GPT-6 Astra يخسر 5 نقاط عند الجهد المتوسط، لكنه يحل المهمة أسرع بثلاث مرات
تضبط معظم المختبرات في واجهة API مستوى reasoning effort أقل من الحد الأقصى، وهذا يقلّص زمن المهمة بشكل كبير. وفقًا لـ Artificial Analysis، يحقق GPT-6 Astra عند الجهد المتوسط 52 نقطة في Intelligence Index مقابل 57 عند الحد الأقصى، لكنه ينجز المهمة في نحو 5.8 دقيقة بدلًا من نحو 18. أما GPT-6.1 Sol فينخفض مؤشره من 55 إلى 46 عند خفض الجهد.
معالج بواسطة الذكاء الاصطناعي من X: @ArtificialAnlys؛ بتحرير Hamidun News
موقف مألوف: ربطت نموذجًا من الفئة الأعلى، وأجريت بضعة اختبارات، فإذا بالوكيل يفكر لدقائق طويلة. يكون المستخدم قد أغلق التبويب. والسبب ليس بالضرورة الخادم. في الغالب يعود الأمر إلى إعداد لا يلمسه كثيرون: مستوى reasoning effort، أي مقدار «وقت التفكير» الذي ينفقه النموذج قبل الإجابة.
ذكّر محللو Artificial Analysis على منصة X بأن معظم المختبرات الرائدة تضبط في API قيمة افتراضية أقل من الجهد الأقصى. وهذا يقلّص بشكل حاد Time per Task، أي الزمن الذي يقضيه النموذج في مهمة واحدة كاملة. سنستعرض أدناه ما أظهرته أرقامهم وكيف يمكن الاستفادة منها.
ما أظهرته الأرقام
المثال الأول: GPT-6 Astra. عند الجهد المتوسط يحقق النموذج 52 نقطة في Intelligence Index، وعند الأقصى 57. الفارق خمس نقاط، أي نحو 9% من أفضل نتيجة. في المقابل تستغرق المهمة عند المستوى المتوسط نحو 5.8 دقيقة، وعند الأقصى نحو 18. أي أن الزمن ينخفض إلى الثلث تقريبًا، بينما تراجعت الجودة بأقل من العُشر.
المثال الثاني: GPT-6.1 Sol. الصورة هنا أقسى: ينخفض المؤشر من 55 إلى 46، أي بمقدار 9 نقاط أو نحو 16%. ينقطع المنشور عند الرقم 3.9، ولذلك لا تظهر في هذا المقتطف وحدة القياس ولا مستوى الجهد بدقة. ينبغي استخلاص النتائج بشأن Sol بعد الاطلاع على الجدول الكامل عبر الرابط في المصدر الأصلي.
لماذا يهم ذلك عمليًا
تخيّل وكيلًا لمراجعة الشيفرة. يتلقى pull request، ويقرأ الفروقات، ويشغّل الفحوص، ويكتب التعليقات. إذا استغرق كل تشغيل 18 دقيقة، يكون المطوّر قد انتقل إلى شيء آخر، ويصل التعليق إلى لا أحد. أما إذا استغرق 6 دقائق فهذا ما زال مقبولًا. في هذا السيناريو غالبًا لا تهم خمس نقاط ضائعة في المؤشر العام، بينما يُلاحَظ فورًا انخفاض التأخير إلى الثلث.
والحالة المعاكسة: التحليل الليلي الدفعي للحوادث المعقدة أو توليد ترحيل (migration) على قاعدة شيفرة كبيرة. لا أحد ينتظر أمام الشاشة، وكل خطأ مكلف. يكون الجهد الأقصى مبررًا هنا، لأن الوقت شبه مجاني بينما ثمن الخطأ مرتفع.
ومن هنا قاعدة بسيطة: مستوى الجهد هو مقبض من مقابض المنتج، وليس تفصيلًا تقنيًا ثانويًا. يجب اختياره بحسب السيناريو لا تركه كما جاء من الصندوق.
ماذا نفعل
أولًا: اعرف القيمة الافتراضية المطبّقة لدى مزوّدك. فهي تختلف من مختبر إلى آخر، وكثيرًا ما يبقى المطورون سنوات على قيمة لم يخترها أحد عن وعي.
ثانيًا: قِس لا الجودة فقط بل أيضًا زمن المهمة على مجموعة مهامك الخاصة. المؤشر العام متوسط عبر عدة اختبارات معيارية، وقد يتصرف حِملك الفعلي بشكل مختلف. شغّل الطلبات الحقيقية نفسها، من 50 إلى 100 طلب، على عدة مستويات من الجهد، وقارن نسبة الإجابات الناجحة والزمن الوسيط.
