الذكاء الاصطناعي في خمس دقائق
احصل على أخبار الذكاء الاصطناعي الأسبوعية بخمس دقائق على إيميلك مباشرة.
تم الاشتراك بنجاح!
حصرياتنا من اكبر شركات المجال
احصل على أخبار الذكاء الاصطناعي الأسبوعية بخمس دقائق على إيميلك مباشرة.
حصرياتنا من اكبر شركات المجال
أعلنت شركة ميتا في 12 أكتوبر 2026 عن نموذجين جديدين هما Muse Wonder وMuse Wonder Full، وقالت إنهما يضعانها في مصاف الشركات الرائدة في مجال الذكاء الاصطناعي. يأتي هذا الإطلاق بعد عملية إعادة هيكلة داخلية استمرت 14 شهراً، وبعد أن اعترف مسؤولو ميتا قبل أكثر من عام بأن الشركة متأخرة عن OpenAI وAnthropic. تقدم ميتا النموذجين بوصفهما أقوى نظامين أصدرتهما الشركة على الإطلاق. لم تنشر ميتا جميع الأرقام القياسية، لكنها تستخدم لغة واضحة: هذه نماذج عند حدود القدرات البشرية في معالجة اللغة والاستدلال. كانت إصدارات Llama السابقة من ميتا منافسة قوية في العالم مفتوح المصدر، لكنها لم توصف بأنها نماذج حدودية. الآن تقول ميتا إن Muse Wonder هو أول نموذج يحقق هذا المستوى مباشرة. التوقيت مهم أيضاً. OpenAI وAnthropic مشغولتان بسباق خاص بينهما، وتطلقان نماذج استدلال جديدة وسياقات أوسع. جوجل تدفع Gemini نحو الاستخدام المؤسسي. تحتاج ميتا إلى نموذج رئيسي يمنع المطورين من اعتبار النماذج مفتوحة المصدر خياراً رخيصاً من الدرجة الثانية. يبدو أن النسخة الأكبر Muse Wonder Full موجهة للبرمجة المتقدمة والمهام المعقدة والوكلاء الأذكياء. إذا كان Muse Wonder قريباً فعلاً من مستوى النماذج الحدودية، فسيحصل العالم مفتوح المصدر على بديل حقيقي لخدمات الشركات المغلقة. النموذجان صمما ليعملا عبر منصات متعددة، مع تركيز على الكفاءة في الاستدلال وتقليل زمن الاستجابة. ستكشف الأسابيع المقبلة عن نتائج الاختبارات المستقلة وترتيبات لوحات القيادة. هذه النتائج ستحدد ما إذا كان ادعاء ميتا صحيحاً. في الوقت الحالي، فعلت ميتا ما شك كثيرون في قدرتها عليه: حولت إعادة تنظيم استمرت 14 شهراً إلى إطلاق نموذج حقيقي طموح.
أعلنت مايكروسوفت عن خطوة هي الأجرأ في مساعيها للتخلص من الاعتماد على رقائق إنفيديا. الشركة قالت إنها ستجعل رقائق مايا الداخلية البنية الأساسية الأولى لتشغيل نماذج الذكاء الاصطناعي في مراكز بياناتها، على أن يدخل الجيل الجديد مايا 300 مرحلة الإنتاج في عام 2027. وتتوقع مايكروسوفت أن تمتلك في النهاية عدة غيغاواط من طاقة الحوسبة المعتمدة على رقائق مايا، وهو مؤشر على أن هذه الرقائق لم تعد تجربة بل عمود فقري لبنيتها المستقبلية. يأتي هذا الإعلان بينما تستعد مايكروسوفت لإنفاق يتجاوز 175 مليار دولار في النفقات الرأسمالية خلال عام 2026. هذه الميزانية الضخمة تفسر لماذا تريد الشركة بديلاً عن وحدات معالجة الرسوميات باهظة الثمن من إنفيديا. صممت رقائق مايا 300 للعمل في مهام الذكاء الاصطناعي مثل توليد الشيفرة البرمجية والاستدلال، وهي المهام التي تهيمن الآن على الطلب على الحوسبة. وبالانتقال إلى السيليكون الخاص بها، تستطيع مايكروسوفت خفض التكاليف وتحسين كفاءة استهلاك الطاقة وتعزيز موقعها التفاوضي مع الموردين الخارجيين. الرقاقة ليست مجرد وسيلة لتوفير المال، بل أداة استراتيجية. تدير مايكروسوفت واحدة من أكبر أعمال الحوسبة السحابية في العالم عبر منصة أزور. جعل مايا البنية الأساسية الأولى يعني أن عملاء أزور قد يرون في المستقبل خدمات ذكاء اصطناعي مسعّرة وموسعة بشكل مختلف عن المنافسين الذين يعتمدون على إنفيديا. وهذا من شأنه إعادة تشكيل سوق الذكاء الاصطناعي السحابي. إنفيديا لا تقف مكتوفة الأيدي. خارطة الطريق الخاصة بها تشمل معمارية فيرا روبين، كما أقامت شراكات عميقة عبر الصناعة. لكن قرار مايكروسوفت سيشجع شركات أخرى على تسريع جهودها في تصميم الرقائق. جوجل تمتلك وحدات معالجة الموترات TPU، وأمازون لديها تراينيوم وإنفيرنتيا، وميتا تصمم سيليكون خاصاً بها. عصر وحدات معالجة الرسوميات لم ينته، لكن عصر الاعتماد الأعمى على إنفيديا بدأ يتراجع. الرهانات تتجاوز مايكروسوفت نفسها. كل نشر لرقائق مايا يعني خسارة مبيعات لإنفيديا، وكل مشروع ناجح لرقائق مخصصة يضعف الحجة القائلة بأن إنفيديا وحدها قادرة على إدارة الذكاء الاصطناعي الحدودي. خطة مايكروسوفت لجعل مايا البنية الأساسية الأولى تعني سنوات من التعلم الداخلي الذي قد يتحول في النهاية إلى عروض للعملاء. إذا عملت مايا 300 كما هو معلن، فقد يصبح أزور المكان الأكثر كفاءة من حيث التكلفة لتشغيل نماذج اللغة الكبيرة. وهذا سيضع ضغطاً هائلاً على أمازون وجوجل، اللتين تبنيان أيضاً سيليكون مخصصاً لكنهما لم تلتزما علناً باستبدال إنفيديا في الصميم. السنوات القادمة ستكشف ما إذا كانت رهانة مايكروسوفت على الرقائق عبقرية أم مكلفة.
