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 الرادارX: @ArtificialAnlys→ المصدر

نموذجا Claude يتصدران تصنيف وكلاء البرمجة بـ 58 نقطة، وتكلفة المهمة الواحدة تتراوح بين $1.51 و$44.22

حدّثت Artificial Analysis تصنيف وكلاء البرمجة. لا يختبر هذا التصنيف النموذج منفردًا، بل التركيبة التي تجمع النموذج بإطار تشغيل مثل Claude Code. ويتقاسم Claude Fable 5.2 وClaude Opus 5.5 المركز الأول بـ 58 نقطة على مقياس المؤشر. وتتفاوت تكلفة المهمة بين التركيبات التي حصلت على 48 نقطة فأكثر بنحو 30 ضعفًا: $1.51 لـ Codex مع GPT-6.1 Sol مقابل $44.22 لـ Claude Code مع Fable 5.2 (max). اختاروا الوكيل بالنظر إلى الثنائي «النقاط وتكلفة المهمة» معًا.

معالج بواسطة الذكاء الاصطناعي من X: @ArtificialAnlys؛ بتحرير Hamidun News
نموذجا Claude يتصدران تصنيف وكلاء البرمجة بـ 58 نقطة، وتكلفة المهمة الواحدة تتراوح بين $1.51 و$44.22
المصدر: X: @ArtificialAnlys. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليX: @ArtificialAnlys ↗
رئيس التحرير
حقيقة رئيسية #1بسبب FrontierCode 2.0 الجديد انخفضت النقاط بمتوسط 5 نقاط
FrontierCode 2.0132 مهمة، والمعيار هو: هل كان المشرف على المستودع (maintainer) سيقبل التعديل
حقيقة رئيسية #3لم تتراجع سوى تركيبة Codex مع GPT-6.1 Terra: بقيت نتيجتها ضمن حدود نقطة واحدة

عندما يختار فريق مساعدًا ذكيًا للبرمجة، لا يكفي اسم النموذج. فالنموذج نفسه يعمل بصورة مختلفة بحسب «إطار التشغيل» — أي البرنامج الذي يمنحه الوصول إلى المستودع والطرفية: Claude Code أو Codex أو Antigravity CLI أو Devin Fusion CLI. وهذه التركيبات بالذات هي ما يقيسه مختبر Artificial Analysis المستقل في مؤشره Coding Agent Index. وقد صدر الإصدار 2.1: يتقاسم Claude Fable 5.2 وClaude Opus 5.5 المركز الأول بـ 58 نقطة على مقياس المؤشر، بينما تتفاوت تكلفة المهمة الواحدة بين التركيبات القوية بنحو 30 ضعفًا — من $1.51 إلى $44.22.

ما الذي تغيّر في المؤشر

في الإصدار 2.1 جرى تحديث اختبارين من ثلاثة. الأول هو FrontierCode: حلّ محل الإصدار 1.1 الإصدار FrontierCode-AA 2.0، وهو تنفيذ خاص بالمختبر لمجموعة FrontierCode 2.0 من شركة Cognition. تضم المجموعة 132 مهمة حقيقية، ولا يُفحص فيها اجتياز الاختبارات شكليًا، بل معيار يفهمه كل مطوّر: هل كان المشرف على المستودع (maintainer) سيقبل التعديل الذي اقترحه الوكيل. يشبه هذا مراجعة الشيفرة (code review) في مشروع حقيقي.

الثاني هو Terminal-Bench: استُبدل الإصدار 4.0 بالإصدار 4.1. ما زال عدد المهام 66، لكن سكربتات التحقق صارت أكثر موثوقية وأفضل حماية من reward hacking. يُطلق هذا المصطلح على الحالة التي يجد فيها الوكيل ثغرة فينال العلامة دون أن يحل المهمة. أما الاختبار الثالث، SWE-Atlas-QnA-AA، فلم يُحذف من المؤشر.

وبسبب صرامة FrontierCode-AA 2.0 الأعلى، جاءت النقاط في الإصدار 2.1 أدنى: فقدت النماذج في المتوسط 5 نقاط. والتركيبة الوحيدة التي لم تتراجع تقريبًا هي Codex مع GPT-6.1 Terra (max): فنتيجتها بقيت ضمن حدود نقطة واحدة عن السابق. لذلك لا يجوز مقارنة أرقام الإصدار 2.1 مباشرة بأرقام الإصدارات السابقة: فمجموعة المهام نفسها تغيّرت.

من في الصدارة

يتقاسم المركز الأول بـ 58 نقطة تركيبتان قائمتان على نماذج Anthropic. يحصل Claude Fable 5.2 على 58 في وضعي xhigh وhigh داخل Claude Code. ويحقق Claude Opus 5.5 (max) 58 نقطة أيضًا في Claude Code، وكذلك حين يعمل مع GPT-6 Luna High في بيئة متعددة النماذج من Cognition — Devin Fusion CLI.