ثالثًا: فكّر في التوجيه (routing). أرسل الطلبات البسيطة إلى جهد منخفض أو متوسط، وصعّد الطلبات المعقدة أو المثيرة للجدل إلى الحد الأقصى. بهذا تحصل على السرعة في معظم الحالات وعلى الجودة حيث تلزم فعلًا.
القيود
هذا منشور قصير على X وليس تقريرًا كاملًا. نرى نموذجين فقط، وجزء من بيانات Sol مقتطع. Intelligence Index مقياس مجمّع، وفي المهام الضيقة قد يكون الفارق بين مستويات الجهد أكبر بكثير أو أصغر. كما أن الزمن يتأثر بحمل بنية المزوّد التحتية، وستختلف أرقامك.
الخلاصة: لا تعتبر الجهد الأقصى الوضع «الصحيح» افتراضيًا. بالنسبة إلى Astra، يبدو مبادلة خمس نقاط بتسريع ثلاثة أضعاف مجزية للسيناريوهات التفاعلية. أما مع Sol فالثمن أعلى، والتحقق على بياناتك الخاصة مهم بشكل خاص.
- 12 نوفمبر 2026لوكون في ECCV 2026 يدعو إلى التخلي عن توليد البكسلات والتوجه نحو نماذج العالم
- 12 نوفمبر 2026Google تطلق Gemini 4 Carbon: نموذج وكيلي أرخص من Fable 5.2 بمرتين إلى ست مرات
- 12 نوفمبر 2026جوجل تطلق Gemini Decision 1: استجابة خلال 150–250 مللي ثانية وبسعر 0.10 دولار لكل مليون رمز
- 12 نوفمبر 2026Gemini 4 Carbon في مواجهة Claude Fable 5.2: أرخص بـ103 أضعاف، لكن الصورة أقل جودة
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول ما أظهرته الأرقام؟
المثال الأول: GPT-6 Astra. عند الجهد المتوسط يحقق النموذج 52 نقطة في Intelligence Index، وعند الأقصى 57. الفارق خمس نقاط، أي نحو 9% من أفضل نتيجة. في المقابل تستغرق المهمة عند المستوى المتوسط نحو 5.8 دقيقة، وعند الأقصى نحو 18. أي أن الزمن ينخفض إلى الثلث تقريبًا، بينما تراجعت الجودة بأقل من العُشر. المثال الثاني: GPT-6.1 Sol. الصورة هنا أقسى: ينخفض المؤشر من 55 إلى 46، أي بمقدار 9 نقاط أو نحو 16%. ينقطع المنشور عند الرقم 3.9، ولذلك لا تظهر في هذا المقتطف وحدة القياس ولا مستوى الجهد بدقة.
ما أبرز التفاصيل حول لماذا يهم ذلك عمليًا؟
تخيّل وكيلًا لمراجعة الشيفرة. يتلقى pull request، ويقرأ الفروقات، ويشغّل الفحوص، ويكتب التعليقات. إذا استغرق كل تشغيل 18 دقيقة، يكون المطوّر قد انتقل إلى شيء آخر، ويصل التعليق إلى لا أحد. أما إذا استغرق 6 دقائق فهذا ما زال مقبولًا. في هذا السيناريو غالبًا لا تهم خمس نقاط ضائعة في المؤشر العام، بينما يُلاحَظ فورًا انخفاض التأخير إلى الثلث. والحالة المعاكسة: التحليل الليلي الدفعي للحوادث المعقدة أو توليد ترحيل (migration) على قاعدة شيفرة كبيرة. لا أحد ينتظر أمام الشاشة، وكل خطأ مكلف.
ما أبرز التفاصيل حول ماذا نفعل؟
أولًا: اعرف القيمة الافتراضية المطبّقة لدى مزوّدك. فهي تختلف من مختبر إلى آخر، وكثيرًا ما يبقى المطورون سنوات على قيمة لم يخترها أحد عن وعي. ثانيًا: قِس لا الجودة فقط بل أيضًا زمن المهمة على مجموعة مهامك الخاصة. المؤشر العام متوسط عبر عدة اختبارات معيارية، وقد يتصرف حِملك الفعلي بشكل مختلف. شغّل الطلبات الحقيقية نفسها، من 50 إلى 100 طلب، على عدة مستويات من الجهد، وقارن نسبة الإجابات الناجحة والزمن الوسيط. ثالثًا: فكّر في التوجيه (routing).
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
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.