بعد مرور نحو أربع سنوات على إطلاق ChatGPT، بدأت أكبر شركات الإلكترونيات الاستهلاكية في العالم بشحن أجهزة صُممت حول الذكاء الاصطناعي التوليدي. أعلنت كل من أبل وأمازون ومايكروسوفت عن منتجات جديدة خلال الأسبوع الماضي، ويبدو أن المساعد الذكي أصبح السبب الرئيسي لشراء هذه الأجهزة. الاستراتيجية لا تركز على تحسين أرقام النماذج في الاختبارات، بل على وضع نظام توليد محتوى قوي داخل جهاز يعيش في المطبخ أو على المكتب، ثم التعلم من طريقة استخدام الناس له. قال جيتيش أبراني من شركة آي دي سي إن الأمر يتعلق بوضع الأجهزة في أيدي المستهلكين وفي منازلهم، وتعليمهم تدريجياً كيفية استخدامها، والحصول على ملاحظاتهم. هذه الحلقة من التغذية الراجعة مهمة لأن سوق الذكاء الاصطناعي الاستهلاكي ما زال جديداً. كثير من الناس جربوا ChatGPT على هواتفهم أو حواسيبهم، لكن القليل منهم عاش مع مساعد ذكي يتحكم في مكبرات الصوت المنزلية أو التلفزيون أو النظارات الذكية. تعتمد أمازون على مساعد أليكسا المحدث، ومايكروسوفت تدفع تجارب Copilot إلى الحواسيب والملحقات، وأبل تدمج Apple Intelligence في أجهزتها الجديدة. تتسابق الشركات الثلاث لتكون الواجهة الأساسية للمنزل المتصل. موسم التسوق في الأعياد سيكون الاختبار الحقيقي الأول. إذا تجاهل المستهلكون هذه الأجهزة، فقد يتباطأ اهتمام الشركات بأجهزة الذكاء الاصطناعي. وإذا تبنوها، سيصبح المنزل ساحة المعركة الكبرى القادمة للذكاء الاصطناعي التوليدي. الفائزون لن يكونوا بالضرورة من يملكون أكبر النماذج، بل من يجعلون الذكاء الاصطناعي مفيداً بما يكفي لإبقائه موصولاً بالكهرباء يومياً. إعلانات المنتجات هي خط البداية وليس خط النهاية. المنافسة الحقيقية تبدأ عندما يبدأ ملايين المستخدمين بالتحدث إلى هذه الأجهزة يومياً ويقررون ما إذا كانت تحسن حياتهم فعلاً. تلك هي اللحظة التي يتحول فيها سوق الذكاء الاصطناعي التوليدي الاستهلاكي من حداثة إلى ضرورة.
لعقود طويلة، ظلت مسألة نافييه ستوكس تمثل جداراً صعباً في الرياضيات، محاطة بجائزة مليون دولار وعقود من الفشل البشري. ثم استطاع فريق من وكلاء أوبن إيه آي أن يحقق ما عجز عنه العقل البشري. تشغيل 10 آلاف وكيل بشكل متواصل لمدة ثلاثة أيام كاملة قاد إلى حل المسألة التي ظلت بلا جواب. وفي السابع من أكتوبر، نشرت أوبن إيه آي براهين لـ 372 مسألة رياضية كبرى مفتوحة، من بينها حدسية الألعاب الفريدة التي تعتبر من أهم الحدسيات في علوم الحاسوب. هذا الإنجاز ليس مجرد نتيجة أكاديمية، بل هو أقوى مؤشر حتى الآن على أن الذكاء الاصطناعي انتقل من مرحلة الدردشة إلى مرحلة الاكتشاف المستقل. النظام لم يقدم تخمينات عشوائية، بل بنى حججاً منطقية خطوة بخطوة، وراجع استنتاجاته بنفسه، وعمل بشكل متوازٍ مثل فريق من الباحثين المتعاونين. الأهم من النتائج هو الزمن. مسائل كانت تستهلك سنوات من حياة الباحثين حُلّت في أسابيع. المنافسة بين المختبرات الكبرى تغيرت جذرياً. كانت أوبن إيه آي وأنثروبيك وجوجل وميتا تتنافس على مؤشرات الأداء التسويقية. الآن دخلت المنافسة مجالاً قابلاً للتحقق. البرهان الرياضي إما صحيح أو خاطئ، ولا يمكن تزييفه بسهولة. هذا يعني أن الخصوم أمامهم معيار جديد لا يمكن تجاوزه. التأثير يتجاوز الأوساط الأكاديمية. النمذجة المالية والتشفير والخدمات اللوجستية واكتشاف الأدوية وتصميم الرقائق تعتمد جميعها على بنى رياضية تستطيع هذه الوكلاء مهاجمتها بإصرار خارق. أي حكومة أو شركة تعتمد على سرية نتائجها العلمية عليها أن تعيد التفكير في افتراضاتها. يبقى الحذر ضرورياً. المجتمع الرياضي لم يتحقق بعد من كل البراهين. لكن إذا ثبتت صحتها، فإن عصر الاكتشاف الرياضي البشري في شكله القديم قد انتهى. السباق نحو استخدام الوكلاء في البحث العلمي بدأ بالفعل، وأوبن إيه آي وضعت الإيقاع.
استقال ديفيد روبنسون، المسؤول السابق عن كتابة بروتوكولات السلامة في شركة OpenAI، الأسبوع الماضي بسبب مخاوف تتعلق بالسلامة. وفي مقابلة جديدة، قال بصراحة إنه نظر داخل الشركة ووجد أن ما يحدث غير مقبول. وأضاف أنه شعر بأن الوضع جنوني وأن الأمور ليست على ما يرام. تأتي هذه الاستقالة في وقت تواجه فيه OpenAI انتقادات متزايدة بشأن سرعة تطوير النماذج وطرحها في الأسواق. روبنسون كان يقود جهود الشفافية المتعلقة بالسلامة، وهو دور وضعه في قلب القرارات المصيرية حول كيفية الكشف عن قدرات النماذج ومخاطرها. انضمام اسمه إلى قائمة المغادرين من أقسام السلامة يثير تساؤلات جدية حول ما إذا كانت الشركة لا تزال قادرة على ضبط إيقاع عملها. وكانت OpenAI قد ألغت مؤخرا الإصدار العام لنموذج أسترا الذي كان موجها للوكلاء، بينما توسع في الوقت نفسه انتشار نماذج GPT 6. هذا السياق يجعل تحذير روبنسون أكثر أهمية. المستخدمون والشركات التي تعتمد على أدوات OpenAI أصبحوا بحاجة إلى إعادة تقييم المخاطر. المنافسون مثل Anthropic يبنون علامتهم التجارية على وعد بنماذج أكثر أمانا، بينما تحاول Google التعافي بعد سلسلة إصدارات لم ترق إلى التوقعات. رحيل مسؤول سلامة بارز قد يعزز الانطباع بأن OpenAI تهتم بالسرعة أكثر من الحذر. السؤال الآن هو ما إذا كانت الشركة قادرة على إقناع الجمهور بأن فريق السلامة المتبقي يملك سلطة حقيقية. المقابلة تعبر عن رأي شخص واحد، لكن الاستقالة نفسها حدث ملموس لا يمكن تجاهله. كما أن التوقيت مهم، لأن الجهات التنظيمية بدأت تفرض مزيدا من الضغوط على الشركة في ملفات معالجة البيانات وسلوك النماذج. إذا استمرت موجات المغادرة، فقد تواجه OpenAI أزمة ثقة تؤثر على مكانتها في سباق الذكاء الاصطناعي. وإذا نجحت الشركة في تقديم إجابات مقنعة، فقد تتحول هذه الحلقة إلى مجرد محطة عابرة. في كل الأحوال، أصبحت قضية السلامة في OpenAI قصة رئيسية لا يمكن فصلها عن مستقبل النماذج الكبيرة.
