بث مباشر 18.11 · الدفعة 318 نوفمبر، 19:00 بتوقيت موسكو — ورشة عملية مجانية لوكلاء الذكاء الاصطناعي · الدفعة 3 تبدأ 23.11ورشة 18 نوفمبر ←الدفعة 3 (23.11)
إصدارAPI / منتج · جاهز للعملX: @ArtificialAnlys→ المصدر

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
GPT-6 Astra يخسر 5 نقاط عند الجهد المتوسط، لكنه يحل المهمة أسرع بثلاث مرات
المصدر: X: @ArtificialAnlys. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليX: @ArtificialAnlys ↗
رئيس التحرير
حقيقة رئيسية #1القيمة الافتراضية في API غالبًا ليست الحد الأقصى — تحقق من قيمتك
Astra52 مقابل 57 نقطة، لكن 5.8 مقابل نحو 18 دقيقة
تراجع GPT-6.1 Sol أشدمن 55 إلى 46 نقطة

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.

القصة

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).

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

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.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…