DeepSeek Flash يحل مهام Delphi بتكلفة أقل 12 مرة من Sonnet 5.5 وGPT-6.1 Sol
لا تساعد التصنيفات العامة في اختيار وكيل برمجي للعمل بلغة Delphi، لذلك اختبر مؤلف برمجيات مخبرية سبعة نماذج على 20 مهمة من مستودعاته المغلقة. كلّف DeepSeek V4.1 Flash أقل بـ12 مرة من Sonnet 5.5 وGPT-6.1 Sol: فمجموعة المهام عندهما تكلّف نحو 10 دولارات، أي من 0,46 إلى 0,55 دولار للمهمة الواحدة. لكن إحدى مهام Sonnet 5.5 حصلت على صفر بسبب تحذير زائد من المترجم (compiler). لذلك قيّموا الوكيل على شيفرتكم أنتم، وراقبوا عدد التحذيرات (warnings).
معالج بواسطة الذكاء الاصطناعي من Хабр: Машинное обучение؛ بتحرير Hamidun News
إذا كنتم تكتبون بلغة Delphi، فالتصنيفات العامة لنماذج البرمجة لن تفيدكم كثيرًا: فهي تقيس مهام مختلفة تمامًا، وكثيرًا ما تُفسد النماذج المتصدرة في الجداول نماذج VCL. قرر مؤلف يطوّر منذ سنوات برمجيات علمية ومخبرية بلغة Delphi أن يختبر الوكلاء على شيفرته الخاصة. أخذ 20 مهمة حقيقية من ثلاثة مستودعات مغلقة، وشغّل عليها سبعة نماذج سحابية ومحلية. أبرز نتيجة من حيث التكلفة: يجتاز DeepSeek V4.1 Flash المجموعة كلها بتكلفة أقل بنحو 12 مرة من Sonnet 5.5 وGPT-6.1 Sol. أما عند هذين النموذجين فتكلّف مجموعة المهام الـ20 نحو 10 دولارات، أي من 0,46 إلى 0,55 دولار للمهمة الواحدة. والنتيجة الأكثر مفاجأة من حيث الجودة: قد ينال حتى النموذج القوي صفرًا في مهمة كل اختباراتها خضراء.
كيف جرى الاختبار
المستودعات هي برنامج قياس الانعكاسية بالأشعة السينية X-Ray Calc 3، وبرمجيات خاصة بجهاز قياس الاحتكاك (التريبومتر)، وعميل لمجلة إلكترونية مع خادم MCP. المستودعات الثلاثة كلها مغلقة، ولذلك لا توجد حلول جاهزة لها في بيانات تدريب النماذج. مرّ سكريبت على سجل التاريخ ووجد 1547 كوميت لإصلاح الأخطاء وإجراء تحسينات صغيرة: 831 في المجلة، و443 في X-Ray Calc 3، و273 في التريبومتر. ومنها اختير 20 مهمة: 11 تتعلق بالمنطق والحسابات والخيوط (threads)، و9 بالنماذج (forms) والجداول والرسوم البيانية والحوارات في VCL.
أمثلة المهام مفهومة لأي مطوّر. كانت الأرقام في JSON تُقرَّب بدالة لا تتعامل مع القيم الصغيرة جدًا، فكان ضبط ملف الطبقة الرقيقة (film) ينهار بخطأ. وكان حقل حدود المحور في الرسم البياني يُعاد حسابه عند كل ضغطة مفتاح، فعند كتابة 1e-8 كان البرنامج يتفاعل مع الرقم غير المكتمل في مرحلتي الإدخال «1» و«1e». وكانت أداة العمل مع قاعدة البيانات تنهار عند المعاملات المتداخلة في FireDAC. أما في قائمة المساعدة فكان المطلوب إضافة فحص للتحديثات على GitHub مع التحقق من المجموع الاختباري SHA-256.
