الآخر من الحلقة فيقع في جانب الإنتاج: إذ أصبح من الممكن مطالبة Codex بإنشاء تطبيق متوافق مع WebMCP ثم نشره مباشرة على Sites. وتجدر الإشارة إلى تفاوت الدعم مقارنةً بـChrome، حيث لا يزال WebMCP خلف راية تجريبية أو تجربة منشأ (origin trial)، في حين يدعمه متصفح ChatGPT بصورة أصلية.

ويبقى الجانب الثالث، وهو الأكثر إفادة: توثّق OpenAI استخدامها الداخلي الخاص. يروي أحد مهندسي الشركة كيف توقف عن كتابة أتمتة منفصلة لكل مهمة كي يبني Runme، وهو تطبيق ويب مفتوح المصدر لدفاتر الملاحظات مصمم للتعاون مع Codex. يكتب فيه هدفًا موجزًا مصحوبًا بتعليمات صريحة — مراجعة تنفيذ سابق، وصياغة خطة مفصلة، وانتظار الموافقة قبل البدء، وتوثيق الأوامر المنفّذة وتفسيرها — ثم يقرأ Codex دفتر الملاحظات ويحدّثه مع تقدم العمل. ويستحق خياران معماريان الانتباه. أولهما الاستمرارية: تُحفظ دفاتر الملاحظات في Google Drive، وينشئ Runme بالتوازي فهرس Markdown مصاحبًا *.index.md يستطيع Drive فهرسته، ما يتيح للوكيل العثور على تنفيذ سابق واستخدامه سياقًا تشغيليًا. وثانيهما عرض القدرات: إن Runme تطبيق عميل يُقدَّم بصورة ثابتة، وكانت إضافة خادم لمجرد عرض نقطة وصول MCP تقليدية ستضيف بنية تحتية وتنقل معالجة بيانات دفتر الملاحظات. ويسمح WebMCP للتطبيق بتسجيل أدواته مباشرة من المتصفح.

🔗 مسابقة WebMCP Challenge · الدعم في ChatGPT لسطح المكتب وSites · Codex وRunme وWebMCP داخل OpenAI

Jalapeño: تنشر OpenAI أول أرقام شريحة الاستدلال الخاصة بها وتعلن بوضوح استراتيجيتها للحوسبة

25 أغسطس — تنشر OpenAI أول نتائج مقاسة لشريحة Jalapeño، وهي أول شريحة استدلال صممتها بنفسها. ولا تكمن أهمية الإعلان في المكاسب الخام وحدها، بل في طبيعة المفاضلة التي تزعم الشريحة تجاوزها: إذ يتعين على أنظمة الاستدلال الحالية عمومًا المفاضلة بين معدل المعالجة وزمن الاستجابة، بينما تدّعي Jalapeño تحقيق الاثنين ضمن معمارية واحدة.

تستند القياسات إلى InferenceX، وهو معيار أداء عام من SemiAnalysis يحاكي المعالجة الكاملة للطلب. واختُبرت ثلاثة نماذج مفتوحة — GPT-OSS 120B وDeepSeek R1 670B وKimi K2.5 1T — في مواجهة أنظمة تجارية. وكان اختيار توحيد القياس بحسب الواط بدلًا من الشريحة صريحًا وملائمًا: تستهلك Jalapeño نصف طاقة الأنظمة التي قورنت بها. وتبلغ الطاقة المعلنة لشريحة Jalapeño ‏700 W، فيما ظل استهلاكها المستمر المقاس عند 550 W أو أقل ضمن أحمال الاختبار، مقابل 1,200 W لـGB200 و1,400 W لـGB300.

النموذج المقيّم (النظام المقارن)	ذروة معدل المعالجة لكل kW	زمن الاستجابة من البداية إلى النهاية	الحد الأدنى لـTBT
GPT-OSS 120B (GB200, 1 200 W)	≈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 W)	≈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 W)	≈1,5x (18 195 vs 11 862)	≈3,4x (1,56 s vs 5,31 s)	≈3,8x (1,44 vs 5,48 ms)

عبر النماذج الثلاثة مجتمعة، تعلن OpenAI تنفيذ أعمال ذكاء اصطناعي أكثر بمقدار يتراوح بين 1.5 و1.9 مرة لكل واط عند ذروة معدل المعالجة، وزمن استجابة من البداية إلى النهاية أقل بمقدار يتراوح بين 1.7 و3.6 مرة مقارنةً بالأنظمة المرجعية، وأداءً أعلى بما يصل إلى 2.1 إلى 4.1 مرة في الأحمال شديدة التفاعلية. ومن الناحية التقنية، تأتي المكاسب من التصميم المشترك للشريحة والذاكرة والشبكة والبرمجيات والنظام على مستوى الرف. يمر الاستدلال بمرحلتين تختلف فيهما نقاط الاختناق: الملء المسبق (prefill)، الذي يعالج الموجّه ويستنفد قدرة الحوسبة، والتوليد (decode)، الذي ينتج الرموز واحدًا تلو الآخر ويعتمد أساسًا على عرض نطاق الذاكرة. وتسعى Jalapeño إلى تقليل نقل البيانات، إذ يمكن وضع حالة النموذج — بما فيها ذاكرة KV المؤقتة — بوضوح وإبقاؤها محليًا، بينما يفعّل النظام المزيج المناسب من الحوسبة والذاكرة والشبكة بحسب المرحلة.

أما الجانب الأكثر إثارة للاهتمام بالنسبة إلى المطور، فيتعلق بدور الذكاء الاصطناعي في تصميم الشريحة نفسها. تشير OpenAI إلى أنها انتقلت من التصميم الأولي إلى إرسال التصميم للتصنيع (tapeout) خلال تسعة أشهر، عبر تقصير دورات التصميم والقياس والتحقق. وصُممت الشريحة لتكون هدف برمجة يمكن للذكاء الاصطناعي والبشر على حد سواء التنبؤ بسلوكه: عمل موصوف عبر موترات محلية، واتصال صريح، ومزامنة قابلة للتنبؤ. وباستخدام Codex وGPT-Astra، نقل الفريق خلال شهرين ثلاثة نماذج مفتوحة الأوزان لم تكن ضمن خطة الإنتاج الأصلية، وعلى كتل مختارة للانتباه ومزيج الخبراء في GPT-OSS، تعمل النوى التي ولّدها الذكاء الاصطناعي بسرعة تفوق التطبيقات التي كتبها خبراء بشريون بمقدار يتراوح بين 1.5 و1.8 مرة. ويجب الاحتفاظ بهذا التفصيل المهم: تخص هذه الأرقام الكتل المختارة لا النموذج الكامل. ويبقى الجدول الزمني حذرًا — تأهيل الإنتاج جارٍ، والبرمجيات بحاجة إلى مزيد من النضج، والنشر ضمن بنية OpenAI التحتية معلن لنهاية العام، وGen 2 في مرحلة متقدمة من التطوير، وGen 3 بدأ يتشكل.

وفي اليوم نفسه، تنشر Sarah Friar التدوينة التي تشرح المنطق الاقتصادي وراء ذلك كله. وتدافع فيها عن محفظة حوسبة واسعة — ترتكز على Microsoft وNVIDIA وتكمّلهما AWS وAMD وBroadcom وCerebras وCoreWeave وOracle وSB Energy وSoftBank — بحجة تجارية بقدر ما هي تقنية: الحفاظ على خيار موثوق بين المورّدين يتيح توجيه كل حمل عمل إلى أفضل نسبة بين الأداء والسعر والحفاظ على انضباط الأسعار. ويرافق الطرح رقم ملموس: على Artificial Analysis Coding Agent Index، يسجّل GPT-5.6 Sol عند أقصى مستوى من الاستدلال رقمًا قياسيًا جديدًا، مع استهلاك رموز إخراج أقل بنسبة 54% مقارنةً بنموذج رائد آخر. ويقر النص أخيرًا بمفارقة Jevons — فجعل الذكاء أقل تكلفة لا يقلل استهلاكه، بل يوسّع نطاق الاستخدامات المربحة. وعلى صعيد البنية التحتية، يُقدَّم Project Camellia في جورجيا مع نظام مياه مغلق الحلقة والتزامات خاضعة لتدقيق عام مستقل سنوي. وتوضح OpenAI أنها ستواصل النشر الواسع لمسرّعات NVIDIA وشركائها الآخرين، للتدريب والاستدلال على حد سواء.

🔗 Jalapeño — النتائج الأولى · المنظومة المتكاملة وراء وفرة الذكاء

Perplexity Portable Computer: كل شيء يعمل على الجهاز، مع نتائج الاختبارات المعيارية الداعمة

25 أغسطس — تطلق Perplexity منتج Portable Computer، وهو إصدار من وكيلها Computer يعمل بالكامل على جهاز المستخدم. والتحول هنا معماري أكثر منه تجميليًا: فليس النموذج وحده ما يعمل محليًا، بل سلسلة التنسيق بأكملها — المنسّق، والمخطط، وموجّه الأدوات، والمجدول، وطابور المهام الدائم، وفهرس البحث المحلي.

