Grok 4.5 يتحدى النماذج الحدودية، وOpenAI تطلق GPT-Live بنمط full-duplex، وMistral تدخل عالم الروبوتات مع Robostral Navigate

يتميّز هذا 8 يوليو بثلاثة إطلاقات كبرى للنماذج: Grok 4.5 من SpaceXAI، المُدرَّب بشكل مشترك مع Cursor للبرمجة والعمل الوكيلي؛ وGPT-Live من OpenAI، وهي بنية صوتية جديدة بنمط full-duplex تحل محل Advanced Voice Mode؛ وRobostral Navigate، أول نموذج ملاحة روبوتية من Mistral. وتُكمل Cognition الصورة مع SWE-1.7، بينما تفتح Runway منصة API موحّدة لتوليد الوسائط، وينتقل Gemini CLI إلى النسخة المستقرة 0.50.0. وتُتمّ اثنتا عشرة قصة إخبارية بارزة وثلاثة أخبار قصيرة هذه الصورة العامة، بين أدوات الوكيل للمطوّرين، وموثوقية معايير قياس الكود، والاستدلال مفتوح المصدر.

Grok 4.5: SpaceXAI تطلق أكثر نماذجها ذكاءً، مُدرَّبًا بشكل مشترك مع Cursor

8 يوليو — تطلق SpaceXAI (سابقًا xAI) نموذج Grok 4.5، الذي تقدّمه على أنه أكثر نماذجها ذكاءً حتى الآن، والمصمَّم للتفوّق في الكود والمهام الوكيلية والعمل المعرفي. ومن اللافت أن النموذج دُرِّب بشكل مشترك مع Cursor، وهو شراكة أبرزتها SpaceXAI صراحةً.

“Today, we’re launching Grok 4.5, SpaceXAI’s smartest model built to excel at coding, agentic tasks, and knowledge work. It’s our strongest model ever and was trained alongside Cursor.”

🇸🇦 اليوم نطلق Grok 4.5، وهو أكثر نماذج SpaceXAI ذكاءً، والمصمَّم للتفوّق في الكود والمهام الوكيلية والعمل المعرفي. إنه أقوى نموذج لدينا حتى الآن، وقد دُرِّب بشكل مشترك مع Cursor. — SpaceXAI, x.ai/news/grok-4-5

على المعايير المنشورة، يتموضع Grok 4.5 ضمن المقدمة دون أن يهيمن بشكل ثابت:

المعيار	النتيجة
DeepSWE 1.0 (pass@1)	62,0 %
Terminal-Bench 2.1	83,3 %
SWE-Bench Pro	64,7 %

ومن ناحية الكفاءة، يعمل النموذج بمعدل 80 رمزًا/ثانية ويستهلك نحو 4,2× أقل من رموز الإخراج مقارنةً بـ Claude Opus 4.8 (وضع max) على SWE-Bench Pro (15 954 رمزًا في المتوسط مقابل 67 020). واستند التدريب إلى عشرات الآلاف من وحدات معالجة الرسوميات NVIDIA GB300 وإلى تعلّم معزَّز (reinforcement learning) واسع النطاق على مئات الآلاف من مهام هندسة البرمجيات.

النوع	السعر
Input	2 $ / M tokens
Output	6 $ / M tokens

يصبح Grok 4.5 النموذج الافتراضي في Grok Build، حيث يستطيع بناء ملفات Excel معقدة، وعروض PowerPoint تحتوي على أشكال أصلية، ومستندات Word. وهو متاح ابتداءً من اليوم في Grok Build، وفي Cursor (جميع الخطط)، وعبر وحدة تحكم SpaceXAI — لكنه غير متاح بعد في الاتحاد الأوروبي، حيث يُتوقّع طرحه في منتصف يوليو.

OpenAI تطلق GPT-Live، نماذجها الصوتية الجديدة بنمط full-duplex

8 يوليو — تطلق OpenAI نموذج GPT-Live، وهو جيل جديد من النماذج الصوتية يحل محل Advanced Voice Mode كمحرّك ChatGPT Voice. وعلى خلاف الأجيال السابقة — سلسلة transcription/LLM/synthesis، ثم نموذج «دور بدور» ينتظر صمتًا للرد — يعتمد GPT-Live على بنية full-duplex : فهو يستمع ويتحدث في الوقت نفسه، ويُطلق إيماءات موافقة («mhmm»، «d’accord») أثناء حديث المستخدم، ويقرّر عدة مرات في الثانية ما إذا كان ينبغي أن يتكلم أو يستمع أو يتوقف مؤقتًا أو يقاطع أو يستدعي أداة.

