GPT-5.6 جعل كل دولار يُستثمر في الذكاء الاصطناعي أكثر فعالية

قلبت OpenAI سباق عتاد الذكاء الاصطناعي رأسًا على عقب، ليس ببناء نموذج أكبر، بل بجعل كل رمز (token) يُستخدم بشكل أكثر فعالية. عائلة GPT-5.6، التي أُعلن عنها اليوم بعد معاينة محدودة، تقدم ثلاث فئات، سول وتيرا ولونا، والتي تتفوق مجتمعة على سابقاتها ومنافسيها في مجموعة من المعايير مع استهلاك عدد أقل بكثير من الرموز والدولارات. يشير هذا الإصدار إلى تحول استراتيجي: الكفاءة، وليس الحجم الهائل، هي الآن ساحة المعركة. gpt-56-is-here-three-models-a-tiered-safety-doctrine-and-the-question-nobody-is-answering-yet

استراتيجية ثلاثية الفئات لسوق أكثر ذكاءً

تنقسم GPT-5.6 إلى مستويات قدرة متميزة. يستهدف سول، النموذج الرئيسي، أصعب المشكلات: توليد الكود المعقد، والتحليل الاحترافي، وسير عمل الوكيل الذي يستمر لساعات متعددة. يستهدف تيرا الأداء المتوازن لأعمال المعرفة اليومية، بينما صُمم لونا لتحقيق أقصى قدر من الكفاءة من حيث التكلفة. جميع النماذج الثلاثة متاحة اليوم عبر ChatGPT وCodex وواجهة برمجة تطبيقات OpenAI، وسيتم طرحها عالميًا على مدار 24 ساعة.

يعكس التسعير هذا التدرج. تبلغ تكلفة سول 5 دولارات لكل مليون رمز إدخال و30 دولارًا لكل مليون رمز إخراج؛ تيرا بسعر 2.50 دولارًا / 15 دولارًا؛ ولونا بسعر 1 دولار / 6 دولارات. بالنسبة للتطبيقات التي تتطلب استدلالًا مكثفًا، يمكن أن يصل الفرق بين لونا وسول إلى 5 أضعاف على الإدخال و5 أضعاف على الإخراج، وهي فجوة متعمدة تتيح للمطورين تحسين التكلفة دون مغادرة نظام GPT البيئي. moonshot-ais-k27-code-is-faster-and-cheaper-but-open-source-coding-models-face-a-new-benchmark-gap

الكفاءة كسلاح

تأتي الأرقام الرئيسية من Agents' Last Exam، وهو معيار لسير العمل المهني طويل الأمد عبر 55 مجالًا. يسجل GPT-5.6 Sol 53.6 نقطة، متقدمًا بمقدار 13.1 نقطة على Claude Fable 5 من Anthropic في التفكير التكيفي. الأمر الأكثر إثارة للدهشة: حتى إعداد التفكير المتوسط لـ Sol يتفوق على Fable 5 بمقدار 11.4 نقطة بتكلفة تقدر بحوالي ربع التكلفة. يتفوق كل من Terra وLuna على Fable 5 بتكلفة تقدر بحوالي سدس التكلفة.

على مؤشر Artificial Analysis Intelligence Index، الذي يجمع بين العمل الوكيلي والبرمجة والتفكير العلمي، ينتهي Sol بأقصى تفكير ضمن نقطة واحدة من Fable 5 بينما يكمل المهام أسرع بنسبة 61% بتكلفة تقل عن النصف. "لقد دربنا GPT-5.6 للحصول على عمل أكثر فائدة من كل رمز (token)،" كتبت الشركة في إعلانها.

البرمجة على الحدود

تكشف معايير البرمجة عن ميزة الكفاءة بأكثر صورة وضوحًا. على مؤشر Artificial Analysis Coding Agent Index، يحقق Sol بأقصى تفكير حالة فنية جديدة عند 80 نقطة، أي 2.8 نقطة فوق Fable 5، مع استخدام أقل من نصف رموز الإخراج، واستغراق أقل من نصف الوقت، وتكلفة أقل بمقدار الثلث. يقع Terra فوق Fable 5 مباشرة، ويتفوق Luna على Opus 4.8 من Anthropic، كل منها بتكلفة تقدر بحوالي ربع التكلفة.