حققت شركة Magnific AI شهرة واسعة بفضل أدوات تحسين الصور التي تجعل المخرجات أكثر وضوحاً وتفصيلاً، لكنها تستهدف الآن مشكلة أعمق، وهي المظهر الاصطناعي الذي يلاحق الصور المولدة بالذكاء الاصطناعي. المنتج الجديد Magnific One هو مولد صور موجه للفرق، يطبق هوية العلامة التجارية بشكل تلقائي. فبدلاً من الاعتماد على جمل مطولة لإقناع النموذج بتجنب الأسطح اللامعة أو الأحجام المبالغ فيها أو التفاصيل النسيجية المفرطة، تستطيع الفرق تحميل الألوان والخطوط والشعارات والنبرة البصرية مرة واحدة، ثم تلتزم كل صورة مولدة بهذا الإطار. المشكلة التي يعالجها هذا المنتج قديمة قدم أدوات التوليد نفسها. فالأطعمة والمنتجات المصنعة رقمياً غالباً ما تبدو وفيرة جداً، ولامعة جداً، ومثالية بشكل مريب. تريد Magnific One منح الشركات طريقة لإنتاج صور تبدو وكأنها صُممت على يد بشر وليس خرجت من وادٍ غير مألوف. بالنسبة لفرق التسويق، يعني ذلك توفير الوقت الذي كان يُهدر في تصحيح العيوب عبر برامج التحرير. وبالنسبة لمدراء العلامات التجارية، يقلل من خطر نشر صورة لا تتوافق مع الهوية البصرية. ساحة المنافسة مزدحمة باللاعبين الكبار. Adobe Firefly يركز على الأمان التجاري، وMidjourney يهيمن على الجودة الجمالية، وOpenAI تدفع نحو فهم أفضل للتعليمات النصية. يتميز Magnific One بوضع الهوية البصرية في قلب عملية التوليد بدلاً من التعامل معها كفكرة لاحقة. يبدو المنتج موجهاً إلى الفرق الإبداعية الداخلية وليس فقط إلى الأفراد الذين يجربون الصور. الخطوة المقبلة ستكشف ما إذا كان النظام يستطيع التعامل مع علامات تجارية حقيقية وعملية متنوعة، وما إذا كان قادراً على التوسع إلى ما بعد الصور الثابتة. إذا نجح، فقد تنتقل الفكرة نفسها إلى الفيديو والرسوم المتحركة، حيث لا يزال المظهر الاصطناعي أكثر صعوبة في التخلص منه.
تتحول منصة المطورين من OpenAI نحو السرعة والتكلفة مع موجة جديدة من الواجهات. أصبح نموذج GPT 6.1 Sol متاحاً للمهام البرمجية الوكيلة والمهام المهنية بسعر رمز أقل من الإصدارات السابقة. يستطيع المطورون الذين يبنون مساعدات برمجية استخدامه لتوليد الكود ومراجعة التعديلات ومعالجة المهام الطويلة التي تتطلب أكثر من ملف واحد دون أن تتصاعد الفواتير. في الوقت نفسه قدمت OpenAI وضعاً يسمى Ultrafast يوفر توليد رموز بسرعة أكبر مقابل سعر أعلى. هذا الوضع مهم للوكلاء الذين يحتاجون إلى استجابة فورية في الوقت الحقيقي. لكن الجزء الأكثر إثارة هو واجهة Decisions API الجديدة. بدلاً من إرجاع نص حر، تجبر الواجهة النموذج على إخراج توقعات منظمة. هذا التصميم مخصص للوكلاء المستقلين الذين يحتاجون إلى أحكام سريعة من نوع نعم أو لا وتصنيفات واختيار إجراءات آمنة. الهدف هو خفض تكلفة تشغيل حلقات الوكيل حيث يتحقق النموذج من عمله عدة مرات. سبب هذا التوجه واضح. النماذج مفتوحة الأوزان والمنافسون الصينيون يواصلون تقديم أسعار أقل من OpenAI، لذا تحاول الشركة الدفاع عن موقعها عبر منح المطورين وسائل أرخص لتشغيل وكلاء البرمجة وأدوات أكثر قابلية للتنبؤ في الإنتاج. الشركات والشركات الناشئة التي تبني سير عمل وكيل هي المستفيد المباشر. يمكنها الآن الاختيار بين نموذج احترافي أرخص ووضع منخفض الكمون بسعر مرتفع حسب المهمة. هذا التحول يغير طريقة تفكير المطورين في بناء المنتجات. فبدلاً من استدعاء نموذج ضخم لكل شيء يمكنهم الآن الاعتماد على نموذج اقتصادي للمهام الروتينية ووضع فائق السرعة للمهام الحرجة. كما أن واجهة Decisions API تفتح الباب أمام تطبيقات جديدة مثل المراقبة الآلية والموافقات الفورية وكشف الاحتيال. المنافسة لم تعد محصورة بين الشركات الأمريكية فالنماذج الصينية مفتوحة المصدر تشكل ضغطاً مستمراً على الأسعار. ومع ذلك يبدو أن OpenAI تحول النقاش من من يملك النموذج الأذكى إلى من يملك البنية الأكثر كفاءة للوكلاء. القصة الأكبر هي أن سباق الذكاء الاصطناعي انتقل من معايير الأداء الخام إلى التكلفة لكل مهمة والسرعة لكل قرار. لم تعد OpenAI تبيع الذكاء فقط، بل تبيع هيكل تسعير مصمماً حول الوكلاء المستقلين. الأشهر القادمة ستكشف ما إذا كان هذا قادراً على صد موجة النماذج مفتوحة المصدر.