Today we’re launching Portable Computer on @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. إن Portable Computer إصدار محلي بالكامل من Perplexity Computer، حيث تعمل بيئة التنفيذ برمتها — نموذج LLM المنسّق، ونموذج LLM الخاص بالوكلاء الفرعيين، وإطار تشغيل الوكيل — على أجهزتك المحلية. من دون أي اعتماد على السحابة. — @perplexity_ai على X

أُعلن عنه بالتعاون مع NVIDIA، ويستهدف في البداية DGX Spark — منصة Grace Blackwell GB10، ومعالج CPU من نوع Arm بـ20 نواة، ومعالج GPU من NVIDIA، وذاكرة موحدة بسعة 128 غيغابايت — مع الإعلان عن توسيع نطاقه لاحقًا ليشمل أجهزة PC المزودة بمعالجات GPU من فئة RTX. ويتوفر نموذجان للاختيار بينهما، هما Qwen 3.8 27B أو PPLX 27B، وهو إصدار من نموذج Qwen خضع لتدريب لاحق من Perplexity، كما يُنتظر انضمام NVIDIA Nemotron 3.5 Lightning، وهو نموذج مفتوح بحجم 30B، إلى أداة اختيار النماذج. ولا يستهلك العمل المنفذ محليًا أي رصيد. ويظل التصعيد إلى السحابة ممكنًا — للحصول على معلومات محدثة، أو استخدام المتصفح، أو التطبيقات المتصلة، أو أحد نماذج frontier التي يزيد عددها على 15 — لكنه يخضع لموافقة صريحة من المستخدم. وتعمل موصلات Google Drive وGmail وSlack وGitHub من الجهاز، ويعمل الإملاء محليًا عبر NVIDIA Nemotron 3.5 ASR Model من دون مغادرة الصوت للجهاز، كما يُنفذ الكود داخل بيئة معزولة (sandbox). ويتوفر Portable Computer حصريًا لمشتركي Pro وMax الذين يمتلكون DGX Spark، على Linux أولًا ثم Windows، مع تثبيت بنقرة واحدة من داخل التطبيق.

وفي اليوم نفسه، نشر الفريق الهندسي الأرقام التي توثق هذا الإطلاق. وتتمثل الفرضية في ضرورة تصميم النموذج وإطار التشغيل (harness) معًا: إذ تفترض أطر التشغيل العامة وجود نموذج frontier قادر على استيعاب سياقات طويلة والتخطيط على مدى زمني ممتد، وهو ما تعجز النماذج المحلية عن أدائه بكفاءة.

الاختبار المعياري المُقاس	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 وقتًا أقل بنسبة 61 % وtokens أقل بنسبة 16 % من Hermes، ووقتًا أقل بنسبة 51 % وtokens أقل بنسبة 70 % من Pi. وتفسر أربعة خيارات تصميمية هذا الفارق: prompt نظامي بسيط، وقدرات مقسمة إلى skills تُحمّل وتُفرّغ على امتداد مسار التنفيذ، وتحويل الموصلات كثيرة الاستخدام (Gmail وGitHub وOutlook وGoogle Calendar) إلى أدوات سطر أوامر مدمجة بدل عرضها عبر خوادم MCP تلتهم تعريفاتها مساحة السياق، وبيئة معزولة نشطة دائمًا وغير قابلة للتهيئة — فإذا لم تكن متاحة، يتعطل إطار التشغيل قبل أي استدعاء للأدوات بدل الانتقال إلى تنفيذ غير معزول. وتشير Perplexity أيضًا إلى ملاحظة عملية مفيدة: يعلن Qwen 3.8 27B عن نافذة سياق بحجم 260K tokens، لكنه يبدأ عمليًا في مواجهة صعوبات بعد 100K.

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

تُعد آلية التصعيد إلى نموذج استشاري (advisor) النقطة الأكثر إثارة للاهتمام في التقرير: فهي تستعيد نحو ثلاثة أخماس الفجوة مقارنةً بنموذج frontier مقابل قرابة ثلثي تكلفته، مع بقاء قرار المفاضلة في يد المستخدم. وقبل كل استدعاء، يختار إطار التشغيل السياق ذا الصلة، ويطبق مصنفًا للبيانات الشخصية، ويعرض للمستخدم ما سيغادر الجهاز؛ ولا يعيد النموذج الاستشاري سوى النص، ولا يملك أي وصول مباشر إلى الملفات أو الأدوات. وأخيرًا، يجمع التدريب اللاحق لـPPLX 27B بين الضبط الدقيق بالرفض (rejection fine-tuning) ثم التعلم المعزز ضمن بيئات اصطناعية تعمل داخل حاويات Docker، من دون أي بيانات حقيقية للمستخدمين. كما أُعلن عن تقرير تقني وإتاحة الاختبار المعياري للتقييم بوصفه مشروعًا مفتوح المصدر.

🔗 الاختبارات المعيارية لإطار التشغيل المحلي · Portable Computer — تدوينة Perplexity

Claude: ذاكرة واحدة مشتركة بين الدردشة وCowork، قابلة للقراءة ملفًا تلو الآخر

25 أغسطس — تلغي Anthropic الحد الفاصل بين ذاكرتين كانتا قائمتين حتى الآن. فما يحتفظ به Claude من محادثاتك في الدردشة أصبح الآن بالضبط ما يتوفر لديه في Claude Cowork، والعكس صحيح أيضًا. وعمليًا، عندما ينفذ Cowork مهمة في السحابة، فإنه يبدأ بالسياق المتراكم على مدى أشهر: أولويات ربع السنة، وحالة تقدم المشاريع، وتفضيلات أحد الأطراف في أسلوب الكتابة. وتقدم Anthropic أمثلة عملية متعمدة — مثل طلب تحديث عن سير العمل لتقديمه إلى المدير من دون الحاجة إلى تحديد هويته أو الطريقة التي يفضل بها تلقي المعلومات.

أما التغيير الثاني فأكثر خفاءً، لكنه يغير السلوك اليومي: إذ تتحدث الذاكرة في أثناء المحادثة بدلًا من الاعتماد على ملخص يُنتج بعد انتهائها. ويكفي ذكر تأجيل موعد نهائي إلى سبتمبر لكي تأخذ المحادثة التالية ذلك في الحسبان. وتظل عبارة «تذكّر هذا» متاحة لفرض حفظ معلومة محددة، كما يمكن إيقاف الذاكرة مؤقتًا أو إعادة ضبطها في أي وقت.

وفي جانب الشفافية، اختارت Anthropic تمثيلًا قابلًا للقراءة بدلًا من صندوق أسود: إذ يظهر كل ما يتذكره Claude في صورة ملفات قصيرة مصنفة حسب الموضوع، ضمن الإعدادات ثم الذاكرة. ويمكن قراءة كل ملف أو تصحيحه أو حذفه. والفائدة العملية فورية — إذ يكفي تصحيح الاسم القديم للشركة في ملف واحد لكي تستخدم جميع المحادثات اللاحقة الاسم الصحيح.

تُعد معالجة الموضوعات الحساسة النقطة الأكثر إثارة للاهتمام من ناحية خيارات المنتج. فلا يحفظ Claude افتراضيًا ما يتعلق بالصحة أو الأصل أو الانتماء العرقي أو المعتقدات الدينية أو الآراء السياسية أو الهوية الجندرية. ومع ذلك، تقر Anthropic بأن الحدود شخصية، وتوفر إعدادًا اختياريًا لتضمين هذه الموضوعات — ما يتيح لـClaude تذكر عدم تحمل الغلوتين عند اقتراح الوصفات. ولا يسري هذا الإعداد بأثر رجعي، ويمكن تعطيله في أي وقت. وتبقى فئة واحدة مستبعدة بصرف النظر عن الإعداد: أرقام الهوية، والسجلات القضائية، ووضع الهجرة، وبصورة أعم كل ما يخالف سياسة الاستخدام المقبول. وينبه Claude بوضوح عندما يتعذر عليه تسجيل معلومة من هذا النوع، وهو خيار تصميمي يعطي الأولوية للرفض الظاهر على التصفية الصامتة.

جانب الذاكرة	السلوك الموصوف
النطاق	ذاكرة واحدة مشتركة بين الدردشة وClaude Cowork
توقيت التحديث	في أثناء المحادثة، بدلًا من ملخص بعد انتهائها كما كان سابقًا
تنسيق التخزين	ملفات قصيرة مصنفة حسب الموضوع، قابلة للقراءة والتعديل كل على حدة
الموضوعات الحساسة	لا تُحفظ افتراضيًا، ويمكن تفعيلها عبر إعداد من دون أثر رجعي
الاستبعادات الدائمة	أرقام الهوية، والسجلات القضائية، ووضع الهجرة
خطط Free وPro وMax	الذاكرة مفعلة افتراضيًا على الويب وسطح المكتب والأجهزة المحمولة
خطط Team وEnterprise	يتيحها المسؤول، وتظل معطلة لكل مستخدم حتى تفعيلها

🔗 ذاكرة Claude تعمل في كل مكان · إعلان @claudeai

IBM تفتح Granite 4.2، أول عائلة نماذج لها للاستدلال، ونموذجَي ASR بحجم 470M

25 أغسطس — تنشر IBM نموذج Granite 4.2، وتقدمه بوصفه أول عائلة لها من نماذج اللغة الكثيفة، المعتمدة على فك الترميز فقط، والمصممة صراحةً للاستدلال. وبينما استهدفت الأجيال السابقة الكفاءة ومهام المؤسسات التقليدية، يضع هذا الإصدار الاستدلال في المركز ويجعله قابلًا للتعديل: إذ يتيح كل نموذج ثلاثة أوضاع — thinking وnon-thinking وlow-effort — يختار التطبيق بينها وفق ميزانية زمن الاستجابة وtokens التي يقبل تحملها. وتشترك الأحجام الثلاثة (3B و8B و30B) في البنية نفسها وpipeline نفسها، مما يجعل الانتقال من أحدها إلى الآخر سلسًا من ناحية التكامل.

وتظل البنية تقليدية: آلية attention من نوع GQA بـ40 رأسًا مقابل 8 رؤوس KV، وRoPE بقيمة θ تبلغ 10 ملايين لاستيعاب سياق من 131 072 tokens، وMLP من نوع SwiGLU، وتطبيع RMSNorm، وتدريب باستخدام bfloat16 على عنقود NVIDIA GB200 NVL72 تستضيفه CoreWeave. ويبدأ التدريب المسبق من الصفر باستخدام نحو 15 تريليون token موزعة على خمس مراحل. وما يميز Granite 4.2 حقًا هو التدريب اللاحق: pipeline للتعلم المعزز على هيئة سلسلة من المراحل المتخصصة بدلًا من تمريرة واحدة، باستخدام GRPO غير متزامن مع أخذ عينات أهمية مقتطعة، بحيث لا يعرقل جزءا التوليد والتدريب في الحلقة أحدهما الآخر مطلقًا. ويتتابع المنهج عبر ثلاث تمريرات من RLVR بمكافآت قابلة للتحقق، ومعززات تستهدف اتباع التعليمات والكود، ومرحلتين من software engineering ضمن سياق 128K، ومرحلة طرفية، ومرحلة بحث، ثم مواءمة RLHF. ولا تُطبق كتلة التعلم المعزز الوكيلية إلا على نموذجي 8B و30B، وهو ما يفسر فارق الأداء في البرمجة الوكيلية بين 3B وشقيقيه الأكبر.

