250 وكيلاً فرعياً في مواجهة 4 مسارات: لماذا تتفوق بنية التنسيق على الاسم الرنان للنموذج
كثيراً ما تُبنى العروض الفيروسية للنماذج الجديدة مثل GPT-6 Astra على مكتبات مفتوحة المصدر تابعة لجهات خارجية وعلى تجاوز جزئي لنقاط التحقق بدلاً من الإنجاز الفعلي للمهام. وعلى لوحة الصدارة الرسمية لـ OSWorld، تبلغ الفجوة بين نسبة الخطوات الوسيطة المُنجزة (70.2%) والمهام المغلقة بالكامل (34.7%) ضعفَين تماماً. وقد استغرقت محاولة ترحيل تهيئة عمل تضم 369 مهارة عبر Codex أكثر من 12 يوماً وأهدرت 4.7 مليار رمز بسبب القيد الصارم المحدَّد بـ4 مسارات متوازية فقط، في مقابل 250 وكيلاً فرعياً متزامناً في Claude Code.
- الفجوة في OSWorld 2.0: 70.2% من نقاط التحقق المُنجزة في مقابل 34.7% من المهام المحلولة بالكامل
- تَوازي التنسيق: 250 وكيلاً فرعياً متزامناً و5 مستويات تداخل في Claude Code في مقابل 4 مسارات فقط في Codex
- الإنفاق على مهمة ترحيل واحدة في Codex: 4.7 مليار رمز في أسبوع واحد (من إجمالي 12.7 مليار على مدى عام ونصف)
- مدة الاختبار الميداني: أكثر من 12 يوماً من التشغيل المتواصل في مقابل يوم عمل واحد لسرب من الوكلاء
تُصاحب كل موجة إصدارات من المختبرات الكبرى نفس التنويم البصري. فمع إطلاق GPT-6 Astra، امتلأت منصات التواصل الاجتماعي بمقاطع فيديو مبهرة: نموذج يُدير مشاهد ثلاثية الأبعاد في Blender، ويُجري تفكيكاً للخرائط النسيجية (textures)، ويُجمّع قطعة هندسية ويُصدّرها بصيغة STEP، ويتجاوز المستوى الرابع والأربعين من اختبار كابتشا هزلي متفوقاً على محرك شطرنج. ونجح المسؤولون عن التسويق تماماً — فالبشر يفكرون بالعين، وصورة مؤثرة تولّد فوراً أسطورة عن بلوغ ذكاء خارق.
لكن عند فتح الكود المصدري لأبرز عرض هندسي مزوَّد بمخططات، تظهر تفصيلة ينساها ناشرو المنشورات المكررة: إنها حزمة مهارات `text-to-cad` مفتوحة المصدر تابعة لجهة خارجية، كتبها مطوّر مستقل. وبالمثل، فإن Claude Code الخاص بي، مزوَّداً بمهارة متخصصة، يُدير AutoCAD وBlender دون أي سحر كامن داخل الأوزان.
لماذا لا تعني نسبة 72.6% في جدول OSWorld 2.0 الدعائي أن 72% من العمل
قد أُنجز فعلاً؟
تكمن الحيلة الثانية في الطريقة التي يعرض بها المزوّدون أرقام معايير الحوسبة. لا شك أن التعرف البصري على الواجهات حقق تقدماً ملموساً — فعلى معيار ScreenSpot-Pro بلغ المؤشر 92.7%. لكن الرقم 72.6% في OSWorld 2.0، الذي تناقلته كل المدونات التقنية، مُشار إليه في حاشية صغيرة من الجدول نفسه بوصفه `partial score`.
