OpenAI: إعدادان في واجهة API يضاعفان نتيجة GPT-5.6 ثلاث مرات على ARC-AGI-3 لتصل إلى 38,3%
تقول OpenAI إن الإطار الرسمي (harness) لاختبار ARC-AGI-3 يظلم نموذجها. فهو يتخلص من استدلالات GPT-5.6 Sol الخاصة بعد كل خطوة، فيضطر النموذج إلى فهم اللعبة من جديد في كل مرة. وبمجرد تفعيل إعدادين في Responses API، هما retained reasoning وcompaction، تضاعفت النتيجة ثلاث مرات: من 13,3% إلى 38,3%، مع انخفاض عدد رموز الإخراج المستهلكة لكل لعبة بنحو 6 مرات. وبهذه الإعدادات تفوقت GPT-5.6 على Opus 5 من Anthropic التي حققت 30,2%.
معالج بواسطة الذكاء الاصطناعي من OpenAI Blog؛ بتحرير Hamidun News
أعلنت OpenAI في 30 يوليو 2026 أن تفعيل إعدادين في Responses API، هما الاحتفاظ بالاستدلالات (retained reasoning) والضغط (compaction)، رفع نتيجة نموذج GPT-5.6 Sol على اختبار ARC-AGI-3 ثلاث مرات: من 13,3% إلى 38,3% على المجموعة العامة من المهام. وانخفض في الوقت نفسه استهلاك رموز الإخراج لكل لعبة بنحو ست مرات، كما تفوق النموذج بالإعدادات الجديدة على Opus 5 من Anthropic.
ما الذي يقيسه ARC-AGI-3
ARC-AGI-3 اختبار تفاعلي للاستدلال المجرد، يخوض فيه وكيل الذكاء الاصطناعي ألعابًا غير مألوفة على شكل خطوات متتالية: ينفذ إجراءً، ويرى النتيجة، ثم يخطط للخطوة التالية. وعلى خلاف الاختبارات الثابتة، تصبح الذاكرة بين الخطوات عاملًا حاسمًا هنا، إذ يجب على الوكيل أن يراكم فهمه لقواعد اللعبة أثناء اللعب. وبهذه الذاكرة تحديدًا يرتبط القفز من 13,3% إلى 38,3% الذي تتحدث عنه OpenAI.
ما هما الإعدادان
الإعدادان، retained reasoning وcompaction، هما الآليتان نفسهما اللتان تستخدمهما OpenAI في منتجيها ChatGPT وCodex. يحتفظ retained reasoning بسلسلة الاستدلال الخاصة بالنموذج بين نوافذ السياق المنفصلة. أما compaction فيلخّص السياق المتراكم عندما يقترب من الحد الأقصى، بدلًا من قص الأقدم منه آليًا. ويتوفر الإعدادان عبر Responses API، وهي واجهة OpenAI لسيناريوهات الوكلاء.
- النموذج: GPT-5.6 Sol من OpenAI
- الإطار الرسمي (harness) لـ ARC-AGI-3: 13,3% على المجموعة العامة
- مع retained reasoning وcompaction عبر Responses API: 38,3%
- رموز الإخراج لكل لعبة: أقل بنحو 6 مرات
- النشر: مدونة OpenAI، 30 يوليو 2026
لماذا كانت النتيجة منخفضة
كان الإطار الرسمي لـ ARC-AGI-3 يتخلص من استدلالات الوكيل الخاصة بعد كل خطوة، ولهذا ظلت النتيجة عند 13,3%. كانت GPT-5.6 Sol ترى سجل الإجراءات السابقة وملاحظات قصيرة عنها، لكنها لا ترى التفكير الذي أنتج تلك الخطوات، فتعيد فعليًا فهم اللعبة من الصفر في كل خطوة. وعندما كان سجل الخطوات يتجاوز نافذة السياق، كان الإطار يحذف أقدم الإجراءات أيضًا. وبذلك كان النموذج يتذكر أنه «حرّك المكعب البنفسجي»، لكنه ينسى السبب.
«الاختبارات المعيارية لا تقيس النموذج وحده أبدًا، بل تقيس معه البنية التقنية المحيطة به»، بحسب ما جاء في مدونة
OpenAI.
كيف قورنت GPT-5.6 مع Opus 5
مع تفعيل الإعدادين، حققت GPT-5.6 Sol نسبة 38,3% وتفوقت على Opus 5 من Anthropic التي سجلت 30,2% على ARC-AGI-3. وبحسب OpenAI، لم ينشأ الفارق من النموذج نفسه، بل من إعدادات الاختبار: فالإطار الرسمي يفتقر إلى إمكانات خاصة بكل مزوّد، مثل retained reasoning، المتاحة عبر Responses API. وأتاح الأسلوب نفسه أيضًا فائدة جانبية، هي توفير يقارب ست مرات في رموز الإخراج لكل لعبة.
ماذا يعني ذلك
لا تعتمد نتيجة الاختبار المعياري على النموذج وحده، بل على طريقة ضبط واجهة API وتصميم إطار الاختبار أيضًا. فنموذج GPT-5.6 Sol نفسه يسجل 13,3% أو 38,3% بحسب الإعدادات، وهذا يغيّر قراءة جداول المقارنة التي تتنافس بها مختبرات الذكاء الاصطناعي.
الأسئلة الشائعة
ما هما retained reasoning وcompaction؟
يحتفظ retained reasoning بسلسلة الاستدلال الخاصة بالنموذج بين نوافذ السياق، بينما يلخّص compaction السياق القديم بدلًا من قصّه ببساطة. وتستخدم OpenAI الإعدادين بالفعل في ChatGPT وCodex.
ما مقدار تحسن نتائج GPT-5.6 Sol؟
ارتفعت النتيجة على المجموعة العامة من ARC-AGI-3 من 13,3% إلى 38,3%، أي نحو ثلاثة أضعاف. وانخفض في الوقت نفسه استهلاك رموز الإخراج لكل لعبة نحو ست مرات.
هل تفوقت GPT-5.6 Sol على Opus 5؟
نعم. مع الإعدادين، سجلت GPT-5.6 Sol نسبة 38,3% مقابل 30,2% لـ Opus 5 من Anthropic على ARC-AGI-3، بحسب بيانات OpenAI.
Access Frontier LLMs & Multimodal AI in One Workspace
Discover NomadNet AI (nomadnet.ai) — unified access to frontier language models, research synthesis, and multimodal workflows.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.