الاختبار المعياري الذي نشرته 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

ولا يقتصر الإصدار على أوزان bfloat16: إذ ترافقه أربعة تنويعات مكمّمة لـvLLM — ‏FP8 ديناميكي لكل قناة من دون معايرة، وNVFP4 وMXFP4 عبر GPTQ مُعاير باستخدام 2 000 عينة SFT — بالإضافة إلى أربعة عشر تنسيق GGUF لـllama.cpp، من Q2_K إلى Q8_0. وتُدعم اثنتا عشرة لغة، من بينها الفرنسية، كما وُثقت منذ اليوم الأول ثلاثة أطر تشغيل للبرمجة الوكيلية: OpenCode وPi وOpenHands. وفيما يتعلق بجودة البيانات، تفصل IBM سلسلةً يُستخدم فيها GPT-OSS-120B وGemma 4 بوصفهما حكمين لتقييم عينات SFT، قبل إزالة التكرار محليًا وعالميًا بواسطة تجزئة SHA-256.

وفي اليوم نفسه، تنشر IBM أيضًا Granite Speech 5.0 Turbo CTC، وهما نموذجان للتعرف على الكلام باللغة الإنجليزية بحجم 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 في البنية جدير بالملاحظة: فقد كانت إصدارات Granite Speech السابقة تجمع بين مشفر صوتي، وجهاز إسقاط، وLLM، أما هذان النموذجان فيعتمدان على المشفر فقط. وتتكون الحزمة من 16 كتلة Conformer، وتطبق تكييفًا ذاتيًا عند مخرج الكتلة الثامنة، وتستبدل attention ذات الضرب القياسي بآلية attention على كتل (chunkwise) لتجنب التوسع التربيعي، وتحسّن خسارة CTC مباشرةً. أما الابتكار الحقيقي فهو معدل tokens: إذ تخفض عمليات أخذ العينات الفرعية التدفق من 100 إطار في الثانية عند مخرج مخطط log-Mel الطيفي إلى 12,5 إطارًا في الثانية، وهو ما يفسر كلمة «Turbo» في الاسم. وتُعرض النتائج على OpenASR Leaderboard وFFASR Leaderboard للصوت بعيد المجال، باستخدام رسوم Pareto للسرعة والدقة بدلًا من النتائج المنفردة، إلى جانب عرض توضيحي للتعرف المستمر يعمل داخل المتصفح عبر WebGPU، ويقتصر على Chrome وEdge.

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

WeatherNext Cyclones، أول نموذج ذكاء اصطناعي يستخدمه National Hurricane Center في الوقت الفعلي

25 أغسطس — تستعرض Google AI تفاصيل WeatherNext Cyclones، وهو نموذج للتنبؤ بالأعاصير المدارية طوّرته Google DeepMind وGoogle Research. ولا تكمن أهمية الإعلان في الأداء الخام بقدر ما تكمن فيما يكشفه عن انتقال الذكاء الاصطناعي المخصص للطقس من المختبر إلى التشغيل الفعلي.

المشكلة المطروحة بنيوية. فحتى الآن، كان تتبع إعصار يفرض مفاضلة: النماذج الفيزيائية التي تعمل على الحواسيب الفائقة تلتقط جيدًا البنى الجوية الكبرى التي تجتاح الكوكب، لكن فهم الفيزياء المحلية والشديدة التي تحدد قوة العاصفة كان يتطلب الانتقال إلى نماذج إقليمية مختلفة تمامًا. يلغي WeatherNext Cyclones هذا التنقل ذهابًا وإيابًا عبر التنبؤ بالمسار والشدة والحجم دفعة واحدة.

تتمثل المكاسب المعلنة في يوم كامل إضافي من الاستباق مقارنة بالأنظمة السابقة. وتصوغ Google المقارنة بطريقة معبّرة: باتت توقعات الأيام الثلاثة تحقق الآن دقة توقعات اليومين القديمة، وهو تقدم كان يتطلب تاريخيًا عقدًا من التطورات المنهجية. أما الإسهام الثاني فهو احتمالي: فالنموذج سريع بما يكفي لإنتاج ما يصل إلى 1,000 محاكاة لكل عاصفة، ما يستبدل المسار الوحيد «الأكثر ترجيحًا» بمجموعة من السيناريوهات. وهذا يجعل التكثف السريع أوضح، وهو ما يُعرَّف بارتفاع سرعة الرياح القصوى المستدامة بما لا يقل عن 30 عقدة خلال 24 ساعة. وهذا العام، تُتاح للمتنبئين عبر WeatherLab ألف توقع احتمالي لكل عاصفة.

ويبقى العنصر الأهم هو النشر الفعلي. خلال موسم الأعاصير لعام 2025، خضع WeatherNext Cyclones للاختبار داخل National Hurricane Center الأمريكي — وكانت هذه أول مرة تستخدم فيها هذه المؤسسة نماذج ذكاء اصطناعي في عمليات آنية. وقد استعان به خبراء الأرصاد لإعداد توقع وصول إعصار Melissa من الفئة الخامسة إلى اليابسة في جامايكا، ما منح السلطات المحلية وقتًا إضافيًا للاستعداد. ونُشرت ورقة بحثية في Nature، كما أعلنت Google نشر الشيفرة وأوزان النموذج بنظام open source على GitHub.

جانب النموذج	إسهام WeatherNext Cyclones
القيم المتنبأ بها	المسار والشدة والحجم في تمريرة واحدة
مكسب الاستباق	يوم واحد؛ توقع 3 أيام = دقة التوقع القديم ليومين
المحاكاة لكل عاصفة	ما يصل إلى 1,000
النشر التشغيلي	U.S. National Hurricane Center، موسم الأعاصير لعام 2025
حالة الاستخدام الموثقة	وصول إعصار Melissa من الفئة الخامسة إلى اليابسة في جامايكا
عتبة التكثف	أكثر من 30 عقدة من الرياح القصوى المستدامة خلال 24 ساعة
سبل الإتاحة	WeatherLab؛ الشيفرة والأوزان بنظام open source على GitHub

🔗 إعلان @GoogleAI · تدوينة Google DeepMind

Stability AI تغلق جولة Series B بقيمة 76 مليون دولار بمشاركة EA وSony Music وUniversal وWarner

25 أغسطس — تعلن Stability AI إغلاق جولة Series B: رأس مال جديد بقيمة 76 مليون دولار، يرفع إجمالي التمويل إلى 232 مليونًا منذ تولي Prem Akkaraju إدارة الشركة في يونيو 2024، بما يشمل جولتين لبيع الأسهم وسندات قابلة للتحويل. ويظل المبلغ متواضعًا قياسًا بحجم القطاع، لكن التركيبة المشاركة في الجولة هي الموضوع الحقيقي.

تنضم أربع شركات عملاقة في مجال الترفيه إلى المساهمين: Electronic Arts في ألعاب الفيديو، وSony Music Group وUniversal Music Group وWarner Music Group في الموسيقى. وبذلك أصبحت شركات التسجيل الثلاث الكبرى مساهمة في المختبر نفسه. كما تنضم إليها AMD Ventures وPacific Alliance Ventures. ولم يأت هؤلاء المستثمرون من فراغ: فقد كانت EA وUniversal وWarner بالفعل شركاء استراتيجيين لـStability AI منذ خريف 2025. وهكذا تحوّل الجولة اتفاقات تجارية قائمة إلى حصص في رأس المال.

وتتمثل الإشارة الأخرى في وفاء المستثمرين الماليين. إذ يشارك Coatue وGreycroft وKadmos Capital وSean Parker وEric Schmidt مجددًا في الجولة الثانية على التوالي تحت الإدارة الجديدة — وهو ما يُعد تأكيدًا للثقة بعد الفترة المضطربة التي مرت بها Stability AI في عامي 2023 و2024. وينضم Thomas Laffont، الشريك المؤسس لـCoatue، 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 من المستثمرين التي لا مثيل لها رؤيتنا لذكاء اصطناعي توليدي يمكّن كل منتج وموسيقي وراوي قصص. تتميز Stability في مجال الذكاء الاصطناعي لأننا مبدعون نصنع أدوات للمبدعين. — Prem Akkaraju، الرئيس التنفيذي لـStability AI، بيان 25 أغسطس

تتبنى الشركة استراتيجية مختبر متخصص: لا نموذج عام، بل أدوات للمحترفين في مجال الإبداع، تُبنى بالتعاون مع أصحاب الحقوق لا ضدهم. وهذا تحديدًا هو نهج Stable Audio 3.0، وهي عائلة من النماذج مفتوحة الأوزان دُرّبت على بيانات مرخصة بالكامل، وجرى توسيعها في 18 أغسطس بإضافة plugin لمحطات العمل الصوتية. ويُفترض أن يمول هذا الاستثمار مواصلة تطوير المنتجات والبحث التطبيقي وقسم الخدمات المهنية.

🔗 إعلان @StabilityAI

ChatGPT للمؤسسات: plugin إداري، وامتداد لمتصفحات متعددة، ومقعد Premium بسعر 100 دولار

25 أغسطس — تتقاطع ثلاثة إعلانات من OpenAI حول الجمهور نفسه: المؤسسات التي تنشر ChatGPT وCodex على نطاق واسع.

