Loading blog posts...
العودة إلى المدونة
Also in
تصدّر إعلان Gemini 4 Argon أخبار هذه الجولة من مستجدات الذكاء الاصطناعي والمطورين ليوم 19 أكتوبر 2026 من حيث الانتشار.
ملخص سريع
- حصد إعلان Gemini 4 Argon نحو 5.89 مليون مشاهدة، لكن المصدر المقدَّم لا يثبت تفوقه في الأداء.
- جذبت الهندسة العكسية بمساعدة الذكاء الاصطناعي اهتماماً كبيراً: وصل اختبار Low Level لأداة decomp.wtf إلى 1.76 مليون مشاهدة.
- وضع MiniCPM-V 4.7 وNemotron 3.5 Super VL النشر الكفء للنماذج متعددة الوسائط ضمن الخيارات الجديرة بالاهتمام لدى مطوري الوكلاء.
- وصل مشروع Harness² من Google Research إلى 7,789 نجمة على GitHub، موجهاً الأنظار إلى البرمجيات المحيطة بالوكيل.
- تعامل مع أرقام التفاعل بوصفها لقطات وقت جمع المعلومات، لا أعداداً للمستخدمين الفعليين أو دليلاً على الموثوقية في بيئات الإنتاج.
الهندسة العكسية بالذكاء الاصطناعي جذبت الأنظار، لكنها لم تحصل على شهادة بصحتها
وضع اختبار Low Level لأداة decomp.wtf، المنشور في 16 أكتوبر، الهندسة العكسية بمساعدة الذكاء الاصطناعي بين أبرز أخبار المطورين خلال الأسبوع. كذلك جذبت مناقشة إطلاق BlenderCraft الاهتمام بادعاء المشروع أنه أجرى هندسة عكسية لبرنامج Blender باستخدام الذكاء الاصطناعي.
رصدت المتابعة:
- مشاهدات فيديو Low Level.
- التصويتات الإيجابية على منشور إطلاق BlenderCraft.
- التعليقات على منشور BlenderCraft.
اختر مكوّناً واحداً تملك صلاحية فحصه، وحدد سلوكه القابل للملاحظة، ثم قارن النسخة المعاد بناؤها بالأصل باستخدام اختبارات لم يساعد النموذج في اختيارها. افحص المدخلات غير السليمة ومعالجة الأخطاء، إلى جانب حالات التنفيذ الناجح؛ فمطابقة عرض توضيحي لا تثبت تكافؤ النسختين.
حظي إطلاق Gemini 4 Argon بالاهتمام؛ أما الانتقال إليه فما زال يحتاج إلى أدلة
أعلن سوندار بيتشاي عن Gemini 4 Argon في 13 أكتوبر، بحسب منشور الإطلاق. وكان إطلاق النموذج الأكثر إثارة للنقاش خلال فترة الرصد.
رصدت المتابعة مؤشرات منشور الإطلاق التالية:
- المشاهدات.
- الإعجابات.
- مرات إعادة النشر.
لا يقدم المصدر المتاح أدلة كافية لمقارنة الأسعار أو زمن الاستجابة أو حدود السياق أو الأداء على مستودعك البرمجي.
قبل تغيير النموذج الافتراضي لمساعد البرمجة، اشترط إجراء مقارنة باستخدام المهام نفسها على المستودع نفسه. ضمّن فيها إصلاح خطأ، وتغييراً يشمل عدة ملفات، ومهمة تكون الإجابة الصحيحة فيها هي تحديد المعلومات الناقصة. قيّم التعديلات البرمجية، وقدرة النموذج على إدراك أن المعلومات المتاحة لا تكفي لتنفيذ حل.