فُحصت كل مهمة بمترجم RAD Studio 37.0: قبل الإصلاح يُبنى المشروع وتفشل اختبارات DUnitX الجديدة؛ وبعد إصلاح المؤلف يُبنى كل شيء وتنجح الاختبارات. تلقّى الوكيل العامل عبر سطر الأوامر نسخة نظيفة من المستودع ووصف المهمة وأمر البناء. حُذفت الملفات التي تحتوي على إرشادات للوكلاء، وعُطّل خادم اللغة، وحُدّد الحد الزمني بـ45 دقيقة. وكان هناك نمطان: بلا تعليمات، ومع مهارة delphi-development التي تصف بنية المشاريع وأربع قواعد. منها: المكونات المرئية في ملف .dfm فقط، والزوج TImageCollection وTVirtualImageList بدلًا من TImageList، وتحرير الكائنات المحلية عبر try..finally. ولا تُحتسب المهمة إذا ارتفع عدد تحذيرات المترجم فوق المستوى الأصلي.
ماذا أظهر كل نموذج
شُغّل DeepSeek Flash وClaude Haiku 5.5 ثلاث مرات لكل مهمة، وبقية النماذج مرة واحدة. وكان مستوى الاستدلال مرتفعًا في جميع النماذج السحابية. اجتاز DeepSeek Flash مع المهارة جميع الاختبارات في 60 تشغيلًا من 60، وحصل على 58 من 60 وفق المقياس الصارم. ويستغرق في المتوسط من 337 إلى 383 ثانية للمهمة. وتفوّق في الدقة على Haiku 5.5 القريب منه في السعر، إذ تبلغ تكلفتها 0,061 دولار للمهمة وتصل نسبة نجاح تشغيلاتها إلى 83–88%.
صدر GPT-6.1 Terra قبل يوم من النشر. تبلغ أسعاره وفق تعرفة OpenAI دولارًا و5 دولارات و0,05 دولار لكل مليون رمز (token) مدخل ومخرج ومخزَّن مؤقتًا على التوالي، أي نصف سعر Sol. وكلّفها اجتياز المجموعة من 3,52 إلى 3,56 دولار، أي أرخص بثلاث مرات من Sol وSonnet. وحققت Terra في الاختبارات 19 من 20 (95%). أما مهمة التحديث التلقائي XRC-09 التي أخفقت فيها Sol في النمطين، فقد أنجزتها Terra من المحاولة الأولى. وعادةً تقضي Sol من 7 إلى 11 دقيقة على المهمة، وفي مهمتين من مهام المجلة بلا المهارة استنفدت حد الـ45 دقيقة كاملًا.
وخرجت من الجدول Gemini 4 Argon (أُوقفت بعد 24 تشغيلًا بسبب البطء)، وGLM 5.3 Flash (نفد الرصيد على OpenRouter بعد المهمة الرابعة)، وClaude Opus 5.5 (مهمتان تجريبيتان فقط، إذ كانت Sonnet تتعامل معهما أصلًا).
كيف أسقط تحذير واحد معظم النماذج
أكثر القصص دلالة هي مهمة XRC-06: إضافة زر لمسح النتائج من ملف المشروع، وهو في الداخل أرشيف zip عادي. اجتازت Sonnet 5.5 المهام الـ20 كلها في الاختبارات، لكنها حصلت على 19 من 20 وفق المقياس الصارم.
والسبب ليس في المنطق. فقد نجحت كل الاختبارات المخفية الـ37، لكن المشروع كان فيه أصلًا تحذير واحد من المترجم W1002 («الرمز يعتمد على المنصة») في دالة كتابة الأرشيف القائمة. أما Sol والمحاولة الأولى لـDeepSeek فنقلتا المنطق المشترك إلى إجراء مساعد، فبقي التحذير واحدًا.
في المقابل، كتبت Sonnet وTerra وHaiku وQwen Coder والمحاولتان الأخريان لـDeepSeek دالة منفصلة، ونسخت إليها بأمانة فحص «الملف للقراءة فقط» من الدالة المجاورة. فصار عدد الأسطر التي تحتوي على الرمز المشكل اثنين، وصار عدد التحذيرات 2 بدل 1، فمنح السكريبت صفرًا.
الدرس الثاني من مهمة TRB-04. كانت النافذة تنهار عند الفتح بسبب زوج من خصائص TStringGrid: ينبغي أولًا زيادة عدد الصفوف، ثم بعد ذلك تحديد عدد الصفوف الثابتة. وأظهر الخطأ في FormCreate نافذة Windows مشروطة (modal)، ولم يكن هناك من يضغط «موافق»، فظل الاختبار معلّقًا حتى انتهاء المهلة بدل أن يفشل ببساطة.
