مساء، أواخر سبتمبر
مشروع داخلي خاص بي، من النوع الذي يلمس فيه كل جزء ثلاثة أجزاء أخرى. كنت أرتّبه منذ ساعات مع GPT-6 Astra داخل Codex، وأتقدم ببطء. صدر Opus 5.5 في الأسبوع نفسه، فأعطيته الوضع نفسه تمامًا. وجد أين المشكلة، وشرحها لي بطريقة فهمتها من قراءة واحدة، ثم حلّها.
ومنذ ذلك الحين لم أتوقف عن العمل معه. والسؤال الذي لا يفارقني: كيف فعلت Anthropic ذلك، بعد أشهر انتقل فيها تقريبًا كل مطور أعرفه إلى Codex؟
Claude Opus 5.5، الذي صدر في 22 سبتمبر 2026، هو في استخدامي أقوى نموذج عملت معه هذا العام بفارق واضح. لم يكن هذا ما توقعت أن أكتبه. في الأشهر التي سبقته كان Codex من OpenAI أداتي وأداة معظم من حولي، وبدا Claude كمن تخلّف عن الركب. هذا المقال ثلاثة أشياء: ما رأيته في الميدان، وما تقوله الأرقام (حتى حين لا تتفق معي)، ونظريتي حول سبب القفزة. وضعت على طول الطريق علامة على ما هو موثّق، وما هو تجربة شخصية، وما هو فرضية.
باختصار
- من الميدان: في الأوساط التي أعمل فيها، انتقل المطورون في الأشهر الأخيرة إلى Codex مع GPT-5.6 Sol وGPT-6 Astra. خيّب Opus 5 وSonnet 5 الآمال، وكان Fable محدودًا جدًا.
- Claude Opus 5.5 غيّر الصورة عندي: في المشكلات المعقدة يحلّ ما استغرق مني ساعات مع Astra، ويشرح نفسه بشكل أفضل. ويواصل Sonnet 5.5 وHaiku 5.5 القفزة نفسها.
- ماذا تُظهر البيانات: في Sigma AI Ranking لدينا، الذي يجمع عدة مصادر مفتوحة، يحتل Opus 5.5 المرتبة الأولى بـ90.7 مقابل 84.0 لـAstra. وفي اختبار منفرد مثل Epoch يكادان يتعادلان، وأشرح لماذا يفوّت الاختبار المنفرد ما يشعر به المطورون.
- نظريتي (فرضية، وليست حقيقة): استثمرت OpenAI في الصقل والتعلم المعزز (RL)، أما Anthropic فأصدرت نموذجًا كبيرًا أقل صقلًا، هو Fable. وإن كان Fable قد عمل معلّمًا لجيل 5.5، فهذا يفسّر القفزة. والخلاصة لصاحب العمل بسيطة: لا تتزوج مزوّدًا واحدًا.
أشهر Codex: ما رأيته حولي
أنا محاط بمطوري الذكاء الاصطناعي طوال اليوم، وأعمل بنفسي مع هذه النماذج من الصباح حتى الليل. ما يُوصف هنا ملاحظة، وليس استطلاعًا.
في الأشهر الأخيرة انتقل تقريبًا كل مطور أعرفه إلى Codex. في البداية مع GPT-5.5، ثم مع GPT-5.6 Sol وGPT-6 Astra. السبب لم يكن النموذج وحده. فـ harness الخاص بـ Codex، أي الغلاف الذي يشغّل النموذج ويدير الخطوات ويستدعي الأدوات، ببساطة ينهي المهام. يعمل بالترتيب، ويفحص نفسه، ولا يتوقف في منتصف الطريق ليسأل سؤالًا إجابته واضحة. وميزة computer use لديه، أي قدرة الوكيل على تشغيل التطبيقات على الحاسوب، ممتازة. ووفق توثيق OpenAI، يشغّل Codex الحاسوب في الخلفية، و"multiple agents can work on your Mac in parallel". هذا فرق تشعر به من اليوم الأول.
حتى البيانات العامة تشير إلى حركة، وإن كان ذلك بحذر: أبلغت OpenAI عن قفزة في مستخدمي Codex بعد GPT-5.6، ورفعت Anthropic حدود استخدام Claude Code ثلاث مرات. وأرقام OpenAI تشمل مستخدمي ChatGPT، وفي الاستطلاعات ما زال Claude Code في الصدارة في الاستخدام المهني. إذن "الجميع انتقلوا" ليست حقيقة. أما "تقريبًا كل من أعمل معه انتقل" فهو ما رأيته.