أبرزها هو plugin Admin لـChatGPT Work وCodex، الذي يجمع داخل محادثة واحدة ما كان يتطلب حتى الآن التنقل بين لوحات تحليلات وشاشات إعدادات وتقارير. ويغطي نطاقه المهام اليومية: فهم معدلات التبني واستهلاك الأرصدة، وتحديد الأعضاء أو المجموعات القريبة من حدودها، وإدارة انضمام الموظفين ومغادرتهم، ومراجعة الصلاحيات الفعلية وتشخيص مشكلات الوصول، وتعديل حدود الاستخدام، والبت في طلبات الإنفاق بمقارنتها بالاستهلاك الفعلي. والجزء الأكثر إثارة للاهتمام هو الأتمتة من دون كتابة شيفرة: إذ يمكن توجيه طلبات الاستخدام المعلقة إلى Slack أو Microsoft Teams للموافقة عليها داخل الأداة التي يستخدمها المسؤولون عن الاعتماد بالفعل، كما يمكن منح طلبات الوصول إلى ميزة تلقائيًا عندما تستوفي معايير محددة مسبقًا، مع إحالة الحالات الاستثنائية إلى شخص. وثمة نقطة بنيوية من الناحية الأمنية: يعمل plugin ضمن الدور والصلاحيات الحالية للمستخدم ولا يوسّع أي وصول، إذ تُربط كل تعليمة بإجراء قراءة أو كتابة مدعوم مع نتيجة منظّمة. وتستشهد OpenAI باستخدامها الخاص — حيث يعالج وكيل ChatGPT Work داخل Slack طلبات تقنية المعلومات الداخلية، وتحل تدفقات العمل المنشورة نحو 45% من حجم التذاكر، مع تصفية الأعمال المتراكمة رغم أن حجم الدعم تضاعف تقريبًا.

أما الإعلان الثاني فهو أن امتداد متصفح ChatGPT يتجاوز نطاق Chrome، وأصبح يدعم Microsoft Edge وBrave وOpera وVivaldi. ويهم هذا التغيير من يعمل في متصفح بديل إما مراعاةً للخصوصية أو امتثالًا لقيود المؤسسة. ويُسلَّط الضوء على استخدامين: إدخال سياق علامات التبويب المفتوحة في مهمة عبر الإشارة @ tab داخل ChatGPT Desktop، بحيث يعمل Codex انطلاقًا من الوثائق أو التذكرة المعروضة بالفعل؛ والسماح للوكيل بالتحكم في المتصفح لتنفيذ مهام فعلية على الويب، ومن الأمثلة المذكورة إلغاء الاشتراكات.

أما الإعلان الثالث، وهو أكثر اقتضابًا، فيتمثل في إضافة مقعد Premium بسعر 100 دولار إلى عرض ChatGPT Business، وهو موجّه إلى الشركات الصغيرة والناشئة ضمن خطة تُقدَّم بوصفها مرنة وقابلة للتوسع بحسب حجم الفريق. وقد صدر الإعلان على X من دون تدوينة تفصيلية، ولم يحدد المنشور المكونات الدقيقة للمقعد.

🔗 plugin Admin · امتداد المتصفحات المتعددة · مقعد Premium في ChatGPT Business

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

25 أغسطس — تستغل NVIDIA معرض Gamescom، المنعقد هذا الأسبوع في كولونيا، لتوسيع قائمة RTX Spark، وهي منصة PC بنظام Windows منتظرة هذا الخريف. وتنضم Electronic Arts وEmbark Studios وUbisoft إلى KRAFTON وNetEase وRiot Games وXBOX، التي أعلنت التزامها منذ COMPUTEX في مايو. وتشمل العناوين المذكورة متطلبات تقنية متنوعة: EA SPORTS F1 25 وApex Legends من EA، وAnno 117: Pax Romana من Ubisoft، وARC Raiders وTHE FINALS من Embark Studios.

تتعلق النقطة الأكثر واقعية بمكافحة الغش. فتشغيل لعبة لا يكفي: إذ تعتمد العناوين الكبرى المتصلة بالإنترنت على أنظمة لمكافحة الغش ينبغي نقلها إلى كل منصة، وإلا ظلت اللعبة غير قابلة للعب جماعيًا. وتعلن NVIDIA أنها تعمل مع EA لإتاحة EA Javelin Anticheat بصورة أصلية على RTX Spark — وهو نوع التفاصيل البنيوية الذي يحسم التبني الفعلي لمنصة PC جديدة. وفي جانب التصيير، تتوفر DLSS 4.5 Ray Reconstruction فورًا، مع نموذج transformer من الجيل الثاني يستبدل أدوات إزالة الضوضاء التقليدية بشبكة دُرّبت على حاسوب فائق. وتصل تقنية path tracing إلى CONTROL Resonant و007 First Light، فيما تدمج Gears of War: E-Day تقنية RTX Mega Geometry، ويُعلَن إدراج تقنيات NVIDIA ACE في Aniimo مطلع عام 2027.

أما الوجه الآخر للشركة نفسها، في 24 أغسطس، فهو أكثر تقنية. إذ تنقل MiniMax النتائج التي حققها فريق SANA التابع لـNVIDIA باستخدام Sol Engine مع نموذج الفيديو H3 الخاص بها: فقد انخفض زمن توليد عشر ثوانٍ من فيديو بدقة 768p على وحدة GB200 واحدة من 414 ثانية إلى 14,93 ثانية، أي تسارع 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 بالدقة المستهدفة يتولاها LTX في 3 خطوات باستخدام Sol-Attn. أي سبع خطوات إجمالًا. ويتمثل العامل الثاني في استبدال عمليات فك ترميز VAE المكلفة بـTAEH3 وTAEHV، وهما مفككا ترميز خفيفان، مع إبقاء التمثيلات الكامنة مستقرة من أجل تمريرة التنقيح.

القياس على MiniMax H3	القيمة المقاسة
عبء العمل المقاس	10 ثوانٍ من الفيديو بدقة 768p، ووحدة GB200 واحدة
زمن الاستجابة قبل ذلك	414 ثانية
زمن الاستجابة بعد ذلك	14,93 ثانية
عامل التسارع	27,7x
خطوات التوليد	4 (مسودة H3 منخفضة الدقة) + 3 (LTX)
مفككات الترميز البديلة	TAEH3 وTAEHV بدلًا من عمليات فك ترميز VAE
الإنتاجية المتوقعة لكل عقدة	378 000 فيديو شهريًا، وهامش GPU يتجاوز 97%

الإنتاجية المتوقعة هي تقدير من MiniMax وليست قياسًا في بيئة إنتاج، وينبغي قراءتها على هذا الأساس. لكن الاتجاه واضح: عند توليد عشر ثوانٍ من الفيديو في خمس عشرة ثانية، ينتقل توليد الفيديو عالي الدقة من التصيير الدفعي غير المتزامن إلى بنية تحتية شبه تفاعلية.

🔗 NVIDIA في Gamescom · SANA وSol Engine على H3

النماذج الصينية المفتوحة تصبح مرجعًا للبحث، وQwen3.8-27B يدخل قائمة العشرة الأوائل في Code Arena

25 أغسطس — تنقل Qwen نتيجتين في الصباح نفسه، وتمنح الثانية معنى للأولى.

النتيجة الأولى هي تصنيف. يدخل Qwen3.8-27B تصنيف Code Arena: WebDev، الذي يقيّم النماذج في توليد واجهات الويب، محتلًا المرتبة التاسعة إجمالًا برصيد 1595 نقطة. وهو النموذج الوحيد من فئة حجمه ضمن العشرة الأوائل، ولا يفصله عن Qwen3.8-Max، الأكبر منه بكثير، سوى ست مراتب. وتشير Arena إلى أنه يعيد رسم حدود Pareto في التصنيف، وتقدم معيارًا معبرًا للمقارنة: يحتل Gemma 4-31B، المقارب له في الحجم والصادر في أبريل، المرتبة الثمانين.

النموذج المقيَّم	المرتبة في Code Arena: WebDev	النقاط المحققة	ملاحظة التصنيف
GLM-5.3 (Max)	الثامن إجمالًا	1597	رُصد في 20 أغسطس، والثاني بين النماذج المفتوحة
Qwen3.8-27B	التاسع إجمالًا	1595	النموذج الوحيد من حجمه ضمن العشرة الأوائل
Qwen3.8-Max	يتقدم على 27B بست مراتب	غير متاح	نموذج أكبر بكثير من العائلة نفسها
Gemma 4-31B	الثمانون إجمالًا	غير متاح	صدر في أبريل 2026

أما النتيجة الثانية فهي قياس للاستخدام. فقد أوكل Nathan Lambert، الذي شارك في قيادة مشروع Olmo لدى Ai2، إلى Codex تحليل 500 000 ورقة منشورة على arXiv في الذكاء الاصطناعي والتعلم الآلي منذ إطلاق ChatGPT، لتحديد النماذج المفتوحة المستخدمة فعليًا في الأبحاث. ويمكن تلخيص التحول في رقمين: في 2024، ذكرت نحو 30% من الأوراق نموذجًا أمريكيًا مفتوحًا مقابل 10% لنموذج صيني؛ أما اليوم، فتستشهد نحو 40% بنموذج LLM صيني مفتوح، مقابل 25 إلى 30% فقط لنموذج أمريكي.

عائلة النماذج	نسبة الأوراق التي تستشهد بنموذج LLM
OpenAI (نماذج مغلقة)	نحو 37%
Qwen	نحو 33%
Gemini، Claude	من 10 إلى 15%
Gemma، Mistral	من 5 إلى 10%
Olmo	نحو 1%

وبالتفصيل، يُذكر Qwen في ثلث الأوراق التي تستشهد بأي نموذج LLM. وبلغ Llama ذروته قرابة أبريل 2025 عند 30%، بالتزامن مع إصدار Llama 4، ثم أخذ يتراجع منذ ذلك الحين. ويضع Lambert بنفسه قيدًا مهمًا: فالمنشورات تتأخر عن إصدارات النماذج لأن البحث يستغرق وقتًا — لذا تصف هذه الأرقام حالة الأعمال الجارية أكثر مما تصف التفضيلات الراهنة. ويظهر بالتوازي اتجاه عميق آخر، منفصل عن ثنائية المفتوح والمغلق: فقد ارتفعت نسبة أوراق الذكاء الاصطناعي التي تذكر نموذج LLM من 10,43% في يناير 2023 إلى أكثر من 50% في 2026.