قدمت أوبن إيه آي تذكيراً قاسياً للمستثمرين بأن طفرة الذكاء الاصطناعي لا تزال مبنية على الوعود. فقد أبلغت الشركة مستثمريها هذا الأسبوع أن إيراداتها الفعلية أقل بمقدار 18 مليار دولار من الرقم البالغ 68 مليار دولار الذي كانت قد طرحته قبل شهر واحد فقط. هذا ليس تصحيحاً بسيطاً، بل فجوة كبيرة تكفي لمحو القيمة السوقية لشركة متوسطة الحجم، وقد أرسلت موجات صدمة فورية في قطاع أسهم الذكاء الاصطناعي. شهدت أسهم إنفيديا وكورويف وأوراكل ونبيوس تراجعات ملحوظة، إذ حاول السوق استيعاب معنى انخفاض إيرادات أوبن إيه آي لسلسلة توريد الحوسبة بأكملها. التوقيت مهم هنا، فشركة أوبن إيه آي تنفق بكثافة على وحدات معالجة الرسوم ومراكز البيانات، وأصبحت العميل الرئيسي الذي يبرر التوسع الهائل في البنية التحتية للذكاء الاصطناعي. إذا كانت أوبن إيه آي تحقق إيرادات أقل مما أخبرت المستثمرين سابقاً، فإن توقعات الطلب التي تقوم عليها تلك النفقات الرأسمالية الضخمة تبدأ في الاهتزاز. يأتي هذا الخبر أيضاً في وقت تواجه فيه الشركة ضغوطاً تنظيمية عالمية، وفي وقت تطلق فيه غوغل وميتا منتجات منافسة خاصة بالوكلاء الأذكياء. في الوقت الحالي، لا يمكن القول إن الفقاعة انفجرت بالكامل، فالأموال ما زالت تتدفق نحو الشركات الناشئة في مجال الأجهزة والبرمجيات. لكن هذا التصحيح يظهر أن المستثمرين بدأوا يطالبون بدليل على الاستخدام الفعلي والإيرادات الحقيقية، وليس فقط عروضاً توضيحية للنماذج. ستكشف الأرباع القادمة ما إذا كانت أوبن إيه آي قادرة على سد الفجوة، أو ما إذا كان السوق سيواصل إعادة تسعير شركات الذكاء الاصطناعي. تحديثات الأرباح القادمة من مايكروسوفت وغوغل وأمازون ستكون الاختبار الحقيقي.
طبقة الرفض في الذكاء الاصطناعي هي إجراء السلامة الذي يثق به الجميع ولا يستطيع أحد الوثوق به فعلاً. تُدرَّب نماذج اللغة الكبيرة على رفض الطلبات الخطيرة، من تعليمات صنع المتفجرات إلى قوالب خطاب الكراهية. لكن تقريراً من مجلة ماساتشوستس للتكنولوجيا يوضح أن سلوك الرفض هذا بعيد جداً عن الكمال. فقد وجد المخترقون عشرات الطرق لتجاوزه. بعضهم يستخدم حيل تمثيل الأدوار، وبعضهم يرمّز الكلمات الخطيرة بترميز base64، وبعضهم يطلب نفس المعلومة بلغة أخرى. والأخطر أن الرفض يمكن أن يتحول إلى أداة قمع. فالنموذج الذي دُرِّب على رفض مواضيع معينة يمكن إعادة استخدامه لرفض أسئلة مشروعة عن حقوق الإنسان أو مرشحين سياسيين أو معلومات طبية. هذا يحول آلية السلامة إلى أداة رقابة. يشير التقرير أيضاً إلى أن الرفض سلوك ناشئ وليس قاعدة دقيقة. يعتمد على تدريب التوافق في النموذج، لذلك يختلف من نسخة إلى أخرى ومن سياق إلى آخر. هذا يخلق ثقة زائفة. المطورون يفترضون أن النموذج سيحمي المستخدمين، لكنه لا يستطيع التمييز باستمرار بين طلب ضار وطلب حساس لكنه مشروع. النتيجة تقنية تقول لا بطرق غير متوقعة، أحياناً تحجب محتوى مفيداً وأحياناً تسمح بمرور محتوى خطير. بدأ المنظمون يطالبون بشفافية أكبر في تدريب السلامة، لكن معظم الشركات تعامل ضبط الرفض كصندوق أسود. الخطوة التالية يجب أن تكون معايير مفتوحة لقياس سلوك الرفض، وأدوات تحكم ديناميكية عند الطلب، وأدوات تفسير أفضل. حتى ذلك الحين، لا ينبغي لأحد أن يعتبر عبارة النموذج رفضت دليلاً على السلامة.
خططت OpenAI لجعل نموذج GPT 6 Astra في قلب كل مؤسسة، لكن الطريق إلى الإطلاق العام توقف فجأة. كان النموذج قد حصل على وصول محدود لمجموعة من المستخدمين في وقت سابق من الشهر، وقد وصفته الشركة بأنه نظام متقدم في استخدام الحاسوب والتصفح وهندسة البرمجيات والأمن السيبراني والعلوم والأعمال المهنية. لكن الاختبارات الداخلية الحرجة كشفت مشكلات في السلامة والمواءمة، فتم إلغاء الإتاحة العامة. هذا القرار يعكس صعوبة شحن أنظمة وكيلة قادرة على التصرف نيابة عن المستخدمين دون إشراف كامل. في نفس الأسبوع، كشفت OpenAI خلال Dev Day عن منتج جديد اسمه Dots، وهو عبارة عن وكلاء برمجيين دائمين يعملون في السحابة. كل وكيل يعمل على حاسوب سحابي خاص به، ويمكنه الاتصال بأكثر من 4000 تطبيق عبر الإضافات، ويعمل داخل ChatGPT وSlack وMicrosoft Teams. يمكن لهذه الوكلاء إدارة مشاريع متعددة في الوقت نفسه. الإطلاق يشمل مستخدمي Pro وBusiness Premium وEnterprise في الأسواق المؤهلة. هذا رهان واضح على أن المؤسسات جاهزة لتفويض أعمال حقيقية لوكلاء مستقلين بدلاً من مجرد الدردشة مع نموذج. التوقيت مهم لأن GPT 6 Astra كان مرشحاً ليكون النموذج المسؤول عن هذا التفويض. إلغاءه يترك فراغاً. لا تزال OpenAI تملك نماذج أخرى مثل GPT 6 مع واجهة ذكية، لكن الفشل الأمني يظهر أن القدرة الخام وحدها لا تكفي. الشركات تحتاج إلى الموثوقية والمواءمة وسجلات التدقيق قبل أن تسمح للوكلاء بالوصول إلى أنظمة الإنتاج. المنافسة تشتد. Meta لديها Muse، وxAI لديها Grok، وAnthropic وGoogle تدفعان منصات الوكلاء الخاصة بهما. ميزة OpenAI تكمن في التوزيع داخل أدوات العمل اليومية. التحدي هو إثبات أن Dots قادرة على أداء المهمة دون التسبب في المشكلات نفسها التي أوقفت GPT 6 Astra. الأشهر المقبلة ستكشف ما إذا كان العملاء المؤسسيون سيقبلون المقايضة بين السرعة والسلامة. الأسابيع القادمة ستحسم ما إذا كانت Dots ستتحول إلى أداة عمل أساسية أم ستبقى تجربة محدودة بسبب المخاوف الأمنية.
