ورشة مجانية 21–22.11ورشة مجانية لمدة يومين في Vibecoding يومي 21–22 نوفمبر الساعة 16:00 بتوقيت موسكو · الدفعة 3 تبدأ 23.11سجّل مجاناً ←الدفعة 3 (23.11)
إصدارتحليل · على الرادارHabr AI→ المصدر

64 وكيل ذكاء اصطناعي بدلًا من 8 ارتفعت كلفتها بنسبة 690%، وحُلّت مهمة واحدة أقل

تخيّل أنك تريد إصلاح خلل في Click: يمكنك تشغيل وكيل واحد مزوّد بالتحقق الذاتي، أو تشكيل فريق من وكيل قائد و63 وكيلًا فرعيًا. جرّب كاتب على Habr الطريقتين على 14 تعديلًا و30 مسألة من AtCoder. رفع الانتقال من 8 إلى 64 وكيلًا كلفة المحاولة بنحو 690%، وانخفض عدد المسائل المحلولة لدى كل من النموذجين بمسألة واحدة. وفي التعديل الموضعي الذي تتوفر له اختبارات واضحة، الأجدى أن تبدأ بوكيل واحد وتفحص مسودته الأولى.

معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
64 وكيل ذكاء اصطناعي بدلًا من 8 ارتفعت كلفتها بنسبة 690%، وحُلّت مهمة واحدة أقل
المصدر: Habr AI. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليHabr AI ↗
رئيس التحرير
DeepSeek على AtCoder21 من 30 مع وكيل واحد، و24 مع ثمانية، و23 مع 64
Qwen في التعديلات8 وكلاء حققوا 3 نجاحات من 14 بدلًا من 2، لكن بكلفة أعلى بنسبة 679%
مسائل DeepSeek الصعبة4 من 10 مع وكيل واحد، و6 من 10 مع ثمانية

تخيّل مهمة عادية: في مكتبة Click خلل يجب إصلاحه، ولديك اختبار يكشفه. تقدّم أُطر الوكلاء (agentic harnesses) الحديثة طريقين. الأول تشغيل وكيل واحد يكتب التصحيح ويتحقق منه بنفسه ويعدّله عند الحاجة. والثاني تشكيل فريق من وكيل قائد ووكلاء فرعيين وعشرات المسودات والمراجعات. يبدو الطريق الثاني أكثر إحكامًا، لكن من السهل جدًا أن تُهدر مليون رمز (token) إضافي على المسودات والمراجعة. تحقق كاتب الدراسة على Habr مما إذا كان ذلك يستحق الكلفة: كم تعديلًا إضافيًا يجتاز الاختبارات فعلًا، وكم يكلّف. الجواب المختصر: بعد حجم معيّن للفريق لا يزداد عدد التعديلات الناجحة، بينما تقفز الفاتورة نحو ثمانية أضعاف تقريبًا.

كيف أُجري القياس

استُخدمت مجموعتان من المهام. الأولى 14 تعديلًا موضعيًا في مكتبتي Python: ثمانية في Click وستة في Packaging. تلقّى الوكيل وصف الخطأ والشيفرة المصدرية في نطاق محدد مسبقًا. وفُحصت الاختبارات المستهدفة مسبقًا: تفشل على الشيفرة القديمة وتنجح على التصحيح المرجعي، أي إنها تكشف الخطأ الأصلي فعلًا. أما المجموعة الثانية فهي 30 مسألة خوارزمية من AtCoder ضمن LiveCodeBench بثلاثة مستويات صعوبة. ولم تشمل التجربة دورة العمل الكاملة على الميزة، بما فيها توضيح المتطلبات والمراجعة البشرية والإصدار.

اختير نموذجان منخفضا الكلفة: DeepSeek V4.1 Flash وQwen3.8 Flash، بدرجة حرارة 0.8 ووضع استدلال معطّل. وكانت أحجام الفريق: 1 و2 و4 و6 و8 و16 و32 و64 وكيلًا. يكتب الوكيل المنفرد الحل ويتحقق منه وقد يصححه. أما في الفريق فيكتب كل وكيل نسخته الخاصة، ويراجع الوكيل الفرعي كذلك مسودة زميله المجاور. ويتلقى القائد جميع المراجعات وما يصل إلى ثلاث مسودات كاملة، ثم يصدر إجابة نهائية واحدة. في فريق من ثمانية هناك سبعة وكلاء فرعيين والقائد، وعند 64 وكيلًا يبلغ عدد المراجعات 63. وقيس الأداء بنسبة النتائج النهائية التي اجتازت الاختبارات المستهدفة. وشملت الكلفة جميع الاستدعاءات، بما فيها الفاشلة، وفق التعرفة دون خصم التخزين المؤقت (cache).

أين يتوقف النمو

ساعد الفريق في البداية. حلّ DeepSeek على AtCoder 21 مسألة من 30 مع وكيل واحد و24 مع ثمانية. وعلى 10 مسائل صعبة ارتفع من أربع إلى ست. وبقي الناتج 24 عند 16 و32 وكيلًا، ثم صار 23 عند 64. أما Qwen فبلغ حده الأقصى، 18 من 30، وهو يعمل منفردًا. وحلّ النموذجان جميع المسائل السهلة العشر عند كل أحجام الفرق.