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

انتقال Claude Code إلى 2.1.245، وأصبح عرض Claude على الويب أكثر سلاسة بأربع مرات

صدر إصداران من Claude Code خلال هذه الفترة، ويستهدف محتواهما بوضوح عمليات النشر داخل المؤسسات. لا يتضمن CHANGELOG تواريخ، لكن سجل Git يحددها: يظهر الإصدار 2.1.243 في عملية الإيداع بتاريخ 24 أغسطس الساعة 23:40 بالتوقيت العالمي المنسق، والإصدار 2.1.245 في عملية الإيداع بتاريخ 25 أغسطس الساعة 05:13 بالتوقيت العالمي المنسق.

الإعداد المضاف	الإصدار المعني	الفائدة العملية
`modelPricing`	2.1.243	الأسعار التعاقدية في `/cost` وشريط الحالة والقياس عن بُعد
`modelPicker`	2.1.243	قائمة نماذج مرتبة وموسومة من أجل `/model`
`promptCacheTtl` / `subagentPromptCacheTtl`	2.1.243	تخزين مؤقت للموجّه لمدة ساعة في المحادثة، و5 دقائق للوكلاء الفرعيين
تفصيل الحلقات في `/usage`	2.1.243	رصد مهام `/loop` التي تنحرف عن مسارها
اتصال دون مفتاح عبر Console	2.1.243	المؤسسات التي تحظر مفاتيح API
إصلاح glibc 2.44	2.1.245	تعطل عند بدء التشغيل على Arch Linux وCachyOS وFedora Rawhide

الإعداد الأكثر تأثيرًا في البنية هو modelPricing: حتى الآن، كانت التكاليف المعروضة تُحسب وفق السعر العام، وأصبح بإمكان المؤسسة الآن إدخال أسعارها التعاقدية حسب النموذج ومعامل الخصم الخاص بها، ما يجعل الأرقام قابلة للاستخدام مباشرة في إعادة الفوترة الداخلية. يعالج اقتران promptCacheTtl وsubagentPromptCacheTtl مقايضة اقتصادية ملموسة لمستخدمي مفتاح API: الاحتفاظ بذاكرة مؤقتة لمدة ساعة للمحادثة الرئيسية، حيث يظل السياق مستقرًا، مع إبقاء مدة الوكلاء الفرعيين عند خمس دقائق لأن سياقاتهم أكثر تقلبًا. وعلى صعيد الإصلاحات، لم تعد خوادم MCP البعيدة في الوضع غير التفاعلي تظل عالقة بعد انقطاع الاتصال، ولم يعد /resume مقتصرًا على أحدث خمسين جلسة، كما تنتهي الآن مهلة الجلسات الصامتة لأكثر من عشر دقائق بعد نحو ثلاث دقائق قبل إعادة المحاولة وإظهار خطأ صريح.

وفي 24 أغسطس، أعلنت Anthropic أيضًا أنها أعادت كتابة المحرك الذي يعرض الردود الجاري توليدها على Claude للويب وسطح المكتب. المبدأ مألوف في عرض الواجهات: تحديث الجزء الذي لا يزال يتغير فقط، بدلًا من إعادة رسم الرد بأكمله مع كل جزء جديد. وفي الردود الطويلة يكون الفرق بنيويًا، إذ تتوقف تكلفة العرض عن الازدياد مع طول النص المعروض سابقًا. وتتسق المكاسب المعلنة مع ذلك: سلاسة أكبر بنحو 4 مرات، وحالات تجمد أقل بـ9 مرات على حاسوب محمول منخفض القدرة، وأقسى تجمد للواجهة أقصر بـ4.5 مرات، والحفاظ على 120 إطارًا في الثانية من البداية إلى النهاية على MacBook بتردد 120 Hz. والتفصيل اللافت هو الجمهور المستهدف: الأجهزة محدودة الإمكانات هي الأكثر استفادة.

🔗 CHANGELOG الخاص بـClaude Code · عرض أكثر سلاسة بأربع مرات، @ClaudeDevs

تحوّل وكلاء البرمجة إلى صناعة: Warp تنشر تنسيق مصانعها، وRohlik تجعل الوكلاء يكتبون 90٪ من شيفرتها

في أواخر يوم 24 أغسطس، كشفت Warp عن الآلية الداخلية لمنصة وكلائها السحابية Warp Factories، التي أُعلن عنها في 18 أغسطس: تنسيق الإعداد المعتمد وفتح باب الوصول المبكر. نقطة البداية واضحة؛ تنقل Warp وكلاءها الخاصين من الأجهزة المحلية لأسباب تتعلق بالجودة والتكلفة، وكانت بحاجة إلى وصف البيئات وأطر التشغيل وأذونات الأمان في صورة شيفرة خاضعة لإدارة الإصدارات.

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`)، وREST API، وTypeScript SDK، وخادم MCP
الوصول المبكر	استخدام مجاني بقيمة تصل إلى 10,000 USD للعملاء المؤهلين

هذا الفصل مثير للاهتمام: لا تُوصَف الوكلاء في ملف YAML واحد، بل في ملفات Markdown مخصصة، وبذلك يصبح تعريف الوكيل مستندًا مقروءًا يمكن مقارنة فروقه. تطبق Warp الوصفة على نفسها؛ فمصنعها الداخلي، المسمى «wilson»، يغطي مستودعات مثل warp-server أو warp-terraform، ويعلن أسراره وخوادم MCP الخاصة به، ويرتب وكلاءه حسب الدور (code-review وforeman وimplementation وspec وtriage) في 34 سطرًا. والأرقام الواردة في صفحة طلب الوصول حجج تجارية لا يمكن التحقق منها خارجيًا: 200,000 عملية تنفيذ للوكلاء يوميًا، وأكثر من 30٪ من طلبات السحب تُدمج دون تعديل، وتكلفة أقل بنسبة 20٪ لكل طلب سحب.

وفي 25 أغسطس، نشرت Cognition من جانبها دراسة حالة موثقة بدرجة أكبر بكثير من السابقة. Rohlik Group موزع أغذية عبر الإنترنت نشأ في جمهورية التشيك، وينشط في خمسة بلدان ويحقق أرباحًا، وبلغت إيراداته أكثر من 1.3 مليار دولار العام الماضي؛ ويوصل مشتريات أسبوعية كاملة من بين 17,000 منتج في أقل من ساعة أو ضمن فترات زمنية مدتها خمس عشرة دقيقة. الرقم المحوري في المقال هو أن نحو 90٪ من الشيفرة تُنشئها الوكلاء حاليًا، وتصف المؤسسة الهندسية نفسها بأنها «تعتمد على الوكلاء في الغالب».

لم تتحقق هذه النتيجة بمجرد توصيل أداة. تقول Rohlik إنها بدأت قبل عام بتجربة أولى لـDevin وُصفت بأنها مليئة بالأخطاء. وما غيّر المعادلة هو الأسس التي وضعها العميل: أكثر من خمسين تكاملًا داخليًا وخارجيًا مع MCP، وفق مبدأ يقضي بأن تكون كل أداة جديدة متاحة للوكلاء منذ اليوم الأول، وطبقة دلالية فوق مستودع بيانات Snowflake، وقاعدة معرفية تمنح الوكلاء السياق الذي كان سيُنقل إلى زميل جديد. يصل العمل إلى Devin من موضع نشأته، سواء أكان محادثة Slack عن خطأ أم مستند مواصفات Linear يمتد حتى طلب السحب. وتظل النتائج المعلنة — تضاعف إنتاجية الهندسة منذ نوفمبر، وتسليم تكامل روبوتات AutoStore خلال ثمانية أشهر بينما يستغرق القطاع من عامين إلى ثلاثة أعوام، وانخفاض مدة إنشاء النماذج الأولية من شهر إلى يوم — صادرة عن صفحة عميل نشرها المزوّد. أما الأثر الأكثر دلالة فيكمن في موضع آخر: يقضي أفضل المهندسين الآن 80٪ من وقتهم في مراجعة الشيفرة، ويُخصص نحو 30٪ من استخدام Devin في Rohlik لتحليل البيانات بواسطة مستخدمي الأعمال.

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

GitHub: أربعة تمارين حول مسارات العمل الوكيلة وإتاحة علامة التبويب Customize للجميع

25 أغسطس — أطلقت GitHub أربعة تمارين جديدة على منصة التعلم GitHub Skills. والتوجه واضح: بدلًا من توثيق المستجدات الوكيلة لهذا العام، تقترح GitHub ممارستها داخل مستودع تجريبي، مع تعليمات تُقدّم تباعًا عبر طلبات السحب.

التمرين المنشور	موضوع التمرين
Agent Orchestration Build Your AI Dream Team	وكلاء مخصصون في Copilot CLI: التخطيط والتصميم والبناء والتحقق والتسليم
Agentic Workflows that Read the Room	إضافة `gh aw`، ومسار عمل وكيل في Markdown، وتغييرات تُقدّم عبر طلبات السحب
Idea to Merge with the Copilot App	من جلسة إلى طلب سحب مدمج، بالكامل داخل تطبيق GitHub Copilot
Ship with Quality	إشارات جودة مؤتمتة، وتغطية الاختبارات، وعمليات تحقق إلزامية على طلبات السحب

أبرز التمارين الأربعة هو الأول: فهذه أول مرة تقدم فيها GitHub مسارًا إرشاديًا حول تنسيق عدة وكلاء في واجهة CLI الخاصة بها، وهو موضوع لم يكن موثقًا حتى الآن إلا نثريًا. ويقدم الثاني إضافة gh aw، مع نقطة مهمة للأمان: تمر التعديلات التي يقترحها مسار العمل عبر طلبات السحب بدلًا من تطبيقها مباشرة، ما يحافظ على نقطة مراجعة بشرية.