أين خسرنا Claude: Fable وOpus 5 وSonnet 5
كان Fable محدودًا جدًا. هذا هو الجزء الموثّق. صدر Claude Fable 5 في 9 يونيو، طبقةً جديدة فوق Opus وبسعر API مضاعف: 10 و50 دولارًا لكل مليون توكن. بعد ثلاثة أيام عُلّق الوصول إليه بسبب رقابة التصدير الأمريكية، ولم يعد إلا في 1 يوليو. وحتى حين كان متاحًا، كانت الحصة ضيقة: اليوم، بحسب صفحة الدعم لدى Anthropic، يمكن في باقة Max استخدام Fable حتى 50% من الحصة الأسبوعية، وفي باقة Pro يعمل فقط بأرصدة مدفوعة. والتبرير الرسمي عند الإطلاق كان السعة: إدراجه في الاشتراك سيتأخر "when sufficient capacity allows us to do so".
كان Opus 5 خيبة أمل جدية، وأنا شخصيًا خاب أملي. صدر في 24 يوليو. وفي استخدامي كان كسولًا، ومسهبًا، ومربكًا في الشرح. كنت أطرح سؤالًا محددًا فأحصل على شاشات من النص لا تصل إلى النقطة. أما Sonnet 5، الذي صدر في 30 يونيو، فكان ضعيفًا. وcomputer use في Claude، حتى اليوم، أقل فائدة بكثير من نظيره في Codex في عملي.
أريد أن أكون منصفًا هنا، لأن وثائق Anthropic نفسها تروي قصة مختلفة قليلًا عن Opus 5، وسأعود إلى ذلك في فصل المقاييس. أما في Sonnet 5 فالأرقام معي: في الجدول الذي نشرته Anthropic ضمن بطاقة Sonnet 5.5، حصل Sonnet 5 على 10.3% في Terminal-Bench 4.0.
Claude Opus 5.5: ما الذي تغيّر في عملي
Opus 5.5 ليس تحسنًا تدريجيًا في تجربتي. ففي المشروع المعقد الذي بدأت به، حلّ أشياء استغرقت مني ساعات لترتيبها مع Astra. ومنذ ذلك الحين هو أول نموذج أفتحه لكل مشكلة تتطلب فهم منظومة كاملة، وليس تنفيذ قائمة خطوات فقط.
الأمر الثاني اللافت: من الواضح أن Anthropic اشتغلت على الطريقة التي يتحدث بها 5.5. يعرض الوضع، ويشرح ما سيفعله ولماذا، وحين ينتهي يكون ملخصه قصيرًا وواضحًا. بعد Opus 5 يبدو هذا كنموذج مختلف. وتكتب Anthropic نفسها في دليل الانتقال أن التعليمات التي ضُبطت لسلوك Opus 5 "may no longer be needed".
ويواصل Sonnet 5.5 وHaiku 5.5 القفزة نفسها. وهذه الأرقام التي يمكن التحقق منها:
المصادر: صفحة الإطلاق وبطاقة النظام لـOpus 5.5، وبطاقة نظام Sonnet 5.5 (الجدول 8.1.A)، ومنشور Epoch AI. جميع الأرقام باستثناء Epoch أبلغت بها Anthropic نفسها.
تضيف Anthropic ادعاءين آخرين يستحقان المعرفة: أن Opus 5.5 "performs at the level of Claude Fable 5.1 on most work"، وأنه يحتاج إلى compute أقل للتشغيل من Opus 5. وكلاهما سيعود في النظرية.
لماذا لا ترى المقاييس ما يشعر به المطورون
الآن الجزء المثير. في ثلاثة مواضع تعقّد الأرقام الصورة، وفي اثنين منها لا تتفق معي إطلاقًا.
أولًا، Opus 5.5 مقابل Astra. هنا تتوقف الصورة على ما يُقاس. في Sigma AI Ranking، تصنيفنا الذي يجمع عدة مصادر مفتوحة في درجة واحدة (العمل كوكيل، والقدرة، والكتابة، والموثوقية، والتكلفة)، الفارق واضح:
Sigma AI Ranking: الدرجة المرجّحة، حتى 9 أكتوبر 2026
المصدر: Sigma AI Ranking من Platin Digital، الذي يجمع مصادر مفتوحة (Epoch AI وLMArena وTerminal-Bench وقوائم الأسعار الرسمية). تُحدَّث الدرجات أسبوعيًا.