كلّف الانتقال من 8 إلى 64 وكيلًا على AtCoder أكثر بنسبة 691% لدى DeepSeek و687% لدى Qwen، وخسر النموذجان مسألة محلولة واحدة لكل منهما. وتشمل الفواصل الإحصائية للفرق الصفر، لذا يصعب على عينة كهذه التمييز بين التراجع الحقيقي والتذبذب العشوائي. لكن بالنسبة لفريق الـ64 وُجد في المجموعات الأربع كلها تكوين أصغر حلّ العدد نفسه من المسائل أو أكثر بكلفة أقل. وعند 64 وكيلًا حققت المجموعة الكاملة 25 من 44 لدى DeepSeek و19 من 44 لدى Qwen.

أما في التعديلات فالصورة متباينة. في Click #3902 لم ينجح Qwen منفردًا، بينما نجح فريق الثمانية، فارتفع النموذج من نجاحين إلى ثلاثة من 14. وكان الثمن زيادة قدرها 679% في كلفة المحاولة مقارنة بوكيل واحد مع التحقق الذاتي. وفي Packaging #1531 لدى DeepSeek وعند الانتقال نفسه حدث العكس: اختفى النجاح، إذ انخفض من تعديلين ناجحين إلى واحد. وكلا التعديلين المرفوضين اجتاز الاختبارات الأساسية، لكن الخلل كشفته اختبارات خاصة بالإصلاح المحدد.

الكلفة ليست للمحاولة بل للتعديل الناجح

يقترح الكاتب ألا نحسب كلفة التشغيل الواحد، بل مجموع كل المحاولات، بما فيها الفاشلة، مقسومًا على عدد التعديلات التي اجتازت الاختبارات. في تعديلات Qwen حقق فريق من ستة وكلاء نجاحًا واحدًا، وفريق من ثمانية ثلاثة نجاحات، مع أن تشغيل الثمانية كلّف في المتوسط أكثر بنسبة 36%. لذلك جاءت كلفة النجاح لدى الثمانية أقل بنسبة 55% منها لدى الستة. غير أن أرخص نجاحات بين هذه الأحجام الثلاثة حققها التحقق الذاتي للوكيل المنفرد. وعند تساوي الميزانية، يحقق سبعة وكلاء فرعيين في Qwen نحو 19% من نجاحات الوكيل المنفرد.

ماذا نفعل عمليًا

في التعديل الموضعي ذي معايير القبول الواضحة، شغّل وكيلًا واحدًا وافحص مسودته الأولى بالاختبارات المستهدفة. ويبرَّر الفريق الكبير حيث يعجز الوكيل المنفرد: فعند DeepSeek في المسائل الصعبة حقق ثمانية وكلاء زيادة ملحوظة. لكن مع Qwen في المسائل الخوارزمية الصعبة لم ينفع أي فريق: عند 8 وكلاء فأكثر لم يُسجَّل أي نجاح في أي من المسائل العشر.

القيود مهمة: نموذجان رخيصان دون وضع استدلال، و14 تعديلًا في مكتبتين، وعينات صغيرة. وقد تختلف النتيجة مع النماذج القوية. لكن المنهجية سهلة التكرار على قائمة المهام المتراكمة (backlog) لديك: ثبّت الاختبارات، وجرّب أحجام الفرق، وقارن كلفة النجاح لا كلفة المحاولة.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول كيف أُجري القياس؟

استُخدمت مجموعتان من المهام. الأولى 14 تعديلًا موضعيًا في مكتبتي Python: ثمانية في Click وستة في Packaging. تلقّى الوكيل وصف الخطأ والشيفرة المصدرية في نطاق محدد مسبقًا. وفُحصت الاختبارات المستهدفة مسبقًا: تفشل على الشيفرة القديمة وتنجح على التصحيح المرجعي، أي إنها تكشف الخطأ الأصلي فعلًا. أما المجموعة الثانية فهي 30 مسألة خوارزمية من AtCoder ضمن LiveCodeBench بثلاثة مستويات صعوبة. ولم تشمل التجربة دورة العمل الكاملة على الميزة، بما فيها توضيح المتطلبات والمراجعة البشرية والإصدار.

ما أبرز التفاصيل حول أين يتوقف النمو؟

ساعد الفريق في البداية. حلّ DeepSeek على AtCoder 21 مسألة من 30 مع وكيل واحد و24 مع ثمانية. وعلى 10 مسائل صعبة ارتفع من أربع إلى ست. وبقي الناتج 24 عند 16 و32 وكيلًا، ثم صار 23 عند 64. أما Qwen فبلغ حده الأقصى، 18 من 30، وهو يعمل منفردًا. وحلّ النموذجان جميع المسائل السهلة العشر عند كل أحجام الفرق. كلّف الانتقال من 8 إلى 64 وكيلًا على AtCoder أكثر بنسبة 691% لدى DeepSeek و687% لدى Qwen، وخسر النموذجان مسألة محلولة واحدة لكل منهما.

ما أبرز التفاصيل حول الكلفة ليست للمحاولة بل للتعديل الناجح؟

يقترح الكاتب ألا نحسب كلفة التشغيل الواحد، بل مجموع كل المحاولات، بما فيها الفاشلة، مقسومًا على عدد التعديلات التي اجتازت الاختبارات. في تعديلات Qwen حقق فريق من ستة وكلاء نجاحًا واحدًا، وفريق من ثمانية ثلاثة نجاحات، مع أن تشغيل الثمانية كلّف في المتوسط أكثر بنسبة 36%. لذلك جاءت كلفة النجاح لدى الثمانية أقل بنسبة 55% منها لدى الستة. غير أن أرخص نجاحات بين هذه الأحجام الثلاثة حققها التحقق الذاتي للوكيل المنفرد. وعند تساوي الميزانية، يحقق سبعة وكلاء فرعيين في Qwen نحو 19% من نجاحات الوكيل المنفرد.

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…