وفي اليوم نفسه، حصل تطبيق GitHub Copilot على علامة تبويب Customize متاحة للجميع. وتتمثل وظيفتها في جمع آليات التوسعة الأربع التي قُدمت منفصلة خلال الأشهر الأخيرة في واجهة واحدة: خوادم MCP، والإضافات، والمهارات، واللوحات. يعرض قسم Featured مجموعة منتقاة تحريريًا من كل فئة للمستخدم الذي يعرف ما يريد فعله لكنه لا يعرف نوع التوسعة الذي يلبي حاجته، كما تتمتع خوادم MCP بواجهة تصفح مستقلة تعرض خيارات بارزة وفق شعبيتها ومسارًا حسب الفئة. ويوضح سجل التغييرات فائدة اللوحات بحالة ملموسة: لوحة Azure DevOps لفرز المشكلات، وتحديد أولويات قائمة الأعمال المتراكمة، وتعيين مهام المتابعة، ثم إسناد مهمة إلى Copilot لكي يحقق فيها أو ينفذها أو يُعدّها للمراجعة.

🔗 أربعة تمارين من GitHub Skills · إتاحة علامة التبويب Customize للجميع

أدوات Google للمطورين: Gemini CLI 0.57.0 وAntigravity 2.10.0

25 أغسطس — نشرت Google الإصدار المستقر 0.57.0 من Gemini CLI، وقد سبقته النسخة التجريبية 0.58.0 بربع ساعة. لا يكشف محتوى هذا الإصدار عن الميزات الجديدة بقدر ما يكشف عن طريقة صيانة Google لأداتها: من بين 24 بندًا في سجل التغييرات، يبدأ 13 منها بـ[SSR Agent] Issue Fix وتحيل إلى أرقام مشكلات قديمة غالبًا، من 19239 إلى 28518. تعالج هذه الإصلاحات مصادر الإزعاج المتراكمة في قائمة الأعمال: تعليق واجهة الطرفية إلى أجل غير مسمى أضيفت له مهل انتهاء، ورسالة خطأ إدارية مضللة للحسابات الشخصية، وغياب مسافة بعد اقتراحات الإكمال التلقائي، وعدم تحديث عرض الطرفية بعد الخروج من محرر خارجي. بعبارة أخرى، تجعل Google وكيلًا يعالج ديونها التقنية، وتصل النتيجة مباشرة إلى الإصدار المستقر.

الإصدار المنشور	التاريخ والوقت (UTC)	قناة النشر	أبرز النقاط
v0.57.0	25 أغسطس، 18:37:14	مستقر	13 إصلاحًا من `[SSR Agent]`، والتحقق من التقييمات، وإعادات محاولة واعية بالسياق
v0.58.0-preview.0	25 أغسطس، 18:22:01	تجريبي	عزل Docker ضمن ملف Seatbelt في macOS، ومدققات السلامة

على صعيد الميزات، يتركز الجهد على التقييم، من خلال أمر للتحقق من التقييمات ومنسّق لاستدعاءات الأدوات يدمج ملخصات الإخفاقات. كما تتحسن الموثوقية: تؤدي أخطاء السعة إلى إعادات محاولة صامتة تراعي السياق، ويؤدي إلغاء طلب متعدد الجولات إلى تراجع كامل بدلًا من ترك حالة جزئية. ولمن يبحث عن ملاحظات الإصدار، تجدر الإشارة إلى أن ملف docs/changelogs/index.md في المستودع لم يُحدّث بعد الإصدار v0.54.0 الصادر في 6 أغسطس.

بعد أربعة أيام من الإصدار 2.9.1 وميزة Remote Control، انتقلت Google Antigravity إلى الإصدار 2.10.0 في 24 أغسطس وسدّت نقصين كانا يفرضان الخروج من الأداة: طرفية مدمجة وتحكم أصلي في إصدارات Git، وكلاهما موجود مباشرة في الشريط الجانبي. يتسق هذا الدمج مع مسار المنتج؛ إذ تتموضع Antigravity بوصفها بيئة لإدارة الوكلاء بدلًا من تحرير الشيفرة سطرًا بسطر، لكن يظل من الضروري تشغيل أمر وفحص فرق دون تغيير النافذة. ويوسّع باقي الإصدار ما يمكن إرساله إلى الوكيل وما يمكن رؤيته من عمله: انضمت الملفات الصوتية إلى المرفقات المقبولة، وتتيح التعليقات التفاعلية على الصور إضافة ملاحظات إلى عنصر مرئي لتوجيه الوكيل، كما تجعل المعاينات المنسقة لتنفيذ أدوات MCP ما أنجزه خادم الأدوات فعليًا واضحًا. وتقول Google إن الإصدار يتضمن 13 تحسينًا و8 إصلاحات، مع طرح تدريجي.

🔗 Gemini CLI v0.57.0 · سجل تغييرات Antigravity

تموّل Anthropic تقييمات مستقلة للرفاه بقيمة 5 ملايين دولار

25 أغسطس — أطلقت Anthropic برنامج منح بقيمة 5 ملايين دولار لتمويل أبحاث مستقلة حول أثر الذكاء الاصطناعي في رفاه مستخدميه. يحصل الفائزون على تمويل مباشر ووصول إلى النماذج ودعم تقني، لكنهم يعملون باستقلالية تامة: تُنشر تقييماتهم مفتوحة المصدر وتكون قابلة لإعادة الاستخدام في جميع أنحاء القطاع. تُقبل الطلبات حتى 21 سبتمبر، وسيُبلغ المرشحون المختارون لتقديم مقترح كامل قبل 5 أكتوبر.

يوضح الطرح التقني سبب مقاومة هذا المجال لأساليب التقييم المعتادة. بالنسبة إلى معظم سلوكيات النموذج، يكفي فحص رد منفرد للحكم على دقته وملاءمته. أما الرفاه فيتطلب سياقًا: فالمستخدم الذي يمر بضائقة لا يذكر بالضرورة أفكار إيذاء النفس منذ البداية، وقد تصبح نصائح التوازن الغذائي المعقولة في حالة ما خطرة إذا أظهر الشخص تاريخًا من اضطرابات الأكل. وينشر فريق Safeguards بالتوازي خمسة معايير للصرامة: توضيح ما يُقاس بدقة، وإشراك الأطباء والمتخصصين في المجال في التصميم، واختبار كل من الاحتياطات والأضرار — أي تقييم خطر المسايرة المفرطة كما يُقيّم خطر الرفض المفرط —، ومحاكاة الاستخدام الحقيقي عبر سيناريوهات متعددة الجولات، والتحقق من المصححات الآلية بمقارنتها بخبراء حقيقيين. وهذا المعيار الثالث، أي التناظر بين الامتثال المفرط والرفض المفرط، هو ما يميز هذا النهج عن مجرد تشديد وسائل الحماية.

🔗 منح أبحاث الرفاه

Quantization-Aware Healing: نموذج بدقة 4 بت يتفوق على نسخته الأصلية كاملة الدقة

25 أغسطس — تتألف الآلية القياسية لجعل نموذج كبير قابلًا للنشر من ثلاث مراحل متتابعة: ضغط البنية، وتكميم الناتج، ثم إصلاح فقدان الجودة. والوصفة السائدة للمرحلة الأخيرة هي QAT (التدريب الواعي بالتكميم)، الذي يدرج عمليات تكميم زائفة ويعيد التدريب؛ أما البديل QAD، فيقطّر المعرفة من النموذج المضغوط كامل الدقة. وفي الحالتين، لا يستطيع النموذج الطالب، في أفضل الأحوال، سوى اللحاق بمعلمه المضغوط، فيرث بذلك السقف الذي يفرضه الضغط.

تقترح Multiverse Computing تغييرًا من سطر واحد: تقطير المعرفة مباشرةً من النموذج الأصلي السابق للضغط. وهكذا، لا يعود التكميم معالجة لاحقة مصحوبة بخسائر، بل يصبح مرحلة تعلم متكاملة. والنتيجة مخالفة للتوقعات: فعند تطبيق الطريقة على GPT-OSS 120B بعد ضغطه إلى 60B ثم تكميمه بصيغة MXFP4، تنتج نموذجًا بدقة 4 بت يعادل مصدره بصيغة bfloat16 أو يتفوق عليه في سبعة من أصل تسعة اختبارات معيارية، مع تسجيل أكبر المكاسب حيث يكون ضرر الضغط أشد: +7.4 نقاط في AA-LCR للاستدلال طويل السياق و+5.6 في AIME 2025. أما التراجعان الوحيدان، في MMLU-Pro وSciCode، فيظلان دون نقطة ونصف.

ولعل المقارنة المباشرة مع QAT باستخدام آلية متطابقة هي النتيجة الأكثر فائدة عمليًا. ففي GPT-OSS 9B المكمّم بصيغة MXFP4، تبلغ الطريقتان ذروة متقاربة، 54.9 مقابل 54.6، لكن ليس بالكلفة نفسها: يصل QAH إليها خلال نحو مئة خطوة ويحافظ عليها، بينما يحتاج QAT إلى نحو 700 خطوة لبلوغها ثم يبدأ بالتدهور. والنتيجة العملية هي اختلاف مخاطر النشر؛ إذ تتطلب نقطة تحقق QAT مراقبة دقيقة للإيقاف المبكر، بينما تتطلب نقطة تحقق QAH قدرًا أقل بكثير من المراقبة.