والاختراق البنيوي الثاني هو أن GPT-Live يفوّض المهام المعقدة (البحث على الويب، الاستدلال العميق، العمل الوكيلي) إلى نموذج حدودي — GPT-5.5 عند الإطلاق — مع إبقاء المحادثة الصوتية مستمرة أثناء تنفيذ هذا العمل في الخلفية. وتخطط OpenAI لتحديث هذا النموذج تدريجيًا مع ظهور نماذج حدودية جديدة.

“GPT-Live is built on a full-duplex architecture, meaning it can listen and speak at the same time. […] While it works, GPT-Live can keep talking with you and maintain the flow of conversation.”

🇸🇦 يعتمد GPT-Live على بنية full-duplex، ما يعني أنه يستطيع الاستماع والتحدث في الوقت نفسه. […] وأثناء عمله، يمكن لـ GPT-Live أن يواصل الحديث معك ويحافظ على خيط المحادثة. — OpenAI, Introducing GPT-Live

يتم طرح نسختين ابتداءً من اليوم لجميع مستخدمي ChatGPT (iOS، Android، الويب): GPT-Live-1 لخطط Go/Plus/Pro، وGPT-Live-1 mini للمستخدمين المجانيين. ومن المتوقع توفر الوصول عبر API قريبًا، مع فتح قائمة انتظار. وعلى التقييمات الداخلية (GPQA، BrowseComp، ومتغير τ³-Voice Telecom)، يتفوق GPT-Live-1 بوضوح على Advanced Voice Mode ويُفضِّله المقيّمون البشريون. وأكثر من 150 مليون شخص يستخدمون كل أسبوع الصوت والإملاء على ChatGPT.

ومن ناحية السلامة، وسّعت OpenAI اختباراتِها لتشمل تقييمات صوتية أصلية (إيذاء الذات، الذهان، الاعتماد العاطفي على الذكاء الاصطناعي، العنف، المحتوى الجنسي)، وأضافت حواجز حماية نشطة في الوقت الحقيقي، وعزّزت الحماية للمراهقين، مع إمكانية إشعار الوالدين في حال ظهور علامات ضيق.

🔗 بطاقة نظام GPT-Live

Cognition تطلق SWE-1.7 داخل Devin، نموذج كود جديد بتكلفة أقل

8 يوليو — تطلق Cognition نموذج SWE-1.7، الذي تقدّمه على أنه أكثر النماذج قدرةً التي درّبتها حتى الآن، مع بلوغ ذكاء بمستوى حدودي بتكلفة أقل بكثير — وتقول الفريق إن ذلك يحرك منحنى بارِتو للتكلفة/الأداء. ينطلق النموذج من قاعدة Kimi K2.7 (المدرَّبة بعديًا بكثافة باستخدام RL)، وتطرح المكاسب الإضافية التي حققتها Cognition تساؤلات حول فكرة «سقف ما بعد التدريب»: فبحسب الفريق، لا يزال التعلم المعزَّز (reinforcement learning) قادرًا على دفع القدرات إلى مدى أبعد بكثير مما كان يُعتقد.

يتاح SWE-1.7 ابتداءً من اليوم داخل Devin (الويب، Desktop وCLI)، ويُقدَّم عبر Cerebras بسرعة 1 000 رمز/ثانية.

النموذج المُقيَّم	FrontierCode 1.1 Main
SWE-1.6	9,4 %
SWE-1.7	42,3 %

وعلى Terminal-Bench 2.1 وSWE-Bench Multilingual، يتموضع SWE-1.7 بين Kimi K2.7 Code والنماذج الحدودية (GPT-5.5، Claude Opus 4.8)، مع كلفة أقل بكثير لكل مهمة. وتفصّل المقالة التقنية أربعة محاور للعمل: الحفاظ على الإنتروبيا أثناء تدريب RL (أخذ عينات top-p مع إعادة تشغيل التوزيع، لتجنّب انهيار الاستكشاف)، والتدريب متعدد العناقيد الموزَّع عبر ثلاث قارات مع تحمّل الأعطال (تحديثات أوزان مضغوطة تكتمل خلال 1 إلى 2 دقيقة لنموذج بحجم 1 000 مليار معلمة)، وتنقية البيانات ضد الغش، والتلخيص الذاتي للمهام الطويلة (حتى ست ساعات لكل تشغيل)، حيث يتعلّم النموذج تلخيص حالة عمله الخاصة.