أمران بارزان في هذا الجدول. الأول: القفزة داخل Anthropic، من 83.0 إلى 90.7 في Opus ومن 69.5 إلى 86.8 في Sonnet. والثاني، وهو الأحب إليّ: في درجة الكتابة الفرعية يحصل Opus 5.5 على 97.1 مقابل 82.7 لـAstra. وهذا بالضبط ما شعرت به: النموذج الجديد يشرح بشكل أفضل.
الاختبار المنفرد يروي قصة أكثر تواضعًا. في مقياس Epoch، يحتل Opus 5.5 المرتبة الأولى، لكن "narrowly ahead of GPT-6 Astra"، وبحسب تحليل هوامش الثقة يتداخلان تقريبًا. وتكتب METR أنه "an incremental improvement above Fable 5.1". وحتى في جدول Anthropic نفسها يتقدم Astra في Terminal-Bench-Science (64.6 مقابل 58.7) وفي AutomationBench (41.4 مقابل 40.0).
ثانيًا، computer use. في OSWorld 2.0، بحسب BenchLM، الصورة معاكسة لما شعرت به:
OSWorld 2.0: تشغيل الحاسوب، نسبة النجاح
المصدر: BenchLM، مصدر ثانوي. تشغّل المختبرات نسخًا مختلفة من OSWorld، ولذلك لا يمكن دائمًا مقارنة أرقام الإعلانات المختلفة مباشرة.
أي أن Opus 5 تجاوز GPT-5.6 Sol في هذا المقياس، في الفترة التي فضّلت فيها أنا وكل من حولي Codex لتشغيل الحاسوب.
ثالثًا، "الكسول". توثّق Anthropic بنفسها مشكلات Opus 5، وهي معاكسة: إجابات أطول من قبل، وتوسيع لنطاق المهمة، و"over-verification" وميل إلى تفويض العمل لوكلاء فرعيين. أي نموذج يفعل أكثر من اللازم.
فمن المحق؟ أرى أن الأرقام صحيحة، وأنها تقيس شيئًا آخر. ثلاثة أسباب:
- المقياس يقيس مهمة معزولة. لا يقيس الـ harness ولا المنتج ولا جلسة من أربع ساعات يحتاج فيها النموذج إلى تذكّر ما تقرر في البداية. المطور لا يعمل مع نموذج. بل يعمل مع Codex أو مع Claude Code، وهذا فرق هائل.
- المقياس لا يقيس التواصل. نموذج يكتب ثلاث شاشات، ويوسّع المهمة، ويفحص نفسه مرارًا، ثم لا يقول لك بوضوح ماذا فعل، يبدو من الخارج تمامًا كنموذج لم يؤدِّ العمل. "كسول" و"يفعل أكثر من اللازم" وصفان للتجربة نفسها: لم أحصل على ما طلبته بصورة أستطيع استخدامها. وهناك أيضًا تقارير متفرقة عن Opus 5 توقف مبكرًا وطلب إذنًا للمتابعة، وهذا بالضبط ما اختبرته أنا.
- computer use كمنتج ليس درجة. يفحص OSWorld هل ينجح النموذج في مهمة على الشاشة. ولا يفحص هل يعمل في الخلفية بينما أعمل أنا، وهل تعمل عدة وكلاء بالتوازي. هذا ما يقدّمه Codex، وهو ما جعله أداتنا اليومية.
وتحفّظ آخر يعمل في الاتجاهين: وجدت METR أن GPT-5.6 Sol يغشّ في الاختبارات بمعدل أعلى من أي نموذج عام فحصته، وبطاقة Opus 5.5 توثّق هي أيضًا reward hacking في التدريب. وحين تتعلم النماذج التحايل على الفحوص، تصبح الأرقام نفسها أقل موثوقية.
الخط الزمني: من صدر ومتى
لاختبار نظرية، نحتاج أولًا إلى تواريخ. جميع التواريخ هنا من إعلانات رسمية أو بطاقات نظام.
نظريتي: استراتيجيتان أمام اللحظة نفسها
هنا أنتقل من الوقائع إلى التفسير. ما يرد في هذا الفصل فرضية مني، وهكذا ينبغي أن يُقرأ.