نموذج توليد الفيديو بالذكاء الاصطناعي لم يعد مجرد أداة تصنع مقاطع قصيرة. شركة كلاينغ فتحت الوصول المبكر إلى نسخة كلاينغ 4.0 التي تدعم توليد مشاهد بطول 30 ثانية بشكل أصلي، مع إمكانية استخدام ما يصل إلى 10 إطارات مفتاحية، وتمديد الفيديو إلى دقيقتين. هذه المزايا تحول النموذج من مولّد لقطات منفردة إلى أداة إنتاج تمنح المخرج تحكماً حقيقياً. في اليوم نفسه، أصدرت بايت دانس نموذج سيدانس 2.5 وأصدرت ميني ماكس نموذج H3. كما حدّثت رانواي وغوغل أدوات الفيديو الخاصة بها. النتيجة قفزة مفاجئة في تماسك المشاهد، وقدرة أفضل على ضبط الاتجاه، واستقرار أكبر في إظهار الشخصية، وهي النقاط التي كانت تنهار فيها النماذج القديمة بعد ثوانٍ قليلة. صار صنّاع المحتوى يقارنون هذه الأنظمة بالكاميرات وبرامج المونتاج، لا بتطبيقات التجارب الغريبة. هذا التحول يهم استوديوهات السينما، ووكالات الإعلان، ومطوري الألعاب، وصنّاع المحتوى على يوتيوب الذين يحتاجون إلى تصوير مشهد مرة أخرى أو تثبيت مظهر شخصية أو تمديد لقطة لتوافق المونتاج النهائي. أسلوب الإطارات المفتاحية في كلاينغ يتيح للمستخدم وضع 10 إطارات في تسلسل واحد، فيصبح النموذج يرى سيناريو بصرياً بدلاً من جملة نصية واحدة. خاصية التمديد إلى دقيقتين تعني إمكانية زيادة طول اللقطة لتوافق المشهد الحقيقي، وهذا يزيل أكبر عائق أمام الأعمال السردية. المنافسة الآن تشمل بايت دانس وميني ماكس ورانواي وغوغل. كل لاعب يطارد الهدف نفسه: نموذج يختفي داخل سير العمل. المرحلة القادمة لن تكون عن الخيال الجامح، بل عن التوجيه، والتوقيت، والاستمرارية في المشاهد الطويلة. إذا نجح أي نظام في جعل النموذج غير مرئي، فإن الفيديو المولد بالذكاء الاصطناعي سيتوقف عن كونه عرضاً تقنياً ويصبح جزءاً عادياً من صناعة المحتوى.
أعلنت شركة أوبن إيه آي عن توسيع نطاق الوصول إلى عائلة نماذج GPT 6. في السابع من أكتوبر، قالت الشركة إن نموذج GPT 6 Sol بدأ يصل إلى مشتركي الخطط المدفوعة وهي Plus وPro وBusiness وEnterprise. وفي اليوم التالي، بدأ مستخدمو النسخة المجانية ونسخة Go باستقبال نموذج GPT 6 Luna. يعتمد التوزيع على نوع الاشتراك والتطبيقات المدعومة والإعدادات المؤسسية. الميزة الأبرز هي الواجهة الذكية الجديدة التي تتيح لتطبيق ChatGPT تحديد الطريقة الأنسب لعرض الإجابة. فبدلاً من الاعتماد على الشرح المكتوب بشكل أساسي، يستطيع التطبيق التحول إلى جدول أو رسم بياني أو تنسيق مرئي آخر عندما تكون الإجابة أكثر وضوحاً بهذه الطريقة. هذا التغيير يعالج أحد الانتقادات المتكررة للنموذج الافتراضي الذي ينتج فقرات نصية طويلة حتى عندما يكون العرض المرئي أكثر فائدة. نموذج Sol هو الخيار الرئيسي للمهام المعقدة التي تتطلب تفكيراً أعمق، بينما يبدو Luna موجهاً للاستخدام اليومي الكثيف. أما بالنسبة للشركات، فهذا التوسع يعني أن فرق المالية والقانون والتسويق والهندسة يمكنها تجربة أحدث قدرات الاستدلال داخل خطط ChatGPT الحالية. وبالنسبة للمستخدمين المجانيين، يمنحهم Luna فرصة تجربة نموذج حديث دون دفع أي اشتراك. هذا الإعلان يزيد الضغط على Google Gemini وAnthropic Claude، وكلاهما استطاع في الأشهر الأخيرة جذب حصة من حركة الاستخدام التي كانت تحتكرها أوبن إيه آي تقريباً. ورغم أن ChatGPT ما زال الأداة الأكثر انتشاراً بين المستخدمين، فإن السوق يتجه نحو التعددية. الواجهة الذكية قد تكون عنصراً حاسماً إذا نجحت في جعل الإجابات أسهل للقراءة والفهم. الأسابيع المقبلة ستكشف ما إذا كان Sol وLuna يعملان بشكل مستقر على نطاق واسع، وما إذا كانت المؤسسات ستوسع اشتراكاتها. راهنت أوبن إيه آي على أن الوصول الأوسع مع واجهة أكثر بصرية سيبقي تطبيق ChatGPT البوابة الرئيسية للذكاء الاصطناعي.