ماذا تفعلون عمليًا
لا تختاروا الوكيل بحسب تصنيف عام: اجمعوا من سجل الكوميتات لديكم 10 إلى 20 مهمة مع اختبارات. وأدخلوا في التقييم عدد تحذيرات المترجم، وإلا فاتتكم الحالة نفسها التي أسقطت Sonnet هنا. وفي الإصلاحات الروتينية يبدو DeepSeek Flash الرخيص خيارًا أعقل من نماذج تكلّف 10 دولارات للمجموعة. والقيد واضح: 20 مهمة ومؤلف واحد لا يشكّلان إحصاءً يصلح لكل المشاريع، بل مجرد مؤشر استرشادي.
- 21 نوفمبر 2026MLCommons تبدأ قياس واجهات الذكاء الاصطناعي تحت حمل حقيقي: 7 قياسات للوكلاء
- 21 نوفمبر 2026عبر OpenRouter ردّت نسخة DeepSeek مخترَقة لثلاثة أيام: انخفضت نسبة الرفض من 83–98% إلى 1%
- 21 نوفمبر 2026أليس وChatGPT وPerplexity تستشهد بـ34 منصة فقط من أصل 309 منصات لنشر المقالات
- 21 نوفمبر 2026CoreWeave تقيس أداء Vera Rubin: ما يصل إلى 10 أضعاف عدد الرموز لكل ميغاواط مقارنة بـ GB200
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول كيف جرى الاختبار؟
المستودعات هي برنامج قياس الانعكاسية بالأشعة السينية X-Ray Calc 3، وبرمجيات خاصة بجهاز قياس الاحتكاك (التريبومتر)، وعميل لمجلة إلكترونية مع خادم MCP. المستودعات الثلاثة كلها مغلقة، ولذلك لا توجد حلول جاهزة لها في بيانات تدريب النماذج. مرّ سكريبت على سجل التاريخ ووجد 1547 كوميت لإصلاح الأخطاء وإجراء تحسينات صغيرة: 831 في المجلة، و443 في X-Ray Calc 3، و273 في التريبومتر. ومنها اختير 20 مهمة: 11 تتعلق بالمنطق والحسابات والخيوط (threads)، و9 بالنماذج (forms) والجداول والرسوم البيانية والحوارات في VCL.
ما أبرز التفاصيل حول ماذا أظهر كل نموذج؟
شُغّل DeepSeek Flash وClaude Haiku 5.5 ثلاث مرات لكل مهمة، وبقية النماذج مرة واحدة. وكان مستوى الاستدلال مرتفعًا في جميع النماذج السحابية. اجتاز DeepSeek Flash مع المهارة جميع الاختبارات في 60 تشغيلًا من 60، وحصل على 58 من 60 وفق المقياس الصارم. ويستغرق في المتوسط من 337 إلى 383 ثانية للمهمة. وتفوّق في الدقة على Haiku 5.5 القريب منه في السعر، إذ تبلغ تكلفتها 0,061 دولار للمهمة وتصل نسبة نجاح تشغيلاتها إلى 83–88%. صدر GPT-6.1 Terra قبل يوم من النشر.
ما أبرز التفاصيل حول كيف أسقط تحذير واحد معظم النماذج؟
أكثر القصص دلالة هي مهمة XRC-06: إضافة زر لمسح النتائج من ملف المشروع، وهو في الداخل أرشيف zip عادي. اجتازت Sonnet 5.5 المهام الـ20 كلها في الاختبارات، لكنها حصلت على 19 من 20 وفق المقياس الصارم. والسبب ليس في المنطق. فقد نجحت كل الاختبارات المخفية الـ37، لكن المشروع كان فيه أصلًا تحذير واحد من المترجم W1002 («الرمز يعتمد على المنصة») في دالة كتابة الأرشيف القائمة. أما Sol والمحاولة الأولى لـDeepSeek فنقلتا المنطق المشترك إلى إجراء مساعد، فبقي التحذير واحدًا.
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.