سبعة إشارات لفهم الذكاء الاصطناعي هذا الأسبوع: تسريب النماذج، محرك الكود، إدارة الأفراد

المؤلف: تارا تان / سترينج في سي

التجميع: شينتشاو تك فلو

مقدمة شينتشاو: تحتوي النشرة الأسبوعية على كثافة عالية، حيث تغطي سبع إشارات مستقلة تتعلق بأهم الاتجاهات في صناعة الذكاء الاصطناعي.

ومن أبرز ما يجب الانتباه إليه: تسرب غير مقصود لنموذج جديد يحمل الاسم الرمزي “Capybara” من Anthropic بسبب خطأ في إعداد CMS، وهو نموذج يتفوق على Opus.

النص الكامل كما يلي:

على مدى الأشهر القليلة الماضية، من المؤكد أننا قد تجاوزنا عتبة معينة في القدرة على العمل. ما كان يتطلب من أربعة إلى ستة أسابيع لإنجازه قبل خمس سنوات، أصبح الآن يتم في أقل من خمس دقائق. قبل ستة أشهر، كانت المهمة نفسها تستغرق ساعة إلى ساعتين مع الكثير من التصحيح.

هذا تحول كبير جدًا، وربما لم نتمكن بعد من استيعابه بالكامل. انهيار الفجوة بين الأفكار والمنتجات القابلة للتشغيل سيعيد كتابة الصناعة بأكملها. إنه قفزة نوعية في الأدوات التي يستخدمها البشر للبناء والإبداع وحل المشكلات.

وفي هذا السياق، أصبح OpenClaw أكثر استقرارًا منذ استحواذ OpenAI عليه. لديه مسار واضح ليصبح أحد أهم مشاريع المصدر المفتوح في مجال الذكاء الاصطناعي.

لنبدأ بمحتوى هذا الأسبوع.

تسرب Claude Mythos من Anthropic يكشف عن طبقات النموذج الجديدة

أدى خطأ في إعداد CMS من Anthropic إلى الكشف عن تفاصيل نموذج غير منشور يسمى Claude Mythos. تصف المسودة المسربة طبقة جديدة “Capybara” تقع فوق Opus، مع تقدم كبير في قدرات البرمجة والتفكير والأمن السيبراني. أكدت Anthropic أنها تختبر النموذج مع عملاء الوصول المبكر، واصفة إياه بأنه “قفزة نوعية” و"أقوى نموذج تم بناؤه حتى الآن". (فورتشن، ذا ديكودر)

لماذا هذا مهم: بالإضافة إلى النموذج نفسه، هناك أمران يستحقان التركيز. أولاً، تحذر المسودة المسربة من أن قدرات الأمن السيبراني لهذا النموذج “تفوق أي نموذج ذكاء اصطناعي آخر”، مما أدى إلى تحرك أسهم شركات الأمن السيبراني خلال يوم واحد. ثانيًا، إدخال طبقة نموذجية رابعة (Capybara تقع فوق Opus) يشير إلى أن Anthropic تبني مساحة تسعير للعملاء المؤسساتيين، وليس فقط أداء الاختبار القياسي.

Claude Code أصبح المحرك الرئيسي لنمو شركة Anthropic

حاليًا، يمثل Claude Code حوالي 4% من جميع الالتزامات العامة على GitHub، ومن المتوقع أن يصل إلى أكثر من 20% بحلول نهاية العام. يُقدّر معدل الإيرادات السنوي الإجمالي لشركة Anthropic بحوالي 14 مليار دولار، بينما يُقدّر معدل الإيرادات السنوي الخاص بـ Claude Code بحوالي 2.5 مليار دولار. توسع مستخدمو هذه الأداة من المطورين إلى المستخدمين غير التقنيين، الذين يتعلمون استخدام الأوامر الطرفية لبناء المشاريع باستخدامها. (SemiAnalysis، Uncover Alpha، VentureBeat)

لماذا هذا مهم: من خلال الاعتماد العضوي للمطورين، قلل Claude Code من تكلفة اكتساب العملاء إلى ما يقرب من الصفر. ومن خلال التوسع إلى أدوار غير المطورين عبر Cowork، تم توسيع السوق القابل للاستهداف بشكل كبير ليشمل أكثر من 28 مليون مطور محترف حول العالم.