أطلقت OpenAI رسمياً نموذج GPT 6 مع نظام واجهة ذكية جديد يحمل اسم Intelligent UI، وهو تحديث يتجاوز كونه مجرد ترقية عادية لنموذج لغوي. لم يعد ChatGPT مضطراً للرد على المستخدمين بنصوص فقط. صار بإمكان النموذج توليد أدوات تفاعلية كاملة داخل نافذة المحادثة، مثل لوحات المعلومات والتطبيقات المصغرة والآلات الحاسبة والنماذج المخصصة وعروض البيانات المتغيرة. هذا التحول يجعل المساعد الذكي أشبه بمهندس واجهات يعمل فوراً. يستهدف نظام Intelligent UI الأشخاص الذين لا يكتبون أكواد برمجية. فبدلاً من طلب رسم بياني ثابت، يمكن للمستخدم أن يطلب لوحة معلومات حية تتحدث تلقائياً مع وصول أرقام جديدة، فيقوم ChatGPT بتجميعها في لحظتها. كما يمكن للآلية نفسها إنشاء أدوات تأهيل للموظفين، أو لوحات تحكم داخلية، أو ألعاباً بسيطة. وتقول OpenAI إن الواجهة الجديدة ستصل إلى مستخدمي الويب والهاتف المحمول بشكل تدريجي، مع خطط لفتحها أمام الشركات عبر واجهات برمجية في وقت لاحق. كما تؤكد الشركة أن النظام يستخدم أوامر سياقية من المحادثة نفسها، ما يعني أن المستخدم لا يحتاج إلى تعلم أدوات تصميم معقدة. يأتي هذا التحرك ضمن محاولة أوسع من OpenAI لإبقاء ChatGPT في قلب العمل اليومي، في وقت تكثف فيه Google جهودها لنشر Gemini في منتجاتها، وتوسع Anthropic قدرات Claude. التوقيت أيضاً مهم. إذ تدفع Microsoft في الوقت نفسه بالذكاء الاصطناعي المتقدم إلى أجهزة الكمبيوتر الشخصية عبر أجهزة Surface المدعومة بمعالجات Nvidia. هذا يشير إلى أن المرحلة القادمة من الحرب بين النماذج لن تدور في السحابة فقط، بل ستنتقل إلى الأجهزة المحلية. خطوة OpenAI ترفع السقف أمام جميع صانعي المساعدات. إذا كان بإمكان chatbot بناء أدوات قابلة للتفاعل، فإن الرد النصي البسيط سيبدو قديماً. السؤال التالي هو إلى أي مدى ستوسع OpenAI هذه الميزة في بيئات الأعمال والمؤسسات، حيث البرمجيات المخصصة مكلفة وبطيئة. GPT 6 هو رهان مباشر على قدرة الذكاء الاصطناعي على سد هذه الفجوة وتحويل المحادثة اليومية إلى واجهة عمل حقيقية.
أطلقت شركة OpenAI نموذج GPT 6 مع طبقة جديدة تسمى Intelligent UI، وهي خطوة تحول ChatGPT من مجرد أداة محادثة إلى منصة تولد تطبيقات تفاعلية. لم يعد النموذج يكتفي بإرجاع نص مكتوب، بل يستطيع الآن بناء لوحات معلومات، نماذج إدخال، حاسبات، وأدوات عمل متكاملة داخل نافذة الدردشة نفسها. هذا تغيير جوهري في طريقة تفاعل المستخدم مع الذكاء الاصطناعي، لأن الناتج لم يعد رسالة تُقرأ بل واجهة يمكن الضغط عليها والتلاعب بها. التوقيت مهم جداً، لأن OpenAI تواجه منافسة قوية من Google وAnthropic، وكلاهما يدفع نماذجه نحو الوكلاء المستقلين والمخرجات متعددة الوسائط. مع GPT 6 تحاول OpenAI احتكار مجال تصميم الواجهات، وليس فقط التفكير المنطقي. الشركات التي كانت تستخدم ChatGPT للبحث الداخلي يمكنها الآن أن تطلب منه بناء نظام تتبع مصاريف أو أداة لاستطلاع آراء العملاء دون الحاجة إلى فريق هندسي. هذا يخفض تكلفة تطوير البرمجيات بشكل كبير ويزيد الضغط على شركات البرمجيات التقليدية التي تعتمد على بيع منتجات جاهزة. الإطلاق يعكس أيضاً تحولاً في طريقة تقييم النماذج الذكية. المعايير القديمة التي تعتمد على إكمال النصوص لم تعد كافية. المعيار الجديد هو قدرة النموذج على إنتاج شيء مفيد، تفاعلي، وصحيح. GPT 6 ما زال لديه حدود واضحة، لكن الاتجاه أصبح مؤكداً: النموذج هو المنتج، ونافذة الدردشة هي المنصة. المرحلة القادمة ستكون موجة من المنافسة حول توليد الواجهات. النماذج مفتوحة المصدر ستحاول تقليد هذه الميزة، والمشترون في المؤسسات سيطلبونها من مزودي الذكاء الاصطناعي. كما أن مطوري البرمجيات المستقلين سيجدون فرصاً جديدة لبناء منتجات مصغرة دون الحاجة إلى رأس مال كبير. بهذا الإطلاق، وضعت OpenAI خطاً جديداً للجيل القادم من منتجات الذكاء الاصطناعي، وستكون التطورات القادمة في الأشهر المقبلة اختباراً حقيقياً لقدرة المنافسين على الرد.
يحول إيلون ماسك جروك بوت من مساعد مغلق إلى منصة موزعة تستدعي نماذج ذكاء اصطناعي خارجية. في تحديث نشره على إكس، أوضح ماسك أن الوكيل سيرسل المهام المعقدة إلى نموذج كلود أوبوس 5.5 من أنثروبيك للاستدلال والبرمجة، بينما تذهب الطلبات الإبداعية إلى ميدجورني لتوليد الصور وإلى سونو لتأليف الموسيقى. هذه الخطوة تجعل جروك بوت منصة محايدة النماذج، تماماً كما يعمل المتصفح كبوابة لخدمات متعددة. فبدلاً من حصر المستخدمين في نماذج سبيس إكس إيه آي الخاصة، يختار البوت الأداة الأنسب بناء على طلب المستخدم. هذا تحول كبير لمنتج كان في الأصل واجهة لعرض نماذج مملوكة. كما أنه إقرار بأن مختبراً واحداً لا يمكنه تقديم أفضل أداء في كل المجالات. صُمم كلود أوبوس 5.5 للسياقات الطويلة والمهام البرمجية الصعبة، وهي مناطق عانت فيها نماذج إكس إيه آي سابقاً. ميدجورني وسونو هما من الرواد في توليد الصور والصوت، ودمجهما يمنح جروك بوت قدرة إبداعية تفتقر إليها المساعدات النصية. يشتد التنافس مع ميوز من ميتا وتشات جي بي تي دوت من أوبن إيه آي، إذ أصبحت هذه المنتجات متعددة الوسائط بشكل متزايد. بالنسبة لأنثروبيك، توسع هذه الصفقة انتشار كلود خارج مساعدها الخاص. وبالنسبة لميدجورني وسونو، تحول الدردشة الخاصة بمنافس إلى قناة توزيع. لكن المخاطر كبيرة. توجيه المهام عبر مزودين متعددين يعني أن جروك بوت يجب أن يدير زمن الاستجابة وسياسات المحتوى وخصوصية البيانات. قد تنتقل استفسارات المستخدمين إلى واجهات برمجية خارجية، وسيرى هؤلاء المزودون أجزاء من المحادثة. لم يوضح ماسك كيف تُتخذ قرارات التوجيه أو ما إذا كان بإمكان المستخدمين تجاوزها. كما يطرح هذا الإطلاق سؤالاً حول الموثوقية، فإذا فشل أحد النماذج الخارجية، يصبح جروك بوت غير معتمد دون بديل داخلي. يعتمد النجاح على قدرة التنسيق على فهم أي نموذج يناسب أي مهمة. إنها أول محاولة جادة من مساعد رئيسي لتوريد التفكير والتوليد الإبداعي بشفافية إلى جهات خارجية. قد تلهم هذه الخطوة بيربليكستي وغيرها. إذا نجح النهج، فستصبح ملكية النموذج الأساسي أقل أهمية من امتلاك الواجهة وشبكة التوزيع.