كما قدمت OpenAI استدعاء الأدوات البرمجي (Programmatic Tool Calling) في واجهة برمجة تطبيقات Responses، مما يسمح لـ GPT-5.6 بكتابة برامج خفيفة الوزن تنسق الأدوات وتعالج النتائج الوسيطة وتكيّف سير العمل دون الحاجة إلى أن يبرمج المطورون كل خطوة. الميزة متوافقة مع Zero Data Retention، إشارة إلى متطلبات الامتثال للمؤسسات. the-specialization-revolution-how-smaller-models-are-redefining-ais-future

مسرّع الوكيل المتعدد

للمشكلات التي تكافئ المزيد من الحوسبة، يقدم GPT-5.6 إعدادين جديدين: max يمنح النموذج دورات تفكير إضافية، وultra ينسق أربعة وكلاء بالتوازي افتراضيًا، مقايضًا استهلاكًا أعلى للرموز بنتائج أقوى ووقت أقل للوصول إلى النتيجة. على BrowseComp، حقق ultra مع أربعة وكلاء 92.2%، وهي حالة فنية جديدة، وعلى SEC-Bench Pro سجل 74.3%، مرتفعًا من Sol المنفرد بنسبة 71.2%. أصدرت الشركة رسومًا بيانية تظهر أن إضافة وكلاء متوازيين يغير الحد الأعلى لعلاقة النتيجة-زمن الانتقال إلى الأعلى واليسار.

في واجهة برمجة التطبيقات، يمكن للمطورين تكرار تجارب شبيهة بـ ultra من خلال إصدار تجريبي للوكيل المتعدد. "يذهب Ultra إلى أبعد من ذلك من خلال تنسيق أربعة وكلاء بالتوازي افتراضيًا، مقايضًا استخدامًا أعلى للرموز بنتائج أقوى ووقت أقل للوصول إلى النتيجة في المهام الصعبة،" لاحظت OpenAI. why-parallel-agents-are-the-next-battleground-for-ai-orchestration

الأمن السيبراني: حبل مشدود للاستخدام المزدوج

تحسينات الأمن السيبراني هي من بين الأكثر أهمية، والأكثر حساسية. على ExploitBench، سجل Sol 73.5% مقابل 47.9% لـ GPT-5.5 بميزانية رموز إخراج مماثلة. على ExploitGym، ضاعف تقريبًا معدل النجاح الأقصى لـ GPT-5.5، من 15.1% إلى 24.9% تحت سقف زمني مدته ساعتان، ممتدًا إلى 33.7% مع ست ساعات.

اعترفت OpenAI بالطبيعة مزدوجة الاستخدام لهذه القدرات. "في الأمن السيبراني، نفس القدرات التي قد تساعد المهاجم على استغلال ثغرة أمنية يمكن أن تساعد المدافع في العثور عليها، وإعادة إنتاجها، وبناء إصلاح موثوق،" كتبت الشركة. "لذلك، فإن الإفراط في الحجب يخلق خطرًا أمنيًا بحد ذاته."

لإدارة المخاطر، يأتي GPT-5.6 مزودًا بضمانات متعددة الطبقات بما في ذلك مراقب تفكير يراجع المحادثات بحثًا عن احتمالية الضرر. قبل التوفر العام، أجرت OpenAI حوالي 700,000 ساعة من وحدات معالجة الرسوميات A100e من الاختبار الآلي المربع الأسود (red teaming) واختبارات خارجية مكثفة. يسمح برنامج Trusted Access for Cyber الجديد للأفراد والمؤسسات الموثقة بالوصول إلى المزيد من القدرات الدفاعية للنموذج.

حذرت الشركة أيضًا من أن ضمانات الأمن السيبراني لـ GPT-5.6 تحجب ما يقرب من عشرة أضعاف النشاط الضار المحتمل مقارنة بالنماذج السابقة، وأن بعض الاستخدامات الحميدة قد تواجه احتكاكًا. يهدف خيار "إعادة المحاولة على نموذج أقل قدرة" في ChatGPT وCodex إلى تقليل هذا العبء. anthropic-launches-claude-mythos-5-a-dual-use-model-for-cybersecurity-and-biology

أعمال المعرفة وحكم التصميم

إلى جانب المعايير الأولية، يُظهر GPT-5.6 مكاسب في المهام المهنية العملية. على OSWorld 2.0، وصل Sol إلى 62.6%، متجاوزًا Opus 4.8 مع استخدام 85% عددًا أقل من رموز الإخراج. على BrowseComp، سجل Sol 92.2%. تعمل العائلة أيضًا على تحسين إنشاء العروض التقديمية وجداول البيانات: يمكن لـ GPT-5.6 استنتاج أنظمة التصميم من الشرائح المرجعية وتطبيقها باستمرار، والتعامل مع النماذج المالية بدقة أكبر.