Pretext لـ Cheng Lou: تخطيط النصوص بدون الاعتماد على CSS

Cheng Lou هو واحد من أكثر مهندسي واجهة المستخدم تأثيرًا خلال العشر سنوات الماضية (React، ReasonML، Midjourney)، وقد نشر مشروع Pretext، وهو خوارزمية قياس النصوص تعتمد بالكامل على TypeScript، تتجاوز تمامًا قياسات CSS وDOM وإعادة ترتيب المتصفح. تشمل العروض التوضيحية: عرض افتراضي لآلاف من صناديق النص بسرعة 120 إطارًا في الثانية، فقاعات دردشة مضغوطة بلا هدر بيكسل، تخطيط مجلات متعدد الأعمدة استجابة، وفن ASCII بعرض متغير. (X post)

لماذا هذا مهم: لطالما كانت تخطيطات النصوص وقياسها عائقًا خفيًا يعيق الجيل الجديد من واجهات المستخدم. تم تصميم CSS للمستندات الثابتة، وليس لتصميم الواجهات السائلة، والذكية، والمرتبطة بالذكاء الاصطناعي، والتي أصبحت السائدة اليوم. إذا تمكن Pretext من تحقيق العروض التوضيحية، فسيقضي على أحد آخر القيود الأساسية على مظهر وتجربة واجهات الذكاء الاصطناعي الأصلية.

Arm تشحن لأول مرة منذ 35 عامًا رقائقها المصممة ذاتيًا

أصدرت شركة Arm وحدة معالجة مركزية AGI، وهي معالج مخصص لمراكز البيانات يتكون من 136 نواة، تم تطويره بالتعاون مع Meta باستخدام تقنية 3 نانومتر من TSMC. هذه هي المرة الأولى في تاريخ الشركة التي تبيع فيها رقائق جاهزة بدلاً من ترخيص الملكية الفكرية. من المتوقع أن تبدأ الشحنات بالجملة قبل نهاية العام، مع شركاء مثل OpenAI وCerebras وCloudflare. (Arm Newsroom، EE Times)

لماذا هذا مهم: تهيمن وحدات معالجة الرسومات (GPU) حاليًا على مراكز البيانات الخاصة بالذكاء الاصطناعي، حيث تتولى تدريب وتشغيل النماذج، بينما تتعامل وحدات المعالجة المركزية (CPU) بشكل رئيسي مع تدفق البيانات والجدولة. لكن أعباء العمل الوكيلة مختلفة. عندما تعمل آلاف الوكلاء الذكاء الاصطناعي في وقت واحد، كل منهم منسق للمهام، ومكالمات API، وإدارة الذاكرة، وتوجيه البيانات عبر الأنظمة، فإن هذه الأعمال تتطلب من وحدة المعالجة المركزية. وتدعي Arm أن هذا سيؤدي إلى زيادة الطلب على وحدات المعالجة المركزية لكل جيجاوات من سعة مركز البيانات بمقدار أربعة أضعاف. (HPCwire، Futurum Group)

إنفيديا وEmerald AI يحولان مراكز البيانات إلى أصول لشبكة الكهرباء

أعلنت إنفيديا وEmerald AI عن تشكيل تحالف مع AES وConstellation وInvenergy وNextEra وVistra لبناء “مصنع ذكاء اصطناعي مرن”، من خلال تعديل الأحمال الحاسوبية للمشاركة في خدمات توازن الشبكة. يقع أول منشأة، Aurora، في ماناساس، فيرجينيا، ومن المتوقع أن تفتح في النصف الأول من عام 2026. (نشرة إنفيديا، Axios)

لماذا هذا مهم: أكبر عائق أمام توسع البنية التحتية للذكاء الاصطناعي ليس الشرائح، بل هو جدول زمن الوصول إلى الشبكة، حيث يحتاج معظم المناطق من 3 إلى 5 سنوات. يمكن لمراكز البيانات التي تظهر مرونة في الشبكة أن تتصل بشكل أسرع، وتواجه مقاومة تنظيمية أقل. هذا يعيد تعريف فرضية الطاقة لمستثمري البنية التحتية للذكاء الاصطناعي: النقطة الأساسية للفوز ليست “المزيد من الكهرباء”، بل “الكهرباء الأذكى”.