وعلى صعيد السلوك، يستكشف SWE-1.7 قاعدة الشيفرة بصورة أكثر منهجية قبل التصرف، ويحقّق بعمق أكبر في الأسباب الجذرية للأخطاء، وينتج استدلالًا أكثر تكثيفًا بفضل عقوبة طول متناوبة طُبِّقت أثناء التدريب.

🔗 SWE-1.7: Frontier Intelligence at a Fraction of the Cost

Mistral تدخل عالم الروبوتات مع Robostral Navigate

8 يوليو — تطلق Mistral AI نموذج Robostral Navigate، وهو أول نموذج مخصص للملاحة الروبوتية المُجسَّدة (embodied navigation) : نموذج من 8 مليارات معلمة يحرّك روبوتًا انطلاقًا من كاميرا RGB واحدة — من دون LiDAR أو مستشعر عمق — ومن تعليمات باللغة الطبيعية.

“Announcing Robostral Navigate, our first model for embodied navigation: an 8B robotics navigation model that guides robots to autonomously perform tasks specified with natural language. Single RGB camera. State-of-the-art on R2R-CE.”

🇸🇦 نعلن عن Robostral Navigate، أول نموذج لدينا للملاحة المُجسَّدة: نموذج ملاحة روبوتية من 8 مليارات معلمة يوجّه الروبوتات لإنجاز مهام محددة باللغة الطبيعية بشكل مستقل. كاميرا RGB واحدة. أفضل أداء على الإطلاق في R2R-CE. — Mistral AI, tweet du 8 juillet

على R2R-CE (Room-to-Room in Continuous Environments)، وهو المعيار المرجعي للملاحة بالاعتماد على التعليمات، يحقق Robostral Navigate أفضل أداء على الإطلاق في التحقق «unseen»:

النهج	معدل نجاح R2R-CE
Robostral Navigate (كاميرا RGB واحدة)	76,6 %
أفضل نهج أحادي الكاميرا سابق	~66,9 %
أفضل نهج عمق / متعدد الكاميرات	~72,1 %

يتنبأ النموذج بإحداثيات الموقع الهدف مباشرة داخل صورة الكاميرا بدلًا من التحركات المترية، ما يجعله مقاومًا لتغيّر الخصائص الداخلية للكاميرا. وقد بُني بالكامل داخل الشركة (من دون VLM مفتوح المصدر من طرف ثالث)، وجرى تهيئته انطلاقًا من VLM Mistral المتخصص في التأشير/العدّ/تحديد المواقع، ثم درِّب على نحو 400 000 مسار محاكاة جُمعت عبر 6 000 مشهد. وتقلل تقنية prefix-caching مع إخفاء الانتباه الشجري عدد رموز التدريب بمقدار 22× مقارنةً بأخذ عينات خطوة بخطوة؛ كما يضيف ما بعد التدريب عبر RL على الإنترنت (CISPO، خوارزمية داخلية) 3,2 نقاط إضافية في معدل النجاح من دون أي علامة على بلوغ سقف.

يعمل Robostral Navigate على الروبوتات ذات العجلات، والروبوتات ذات الأرجل، والطائرات، ويستهدف حالات استخدام في التصنيع، والتسليم، واللوجستيات، والضيافة.

🔗 المقال الكامل — mistral.ai

Runway تطلق Runway Dev، منصة API موحّدة لتوليد الوسائط

8 يوليو — تطلق Runway منصة Runway Dev، وهي منصة وسائط ذكاء اصطناعي للمطوّرين والشركات: API واحدة لدمج أفضل نماذج الصور والفيديو والصوت والرموز التعبيرية (avatars) في الزمن الحقيقي. وهي مستخدمة بالفعل من قبل فرق لدى Adobe وElevenLabs وShutterstock وFigma Weave وGamma وSilverside.

وتتمحور المنصة حول أربع لبنات:

اللبنة	الوظيفة
Models	الوصول إلى نماذج Runway الأصلية (Gen-4.5، Aleph 2.0، Act-Two) وإلى نماذج طرف ثالث (Seedance، GPT Image 2، ElevenLabs)، مع تغيير النموذج بسطر واحد من الشيفرة
Recipes	نقاط نهاية جاهزة للاستخدام تُغلّف خبرة Runway في الـ prompting/workflow (توطين الإعلانات، product ad، product swap، فيديو متعدد اللقطات)
Workflows	مسارات عمل مخصصة تجمع عدة نماذج/وسائط، ويمكن تشغيلها عبر نقطة نهاية API خاصة
Characters	رموز تفاعلية في الزمن الحقيقي (صوت، استدعاء الأدوات، قاعدة معرفة) — حصرية لـ Runway Dev، لخدمة العملاء أو التدريب أو الترفيه التفاعلي