في يونيو وقفت المختبران أمام اللحظة نفسها. أصدرت Anthropic نموذج Fable: سلسلة جديدة أكبر، بإمكانات عالية وصقل أقل. وبعد أسبوعين ونصف قدّمت OpenAI نموذج GPT-5.6 Sol: نموذج بدا في استخدامي كتحسين مكثّف وRL (التعلم المعزز، حيث يتدرب النموذج على مهام ويحصل على درجة عن النتيجة). منهجي جدًا، يفحص كثيرًا، وينهي العمل، لكن بلا اختراق في سقف القدرة.
الإنصاف يقتضي ملاحظتين. فقد وصفت OpenAI نفسها GPT-5.6 Sol بأنه "a next-generation model"، ولا يوجد أي مصدر رسمي يقول إنه الأساس نفسه مع مزيد من RL. أما GPT-6 Astra، بحسب تقرير في VentureBeat، فكان أكبر عملية تدريب أجرتها OpenAI حتى اليوم. لذلك لا أدّعي أن OpenAI "اكتفت بـRL". أدّعي أن التركيز الاستراتيجي اختلف: في يونيو وضعت OpenAI في الواجهة نموذجًا مصقولًا وموثوقًا، ووضعت Anthropic في الواجهة نموذجًا كبيرًا غير مصقول.
OpenAI: صقل ما هو موجود
GPT-5.6 Sol، يونيو ويوليو
- منهجي، يفحص نفسه، وينهي المهام (تجربتي)
- بطاقة النظام: "overly persistent" ومثابرة أكثر من GPT-5.5 (موثّق)
- الثمن: وجدت METR رقمًا قياسيًا في الغش بالاختبارات (موثّق)
- METR: ليس قفزة كبيرة عن الوضع القائم (موثّق)
- ماذا علّم: ربما Astra، بحسب تقرير ثانوي (فرضية)
Anthropic: رفع السقف
Fable 5، يونيو
- طبقة جديدة فوق Opus، بسعر مضاعف (موثّق)
- صقل أقل (انطباعي، وليس له مصدر)
- وصول محدود جدًا، بحجة السعة (موثّق)
- المطورون ينتقلون إلى Codex في الأثناء (ملاحظة)
- ماذا علّم: جيل 5.5 (فرضية)
والحلقة التي تربط كل شيء: المختبرات تدرّب النماذج التالية بمساعدة أحدث نموذج رائد لديها. وهذا ليس سرًّا. فقد كتبت Anthropic في فبراير 2026 أن "frontier AI labs routinely distill their own models"، وعرّفت distillation بأنه تدريب نموذج أضعف على مخرجات نموذج أقوى. وكتبت Meta علنًا أن Llama 4 Maverick دُرّب من Llama 4 Behemoth. وفي كل بطاقة نظام من Anthropic يرد "synthetic data generated by other models".
فإن كان هذا هو المعتاد، ففي يونيو اختار كل مختبر أيضًا معلّم الجيل الذي يليه. "علّم" Fable جيل 5.5 من Anthropic، و"علّم" Sol 5.6 النماذج التي تلته لدى OpenAI.
اختبارات تدريبية أم معلّم كبير
أبسط طريقة وجدتها لشرح ذلك هي طالبان.
الأول يحلّ اختبارات تدريبية بعد اختبارات. في كل جولة يحصل على درجة ويصحّح. يصبح موثوقًا جدًا: يكاد لا يخطئ في المادة التي يعرفها، وينهي كل اختبار في وقته، ويراجع إجاباته. لكنه لا يتعلم طريقة تفكير لم تكن عنده من قبل. هذا هو RL.
الثاني يجلس بجانب عالم رياضيات كبير ويرى كيف يحلّ المسائل. يتعلم طرقًا ما كان ليصل إليها وحده، ويتعلم أيضًا الطريقة التي يشرح بها عالم الرياضيات. هذا هو المعلّم القوي.
الطالب الأول يرفع الموثوقية. الثاني يرفع السقف. هكذا أقرأ ما حدث: كان Codex مع GPT-5.6 Sol هو الطالب الأول في أفضل حالاته، ويبدو لي جيل 5.5 من Anthropic هو الطالب الثاني.
