OpenAI تطلق GPT-5.4 Pro: أرقام قياسية جديدة في ARC-AGI-2 وFrontierMath والمنطق

قدمت OpenAI نموذج GPT-5.4 Pro، وهو إصدارها الرائد الجديد الذي يحقق تقدماً ملحوظاً، لا في المقاييس الجافة فحسب، بل في سلوك النموذج أثناء المهام المعقدة. فبعد أن كانت لاحقة Pro تُفهم في الغالب على أنها باقة أغلى سعراً، تبدو هنا مستوى مستقلاً من الجودة.

قفزة في الاختبارات

الرقم الأبرز في المراجعة هو 83,3% في ARC-AGI-2 مقابل 54% للإصدار السابق. وفي فئة من المسائل لا يُطلب فيها من النماذج تخمين نمط جاهز، بل استنتاج القاعدة فعلياً من الأمثلة، يُعد هذا ارتفاعاً حاداً جداً. ولا تكمن أهمية هذه النتيجة في ذاتها، بل في ما تشير إليه: فقد عززت OpenAI قدرة النموذج على العمل حيث تفشل القواعد التجريبية السطحية، وحيث يلزم الحفاظ على بنية المسألة حتى لحظة الإجابة.

ولا يقل التقدم في FrontierMath دلالة، وهي مجموعة مسائل ظلت طويلاً شبه مغلقة أمام نماذج الذكاء الاصطناعي الجماهيرية. فبعد أن كانت اختبارات من هذا النوع تُستخدم أقرب إلى إظهار الحدود، أصبحت اليوم وسيلة متزايدة للمقارنة بين النماذج في قدرتها على بناء سلسلة استدلال طويلة دون أن تفقد خطوة منها. وفي هذا السياق يبدو GPT-5.4 Pro أعمق بوضوح في ملفه الفكري، وليس مجرد نموذج أسرع أو أسهل استخداماً.

اختبار خارج الجداول

لم يكتفِ مؤلفو المراجعة بالاختبارات المعيارية، بل مرروا النموذج عبر سيناريوهات تطبيقية أكثر. وبدلاً من النسب المئوية المجردة، نظروا في كيفية تعامل GPT-5.4 Pro مع مهام تتطلب الجمع بين المنطق والتخطيط والانتباه للتفاصيل. وهذه الصيغة أكثر إثارة للاهتمام من الجدول المعتاد، لأنها تكشف سلوك النموذج تحت الضغط، لا مهارة واحدة قوية فحسب، فأي خطأ في منتصف السلسلة يفسد النتيجة كلها عند أول إخفاق.

• لغز منطقي يتعلق بالخوادم والتبعيات بين العُقد
• مهام تتطلب الاحتفاظ بعدة شروط في وقت واحد
• سيناريوهات تقتضي البحث عن مسار غير بديهي إلى الحل
• محاكي تخفٍّ (ستيلث) كامل على canvas، حيث تهم الخطة وتسلسل الإجراءات

وبحسب وصف الاختبارات، لا تكمن نقطة قوة الإصدار الجديد في صحة الإجابة النهائية فحسب، بل في الثبات خلال مسار الحل. فالنموذج يفقد السياق بوتيرة أقل، ويحافظ على القيود بصورة أفضل، ولا ينزلق سريعاً إلى التخمين العشوائي إذا خرجت المسألة عن إطار الأمثلة المعتادة في مدونة التدريب. وهذا أهم للمستخدمين من رقم قياسي في التصنيف، فهكذا يُلمس التحسن الحقيقي في الجودة خلال العمل اليومي.

ما الذي فاجأ في السلوك

إحدى أبرز الوقائع في المراجعة لا ترتبط بالرياضيات، بل بسلوك النموذج البحثي. فأثناء الحل عثر GPT-5.4 Pro على الإنترنت على ورقة علمية منسية تعود إلى عام 2011 واستخدمها طريقاً مختصراً إلى الإجابة. من جهة، هذا مثير للإعجاب: فالنموذج لا يكتفي باستعراض قوالب محفوظة، بل يعرف كيف يجد سنداً خارجياً حيث يفيد ذلك فعلاً. ومن جهة أخرى، تطرح هذه الواقعة فوراً مسألة حدود الاستقلالية والتحقق من المصادر التي يعثر عليها.

وهذا تحول مهم في طبيعة التفاعل مع الذكاء الاصطناعي. فالمستخدم يتعامل أكثر فأكثر لا مع موسوعة ناطقة، بل مع نظام يجمع بين الاستدلال والبحث وتكييف الاستراتيجية بحسب المهمة. ولهذا السبب لم تعد المقارنة بعدد الرموز (tokens) أو بسرعة الاستجابة وحدها تفسّر القيمة الحقيقية للنموذج. فالمعيار الحاسم صار شيئاً آخر: إلى أي مدى يستطيع النموذج التفكير والبحث بموثوقية، وألا ينهار على مسار غير تقليدي.

ماذا يعني ذلك

ارتفع سقف النماذج العليا مرة أخرى، ويُظهر GPT-5.4 Pro أن المرحلة التالية من المنافسة لم تعد تدور حول تماسك النص الأساسي، بل حول عمق الاستدلال والثبات في السيناريوهات المعقدة. وبالنسبة إلى السوق، يعني ذلك تسارع الانتقال من «روبوت محادثة ذكي» إلى أداة عمل للتحليل والرياضيات والبرمجة والمهام متعددة الخطوات، حيث كان على الإنسان في السابق أن يؤمّن النموذج تقريباً عند كل خطوة.