النماذج المفتوحة متعددة الوسائط تحتاج إلى اختبار نشر، لا منافسة في عدد المعاملات
شملت إعلانات هذا الأسبوع MiniCPM-V 4.7 من OpenBMB وNemotron 3.5 Super VL من NVIDIA. ركّز كلاهما على أعباء العمل متعددة الوسائط. وروّجت OpenBMB لكفاءة النشر المحلي، بينما قدّمت NVIDIA نموذجها بوصفه خياراً للوكلاء الذين يعملون لفترات طويلة.
| الخيار المعلَن | معلومات الحجم المنشورة | التركيز المعلَن | ما ينبغي لفريقك التحقق منه |
|---|---|---|---|
MiniCPM-V 4.7، 35B-A3B | 35 مليار معامل إجمالاً؛ 3 مليارات نشطة | نشر محلي كفء للمهام متعددة الوسائط | استهلاك الذاكرة ودقة المهام البصرية |
MiniCPM-V 4.7، 1B | مليار معامل | خيار أصغر للنشر المحلي | هل يحافظ خفض استهلاك الموارد على جودة أداء المهام؟ |
| Nemotron 3.5 Super VL | 120 مليار معامل إجمالاً؛ 12 ملياراً نشطاً | وكلاء متعددو الوسائط يعملون لفترات طويلة | متطلبات الاستضافة والموثوقية عبر خطوات متعددة |
المعاملات النشطة هي الجزء المستخدم خلال خطوة استدلال (Inference) في نموذج لا ينشّط إلا جزءاً من معاملاته في كل خطوة. يؤثر ذلك في حجم العمليات الحسابية، لكن لا تقدّر موارد النشر على أساس أن المعاملات النشطة وحدها تحتاج إلى التخزين.
ابدأ باختبار أصغر نموذج مرشح قد يلبّي متطلبات العمل. إذا كنت تبني وكيلاً لقراءة لقطات الشاشة، فاستخدم لقطات تمثل الاستخدام الفعلي وتضم نصوصاً كثيفة وعناصر تحكم ملتبسة وحالات خطأ. قِس قدرته على تحديد المعلومات الصحيحة ضمن حدود زمن الاستجابة والذاكرة المتاحة لك.
نصيحة
قبل اعتبار نموذج مفتوح جاهزاً للنشر، سجّل ترخيصه، وتنسيق أوزانه، وبيئة التشغيل التي يدعمها، وذروة استهلاكه للذاكرة مع عبء عملك الفعلي. تقديم النموذج في الإعلان بوصفه مناسباً للنشر المحلي هو نقطة بداية، لا خطة لتقدير السعة.
Harness² يسلّط الضوء على حلقة تنفيذ الوكيل
يركّز مستودع Harness² من Google Research على تحسين أطر تشغيل الوكلاء (Agent Harnesses): أي البرمجيات المحيطة بالنموذج التي تنظّم طريقة تنفيذه للمهمة. لا تثبت المعلومات المقدَّمة حجم التحسن الذي يمكن أن يحققه Harness² مع عبء عملك.
الوكيل الذي يفقد حالته، أو يسيء التعامل مع خطأ في أداة، أو يكرر إجراءً غير مجدٍ، يحتاج إلى إصلاح في نظام التنفيذ. قد لا تعالج هذه المشكلةَ إعادةُ صياغة التعليمات أو تغييرُ النموذج.
ابدأ بتصنيف حالات الإخفاق في عمليات تشغيل الوكلاء الحالية:
- إخفاق النموذج: يسيء الوكيل فهم المهمة أو يقترح حلاً غير صحيح.
- إخفاق الأداة: لا يعمل أمر أو API أو خدمة خارجية كما هو متوقع.
- إخفاق التنسيق (Orchestration): يتعامل الوكيل بشكل غير صحيح مع الحالة أو إعادة المحاولة أو شروط التوقف.
إذا كانت مشكلتك الحالية هي انقطاع التنفيذ، فإن مقال Pi Durable عن الوكلاء الذين يستأنفون العمل من حيث توقفوا يناقش جانباً تنفيذياً ذا صلة.