وثمة تفصيل لافت: حصل Claude Fable 5.2 في وضع max على 56 نقطة فقط. وبحسب بيانات Artificial Analysis، اصطدم عدد أكبر من محاولاته بحدّ الوقت المخصص للمهمة. أي أن الوضع الأكثر «اجتهادًا» لا يضمن أفضل نتيجة: فقد يعجز الوكيل ببساطة عن الإنجاز في الوقت المحدد. ويأتي بعده Claude Sonnet 5.5 (max) بـ 56 نقطة في Claude Code، ثم Gemini 4 Carbon (high) بـ 55 نقطة في Antigravity CLI.

السعر مقابل الجودة

الرقم الأهم للميزانية هو التكلفة. فبين التركيبات التي حصلت على 48 نقطة فأكثر، تتفاوت تكلفة المهمة الواحدة بنحو 30 ضعفًا. الأرخص هي Codex مع GPT-6.1 Sol (max): 52 نقطة و$1.51 للمهمة. والأغلى هي Claude Code مع Claude Fable 5.2 (max): 56 نقطة و$44.22.

الفارق في الجودة بين هذين الخيارين 4 نقاط، وفي السعر قرابة 30 ضعفًا. وإذا كان الوكيل يعمل على مئات المهام يوميًا، فهذه ليست تفصيلة أكاديمية، بل بند كبير في المصروفات.

ماذا نفعل عمليًا

أولًا، لا تنقلوا تصنيف الآخرين إلى منظومتكم دون اختبار: إذا تغيّر إطار التشغيل تغيّرت النتيجة. ثانيًا، انظروا إلى النقاط مع السعر وحدود الوقت: فوضع «الحد الأقصى» قد يكلّف أكثر ويخسر مع ذلك أمام وضع أخف. ثالثًا، تذكّروا القيود: هذا مؤشر مستقل واحد يضم ثلاثة اختبارات، ولا يعرف خصوصيات شيفرتكم.

الخطة المعقولة: خذوا تركيبتين أو ثلاثًا من أعلى الجدول، وأدرجوا بينها تركيبة رخيصة بالتأكيد، وشغّلوها على مهامكم الخاصة من مستودعكم. يحدد المؤشر العام نقطة البداية، أما القرار فيجب أن تحسمه تكلفة التعديل المقبول في مشروعكم أنتم.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول ما الذي تغيّر في المؤشر؟

في الإصدار 2.1 جرى تحديث اختبارين من ثلاثة. الأول هو FrontierCode: حلّ محل الإصدار 1.1 الإصدار FrontierCode-AA 2.0، وهو تنفيذ خاص بالمختبر لمجموعة FrontierCode 2.0 من شركة Cognition. تضم المجموعة 132 مهمة حقيقية، ولا يُفحص فيها اجتياز الاختبارات شكليًا، بل معيار يفهمه كل مطوّر: هل كان المشرف على المستودع (maintainer) سيقبل التعديل الذي اقترحه الوكيل. يشبه هذا مراجعة الشيفرة (code review) في مشروع حقيقي. الثاني هو Terminal-Bench: استُبدل الإصدار 4.0 بالإصدار 4.1.

ما أبرز التفاصيل حول من في الصدارة؟

يتقاسم المركز الأول بـ 58 نقطة تركيبتان قائمتان على نماذج Anthropic. يحصل Claude Fable 5.2 على 58 في وضعي xhigh وhigh داخل Claude Code. ويحقق Claude Opus 5.5 (max) 58 نقطة أيضًا في Claude Code، وكذلك حين يعمل مع GPT-6 Luna High في بيئة متعددة النماذج من Cognition — Devin Fusion CLI. وثمة تفصيل لافت: حصل Claude Fable 5.2 في وضع max على 56 نقطة فقط. وبحسب بيانات Artificial Analysis، اصطدم عدد أكبر من محاولاته بحدّ الوقت المخصص للمهمة.

ما أبرز التفاصيل حول السعر مقابل الجودة؟

الرقم الأهم للميزانية هو التكلفة. فبين التركيبات التي حصلت على 48 نقطة فأكثر، تتفاوت تكلفة المهمة الواحدة بنحو 30 ضعفًا. الأرخص هي Codex مع GPT-6.1 Sol (max): 52 نقطة و$1.51 للمهمة. والأغلى هي Claude Code مع Claude Fable 5.2 (max): 56 نقطة و$44.22. الفارق في الجودة بين هذين الخيارين 4 نقاط، وفي السعر قرابة 30 ضعفًا. وإذا كان الوكيل يعمل على مئات المهام يوميًا، فهذه ليست تفصيلة أكاديمية، بل بند كبير في المصروفات.

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.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
ما رأيك؟
جارٍ تحميل التعليقات…