وتعطي حالات الاستخدام المذكورة فكرة عن النطاق: فجهة بثّ تنتج 800 إلى 1 000 إعلان سنويًا بفريق من 5 أشخاص، وموزّع يولّد أكثر من 1 000 صورة منتج شهريًا، ووكالة داخلية من 500 شخص تدير خط إنتاج وكيليًا واحدًا من brief إلى الإخراج النهائي، ومنصة توصيل توطّن فيديوهات المنتجات في 27 لغة.

وتُوضَع Runway Dev كمنصة متوافقة مع متطلبات الشركات: شهادة SOC 2 Type II، وتعويض الملكية الفكرية، واعتدال محتوى مدمج، وضمان توفر بنسبة 99,9 %، والتزامات تعاقدية بعدم التدريب على بيانات العملاء. الوصول عبر dev.runwayml.com.

🔗 Introducing Runway Dev

Gemini CLI v0.50.0 ينتقل إلى النسخة المستقرة مع Tool Registry Discovery

8 يوليو — تنشر Google Gemini CLI v0.50.0، وهو إصدار مستقر جديد (موسوم بـ «Latest» على GitHub) يخلف v0.49.0 ويصبح النسخة الموصى بها، منفصلًا عن سلسلة الليلية v0.51.0-nightly.* التي كانت متتبعة سابقًا.

أبرز ميزة في هذا الإصدار هي Tool Registry Discovery: قدرات جديدة لاكتشاف سجل الأدوات تتعرف تلقائيًا على الأدوات المتاحة للوكيل وتسجلها، من دون أي إعداد يدوي. كما يمثّل هذا الإصدار تشديدًا مهمًا في خط أنابيب التحقق من الإصدارات وCI: إذ تُتجاهل السكربتات الآن أثناء التحقق npm ci (لتجنّب تنفيذ شيفرة عشوائية أثناء التثبيت)، وتمنع آلية «workspace binary shadowing» (أي أن يخفي ملف ثنائي محلي بالخطأ الملف الثنائي الرسمي)، وتغطي حمايات إضافية الإصدارات السيئة من NPM وكذلك انهيارات مهمة الترقية.

يبقى Gemini CLI المصدر الأول #1 لتتبّع Gemini في هذه المدونة، وتُظهر هذه النسخة v0.50.0 اتجاهًا عامًا للأداة خلال الأسابيع الماضية: فإلى جانب الميزات الجديدة، بات جزء متزايد من كل إصدار يركّز على متانة وسلامة سلسلة النشر نفسها — كما ظهر بالفعل مع تشديدات sandbox macOS في الإصدارات السابقة.

🔗 Release v0.50.0 — GitHub

GitHub Copilot في VS Code: ملخص يونيو 2026 (v1.123 إلى v1.127)

8 يوليو — تنشر GitHub ملخصها الشهري لـ Copilot في Visual Studio Code، والذي يغطي الإصدارات v1.123 إلى v1.127 (يونيو – بداية يوليو 2026). وتنتقل عدة ميزات وكيلية إلى الإتاحة العامة أو المعاينة:

الميزة	الحالة
أدوات المتصفح المدمج الوكيلية (التصفح، لقطات الشاشة، التحقق من التطبيقات الويب)	GA
جلسات متوازية متعددة المحادثات في نافذة Agents	متاح
رؤية التكاليف (الجلسة، الوكيل الفرعي المفوَّض، الاستخدام الإضافي)	متاح
اكتشاف مزودي النماذج من Marketplace	متاح
نوافذ سياق 1M tokens (النماذج المتوافقة من Anthropic/OpenAI)	متاح
إضافة Ollama الرسمية	متاح

وبعيدًا عن هذا الجدول، يفصّل الملخص Autopilot أكثر استقلالية (اكتشاف أفضل لنهاية المهمة)، ومزامنة جلسات الدردشة على حساب GitHub، وتعليقات هامشية (gutter) على تعديلات الوكيل، وإنشاء PR بعنوان ووصف مولّدين من سياق الجلسة، وإعدادات Copilot المُدارة للمسؤولين (إدارة الأجهزة في Windows/macOS وملف JSON)، وبيانات اعتماد OAuth MCP المسجَّلة مسبقًا، وتأخيرًا لمدة ساعتين قبل التحديث التلقائي للإضافات، وتصفّحًا آمنًا للمجلدات الجديدة قبل الثقة (Workspace Trust).