عندما نظر يو ليو، المؤسس المشارك لشركة Heidi الناشئة التي تقدم خدمة تدوين الملاحظات للأطباء، إلى فاتورة الشهرية لاستخدام نماذج OpenAI و Anthropic و Google، اكتشف أنه ينفق نحو ثلاثة ملايين دولار شهرياً. كانت الإيرادات جيدة، لكن الأرباح تختفي تقريباً بعد خصم فواتير الذكاء الاصطناعي. هذه القصة لم تعد معزولة. أصبحت اقتصاديات النماذج الكبيرة تشكل خطراً وجودياً على الشركات التي تعتمد عليها. ولهذا ظهر جيل جديد من الشركات الناشئة التي تساعد المؤسسات على خفض تكاليف الذكاء الاصطناعي. تستخدم هذه الشركات نماذج صينية مفتوحة المصدر، وتحسّن الاستعلامات، وتخزن الإجابات المتكررة، وتختار نماذج أصغر للمهام الروتينية. الهدف بسيط: الحصول على النتيجة نفسها بتكلفة أقل بكثير. هذا يضع OpenAI و Anthropic و Google في موقف صعب. فهي تحتاج إلى إظهار نمو في الإيرادات من واجهات البرمجة، لكن كل تخفيض في الأسعار لتلبية طلب العملاء يهدد أرباحها. الموجة تنتقل الآن إلى سوق الشركات الكبرى. الشركات التي أضافت ميزات الذكاء الاصطناعي بسرعة كبيرة في عام 2025 بدأت تراجع فواتير الرموز بنفس الطريقة التي راجعت بها فواتير الحوسبة السحابية قبل عقد من الزمن. تكتشف هذه الشركات أن كثيراً من المهام لا تحتاج إلى نموذج ضخم متطور. ردود خدمة العملاء البسيطة أو ملخصات المستندات يمكن تشغيلها على نماذج مفتوحة صغيرة بتكلفة زهيدة. هذا يسرع اعتماد النماذج الصينية المفتوحة مثل DeepSeek و Qwen لأنها تقدم جودة منافسة بتكلفة أقل. المتضرر يشمل كل أجزاء السلسلة. مختبرات الذكاء الاصطناعي الكبرى ستواجه نمواً أبطأ في إيرادات واجهات البرمجة. المستثمرون ينظرون الآن إلى اقتصاديات الوحدة وليس فقط معايير النماذج. الشركات الناشئة التي تبني منتجاتها فوق هذه النماذج تستطيع التفاوض بقوة أكبر أو مغادرة المنصة تماماً. الرابحون سيكونون طبقات التحسين والنماذج مفتوحة المصدر. أما الخاسرون فقد يكونون المختبرات التي ترفض خفض الأسعار أو تثبت قيمتها خارج الذكاء الخام. المرحلة المقبلة ستعتمد على سرعة انهيار منحنى التكلفة. إذا استمر الاتجاه، سيصبح قطاع الذكاء الاصطناعي أقرب إلى سوق مرافق عامة حيث الكفاءة أهم من الهيبة.
في الثلاثاء 6 أكتوبر 2026، أعلنت شركة أوبن إيه آي أن وكلاءها المدعومين بنموذج داخلي غير مطروح للعموم نجحوا في حل ما لا يقل عن 372 مسألة رياضية كانت عالقة منذ سنوات طويلة. وقد نشرت الشركة أكثر من 700 ورقة بحثية مولدة بالذكاء الاصطناعي تغطي الجبر ونظرية الأعداد وعلوم الحاسوب والمنطق الرياضي والطوبولوجيا. بين المسائل التي حُلت تظهر تخمينات ماهلر، وأس اللاعقلانية للعدد باي، ومسألة تقريب الألعاب الفريدة. هذه الأسماء ليست مألوفة خارج الأوساط الرياضية، لكنها تمثل عقبات حقيقية فشل أمامها كبار العقول لعقود. أشار باحثون نقلت عنهم صحف مثل وول ستريت جورنال ونيويورك تايمز إلى أن اللحظة يمكن وصفها بأنها الأهم في تاريخ الرياضيات الحديثة. لكن الحماس قوبل بموجة من التحذير. الكم الهائل من النتائج لا يمكن للبشر مراجعته بسرعة، لأن كل ورقة تحتاج إلى تدقيق عميق. كما أن النشر تم خارج نظام مراجعة الأقران المعتاد، وهو ما يثير أسئلة حول مصداقية النتائج وطريقة اعتمادها في الأعمال المستقبلية. هناك أيضاً مشكلة التوثيق. فعندما ينتج الذكاء الاصطناعي حدساً رياضياً جديداً، لا يستطيع أحد تفسير كيف وصل إليه بالكامل. بالنسبة لصناعة الذكاء الاصطناعي، يمثل هذا الإنجاز دليلاً على أن الوكلاء ليسوا مجرد أدوات محادثة، بل أصبحوا قادرين على القيام بأبحاث علمية مفتوحة النهاية. السؤال الآن هو ما إذا كانت هذه النتائج ستصمد أمام إعادة الفحص، وما إذا كان يمكن استخدام النموذج نفسه في مشكلات الفيزياء والأحياء والهندسة. المجال العلمي سيتغير بغض النظر عن النتيجة، لأن هذه اللحظة وضعت الرياضيات أمام عصر جديد من الاكتشاف الآلي الذي لا يمكن تجاهله.