وللأبحاث ما تقوله في ذلك، من الجانبين:
- مع. وجد Yue وزملاؤه (2025) أن قدرات الاستدلال بعد RL "originate from and are bounded by the base model"، وأن distillation هو الذي يمكن أن يُدخل أنماط تفكير جديدة من المعلّم. وفي DeepSeek-R1، بلغ نموذج بـ32 مليار معامل دُرّب على مخرجات نموذج قوي 72.6 في اختبار AIME، مقابل 47.0 بـRL وحده. ووجدت دراسة من Meta عن تكبير RL أن النموذج الأكبر يرفع السقف الذي يستطيع RL بلوغه.
- ضد. وجدت ProRL من NVIDIA أن RL الطويل يكشف استراتيجيات غير موجودة في النموذج الأساسي. وتُظهر دراسة أخرى أنه حين يكون الفارق بين المعلّم والطالب كبيرًا جدًا، يتعلم الطالب بصورة أسوأ. وكان لدى Llama 4 معلّم ضخم ومع ذلك استُقبل بخيبة أمل. وكل هذه الأبحاث أُجريت على نماذج أصغر بكثير من النماذج الرائدة.
أي أن فكرة أن RL يصقل والمعلّم يوسّع مدعومة بالأبحاث، لكنها موضع خلاف. ولا أطرحها كقانون طبيعي.
ما هو موثّق وما هو فرضية
| الادعاء | الحالة | على ماذا يستند |
|---|---|---|
| قيّدت Anthropic Fable بشدة | موثّق | Pro بالأرصدة فقط، وMax حتى 50% من الحصة الأسبوعية، وتبرير رسمي بالسعة |
| المختبرات تدرّب النماذج على مخرجات نماذجها الأقوى | موثّق كقاعدة عامة | Anthropic في فبراير 2026، وMeta مع Behemoth، و"synthetic data" في بطاقات النظام |
| قفز جيل 5.5 فوق جيل 5 | موثّق، بيانات الشركة المصنّعة | SWE-bench Pro وTerminal-Bench. وبحسب Epoch، Sonnet 5.5 "roughly matched Claude Fable 5.1" |
| RL يصقل ولا يوسّع | مدعوم بالأبحاث، وموضع خلاف | Yue وDeepSeek-R1 مع، وProRL ضد، والكل على نماذج صغيرة |
| Fable تحديدًا علّم Opus وSonnet وHaiku 5.5 | فرضية مني | لا يوجد تأكيد. القرائن: 5.5 بمستوى Fable 5.1 وبتكلفة تشغيل أقل، وAnthropic تحمي مخرجات Fable بشدة من distillation |
| حُوّل compute الخاص بـFable إلى التدريب | فرضية مني | التبرير الرسمي هو السعة فقط. والطلب الذي نما 80 ضعفًا في الربع الأول، بحسب Amodei على CNBC، يفسّره بالقدر نفسه |
| GPT-5.6 Sol علّم Astra | فرضية مع قرينة | بحسب VentureBeat، أدّت نماذج سابقة دورًا مركزيًا في تدريب Astra. هذا لا يرد في بطاقة النظام |
الحلقة الأضعف في نظريتي هي Opus 5. فقد صدر في 24 يوليو، بعد Fable. فلو كان Fable هو المعلّم، فلماذا لم يستفد منه Opus 5؟ تفسيري: عملية التدريب تستغرق أشهرًا، وعلى الأرجح كان Opus 5 في مراحله الأخيرة حين صار Fable جاهزًا للتعليم بكامل الحجم. لكن Mythos، النسخة المحدودة من السلسلة نفسها، كان موجودًا لدى Anthropic منذ أبريل، ولا أعرف متى بدأت كل عملية تدريب. وهذه هي الفجوة التي يهمني أكثر أن أراها تُغلق.
التفسيرات الأخرى، ولماذا أعود مع ذلك إلى المعلّم
هناك تفسيرات أبسط للقفزة. بعضها موثّق أفضل من نظريتي. اختاروا التفسير الذي يبدو لكم الأكثر إقناعًا، وانظروا ما الذي يدعمه وما الذي ينقصه.
تفسيري
علّم Fable جيل 5.5، ولذلك ارتفع السقف.
يدعم: Opus 5.5 بمستوى Fable 5.1 بحسب Anthropic، وأرخص تشغيلًا، وSonnet 5.5 بمستوى Fable 5.1 بحسب Epoch. هذا نمط طالب بلغ مستوى معلّمه.
ينقص: لا يوجد تأكيد رسمي، وصدر Opus 5 بعد Fable دون أن يستفيد منه.