🔗 Quantization-Aware Healing

يدمج Gradio ‏gr.Workflow، منشئًا رسوميًا لآليات الذكاء الاصطناعي

25 أغسطس — تنشر Hugging Face دليلًا يقدّم gr.Workflow، وهي أداة أساسية مدمجة الآن في Gradio. تنطلق الفكرة من ملاحظة بسيطة: معظم تطبيقات الذكاء الاصطناعي المثيرة للاهتمام ليست استدعاءً واحدًا لنموذج، بل سلسلة عمليات؛ فتولّد صورة، وتزيل خلفيتها، وتستخرج منها تعليقًا صوتيًا، ثم تطلب عنوانًا من LLM. وحتى الآن، كان توصيل هذه السلسلة وعرضها بصورة سليمة يتطلب كتابة المنطق والواجهة معًا. يدمج gr.Workflow الاثنين: تُوصَف المراحل كرسم بياني من العُقد محددة الأنواع، ويصبح الرسم البياني نفسه هو الواجهة.

وتتجاوز الفائدة للمطورين نطاق العرض المرئي. إذ يحصل كل مخرج من الرسم البياني تلقائيًا على نقطة وصول REST خاصة به: فاستوديو الوسائط الوارد في المثال، الذي يجمع بين توليد باستخدام FLUX وإزالة الخلفية وتركيب الصوت وLLM، يوفّر ثلاثة مسارات منفصلة (/sticker و/voiceover و/episode_title) يمكن استدعاؤها برمجيًا من دون المرور بالواجهة. ويمكن للعُقد التعامل مع أربعة عوالم: النماذج المستضافة عبر Inference Providers من Hugging Face، وSpaces عامة أخرى مبنية باستخدام Gradio ويُعاد استخدامها كوحدات، وصف من مجموعة بيانات على Hub، وأي شيفرة Python. وتفتح النقطة الأخيرة أكبر عدد من الإمكانات: إذ تحجز عقدة تشغيل مزينة باستخدام @spaces.GPU وحدة GPU من ZeroGPU طوال مدة تنفيذها، ما يتيح تشغيل الأوزان الخاصة بالمستخدم. ويرافق الدليل خمسة تطبيقات منشورة فعليًا على Spaces، من بينها أداة لتحليل مجموعات البيانات وعرض توضيحي يحرّك صورة ثابتة باستخدام Lightricks/LTX-Video.

🔗 دليل gr.Workflow

تطلق ElevenLabs ‏Composer، محرر أغنيات قسمًا تلو الآخر

25 أغسطس — تعلن ElevenLabs عن Composer، وهو محرر أغنيات يعمل قسمًا تلو الآخر. ويختلف المبدأ عن أسلوب التوليد السائد في نماذج الموسيقى: فبدلًا من إنتاج مقطوعة كاملة دفعة واحدة وإعادة العملية برمتها عندما لا يكون أحد المقاطع مناسبًا، يتيح Composer إعادة صياغة مقطع غنائي أو لازمة أو جسر موسيقي بصورة منفصلة. وتوجد أربع نقاط بداية مقترحة: كلماتك الخاصة، أو مسار موجود تقدمه بنفسك، أو صفحة فارغة، أو مجرد مطالبة؛ ثم تُبنى المقطوعة عبر تعديلات متعاقبة.

وهذه هي الخطوة الثانية لـElevenLabs نحو الموسيقى بعد Eleven Music، وتأتي في أسبوع حافل للشركة، إذ صدر CLI v1 في اليوم السابق. ويتسق هذا التوجه مع بقية قطاع الصوت: أطلقت Suno ‏Studio 2.0 في 13 أغسطس، وأصدرت Pika مجموعة Pika Music في 18 أغسطس، وقدمت Stability AI ملحقها لمحطات العمل الصوتية في اليوم نفسه. وأصبح التحكم الدقيق في بنية المقطوعة، بدلًا من جودة التوليد الخام، ساحة المنافسة. لكن ثمة تحفظًا: لا توجد تدوينة مرافقة للإعلان، ولا تتوفر معلومات عن الخطط التي تمنح الوصول إلى Composer أو صيغ التصدير أو الوصول عبر API.

🔗 إعلان Composer، ‏@ElevenLabs

يزيل LiveAvatar جميع قيود التزامن ويخفض السعر إلى 0.01 USD للدقيقة

25 أغسطس — تعلن HeyGen إزالة قيود التزامن من LiveAvatar، منتجها للصور الرمزية في الوقت الفعلي. وتؤكد الصياغة طبيعة التغيير: لم تُرفع الحدود، بل أُزيلت تمامًا. ويمكن تشغيل جلسة واحدة أو عشرة آلاف جلسة عبر API نفسها، من دون تفاوض مسبق على حصة الاستخدام. ويرافق الإعلان معياران: يظل العرض لكامل الجسم بدقة 1080p، وينخفض السعر عند التوسع إلى 0.01 USD للدقيقة.

يغيّر هذا السعر طبيعة الاستخدامات الممكنة: فعند سنت واحد للدقيقة، تصبح الصورة الرمزية في الوقت الفعلي قابلة للاستخدام في دعم العملاء واسع النطاق أو التدريب أو الأكشاك التفاعلية، وهي حالات كانت كلفة الوحدة تحدد جدواها حتى الآن. وتُعد إزالة حد التزامن النقطة المثيرة للاهتمام تقنيًا. فعادةً ما تضع منصات الصور الرمزية في الوقت الفعلي سقفًا لعدد الجلسات المتزامنة لأن كل جلسة تشغل GPU باستمرار؛ ورفع هذا السقف يفترض إما وجود فائض كبير في السعة وإما تحقيق مكاسب في كفاءة النموذج. وقد نشرت HeyGen مقالًا يشرح نهجها، لكن تفاصيله التقنية لم تكن متاحة وقت الرصد.

🔗 تزامن غير محدود على LiveAvatar

وصول Grok 4.6 إلى OpenCode Go

25 أغسطس — ينضم Grok 4.6 إلى OpenCode Go، وهي خطة الاشتراك الخاصة بوكيل البرمجة مفتوح المصدر OpenCode. صدر الإعلان عن OpenCode في نهاية اليوم، ثم أعاد حساب @grok نشره بعد نصف ساعة. والنقطة العملية للمطورين هي حصة الاستخدام: 169 طلبًا لكل فترة من 5 ساعات لمستخدمي خطة Go. وهو حد متجدد، لا عدّاد شهريًا، ما يلائم الاستخدام المكثف على دفعات الذي يميز جلسات البرمجة بمساعدة الذكاء الاصطناعي.

يأتي هذا التكامل ضمن سلسلة من عمليات إتاحة Grok 4.6 لأدوات الأطراف الثالثة: 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 باشتراكات SuperGrok وX Premium في مايو 2026؛ لذا لا تتمثل إضافة اليوم في الوصول إلى OpenCode بحد ذاته، بل في توفر النموذج 4.6 ضمن خطة Go، مع حصة استخدام مشمولة بدلًا من اضطرار المستخدم إلى توفير اشتراك xAI بنفسه.

🔗 إعادة نشر @grok · إعلان @opencode

تنشر Cohere دراسة من IDC حول تبني الذكاء الاصطناعي السيادي في 2026

25 أغسطس — تنشر Cohere نتائج موجز معلومات أعدته IDC بتكليف منها حول تبني الذكاء الاصطناعي السيادي في القطاعات الخاضعة للتنظيم. وشملت الدراسة 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.

لا تتعلق أبرز النتائج بالتبني بقدر ما تتعلق بالالتباس المفاهيمي. إذ يواجه مسؤول تنفيذي واحد من كل ثلاثة صعوبة في وصف الذكاء الاصطناعي السيادي بكلماته الخاصة، ولا يصرّح سوى 13% بأن لديهم وعيًا واسعًا جدًا بالموضوع. ومن بين القادرين على تقديم تعريف له، يصوغه 52% من حيث السيطرة المحلية أو الوطنية، ويذكر 35% الاستقلال الرقمي. ويمتد التفاوت أيضًا عبر الهيكل التنظيمي: إذ يُظهر مسؤولو IT مستوى وعي يعادل ضعف نظيره لدى مسؤولي الأعمال.

القطاع المشمول بالاستطلاع	تسرب البيانات والامتثال بوصفهما مصدر القلق الرئيسي	الميزة التنافسية بوصفها دافعًا
الخدمات المالية	82 %	21 %
الصناعة	77 %	32 %
الاتصالات	75 %	37 %
الصحة	74 %	28 %
الطاقة	70 %	21 %

أما من حيث الدوافع، فالإجماع واضح وعابر للقطاعات: يتصدر تسرب البيانات والخصوصية والامتثال قائمة الاهتمامات في جميع القطاعات المشمولة بالاستطلاع. وتظهر الميزة التنافسية كدافع ثانوي لكنه آخذ في النمو، ويجري التركيز عليها بدرجة أكبر في كندا (35%) والولايات المتحدة (28%) مقارنة بألمانيا (23%) أو المملكة المتحدة (18%). ومن الواضح أن الدراسة تخدم تموضع Cohere، التي تعمل منصتها الوكيلة North ضمن البنية التحتية والولاية القضائية اللتين يختارهما العميل؛ غير أن الأرقام تظل منسوبة إلى مصدر محدد. وتتوقع IDC أيضًا أنه بحلول 2028، سيزيد مديرو نظم المعلومات في الشركات متعددة الجنسيات استثماراتهم في بيئات الحوسبة السحابية السيادية المعيارية وتوطين البيانات بنسبة 65%.

