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 الرادارThe Decoder→ المصدر

نموذج OpenAI الجديد Astra يكتب ردودًا أقصر بنسبة 40%، لكن تصنيفه في التحفظات تراجع من 96 إلى 24

جعلت OpenAI ردود GPT-6.2 Astra وSol أقصر وأكثر مباشرة، لكن النموذجين صارا يقولان «لست متأكدًا» بوتيرة أقل. وبحسب حسابات Artificial Analysis، انخفض متوسط رد Astra من 352 إلى 210 كلمات (−40%)، ورد Sol من 337 إلى 223 (−34%). أما تصنيف الإقرار بعدم اليقين (مرتبة النموذج بين النماذج المختبرة، على مقياس من 1 إلى 100) فتراجع لدى Astra من 96 إلى 24، ولدى Sol من 98 إلى 51. لذلك يُستحسن في الطب والقانون والمالية أن تطلب التحفظات صراحةً في الموجّه (prompt).

معالج بواسطة الذكاء الاصطناعي من The Decoder؛ بتحرير Hamidun News
نموذج OpenAI الجديد Astra يكتب ردودًا أقصر بنسبة 40%، لكن تصنيفه في التحفظات تراجع من 96 إلى 24
المصدر: The Decoder. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليThe Decoder ↗
رئيس التحرير
العناوين في الرد الواحد0,11 لدى Astra مقابل 1,99 سابقًا، و0,25 لدى Sol مقابل 1,85
مؤشر الشفافيةAstra عند 41، وSol عند 57، وClaude Fable 5.2 عند 81، وOpus 5.5 عند 90
حقيقة رئيسية #3الدرجات تصنيف نسبي، وليست نسبة مئوية من الردود ولا مقياسًا للدقة

اشتكى كثيرون من أن روبوتات الدردشة تُسهب أكثر من اللازم: ثلاث فقرات تمهيدية، وقوائم، وعناوين، وتحفظات روتينية. ويبدو أن OpenAI سمعت هذه الشكاوى. فقد قارن محللو Artificial Analysis نموذجي GPT-6.

2 Astra وSol الجديدين بسابقيهما، ووجدوا أمرين. الأول أن الردود صارت أقصر بنسبة 34–40%: إذ يكتب Astra الآن في المتوسط 210 كلمات بدلًا من 352، ويكتب Sol 223 بدلًا من 337. والثاني أن النموذجين صارا يقولان «لست متأكدًا» بوتيرة أقل بكثير.

فتصنيف هذه السمة (مرتبة النموذج بين جميع النماذج المختبرة، على مقياس من 1 إلى 100) انهار لدى Astra من 96 إلى 24، ولدى Sol من 98 إلى 51. تخيّل مساعدًا كان يقول سابقًا «يبدو أن الأمر كذلك، لكن تحقق منه»، ثم صار يجيب بنبرة واثقة فحسب. وهذا أهم مما يبدو لمن يبنون منتجاتهم على هذه النماذج.

ما الذي تغيّر في أسلوب الردود

أجرت Artificial Analysis اختبارها الخاص AA-PersonalityBench على النماذج، وحسبت بصورة منفصلة مقاييس بسيطة مثل طول الرد. فانخفض متوسط رد Astra من 352 إلى 210 كلمات، أي بنسبة 40%. أما Sol فكان 337 كلمة وأصبح 223، بانخفاض 34%.

وتغيّر التنسيق أيضًا. فقد كان متوسط عدد العناوين في رد Astra 1,99، وصار 0,11. وفي Sol كان 1,85 وصار 0,25. كما قلّ استخدام الشرطة الطويلة، وهي علامة اعتاد كثيرون أن يتعرفوا بها على نصوص الذكاء الاصطناعي.

وفي المقابل، تراجع مؤشر التنظيم (البنية والوضوح وترتيب العرض): من 70 إلى 11 لدى Astra، ومن 86 إلى 27 لدى Sol. لكن سمة Answer First ارتفعت، أي مدى إجابة النموذج عن السؤال المطروح فورًا: من 49 إلى 89 لدى Astra، ومن 64 إلى 87 لدى Sol. كما ارتفع تقييم «طبيعية» الكلام: من 58 إلى 100 لدى Astra، ومن 54 إلى 79 لدى Sol.

ثمن الإيجاز: تحفظات صادقة أقل

حدث أشد التراجعات في سمة Admits Uncertainty، أي استعداد النموذج للإقرار بأنه لا يعرف شيئًا أو لا يملك يقينًا بشأنه.

تنبيه مهم: هذه ليست نسبًا مئوية من الردود. فالدرجات تعكس المرتبة النسبية للنموذج بين جميع النماذج المختبرة على مقياس من 1 إلى 100. والقيمة 24 لا تعني أن Astra يقرّ بعدم اليقين في 24% من الحالات، بل تعني أنه جاء في الشريحة الدنيا من التصنيف في هذه السمة.

ويضم مؤشر الشفافية المركّب خمس سمات: الإقرار بعدم اليقين، والصدق، والتحفظات بشأن الافتراضات، والإشارة إلى الفروق الدقيقة، وغياب التملق (وتُحتسب هذه الأخيرة عكسيًا: كلما قلّ التملق كان أفضل). ويبلغ المؤشر 41 لدى Astra و57 لدى Sol. وهو أعلى لدى Anthropic: فقد حصل Claude Fable 5.2 على 81، وOpus 5.5 على 90. وتتقدم Anthropic في التنظيم كذلك: حصل Opus 5.5 على 79، وFable 5.2 على 54. وفي مؤشر المعلوماتية يتصدر Opus 5.5 بـ90 نقطة مقابل 31 لـAstra و38 لـSol و47 لـFable 5.2.