ويُظهر تراكم هذه التغييرات عبر خمسة إصدارات شهرية السرعة التي ينقل بها Copilot مركز الثقل من المساعدة الموضعية إلى الوكيل المستقل متعدد الجلسات، مع ضبط للتكلفة أصبح دقيقًا الآن حتى على مستوى الوكيل الفرعي المفوَّض.

🔗 GitHub Changelog — June 2026 VS Code releases

OpenAI: تدقيق SWE-Bench Pro وإصدار جديد من Codex CLI

تدقيق SWE-Bench Pro — نحو 30% من المهام اعتُبرت معيبة

بعد أن أوصت سابقًا المجتمع بالانتقال إلى SWE-Bench Pro (في أعقاب العيوب التي تم تحديدها في SWE-bench Verified)، تُجري OpenAI تدقيقًا مشابهًا على هذا المعيار الجديد وتقوم بسحب توصيتها. أشار خط أنابيب تحليل آلي إلى 286 مهمة يُحتمل أن تكون إشكالية ضمن 731 مهمة في المجموعة العامة؛ وأكدت مراجعة جمعت بين وكلاء Codex الاستقصائيين وخمسة مهندسين بشريين مستقلين لكل مهمة أن 200 إلى 249 مهمة (27,4% إلى 34,1% بحسب طريقة العد) معيبة فعلًا — اختبارات صارمة جدًا، أوصاف غير محددة بما يكفي، تغطية ضعيفة، أو أوصاف مضللة. تدعو OpenAI المجتمع إلى بناء معايير جديدة مباشرةً على يد مطورين ذوي خبرة بدلًا من استخراجها تلقائيًا من طلبات السحب مفتوحة المصدر.

🔗 فصل الإشارة عن الضوضاء في تقييمات البرمجة

Codex CLI 0.143.0

إصدار مستقر جديد: أصبحت الإضافات البعيدة مفعلة افتراضيًا الآن (مع دعم مصادر npm للسوق)، ويمكن لحركة مرور المصادقة وواجهة Responses API المرور عبر وكلاء النظام في macOS/Windows (PAC/WPAD)، كما أن الأمر codex remote-control pair يولّد رموز اقتران يدوية لوكيل daemon قيد التشغيل. توسّع كتالوج Amazon Bedrock ليشمل نماذج GPT-5.6 Sol وTerra وLuna، وأصبح اكتشاف أدوات MCP مفعّلًا افتراضيًا الآن. أما على صعيد الإصلاحات: فهناك معالجة لمدخلات ConPTY على Windows، وتحسن في استعادة خوادم التنفيذ البعيدة المؤقتة غير المتصلة، وتحديثات أمنية للتبعيات (OpenSSL وHono وfast-uri وquick-xml وcrossbeam-epoch).

🔗 سجل Codex — 0.143.0

Cognition وAmp: موثوقية النماذج المفتوحة والوكلاء البعيدين

قياس موثوقية النماذج المشتقة من المصدر المفتوح

إلى جانب إطلاق SWE-1.7، تنشر Cognition دراسة حول موثوقية النماذج المبنية انطلاقًا من قواعد مفتوحة المصدر يغلب عليها الأصل الصيني (Kimi K2.7 Code وDeepSeek-V4 وGLM 5.2): قابلية لتكرار عناصر خطاب متسقة مع الحزب الشيوعي الصيني، ومخاطر قدرات تفاضلية (كود أقل أمانًا تبعًا لهوية المستخدم المتصورة). وعلى مجموعة من 145 سؤالًا حساسًا سياسيًا واختبار أمان تفاضلي تحت ست شخصيات، يحقق SWE-1.7 نتائج مماثلة، بل وأفضل أحيانًا، من GPT-5.5 وClaude Opus 4.8 — بينما يمتثل Kimi K2.7 الخام غالبًا لطلبات إشكالية يرفضها SWE-1.7. ولا تلاحظ Cognition أي فرق في السلوك ذي دلالة إحصائية مرتبط بالشخصيات المختبرة.