وعند فتح لوحة الصدارة المستقلة الرسمية لـ OSWorld 2.0، تجد دائماً عمودين: نسبة نقاط التحقق الوسيطة المُنجزة داخل السيناريو، ونسبة المهام المُنجزة حتى النتيجة النهائية. وفي عمليات التشغيل المُوثَّقة لنموذج Claude Opus 5، يتضح شكل هذه النسبة: يُنجز النموذج 70.2% من نقاط التحقق، لكنه لا يُغلق بالكامل سوى 34.7% من المهام. والفارق بينهما ضعفان تماماً. فبين "الضغط على زرّين صحيحين من ثلاثة" و"تسليم مشروع جاهز للعميل" تقع هاوية لا يمكن تجاوزها بمعاينة جذابة.
ما الذي كشفه اختبار الضغط الممتد لـ12 يوماً لترحيل 369 مهارة و40 وكيلاً؟
لكي لا أختبر النماذج على أمثلة سطحية، أُكلّفها بمهام بنية تحتية حقيقية. وكانت المهمة محددة بدقة تامة: تنفيذ ترحيل كامل وسلس لبيئة عملي (369 مهارة، 40 وكيلاً، نظام توجيه، نصوص برمجية، وذاكرة متعددة الطبقات) من صيغة Claude Code إلى بيئة معزولة في Codex.
بدأت هذه التجربة على نموذج GPT-5.6 Sol، ثم انتقلت إلى العمل بـGPT-6 Astra بعد إطلاقه. وبعد اثني عشر يوماً من التنفيذ المتواصل وإهدار 4.7 مليار رمز في أسبوع واحد، لم تُغلق المهمة بعد. وللمقارنة: حجم إعادة هيكلة مماثل في بيئة عملي المعتادة يستغرق يوم عمل واحداً.
وعند تدقيق وثائق الأداتين وقيودهما الثابتة، ظهر السبب بوضوح:
- في Claude Code، يقبل المتغيّر `CLAUDE_CODE_MAX_CONCURRENT_SUBAGENTS` أي عدد صحيح — وقد ضبطت في العمل الفعلي 250 وكيلاً فرعياً متزامناً وحتى 5 مستويات من التسلسل الهرمي.
- في Codex، يُقيَّد معامل `max_threads` عند 4 مسارات مفتوحة فقط، مع أن العامل المُنجز يستمر في شغل الفتحة إلى أن يستدعي المنسِّق صراحةً أمر `close_agent`.
- بدلاً من خطوط أنابيب تصريحية متعددة الموجات، يتعين استدعاء بدائل `spawn_agent` و`wait_agent` يدوياً وواحدة تلو الأخرى.
لماذا يُعد أسبوع من العمل المستقل للوكيل عرضاً لعنق زجاجة لا سبباً للفخر؟
أصبح من الرائج الإعجاب بقدرة وكيل على الكدّ المستقل في مهمة ما لأسبوع كامل. لكن عملياً، هذا لا يعني إلا شيئاً واحداً: أن النظام لا يملك شبكة تنسيق سليمة تُمكّنه من تقسيم المهمة إلى خمسين يد مستقلة وتجميع النتيجة في ساعتين مع التحقق من كل جزء. فحتى أسرع نموذج يعمل في طابور من أربعة مسارات سيخسر أمام سرب مصمَّم بعناية.
أنشر تحليلات مفصّلة لبنى الأنظمة متعددة الوكلاء واختبارات صادقة للنماذج دون زخرف تسويقي في قناة [@jemal_hamidun](https://t.me/jemal_hamidun). ونطوّر منسِّقاً كاملاً دون قيود مصطنعة على المسارات في منتج [Nomad AI](https://nomadnet.ai). ويمكن تعلّم بناء موجات من الوكلاء الفرعيين عملياً في [Hamidun Academy](https://academy.hamidun.com) مع فترة تجريبية مدتها 72 ساعة، والحصول على تهيئات جاهزة للأسراب وأكثر من 370 مهارة في [Vibe Club](https://hamidun.com/club).