كيف تقرأ هذا التصنيف وماذا يفعل المطوّر

يقوم الاختبار على 900 سؤال بالإنجليزية، وتجيب النماذج دون موجّه نظام (system prompt). ويراجع ثلاثة قضاة من الذكاء الاصطناعي أزواجًا مجهولة من الردود، ويقررون في أيٍّ منها تظهر السمة المطلوبة بقوة أكبر، أو يعلنون التعادل. ومن هذا تتكوّن 30 سمة وثمانية مؤشرات عامة. وجرت المقارنة بين النسخ ذات أعلى مستوى من الاستدلال.

أما القيد الرئيسي فهو أن هذا تقييم للأسلوب وليس للجودة. فانخفاض مؤشر الشفافية لا يثبت أن النموذج يخطئ أكثر، بل يدل فقط على أنه أقل ميلًا إلى مرافقة الإجابة بتحفظات. يُضاف إلى ذلك أن القضاة أنفسهم نماذج ذكاء اصطناعي، وأن الأسئلة بالإنجليزية فقط، لذا قد تختلف الصورة في المهام الناطقة بالروسية.

والاستنتاجات العملية كالتالي:

  • في واجهات الدردشة وروبوتات المساعدة التي يريد فيها المستخدم إجابة سريعة، قد يكون أسلوب OpenAI الجديد ميزة: النص أقصر، ويُستهلك عدد أقل من الرموز (tokens)، والقراءة أسرع.
  • في الطب والمالية والسيناريوهات القانونية والتحليلية، حيث تهم درجة اليقين، ينبغي أن تطلب من النموذج صراحةً ذكر الافتراضات ومستوى الثقة. فبدون هذا الطلب سيبدو، بحسب الاختبار، أكثر ثقة مما هو عليه فعلًا.
  • إذا كنت تنتقل من النسخة السابقة، فأعد فحص موجّهاتك ومحلّلاتك (parsers). فاختفاء العناوين والقوائم قد يُفسد تنسيقًا كان يعمل من تلقاء نفسه.
  • عند الاختيار بين OpenAI وAnthropic، لا تنظر إلى الدقة في المعايير المرجعية فقط، بل إلى طريقة العرض أيضًا. فهي تؤثر في مدى ثقة المستخدمين بالإجابات وفي تحققهم منها.

الخلاصة: راهنت OpenAI على أسلوب موجز وحواري، بينما تبقى Anthropic، وفق هذه القياسات، أقرب إلى الحذر والإسهاب. وأيّ النهجين أفضل يتوقف على المنتج. ومن المفيد التحقق من الفرق على بياناتك الخاصة قبل الإطلاق في بيئة الإنتاج.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول ما الذي تغيّر في أسلوب الردود؟

أجرت Artificial Analysis اختبارها الخاص AA-PersonalityBench على النماذج، وحسبت بصورة منفصلة مقاييس بسيطة مثل طول الرد. فانخفض متوسط رد Astra من 352 إلى 210 كلمات، أي بنسبة 40%. أما Sol فكان 337 كلمة وأصبح 223، بانخفاض 34%. وتغيّر التنسيق أيضًا. فقد كان متوسط عدد العناوين في رد Astra 1,99، وصار 0,11. وفي Sol كان 1,85 وصار 0,25. كما قلّ استخدام الشرطة الطويلة، وهي علامة اعتاد كثيرون أن يتعرفوا بها على نصوص الذكاء الاصطناعي.

ما أبرز التفاصيل حول ثمن الإيجاز: تحفظات صادقة أقل؟

حدث أشد التراجعات في سمة Admits Uncertainty، أي استعداد النموذج للإقرار بأنه لا يعرف شيئًا أو لا يملك يقينًا بشأنه. تنبيه مهم: هذه ليست نسبًا مئوية من الردود. فالدرجات تعكس المرتبة النسبية للنموذج بين جميع النماذج المختبرة على مقياس من 1 إلى 100. والقيمة 24 لا تعني أن Astra يقرّ بعدم اليقين في 24% من الحالات، بل تعني أنه جاء في الشريحة الدنيا من التصنيف في هذه السمة.

ما أبرز التفاصيل حول كيف تقرأ هذا التصنيف وماذا يفعل المطوّر؟

يقوم الاختبار على 900 سؤال بالإنجليزية، وتجيب النماذج دون موجّه نظام (system prompt). ويراجع ثلاثة قضاة من الذكاء الاصطناعي أزواجًا مجهولة من الردود، ويقررون في أيٍّ منها تظهر السمة المطلوبة بقوة أكبر، أو يعلنون التعادل. ومن هذا تتكوّن 30 سمة وثمانية مؤشرات عامة. وجرت المقارنة بين النسخ ذات أعلى مستوى من الاستدلال. أما القيد الرئيسي فهو أن هذا تقييم للأسلوب وليس للجودة. فانخفاض مؤشر الشفافية لا يثبت أن النموذج يخطئ أكثر، بل يدل فقط على أنه أقل ميلًا إلى مرافقة الإجابة بتحفظات.

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…