أبلغ العملاء الأوائل عن مكاسب في الإنتاجية. لاحظت Lovable، وهي منصة لبناء التطبيقات، أن GPT-5.6 "يقدم للمستخدمين ما يقرب من 25% خطوات أقل و35-48% استدعاءات أدوات أقل من النموذج السابق، مع تحسين نجاح المشروع وتقليل حالات التوقف بنسبة 15%." وجدت Qodo، وهي أداة مراجعة الكود، أن GPT-5.6 "تفوق على GPT-5.5 في F1 مع استخدام حوالي 3 أضعاف عدد أقل من الرموز لكل طلب سحب (PR) وتقديم زمن انتقال وسيط أقل بحوالي مرتين."

تحسين الذات: دولاب الموازنة الداخلي

داخل OpenAI، النموذج بالفعل يسرع البحث. كان متوسط عدد رموز الإخراج اليومي لكل باحث نشط أثناء الاختبار الداخلي أكثر من ضعف أعلى مستوى لوحظ لـ GPT-5.5. زادت حصة حوسبة البحث المخصصة لاستدلال البرمجة الداخلي 100 ضعف خلال الأشهر الستة الماضية، بينما زاد استخدام الرموز الوكيلية 22 ضعفًا.

طورت OpenAI مؤشرًا داخليًا RSI Index (التحسين الذاتي التكراري)، يجمع بين تقييمات تصحيح الأخطاء وتحسين النواة وتفسير التجارب. سجل Sol 57.9%، بزيادة قدرها 16.2 نقطة عن GPT-5.5 البالغ 41.7%، مما يشير إلى أن النموذج أفضل بشكل ملحوظ في المساعدة على بناء الجيل التالي من النماذج. deepseek-v4-to-launch-mid-july-with-peak-pricing-model

حساب السلامة

تصر OpenAI على أن GPT-5.6 لا يتجاوز عتبة "الحرجة" في علم الأحياء أو الأمن السيبراني، أي الخط الذي يمكن أن يخلق فيه النموذج بشكل مستقل تهديدات خطيرة جديدة. يشير اختبار الشركة إلى أن Sol أفضل في العثور على الثغرات الأمنية وإصلاحها من مهاجمة الأهداف المحصنة بشكل مستقل. في علم الأحياء، يدعم البحث المشروع لكنه يفتقر إلى القدرة الشاملة على التهديدات الجديدة شديدة الخطورة.

تتضمن حزمة السلامة متعددة الطبقات حماية مدمجة أثناء التدريب، وفحوصات في الوقت الفعلي، ومراقب تفكير، وإنفاذ على مستوى الحساب. "نظرًا لأن بعض وسائل الحماية تستخدم التفكير في وقت الاختبار، يمكننا تحديثها بسرعة لسد الثغرات دون إعادة تدريب المصنفات من الصفر،" قالت الشركة.

تهدف عملية التصحيح السريع الجديدة وبرامج مكافآت الأخطاء الموسعة للأمن وعلم الأحياء إلى سد الثغرات عند ظهورها. لكن OpenAI كانت صريحة بشأن القيود: "لا يوجد ما يسمى بالأمن المثالي، وعملنا لتأمين نماذج متزايدة القدرة مستمر. سيتم اكتشاف نقاط ضعف جديدة، وكذلك اكتشاف اختراقات جديدة تتجاوز الضمانات الحالية."

ماذا يعني المنافسة

يعمق الإطلاق التنافس الشديد بالفعل مع Anthropic. يظل Claude Fable 5 قادرًا على المنافسة في العديد من المعايير، خاصة في التفكير العلمي حيث يتصدر على HealthBench Professional (60.9% مقابل 60.5% لـ GPT-5.6 Sol) وعلى FrontierMath Tier 4 (87.8% مقابل 65.9%). لكن مكاسب الكفاءة لـ GPT-5.6، خاصة على مستوى لونا، تقوض الحجة القائلة بأن الذكاء الحدودي يتطلب ميزانيات حدودية.

يتخلف Google DeepMind's Gemini 3.1 Pro Preview وGemini 3.5 Flash عن الركب في معظم المعايير، ويبدو أن الفجوة تتسع في مهام البرمجة والوكيل. كما يضغط الإطلاق على عائلة Llama 4 مفتوحة الأوزان من Meta AI لإظهار أن النماذج المفتوحة يمكنها مطابقة هذا المستوى من الأداء مقابل الحوسبة.

عائلة GPT-5.6 متاحة الآن. السؤال ليس ما إذا كان النموذج الأقوى في السوق، في العديد من المعايير هو كذلك، بل ما إذا كان تصميمه القائم على الكفاءة أولاً سيجبر المنافسين على إعادة التفكير في هياكل التكلفة الخاصة بهم. إذا صمدت المعايير في النشر الواقعي، فقد يكون عصر الذكاء الحدودي الرخيص والوفير قد وصل للتو. microsofts-bet-on-small-models-for-agentic-ai-is-about-orchestration-not-knowledge