- 27 أكتوبر 2026OpenAI تكشف كواليس عمل فرق FDE: نحو 90% من الشيفرة المخصصة انتقلت إلى مهارات Codex
- 27 أكتوبر 2026Anthropic: الخبراء يتبعون رأي الوكيل في 86% من الخيارات الخلافية
- 27 أكتوبر 2026Anthropic تكشف كيف تراجع الكود الذي يكتب Claude 90% منه
- 27 أكتوبر 2026تطبيق Hob مفتوح المصدر ينقل نمط Claude Cowork إلى حاسوبك المحمول دون الحاجة إلى السحابة
أسئلة وأجوبة حول الخبر
لماذا لا تعني نسبة 72.6% في جدول OSWorld 2.0 الدعائي أن 72% من العمل قد أُنجز فعلاً؟
تكمن الحيلة الثانية في الطريقة التي يعرض بها المزوّدون أرقام معايير الحوسبة. لا شك أن التعرف البصري على الواجهات حقق تقدماً ملموساً — فعلى معيار ScreenSpot-Pro بلغ المؤشر 92.7%. لكن الرقم 72.6% في OSWorld 2.0، الذي تناقلته كل المدونات التقنية، مُشار إليه في حاشية صغيرة من الجدول نفسه بوصفه `partial score`. وعند فتح لوحة الصدارة المستقلة الرسمية لـ OSWorld 2.0، تجد دائماً عمودين: نسبة نقاط التحقق الوسيطة المُنجزة داخل السيناريو، ونسبة المهام المُنجزة حتى النتيجة النهائية. وفي عمليات التشغيل المُوثَّقة لنموذج Claude Opus 5، يتضح شكل هذه النسبة: يُنجز النموذج 70.2% من نقاط الت
ما الذي كشفه اختبار الضغط الممتد لـ12 يوماً لترحيل 369 مهارة و40 وكيلاً؟
لكي لا أختبر النماذج على أمثلة سطحية، أُكلّفها بمهام بنية تحتية حقيقية. وكانت المهمة محددة بدقة تامة: تنفيذ ترحيل كامل وسلس لبيئة عملي (369 مهارة، 40 وكيلاً، نظام توجيه، نصوص برمجية، وذاكرة متعددة الطبقات) من صيغة Claude Code إلى بيئة معزولة في Codex. بدأت هذه التجربة على نموذج GPT-5.6 Sol، ثم انتقلت إلى العمل بـGPT-6 Astra بعد إطلاقه. وبعد اثني عشر يوماً من التنفيذ المتواصل وإهدار 4.7 مليار رمز في أسبوع واحد، لم تُغلق المهمة بعد. وللمقارنة: حجم إعادة هيكلة مماثل في بيئة عملي المعتادة يستغرق يوم عمل واحداً. وعند تدقيق وثائق الأداتين وقيودهما الثابتة، ظهر السبب بوضوح: في Cla
لماذا يُعد أسبوع من العمل المستقل للوكيل عرضاً لعنق زجاجة لا سبباً للفخر؟
أصبح من الرائج الإعجاب بقدرة وكيل على الكدّ المستقل في مهمة ما لأسبوع كامل. لكن عملياً، هذا لا يعني إلا شيئاً واحداً: أن النظام لا يملك شبكة تنسيق سليمة تُمكّنه من تقسيم المهمة إلى خمسين يد مستقلة وتجميع النتيجة في ساعتين مع التحقق من كل جزء. فحتى أسرع نموذج يعمل في طابور من أربعة مسارات سيخسر أمام سرب مصمَّم بعناية. أنشر تحليلات مفصّلة لبنى الأنظمة متعددة الوكلاء واختبارات صادقة للنماذج دون زخرف تسويقي في قناة @jemal_hamidun. ونطوّر منسِّقاً كاملاً دون قيود مصطنعة على المسارات في منتج Nomad AI. ويمكن تعلّم بناء موجات من الوكلاء الفرعيين عملياً في Hamidun Academy مع فترة تج
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
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.