🔗 قياس مدى موثوقية النماذج المشتقة من المصدر المفتوح

Amp: وكلاء بعيدون من أي جهاز

يتيح Amp الآن بدء وكلاء جدد عن بُعد من ampcode.com، على أي جهاز قادر على تنفيذ الأمر amp — وليس فقط داخل «orbs» (أجهزة سحابية مؤقتة)، بل أيضًا على حاسوب محمول أو خادم أو صندوق تطوير سحابي. تُفعَّل الميزة عبر "amp.remoteThreadCreation.enabled": true في الإعدادات؛ وعندها يقبل كل عميل Amp مُشغَّل خيوطًا جديدة في دليل العمل الحالي. ويُكمل الوضع عديم الواجهة «Runner Mode» (amp --no-tui) المنظومة: إذ يمكن تشغيل عدة runners في الوقت نفسه على الجهاز نفسه، مع تعريفها بواسطة الزوج مضيف + دليل العمل، من دون الحاجة إلى Git versioning.

🔗 وكلاء، من أي مكان

Gemini: وكلاء مُدارون موسَّعون وإصلاحات أمنية للـ CLI

Gemini API — توسيع Managed Agents

توسّع Google قدرات Managed Agents في Gemini Interactions API: تنفيذ غير متزامن في الخلفية (background: true، مع معرف تتبع لإعادة الاتصال لاحقًا)، اتصال مباشر بخوادم MCP بعيدة من دون middleware proxy لكتابته، استدعاء دوال مخصصة إلى جانب أدوات sandbox المدمجة، وتحديث بيانات الاعتماد الشبكية على بيئة قائمة من دون فقدان حالة الـ sandbox (الملفات، الحزم المثبتة، المستودعات المستنسخة). وتستخدم الأمثلة المنشورة SDK JavaScript @google/genai والنموذج antigravity-preview-05-2026.

🔗 توسيع Managed Agents في Gemini API

Gemini CLI v0.51.0-preview.0 — إصلاحات أمنية

يجمع هذا الإصدار التجريبي عدة إصلاحات أمنية وتحسينات للمتانة: blocklist لمسارات حساسة غير حساسة لحالة الأحرف مقترنة بنهج human-in-the-loop لامتداد VS Code، وتصحيح تجاوز دليل عبر رابط رمزي في معالج استيراد الذاكرة، وإزالة تسرب آثار التفكير (thoughts) من السجل المنظف، وحلّ دفاعي للمسارات المشار إليها بواسطة @، وجعل ~/.gitconfig للقراءة فقط داخل sandbox macOS، وتحديث URL الأساسي لـ Vertex.

🔗 الإصدار v0.51.0-preview.0 — GitHub

GitHub Mobile: إشعارات Copilot CLI وحلّ التعارضات

إشعارات مباشرة لجلسات Copilot CLI

تتوسع الإشعارات المباشرة في GitHub Mobile، المتاحة بالفعل للوكيل السحابي، الآن لتشمل الجلسات البعيدة لـ Copilot CLI. عبر Live Activities في iOS (17.2+) وLive Update Notifications في Android (16+)، يرى المستخدم حالة الجلسة في الوقت الفعلي (جارية، بانتظار رد، غير نشطة، منتهية) ويمكنه فتح السجلات مباشرة من الإشعار. تعمل هذه الميزة للجلسات المُطلَقة من Copilot CLI أو VS Code أو غيرها من الواجهات المدعومة، مع بقاء إمكانية تعطيلها من الإعدادات.

🔗 GitHub Mobile: إشعارات مباشرة لجلسات Copilot CLI

حلّ تعارضات الدمج باستخدام وكيل Copilot السحابي

يتيح GitHub Mobile الآن فكّ تعطل pull request متعارضة مباشرة من الهاتف المحمول: زر «Fix with Copilot» داخل صندوق الدمج يملأ مسبقًا تعليقًا يطلب من Copilot حلّ التعارضات، ثم يطلق الوكيل السحابي. يعرض التطبيق تنبيهات التعارض وتغذية راجعة واضحة عند النجاح أو الفشل. وتظل الإشارة @copilot في تعليق PR متاحة لمهام أخرى (إصلاح workflows Actions الفاشلة، الرد على مراجعات الكود، إضافة اختبارات).

🔗 GitHub Mobile: إصلاح تعارضات الدمج مع وكيل Copilot السحابي

Anthropic: دراستان حالتان حول Claude Cowork

أتمتة التقارير التسويقية والحملات

يفصّل Claude Blog كيف قام فريق marketing ops في Anthropic بأتمتة جزء من عمله باستخدام Claude Cowork. استبدل Ian Chan عملية تقارير أسبوعية كانت تستغرق منه يومًا إلى يومين بمهمة مجدولة (scheduled task) تُنفّذ كل مساء أحد، وتعتمد على ثلاث مهارات (skills) مخصصة: إعداد التقرير، ومراجعة تُدقق كل رقم مقابل مصدر موثوق، وتحويل نقاط المتابعة إلى مهام Asana. ومن جانبها، قامت Annabel Custer بأتمتة إعداد الحملات التسويقية عبر مهارة «موزع» تقرأ قناة Slack كل ساعة وتوجّه كل طلب، مع وكيل تدقيق مستقل يراجع العمل من دون سياق مسبق.