الصين تفرض قيودًا على خروج كبار مسؤولي Manus AI

فرضت السلطات الصينية قيودًا على خروج الرئيس التنفيذي لشركة Manus، شياو هونغ، والعالم الرئيسي جي ييتشاو، بعد استحواذ شركة ميتا على الشركة الناشئة في مجال الذكاء الاصطناعي المسجلة في سنغافورة مقابل 2 مليار دولار. استدعت لجنة التنمية الوطنية والإصلاح المسؤولين الاثنين إلى بكين هذا الشهر، وفرضت قيودًا على سفرهم خلال فترة المراجعة التنظيمية. (رويترز، واشنطن بوست)

لماذا هذا مهم: ليست هذه قيودًا تجارية، بل قيود على الأفراد. قد تكون الصين توجه إشارة: أن المواهب في مجال الذكاء الاصطناعي ذات الخلفية القارية تعتبر أصولًا خاضعة للرقابة، بغض النظر عن مكان تسجيل الشركة.

نموذج ضخم يتكون من 400 مليار معلمة يعمل محليًا على iPhone 17 Pro

عرض مشروع مفتوح المصدر يُدعى Flash-MoE نموذجًا مختلطًا يتكون من 400 مليار معلمة، ويعمل بالكامل على الجهاز باستخدام شريحة A19 Pro في iPhone 17 Pro، من خلال تدفق الأوزان من SSD إلى GPU. النموذج (Qwen 3.5-397B، بتكميم 2 بت، و170 مليار معلمة نشطة) يعمل بسرعة 0.6 توكن في الثانية، ولا يزال يتطلب 5.5 جيجابايت من الذاكرة العشوائية. (WCCFTech، TweakTown، Hacker News)

لماذا هذا مهم: هذا إثبات مفهوم، وليس منتجًا. يمكن لنموذج بـ 400 مليار معلمة أن يعمل على هاتف بذاكرة 12 جيجابايت، لأن جزءًا صغيرًا فقط من النموذج يكون نشطًا في أي وقت (خبراء مختلطون)، بينما يتم تدفق الأجزاء المتبقية من SSD المدمج في الهاتف عند الطلب، بدلاً من أن تكون مقيمة في الذاكرة. ولكن إذا تم تطبيق نفس التقنية على نماذج أصغر بكثير — مثل 7 مليارات أو 14 مليار معلمة — على رقائق الهاتف السريعة من الجيل التالي، فسنتمكن من الحصول على ذكاء اصطناعي قابل للاستخدام حقًا، يعمل بالكامل على الجهاز، بسرعة حوار، دون الحاجة إلى السحابة.

وكيل الذكاء الاصطناعي يكمل مجموعة كاملة من تجارب الفيزياء الجزيئية بشكل مستقل

نشر باحثو معهد ماساتشوستس للتكنولوجيا إطار عمل يُسمى JFC (Just Furnish Context)، يُظهر أن وكيلًا مبنيًا على Claude Code قادر على تنفيذ سلسلة كاملة من تحليلات الفيزياء عالية الطاقة بشكل مستقل: تصفية الأحداث، تقدير الخلفية، قياس عدم اليقين، الاستدلال الإحصائي، وكتابة الأوراق العلمية. يعمل النظام على بيانات مفتوحة من كواشف ALEPH وDELPHI وCMS. (arXiv 2603.20179)

لماذا هذا مهم: يُعد هذا أحد أوضح الأمثلة على قدرة الذكاء الاصطناعي الوكيل على أتمتة سير عمل علمي شامل من البداية إلى النهاية في مجالات تتطلب دقة منهجية عالية. وتُشير المعاني الاستثمارية المباشرة إلى إعادة تحليل مجموعات البيانات المتبقية في مجالات الفيزياء، وعلم الجينوم، وعلوم المواد — حيث لا تزال البيانات الأرشيفية غير مستغلة بشكل كامل حتى الآن.