تصحيح سلوك Opus 5
كان Opus 5 قويًا أصلًا. في 5.5 صُحّح الإسهاب فقط.
يدعم: في المقياس الداخلي لدى Anthropic، حصل Opus 5 على 165.18، أعلى من Mythos 5. والمشكلات الموثّقة كانت سلوكية، وقد اختفت.
ينقص: هذا لا يفسّر قفزة Sonnet من 10.3% إلى 70.6% في Terminal-Bench. وصقل السلوك هو بالضبط ما يتيحه المعلّم القوي: مخرجاته تعلّم كيف يُشرح أيضًا، وليس فقط ماذا يُفكَّر.
تغيير في الإعدادات
تغيّر الـ effort والـ harness، وليس النموذج.
يدعم: في Opus 5.5 مستوى الجهد الافتراضي هو medium، مقابل high في Opus 5، مع تفكير تكيّفي في كل طلب. وفي أبريل أظهرت Anthropic أن تراجع الجودة نتج عن إعدادات المنتج.
ينقص: خفض الجهد يُفترض أن ينتج إجابات أقصر، لا حلًّا لمشكلات لم يحلّها نموذج آخر.
عمل أكثر لكل دولار
إنه ببساطة أرخص وحصصه أكبر، فيُستخدم أكثر.
يدعم: يكلّف Opus 5.5 4 و20 دولارًا مقابل 5 و25، ورُفعت الحصص في Claude Code.
ينقص: السعر يفسّر لماذا نعمل معه أكثر، لا لماذا يحلّ ما لم يحلّه الآخرون.
انحياز المستخدم
النموذج الجديد يبدو دائمًا أفضل في الأسبوع الأول.
يدعم: أثر الجدّة حقيقي، والانتقال بين Codex وClaude Code يغيّر التجربة. وتوصي Anthropic نفسها بحذف التعليمات القديمة عند كل انتقال.
ينقص: أعمل معه منذ أسبوعين ونصف، على مشكلات أعرفها جيدًا، والفارق لم يتلاشَ.
"يدعم" و"ينقص" بحسب المصادر الرسمية والأبحاث المذكورة في نهاية المقال. أما "ينقص" في كل تبويب فهو تفسيري أنا.
لماذا أعود مع ذلك إلى المعلّم؟ لأن كل واحد من التفسيرات الأخرى يفسّر جزءًا واحدًا. الصقل يفسّر الطريقة التي يتحدث بها Opus 5.5. والسعر يفسّر لماذا أستخدمه أكثر. لكن المعلّم القوي وحده يفسّر الأمور الثلاثة معًا: نموذج أرخص تشغيلًا، يبلغ مستوى النموذج الكبير، ويشرح أفضل أيضًا. وفي جانب OpenAI تستقيم الصورة: إن كان Sol 5.6 قد علّم Astra، فالنتيجة معلّم منهجي وطالب منهجي، ممتاز في التنفيذ ويساوي Opus 5.5 في المقاييس، وفي استخدامي أضعف منه في المشكلات التي تتطلب فهمًا.
خرافات وحقائق عن Opus 5.5 وCodex والفرق بينهما
خرافة"Anthropic أكدت أن Fable علّم Opus 5.5"
الواقعلا. تقول Anthropic فقط إن المختبرات تقطّر نماذجها كممارسة معتادة، وإن في التدريب بيانات اصطناعية من نماذج أخرى. أما الصلة المحددة فهي فرضية، مني ومن غيري.
خرافة"OpenAI اكتفت بـRL"
الواقعوصفت OpenAI نموذج GPT-5.6 Sol بأنه نموذج من جيل جديد، وكان GPT-6 Astra بحسب تقرير أكبر عملية تدريب لديها. والفرق الذي أشير إليه هو في التركيز، وليس في طريقة مقابل أخرى.
خرافة"Opus 5.5 يتفوق على Astra في كل مقياس"
الواقعفي Sigma AI Ranking يتصدر بوضوح، لكن في Epoch وحده يقع الفارق داخل هامش الثقة. ويتقدم Astra في Terminal-Bench-Science وAutomationBench. والفجوة التي أشعر بها هي في العمل المعقد، وليست في الجدول.
خرافة"Claude تأخر في مقاييس استخدام الحاسوب"
الواقعفي OSWorld 2.0 تجاوز Opus 5 نموذج GPT-5.6 Sol. وميزة Codex في المنتج: العمل في الخلفية وعدة وكلاء بالتوازي.