الجدل حول البرمجة بالذكاء الاصطناعي لدى Epic يحتاج إلى معايير قبول، لا حكم عام
أثارت مناقشة Epic Games هذا الأسبوع جدلاً حول توجهها المعلَن عنه نحو إعطاء الأولوية للذكاء الاصطناعي في التطوير. وفي منشور منفصل يدافع عن البرمجة بمساعدة الذكاء الاصطناعي، رأى تيم سويني أن الذكاء الاصطناعي يستطيع تولّي أعمال التنفيذ الروتينية.
رصدت المتابعة:
- التصويتات الإيجابية على نقاش Reddit المتعلق بشركة Epic.
- التعليقات على ذلك النقاش.
- مشاهدات رد سويني.
لا تُظهر المصادر المقدَّمة تحسناً مقاساً في سرعة إصدار البرمجيات أو معدلات العيوب أو تكلفة الصيانة. لذلك، لا ينبغي عرضها بوصفها قصة نجاح مؤسسية.
لا تعتمد فرض استخدام الذكاء الاصطناعي أو منعه بالكامل سياسةً هندسية افتراضية. طبّق معايير القبول نفسها على كل تعديل برمجي، مع احتساب عبء المراجعة إلى جانب وقت التنفيذ. أضف ضوابط للمدخلات الحساسة، والوصول إلى موارد خارجية، وتغييرات الاعتماديات، والشيفرة التي لا يستطيع أحد شرحها بشكل كافٍ.
ما يستحق المتابعة
- Gemini 4 Argon: ابحث عن وثائق رسمية من الجهة المطوّرة توضح الأسعار والتوافر وحدود النموذج قبل تحديد موعد للانتقال إليه.
- Harness²: افحص التغييرات في آليات التقييم داخل المستودع، ولا سيما طريقة اختبار التحسينات على مهام غير تلك التي استُخدمت لتطويرها.
- النماذج المفتوحة متعددة الوسائط: تحقق مما إذا كانت مواد الإصدار توفّر متطلبات لبيئة التشغيل والذاكرة يمكن إعادة اختبارها للنسخ المعلَن عنها.
- الهندسة العكسية بالذكاء الاصطناعي: ابحث عن اختبارات مستقلة للتحقق من السلوك.
ما الذي يمكنك فعله الآن؟
- اختر ثلاث مهام مكتملة من المستودع، واحتفظ باختبارات قبولها الأصلية بوصفها مجموعة مقارنة ثابتة لتجربتك المقبلة مع نموذج برمجة.
- صنّف عشر حالات إخفاق حديثة في تشغيل الوكلاء إلى إخفاقات في النموذج أو الأداة أو التنسيق، قبل تغيير التعليمات أو مزوّد النموذج.
- اختر نسخة واحدة من النماذج متعددة الوسائط المعلَن عنها، وسجّل ترخيصها ومتطلبات تشغيلها وذروة استهلاكها المقاسة للذاكرة قبل اقتراح تجربة داخلية محدودة.
- أضف فحوص مراجعة واضحة لتغييرات الاعتماديات بمساعدة الذكاء الاصطناعي، والوصول إلى البيانات الحساسة، وتعديلات شيفرة المصادقة أو الصلاحيات.
موارد مفيدة
- إعلان Gemini 4 Argon - منشور الإطلاق الأصلي من سوندار بيتشاي.
- مستودع Harness² - مشروع Google Research لتحسين أطر تشغيل الوكلاء.
- إعلان MiniCPM-V 4.7 - تقديم OpenBMB للنسخ متعددة الوسائط المعلَن عنها.
- إعلان Nemotron 3.5 Super VL - عرض NVIDIA لاستخدامات نموذجها المستهدفة وأعداد معاملاته المنشورة.
الصورة الأشمل
ينبغي أن ينتج عن قرارك المقبل بتبنّي تقنية ما مخرجٌ يستطيع مهندس آخر فحصه: نتيجة اختبار قابلة لإعادة الإنتاج، أو تقدير للموارد يستند إلى قياسات، أو تعديل برمجي يجتاز مراجعة مستقلة.
