Wired تختبر 6 وكلاء ذكاء اصطناعي خلال يوم: Dots في الصدارة وGemini Spark يفشل في طلب الغداء

قبل عام، كانت وكلاء الذكاء الاصطناعي في نظر ريس، مراسل Wired، مجرد عروض توضيحية لا نفع منها في العروض التقديمية. أما اليوم فتخرج الوكلاء العاملة بشكل دائم (always-on) من حدود وادي السيليكون لأنها أصبحت أكثر موثوقية: فهي تُنجز المهام حتى نهايتها بصورة أفضل، وتتحكم في المتصفح بثقة أكبر. أعدّ ريس في اليوم السابق ستة وكلاء على iPhone، وشغّلهم يومًا كاملًا عبر خمس مهام، وقيّم كل محاولة على مقياس من 1 إلى 5. وتكشف ثلاثة اختبارات حتى الآن موازين القوى.

من شارك وكم يكلّف

يتواصل الوكلاء كما في محادثة جماعية: خلاصة رسائل واحدة، ومتصفح افتراضي يعمل كحاسوب خاص بكل وكيل للوصول إلى الإنترنت. وعلى عكس روبوت الدردشة، يبادر الوكيل بالكتابة أولًا إذا رأى سببًا للمساعدة. شارك في الاختبار:

• Meta Muse — مجاني، أُطلق في سبتمبر ويتصدر منذ ذلك الحين قوائم تنزيلات الهواتف الذكية.
• OpenAI Dots — مدمج في ChatGPT، بسعر $100 شهريًا. وهو الأغلى بين الجميع.
• Instinct — مجاني، لكنه يتطلب رمز دعوة من مستخدم. يعمل عبر رسائل SMS العادية ودون تطبيق.
• Anthropic Claude Duet — بسعر $20 شهريًا، وهو الأحدث: معاينة بحثية (research preview) عبر قائمة انتظار، أُطلقت قبل يوم من الاختبارات.
• Google Gemini Spark — نسخة بيتا داخل تطبيق Gemini، بسعر $20 شهريًا.
• xAI Grok Bot — تطبيق مستقل، بسعر $30 شهريًا.

لم يدخل OpenClaw في القائمة. فهو الذي أطلق موجة الوكلاء في مطلع العام، لكن إعداده معقّد للغاية على الشخص العادي. ويعد كاتب المقال بإضافة Hermes من Nous Research وPoke في التصنيفات المقبلة.

الإحاطة والغداء: أين يتعثر الوكلاء

المهمة الأولى هي إعداد فكرة لاجتماع التحرير في Wired مع عنوان لها. طلب ريس من الوكلاء قضاء 30 دقيقة في بحث معمّق. ولم يعمل وقتًا أطول سوى Muse وDots، أما الباقون فقدّموا نتيجتهم فورًا تقريبًا أو بعد دقيقتين. وجاءت أفضل فكرة من Gemini Spark (5/5): فـWalmart تفتح منصة للوكلاء التابعين لجهات خارجية، بينما أغلقت Amazon الباب في وجه Muse. ونال Claude Duet درجة 4 عن موضوع الدردشات المحمية برمز PIN في ChatGPT، وMuse درجة 3، وDots درجة 2 عن نص «دائم الصلاحية» حول تطبيق SHIFT لمكافحة التصفح القهري للأخبار السيئة (doomscrolling). أما Grok Bot وInstinct فنالا درجة 1 لكل منهما: الأول قدّم خبرًا قديمًا عن «الذوق الأساسي» لدى Muse، والثاني قدّم تجربة غير واضحة مع خلاصات وسائل التواصل الاجتماعي.

المهمة الثانية هي طلب غداء لشخصين. المدير نباتي صرف (vegan) وأراد مطبخًا فيتناميًا، وريس يريد لحمًا وكافيين، ويجب أن يكون المطعم قريبًا من المكتب.

• Dots — 5/5. اختار DragonEats بنفسه عبر موقع المطعم: bánh mì بلحم الخنزير المشوي، وقهوة مثلجة فيتنامية، ولفائف بتوفو التيرياكي. الإجمالي $30,57 قبل الضرائب.
• Muse — 4/5. DragonEats عبر DoorDash، $42,66 للأصناف.
• Grok Bot — 4/5. Freshroll عبر DoorDash، $43,40.
• Claude Duet — 3/5. Freshroll، وسأل: DoorDash أم Uber Eats. اختار ريس Uber Eats، $49,25.
• Instinct — 2/5. السلة تشبه سلة Claude Duet، لكنها أغلى بـ$4: $53,73.
• Gemini Spark — 1/5. حصل المدير على لفّة واحدة بسعر $5,85، والمجموع الفرعي الكلي $22,55. وهو الفشل الحقيقي الوحيد في هذا الاختبار.

الاستباقية: تعارض في 14:00

أنشأ ريس في التقويم اجتماعًا مع مصدر في 14:00، وأرسل إلى نفسه رسالة بريد تفيد بأن عليه في هذا الوقت الاتصال بأمه التي سيُسمح لها بمغادرة المستشفى. والمطلوب ربط الرسالة بالتقويم والتنبيه مسبقًا.

• Dots — 5/5. لاحظ التعارض فورًا واقترح الاتصال قبل الاجتماع أو بعد 15:00 مع مراعاة موعد الخروج من المستشفى.
• Claude Duet — 4/5. نبّه قبل ساعات عدة، لكنه لم يقدّم بدائل.
• Grok Bot وInstinct وMuse — 2/5 لكل منها. فاتهم التعارض، لكنهم أقرّوا بالخطأ واقترحوا مطابقة البريد مع التقويم مستقبلًا.
• Gemini Spark — 1/5. لم يعثر على التعارض ولم يقترح كيفية تجنّب تكراره.

نجح اثنان فقط، وهذا أقل مما توقعه الكاتب.

كيف تختار وكيلًا الآن

بعد ثلاث مهام، يتصدر Dots (12 نقطة من 15) وClaude Duet (11)، ثم Muse (9)، ثم Grok Bot وGemini Spark (7 نقاط لكل منهما)، وأخيرًا Instinct (5). لكن هذا الحساب لا يعكس السعر والمخاطر. فسعر Dots أعلى بخمس مرات من سعر Claude Duet وGemini Spark، بينما Muse مجاني. ويحتاج الوكلاء إلى الوصول إلى البريد والتقويم وبيانات شخصية أخرى، والأخطاء في الصلاحيات مكلفة: فقد ربط أحد مستخدمي X الوكلاء بحسابه المصرفي وبـSlack الخاص بعمله، ثم نشر أحدهم رصيده أمام زملائه. والنصيحة العملية: ابدأ بالتقويم والبريد، ولا تمنح الوصول إلى البنوك ومحادثات الشركة. وراجع السلال والمسارات قبل الدفع، خاصة إذا عمل الوكيل بسرعة مفرطة. وفي الاختبار ربط ريس Google Calendar وGmail الشخصيين فقط، وهذا معقول للبداية.