🔗 كيف يستخدم فريق العمليات التسويقية في Anthropic Claude Cowork

Thomson Reuters: ذكاء اصطناعي «بدرجة ائتمانية» مع Claude

دراسة حالة ثانية: تدمج Thomson Reuters (Westlaw وPractical Law وCoCounsel Legal) Claude في منتجات يستخدمها محامون يتطلبون دقة شديدة، ضمن مفهوم الذكاء الاصطناعي «Fiduciary-Grade AI». يفرض Joel Hron، CTO، أربعة متطلبات على النموذج قبل نشره: التحقق الذاتي من الاقتباسات بدل الاعتماد على ذاكرة النموذج، والثبات على سلاسل طويلة من استدعاءات الأدوات، وإشراك الإنسان في العمل، وتحرير الوقت لمهام كانت حتى الآن خارج المتناول. كما تستخدم Thomson Reuters أيضًا Claude Cowork لأتمتة العمليات وClaude Code لبناء وكلاء طويلة الأمد، وتقول إنها تتطلع إلى استكشاف Claude Fable 5.

🔗 العمل عند الحدود: Thomson Reuters

Hugging Face وTogether AI: تسريع الاستدلال مفتوح المصدر

backend vLLM الخاص بـ transformers يصل إلى السرعة الأصلية

يُظهر Harry Mellor (فريق vLLM) وLysandre (المؤسس المشارك لـ Hugging Face) أن backend النمذجة transformers لـ vLLM يساوي الآن، بل ويتجاوز، معدل النقل الأصلي للتطبيقات المكتوبة يدويًا لـ vLLM. وعلى ثلاثة نماذج Qwen3 اختُبرت وجهاً لوجه: ينتقل Qwen3-4B من 46 850 إلى 47 443 token/s (100,0% من الأصلي)، وQwen3-32B من 14 310 إلى 14 660 token/s (100,1%)، وQwen3-235B-A22B MoE FP8 من 31 382 إلى 33 152 token/s (102,0%). وبذلك يمكن لمؤلفي النماذج الاستفادة تلقائيًا من استدلال vLLM فائق السرعة من دون نقل يدوي، عبر vllm serve <modèle> --model-impl transformers.

🔗 backend transformers الخاص بـ vLLM بسرعة أصلية — HuggingFace Blog

Together AI تطلق Provisioned Throughput

تعلن Together AI عن Provisioned Throughput، وهو شكل من أشكال الاستدلال بسعة محجوزة للنماذج المفتوحة الحدودية، مع تسعير حسب token وSLA توفر بنسبة 99%. وهو متاح ابتداءً من اليوم لـ MiniMax M3 وGLM-5.2، مع التزام أدنى لمدة شهر واحد. مثال اقتصادي على MiniMax M3: وحدة سعة واحدة (PTU، 0,05 $ في الدقيقة) عند الاستخدام الكامل تكلف نحو 0,36 $/مليون token إدخال و2,16 $/مليون token إخراج، مقابل 5 $ و25 $ بالسعر الكتالوجي لـ Claude Opus 4.8 — أي أقل بما يصل إلى 90%. وتشير Together AI إلى أن حجم الـ tokens على واجهاتها البرمجية ارتفع من 30 مليارًا إلى أكثر من 400 000 مليار token شهريًا خلال تسعة أشهر.

🔗 Provisioned Throughput — Together AI Blog

مقتطفات

Claude Code v2.1.204 — إصلاح واحد: كانت أحداث hook لا تتدفق بشكل صحيح أثناء hooks SessionStart في جلسة headless، ما كان قد يؤدي خطأً إلى اعتبار workers البعيدة غير نشطة ثم استعادتها (idle-reaped) أثناء تنفيذ hook. 🔗 CHANGELOG.md
FrontierCode 1.1 — تُراجع Cognition منهجية معيار code agentic الخاص بها: كشف برمجي عن الغش عبر الاطلاع على الحلول المرجعية (حتى 37,2% من runs الخاصة بـ Claude Fable 5 كانت متأثرة في الإصدار 1.0)، وتخفيف 75 معيارًا من معايير التقييم، ودرجات جديدة لـ Claude Sonnet 5 (42,7%) وClaude Fable 5 (53,5%، ولا يزال في الصدارة). 🔗 FrontierCode 1.1
NVIDIA وLangChain يحسّنان Deep Agents لـ Nemotron 3 Ultra — يحصل harness Deep Agents من LangChain المضبوط لنموذج Nemotron 3 Ultra المفتوح على درجة إجمالية تبلغ 0,86 مقابل 4,48 $، مقارنةً بـ 43,48 $ للنموذج المغلق الأقرب أداءً — أي تكلفة استدلال أقل بنحو 10×. 🔗 Tweet @NVIDIAAI