خرافة"Opus 5 كان ضعيفًا"
الواقعفي القدرة الخام كان قويًا. المشكلة كانت في السلوك: الإسهاب، وتوسيع المهمة، والإفراط في الفحص، وقد وثّقتها Anthropic بنفسها.
خرافة"المعلّم الكبير ينتج دائمًا طالبًا جيدًا"
الواقعدُرّب Llama 4 من معلّم ضخم واستُقبل بخيبة أمل، وتُظهر دراسة أن الفجوة الكبيرة جدًا بين المعلّم والطالب تضر بالتعلم. المعلّم القوي شرط يساعد، وليس ضمانًا.
ماذا يعني هذا لصاحب عمل يختار نموذجًا
إذا لم تكونوا مطورين، يبدو هذا الجدل بعيدًا. لكنه ليس كذلك. في غضون ثلاثة أشهر، تغيّرت الأداة التي يعمل بها تقريبًا كل مطور حولي، ثم تغيّرت مرة أخرى. من كان قد قفل عمله على مزوّد واحد في يوليو، لفاته Opus 5.5 في سبتمبر. ومن قفل نفسه على Claude في يونيو، لفاته Codex.
Platin Digital هي OpenAI Select Partner، والوكلاء الذين نقيمهم نبنيهم بالنماذج والأدوات الأنسب لكل مهمة، من OpenAI وAnthropic وGoogle وغيرها. وهذا المقال مثال على أهمية ذلك: نعمل مع Codex ومع Claude في الأسبوع نفسه، كلٌّ فيما يتفوق فيه.
ثلاث قواعد أعمل بها:
- لا تتزوج مزوّدًا. ينبغي بناء الوكيل بحيث يمكن استبدال النموذج الذي تحته دون إعادة بناء كل شيء.
- اختر النموذج بحسب المهمة. المشكلة المعقدة التي تتطلب فهمًا وشرحًا تذهب اليوم عندي إلى Opus 5.5. وتشغيل الحاسوب لفترة طويلة في الخلفية يذهب إلى Codex. والمهام الصغيرة المتكررة تذهب إلى نموذج صغير، مثل Claude Haiku 5.5.
- أعد الفحص كل بضعة أشهر. على مهامكم أنتم، لا على جدول. ما هو صحيح في أكتوبر لن يكون بالضرورة صحيحًا في يناير.
تنتظركم مقارنة أوسع بين المنصات في ChatGPT أو Gemini أو Claude للأعمال، وتجدون التصنيف الكامل والمحدَّث في Sigma AI Ranking، ولماذا بنيناه في هذا المقال. وإذا كانت المفاهيم نفسها غير واضحة بعد، فابدؤوا بـما هو LLM وما هو Computer Use.
أي أداة أجرّب أولًا لمهمتي؟
خمسة أسئلة عن مهمة واحدة. النتيجة نقطة انطلاق بحسب تجربتي، وليست حكمًا.
الأسئلة الشائعة
ما هو Claude Opus 5.5؟
Claude Opus 5.5 هو نموذج اللغة الكبير من Anthropic في خط Opus، وقد صدر في 22 سبتمبر 2026. بحسب Anthropic هو بمستوى Claude Fable 5.1 في معظم الأعمال، ويحتاج إلى compute أقل للتشغيل من Opus 5، ويكلّف 4 دولارات لكل مليون توكن في المدخلات و20 في المخرجات. وفي مقياس Epoch المستقل يحتل المرتبة الأولى، بفارق صغير عن GPT-6 Astra.
هل Claude Opus 5.5 أفضل من GPT-6 Astra؟
في Sigma AI Ranking، الذي يجمع عدة مصادر مفتوحة، يتصدر Opus 5.5 بـ90.7 مقابل 84.0 لـAstra. وفي اختبار منفرد مثل Epoch يكادان يتعادلان، ويتقدم Astra في بعض الاختبارات، مثل AutomationBench. وفي استخدامي، على المشكلات المعقدة التي تتطلب فهم منظومة كاملة وشرحها، Opus 5.5 أقوى بفارق واضح. أما لتشغيل الحاسوب في الخلفية وللعمل المتوازي، فما زال Codex مع نماذج OpenAI قويًا جدًا.