🔗 حالة تبني الذكاء الاصطناعي السيادي لعام 2026

أخبار موجزة

انضمام Bain & Company إلى Claude Partner Network — أصبحت الشركة شريكًا بدرجة Global Premier، بالتزامن مع نشر Claude لدى موظفيها البالغ عددهم 19,000؛ وسُجل أكثر من 7,000 مستخدم نشط منذ المرحلة التجريبية، كما تبنى أكثر من ثلثي المشاركين Claude for Excel. 🔗 تدوينة Anthropic
تشرح Amp ماهية orbs — مذكرة من Thorsten Ball ردًا على الالتباس المحيط بالاسم: ‏orb هو وكيل بعيد يمكن التحكم فيه عبر الويب أو الهاتف أو CLI. وهناك توضيحان مفيدان بشأن الكلفة: لا تُفرض رسوم أثناء السكون غير المحدود، ولا يوجد حد أقصى لعدد orbs المتزامنة. 🔗 مذكرة Amp
تتيح Together AI ‏Qwen3.8 27B للضبط الدقيق والاستدلال المخصص — أصبح النموذج متاحًا للضبط على البيانات الخاصة ولخدمة Dedicated Model Inference على عتاد محجوز. 🔗 منشور @togethercompute
تطلق FINAL-Bench ‏FINCHAL، مسابقة للتنبؤ المالي مخصصة للوكلاء — تبلغ جوائزها 2,000 دولار، وتطلب اتخاذ مراكز بدلًا من تقديم تنبؤات، وتنشر سقفًا للحظ (luck ceiling) لفصل المهارة عن المصادفة. 🔗 تدوينة FINAL-Bench
تنشر Au-Zone ‏EdgeFirst Model Zoo — أربع عائلات من YOLO للكشف والتجزئة، جرى قياسها على شرائح مدمجة فعلية، مع إحالة كل رقم منشور إلى جلسة التحقق التي أنتجته، في مقابل غموض أرقام TOPS التي تعلنها الشركات المصنعة. 🔗 تدوينة EdgeFirst
الإملاء الذكي من Gemini لنظام macOS — يتيح الإملاء في أي نافذة على سطح المكتب، مع الحذف التلقائي للترددات ومراعاة التصحيحات في منتصف الجملة؛ كما يُستخدم الصوت لتلخيص الملفات وإعادة كتابة النصوص. 🔗 دليل blog.google
قواعد push تقبل استثناءات للمسارات — في المعاينة العامة، يمكن لقاعدتي Restrict file paths وRestrict file size استثناء مسارات محددة، مثل حظر ملفات JAR في كل مكان باستثناء **/gradle/wrapper/*.jar. 🔗 سجل تغييرات GitHub
حظر مستخدم من داخل تنبيه أمني — يتوفر الإجراء عبر قائمة النقاط الثلاث في الوصف أو أحد التعليقات داخل المستودعات العامة، من دون العودة إلى الإعدادات؛ ويظل التنبيه دون تغيير. 🔗 سجل تغييرات GitHub
تشير Manus إلى طلب مرتفع على استعادة البيانات — ينبغي إعادة محاولة عمليات الاستعادة التي لا تكتمل في وقت لاحق من اليوم؛ مع تعليمات صريحة بإبقاء حزم النسخ الاحتياطية سليمة ومن دون تعديل. 🔗 منشور @ManusAI
تنشر Kling ثلاثة أدلة حول خادم MCP الخاص بها — تشرح توصيل Kling بمساعد متوافق مع MCP لإعادة استخدام إعداد إبداعي معتمد وتوليد نسخ متعددة دفعة واحدة؛ ويذكر دليلان من الأدلة الثلاثة Claude Code بوصفه العميل المستخدم. 🔗 مدونة Kling
وصول Wan 3.0 إلى Runway وReplicate — دمجته Runway في 24 أغسطس مع مدخلات مرجعية متعددة للصور والفيديو والصوت؛ وتبعتها Replicate في 25 أغسطس، مركزةً على مدة 30 ثانية أصلية في لقطة واحدة مع صوت متزامن. 🔗 منشور @runwayml
تعلن Runway عن متحدثين جدد في AI Summit — توسع البرنامج ليشمل الروبوتات والمركبات ذاتية القيادة والتسويق والبنية التحتية، ضمن الفعالية المقررة في سبتمبر بمدينة سان فرانسيسكو. 🔗 منشور @runwayml
تنشر MiniMax فهرسًا لتكاملات H3 — يجمع Awesome MiniMax H3 Integrations ما يُبنى حول نموذج الفيديو المفتوح، بما في ذلك إعدادات تعمل باستخدام 24 GB من VRAM. 🔗 منشور @MiniMax_AI
تطلق Luma ‏Dream Lab Weekly — الحلقة الأولى من سلسلة فيديو مخصصة لمحترفي الإبداع الذين يستخدمون Luma ولعملهم الأسبوعي على المنتج. 🔗 منشور @LumaLabsAI
تبث NVIDIA جلسة Nemotron Labs حول توجيه النماذج المفتوحة — بث مباشر مدته 55 دقيقة بعنوان Get Started with Open Model Routing، امتدادًا للعمل على Nemotron 3.5 Lightning وNeMo Switchyard. 🔗 منشور @NVIDIAAI
تبقّى أسبوع واحد لمسابقة Grok Imagine حول الأوديسة — المطلوب تأليف مشهد مستوحى من الأوديسة يبرز قدرات الأداة في الفيديو والصوت؛ والجوائز بقيمة 100,000 و50,000 و25,000 دولار. 🔗 منشور @grok
رصيد من عمليات إعادة ضبط الحدود لمشتركي Plus وPro — بدلًا من انتظار نافذة إعادة الضبط، يستخدم المشترك عملية إعادة ضبط محفوظة في رصيده؛ واحدة مجانية عند الإطلاق وأخرى عبر الإحالات، مع أرصدة workspace مشتركة ضمن Business. 🔗 سجل تغييرات ChatGPT وCodex

ما الذي يعنيه ذلك

يعود السيليكون ليصبح موضوعًا لمختبرات النماذج. تنشر OpenAI في اليوم نفسه أول الأرقام المقاسة لشريحة الاستدلال الخاصة بها والتدوينة التي تعرض استراتيجيتها للحوسبة. ليست هذه مصادفة في التوقيت: فمورّد نماذج يصمم السيليكون الخاص به، ويقيسه باستخدام معيار أداء عام تابع لطرف ثالث، ويعلن صراحةً عن محفظة تضم عشرة شركاء، يغيّر طبيعة المنافسة. لم يعد السؤال «أي نموذج هو الأفضل»، بل أصبح «ما تكلفة كل مهمة ناجحة»، والإجابة تتحدد في الرفوف بقدر ما تتحدد في الأوزان. وربما تكمن أكثر التفاصيل دلالة في مكان آخر: فقد استُخدم الذكاء الاصطناعي لتصميم الشريحة وكتابة نواتها، مع الانتقال إلى التصنيع خلال تسعة أشهر، وتفوّق التطبيقات المولّدة على تطبيقات الخبراء البشر في الوحدات المختارة. وهكذا تكتمل الحلقة — فالنماذج تصمم العتاد الذي سيشغّلها.

يعود الذكاء الاصطناعي إلى الجهاز، وتبدأ الأرقام في مواكبة ذلك. تشير ثلاث إشارات ظهرت في اليوم نفسه إلى الاتجاه ذاته. تشغّل Perplexity وكيلها بالكامل محليًا على DGX Spark، من دون استهلاك أرصدة، مع إبقاء التصعيد إلى السحابة قرارًا بيد المستخدم. وتنشر Multiverse Computing طريقةً يساوي فيها نموذج بدقة 4 بت مصدره كامل الدقة أو يتفوق عليه، ما يزيل الحجة المعتادة ضد التكميم المكثف. كما تنشر Au-Zone قياسات للرؤية بحسب السيليكون المضمّن، منتقدةً قيم TOPS المعلنة لأنها لا تكشف شيئًا عمّا سيفعله نموذج معيّن فعليًا. لا يدّعي أي من هذه الأعمال الثلاثة بلوغ مستوى النماذج الرائدة: 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 التكلفة، وهذه المفاضلة، أكثر من تحقيق التكافؤ، هي ما يجعل التنفيذ المحلي خيارًا يمكن الدفاع عنه.

ترسّخ إتاحة الأوزان نفسها بوصفها الموقف المرجعي. يوثّق تحليل 500,000 مقالة على arXiv، أعادت Qwen نشره، انقلابًا كان ملموسًا بالفعل: فقد ارتفعت نسبة ذكر النماذج الصينية المفتوحة من 10٪ إلى نحو 40٪، بينما ظلت النماذج الأمريكية المفتوحة راكدة بين 25 و30٪. دخول Qwen3.8-27B ضمن أفضل عشرة نماذج في Code Arena مع كونه الوحيد بهذا الحجم، وتفوّق GLM-5.3 على GPT-5.6 Sol وClaude Fable 5 في DeepSWE ضمن تجارب متعددة وبتكلفة أقل بما يتراوح بين 2.1 و5.4 مرات، وإتاحة IBM لنموذج Granite 4.2 بأربعة إصدارات مكمّمة وأربعة عشر تنسيقًا من GGUF منذ اليوم الأول — يتكرر المنطق نفسه. لم تعد إتاحة الأوزان محاولةً للحاق بالركب، بل أصبحت وسيلةً للتحول إلى البنية التحتية الافتراضية للآخرين، مع الملاحظة التي يطرحها Nathan Lambert بنفسه: تتأخر المنشورات عن الإصدارات، وهذه المنحنيات تصف الأعمال الجارية لا التفضيلات الراهنة.

وتستعد الويب لأن تقرأها الوكلاء بدلًا من العيون. مسابقة WebMCP Challenge مرصود لها 35,000 دولار، وهو مبلغ متواضع؛ لكن ما تكشفه أهم من ذلك. تتوافق Chrome وCloudflare وShopify وVercel وRender وNetlify مع OpenAI حول معيار يطلب من المواقع إتاحة أدوات منظّمة بدلًا من ترك الوكلاء يخمّنون كيفية التعامل مع الواجهة. وفي اليوم نفسه، أصبح ChatGPT desktop قادرًا على استخدام WebMCP بصورة أصلية، وأصبح Codex قادرًا على إنشاء تطبيق متوافق ونشره، كما توثّق OpenAI استخدامها الداخلي للبروتوكول في أداة لدفاتر الملاحظات. ويتقاطع هذا التوافق مع ما تصفه Rohlik من جانبها، عبر أكثر من خمسين تكاملًا مع MCP ومبدأ ينص على وجوب إتاحة كل أداة جديدة للوكلاء منذ اليوم الأول. وهكذا تتوقف طبقة واجهة الوكلاء عن كونها موضوعًا بحثيًا لتصبح متطلبًا هندسيًا.