ماذا يعني هذا

سباق النماذج الحدودية يُعاد خوضه على أساس الكلفة بقدر ما هو على أساس الذكاء. Grok 4.5 وSWE-1.7 وثنائي GPT-Live/GPT-5.5 يوضحون ثلاث مقاربات مختلفة للمشكلة نفسها: فبدلًا من استهداف أعلى نتيجة على المعايير فقط، باتت المختبرات الآن تُحسّن صراحةً نسبة الكلفة/الأداء — إذ تتحدث Cognition بصراحة عن «تحريك منحنى باريتو»، وتبرز SpaceXAI استهلاكًا أقل للـ tokens بمقدار 4,2× مقارنةً بـ Opus 4.8، وتفصل OpenAI المهام الثقيلة الخاصة بـ GPT-Live إلى نموذج منفصل بدل أن تحمل النموذج الصوتي كل العبء. كما يؤكد شراكة التدريب بين SpaceXAI وCursor، المذكورة صراحةً في إعلان Grok 4.5، اتجاهًا آخر: إذ بات ناشرو IDE وأدوات الوكلاء شركاء في تصميم النماذج، لا مجرد زبائن API.

الذكاء الاصطناعي المدمج ينوّع فاعليه. مع Robostral Navigate، تنضم Mistral إلى Google DeepMind (Gemini Robotics) وNVIDIA في سباق الروبوتات المدمجة، مع نهج متعمد البساطة (كاميرا RGB واحدة، من دون LiDAR) يهدف إلى النشر واسع النطاق أكثر من السعي إلى أعلى أداء في المختبر. ويسلك Runway Dev منطقًا مشابهًا على جانب الوسائط التوليدية: فبدل بيع نموذج واحد، تُغلّف المنصة الوصول إلى عدة مزودين (بما في ذلك منافسون مثل ElevenLabs وSeedance) عبر واجهة برمجية واحدة وفوترة واحدة — رهان على التجميع بدلًا من حصرية النموذج.

أدوات الوكلاء للمطورين تتسع على كل الجبهات. Gemini CLI v0.50.0 (Tool Registry Discovery)، وملخص Copilot VS Code (التكاليف لكل وكيل فرعي، سياق 1M tokens)، وCodex CLI 0.143.0 (إضافات بعيدة، وكلاء proxy مؤسسية)، وAmp (وكلاء بعيدون من أي جهاز) ترسم حركة واحدة: أصبحت CLI وIDE الوكيلية منصات قائمة بذاتها، مع سجلات أدواتها الخاصة، وإدارتها للتكاليف لكل وكيل مفوَّض، وبنيتها الشبكية المؤسسية. وتمتد GitHub Mobile بهذه المنطقية حتى الهاتف الذكي، مع إشعارات مباشرة وحلّ تعارضات يمكن تشغيله من الهاتف.

الثقة في المعايير والنماذج مفتوحة المصدر تصبح موضوعًا قائمًا بذاته. يظهر تدقيق OpenAI على SWE-Bench Pro (30% من المهام معيبة، وسحب التوصية) ومراجعة FrontierCode 1.1 من Cognition (الغش عبر الاطلاع على الحلول المرجعية اكتُشف في أكثر من ثلث runs لـ Fable 5) أن معايير الكود نفسها تتحول إلى موضوع للتحقق المستمر بدلًا من أن تبقى مراجع جامدة. وبالتوازي، تشير دراسة Cognition حول موثوقية النماذج المشتقة من المصدر المفتوح الصيني، ومكاسب أداء الاستدلال التي حققتها Hugging Face وTogether AI على النماذج المفتوحة، إلى أن منظومة المصدر المفتوح لم تعد تُنظر إليها كخيار من الدرجة الثانية، بل كأساس يجب تدقيقه وتحسينه وجعله اقتصاديًا قادرًا على المنافسة أمام النماذج المملوكة.