لماذا انتقل المطورون إلى Codex في الأشهر الأخيرة؟
في الأوساط التي أعمل فيها، بسبب الجمع بين نماذج ممتازة، GPT-5.6 Sol وGPT-6 Astra، وبين harness ينهي المهام بالترتيب، وcomputer use يعمل في الخلفية وبالتوازي. وفي الوقت نفسه خيّب Opus 5 وSonnet 5 الآمال، وكان Fable محدودًا جدًا.
لماذا قيّدت Anthropic نموذج Claude Fable؟
التبرير الرسمي هو السعة: كتبت Anthropic أنها ستوسّع الوصول حين تسمح السعة بذلك. وإضافة إلى ذلك، بين 12 يونيو و1 يوليو عُلّق الوصول إلى Fable 5 بسبب رقابة التصدير الأمريكية. وفرضيتي أن جزءًا من compute ذهب إلى التدريب بمساعدة Fable، لكن لا يوجد مصدر رسمي لذلك.
ما هو distillation، أو النموذج المعلّم؟
Distillation هو تدريب نموذج على مخرجات نموذج أقوى، بحيث يتعلم الطالب منه طرق الحل. كتبت Anthropic في فبراير 2026 أن مختبرات الصدارة تقطّر نماذجها كأمر معتاد، ووثّقت Meta ذلك علنًا في Llama 4. أما أي نموذج علّم جيل 5.5 من Claude فلم تنشر Anthropic ذلك.
أي نموذج ذكاء اصطناعي أختار لعملي؟
ليس نموذجًا واحدًا. تختارون بحسب المهمة: نموذج كبير للمشكلات المعقدة والقرارات، ونموذج صغير ورخيص للمهام المتكررة، وأداة بـcomputer use جيد للمهام على الحاسوب. وتعيدون الفحص كل بضعة أشهر على مهامكم، لأن الصدارة بين المزوّدين تتبدل بسرعة.
المصادر
- https://www.anthropic.com/news/claude-fable-5-mythos-5
- https://www.anthropic.com/news/redeploying-fable-5
- https://support.claude.com/en/articles/15424964-claude-fable-models-on-your-plan
- https://www.anthropic.com/news/claude-sonnet-5
- https://www.anthropic.com/news/claude-opus-5
- https://www.anthropic.com/claude-fable-and-mythos-5-1
- https://www.anthropic.com/news/claude-opus-5-5
- https://www-cdn.anthropic.com/fc1b44717c85dc068bc6ba5024219938094694bd/Claude%20Opus%205.5%20System%20Card.pdf
- https://www.anthropic.com/claude-sonnet-5-5
- https://www.anthropic.com/claude-sonnet-5-5-system-card
- https://www.anthropic.com/claude-haiku-5-5
- https://www.anthropic.com/news/detecting-and-preventing-distillation-attacks
- https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/prompting-claude-opus-5
- https://platform.claude.com/docs/en/models/opus-5-5/migration-guide
- https://deploymentsafety.openai.com/gpt-5-6-preview
- https://deploymentsafety.openai.com/gpt-5-6
- https://deploymentsafety.openai.com/gpt-6-astra
- https://deploymentsafety.openai.com/gpt-6-1-sol
- https://www.latent.space/p/ainews-openai-launches-gpt-56-solterraluna
- https://venturebeat.com/technology/welcome-to-the-agi-era-openai-launches-gpt-6-astra
- https://developers.openai.com/codex/app/computer-use
- https://metr.org/blog/2026-06-26-gpt-5-6-sol/
- https://metr.org/blog/2026-09-22-claude-opus-5-5/
- https://x.com/EpochAIResearch/status/2105673716185378845
- https://benchlm.ai/benchmarks/osworld2
- https://the-decoder.com/gpt-5-6-sol-cheats-on-software-tests-more-than-any-model-before-it/
- https://www.mindstudio.ai/blog/claude-opus-5-mixed-reception
- https://www.productcompass.pm/p/claude-opus-5-the-best-opus-yet-once
- https://www.cnbc.com/2026/05/06/anthropic-ceo-dario-amodei-says-company-crew-80-fold-in-first-quarter.html
- https://arxiv.org/abs/2504.13837
- https://arxiv.org/abs/2501.12948
- https://arxiv.org/abs/2505.24864
- https://arxiv.org/abs/2510.13786
- https://arxiv.org/abs/1902.03393
- https://ai.meta.com/blog/llama-4-multimodal-intelligence/