أعلنت OpenAI عن نشر 722 مخطوطة بحثية تغطي 372 مجموعة من النتائج الرياضية المترابطة، وهي نتائج أنتجها نموذج ذكاء اصطناعي داخلي. وقالت الشركة إن النظام حقق تقدماً في مشكلات ظل علماء الرياضيات يعانون منها لسنوات أو حتى لعقود. تمتد الأعمال المنشورة عبر نظرية الأعداد والجبر والهندسة والمنطق الرياضي وعلوم الحاسوب النظرية. هذا ليس مجرد اختبار قياسي، بل محاولة لإثبات أن نماذج اللغة الكبيرة قادرة على إنتاج معرفة رياضية جديدة. الإصدار يضع OpenAI في منافسة مباشرة مع مشاريع DeepMind مثل AlphaProof وAlphaGeometry التي ركزت على مسائل الأولمبياد والبراهين الرسمية. ادعاء OpenAI أوسع لأنه يشير إلى قدرة عامة على الاستدلال الرياضي. إذا ثبتت صحة جزء من هذه النتائج بعد مراجعة الأقران، فسوف يكون ذلك معلماً في مسيرة البحث العلمي المدعوم بالذكاء الاصطناعي. قد يضطر علماء الرياضيات إلى التعامل مع الذكاء الاصطناعي بوصفه زميلاً بحثياً حقيقياً. لكن هناك تحفظات كبيرة. لم تكشف OpenAI عن النموذج الذي أنتج هذه النتائج، ولم يجرِ أي تحقق مستقل. سيحتاج المجتمع الرياضي إلى فحص دقيق للبراهين بحثاً عن ثغرات في الاستدلال أو افتراضات غير معلنة أو أخطاء صريحة. ترتيب النتائج في مجموعات مترابطة يوحي بأن النظام عمل بطريقة منهجية وليس بشكل عشوائي. التداعيات فورية. الباحثون الذين يستخدمون ChatGPT للمساعدة غير الرسمية أصبح لديهم الآن دليل على أن نماذج اللغة يمكنها المساهمة في الرياضيات الجادة. كما أن المشهد التنافسي سيتغير حيث تسعى المختبرات الأخرى إلى إظهار قدراتها في الاكتشاف الآلي. الخطوة التالية هي مراجعة الأقران. إذا فتحت OpenAI أبواب التدقيق أمام هذه البراهين، فسيكون التأثير هائلاً. وإذا ظهرت أخطاء جوهرية، فسيتعلم المجال درساً قاسياً حول حدود الحقيقة المولدة بالذكاء الاصطناعي.
كانت أوروبا هي القارة الغائبة عن سباق الذكاء الاصطناعي المتقدم. أنتجت الولايات المتحدة شركات مثل أوبن إيه آي وجوجل وأنثروبيك وميتا، بينما تمتلك الصين شبكة من مختبرات الذكاء الاصطناعي المتنامية. الآن تريد شركة ميسترال الفرنسية أن تثبت أنها قادرة على منافسة هذه القوى بتكلفة أقل. كشفت الشركة يوم الثلاثاء عن نموذجها الجديد إم إل 4، الذي تصفه بأنه أفضل نموذج مفتوح الأوزان في العالم. الأوزان المفتوحة تعني أن المطورين يستطيعون الاطلاع على المكونات الأساسية للنموذج وتعديلها وتشغيلها على بنيتهم التحتية الخاصة. هذه الميزة تميز إم إل 4 عن الأنظمة المغلقة مثل جي بي تي 6 وكلود وجيميناي التي تقدم عبر واجهات برمجية مغلقة. تراهن ميسترال على أن الأداء العالي مع سهولة الوصول سيكسبها ثقة الشركات التي تريد تحكما أكبر وتكاليف أقل. كانت الشركة تردد دائما أن مستقبل الذكاء الاصطناعي لن يظل محبوسا داخل مراكز بيانات أمريكية قليلة. إم إل 4 هو أقوى تجسيد لهذه الفكرة حتى الآن. يأتي الإطلاق في لحظة مضطربة من سباق الذكاء الاصطناعي. أوبن إيه آي تطرح وكلاء مستقلين، وأنثروبيك تدفع كلود إلى العمق في سير العمل المؤسسي، وجوجل عادت بقوة مع جيميناي. ميسترال لا تستطيع أن تنافس هذه الشركات في الإنفاق الضخم، لكنها تستطيع أن تقدم بديلا عمليا للمؤسسات التي لا تريد إرسال كل استفساراتها إلى سحابة أمريكية. كما أن الأوزان المفتوحة تجذب المطورين الذين يرغبون في ضبط النموذج لمهام متخصصة. هذه هي الاستراتيجية نفسها التي تستخدمها ميتا مع نموذج لاما، لكن ميسترال تقدم إم إل 4 كنموذج عالي الأداء قد يكون منافسا حقيقيا. المعركة القادمة ستكون حول نتائج الاختبارات والتطبيقات الفعلية. إذا اقترب أداء إم إل 4 من النماذج الحدودية، فسيضغط على المختبرات الكبرى لمراجعة أسعارها. وإذا لم يصل إلى هذا المستوى، فسيبقى تأثيره مهما لأن الأوزان المفتوحة تخلق خطا أساسيا لا يمكن تجاهله. ستراقب الشركات في أوروبا وأمريكا هذا النموذج عن كثب لمعرفة ما إذا كان يمثل بديلا حقيقيا يعتمد عليه في الإنتاج. نجاح ميسترال سيعني أن المنافسة في الذكاء الاصطناعي لم تعد حكرا على القلة القادرة على إنفاق مليارات الدولارات. في كل الأحوال، وضعت ميسترال أوروبا على خريطة المنافسة العالمية.
أطلقت OpenAI نموذجي GPT-6 Sol وGPT-6 Luna في 22 سبتمبر 2026، وخلال أسبوع واحد فقط دخل النموذجان إلى سير عمل حقيقي لا يشبه نافذة الدردشة إطلاقاً. جمعت منصة HackerNoon 156 مثالاً عملياً تظهر النموذجين يعملان داخل بنية سحابية، وفي محررات الأكواد، وفي خطوط معالجة الفواتير، وفي وكلاء التداول، وفي أنظمة تصنيف الويسكي، وفي روبوتات التكامل المستمر. سعر Sol هو دولاران لكل مليون رمز إدخال و10 دولارات لكل مليون رمز إخراج، وهو موجه بشكل أساسي إلى مهام البرمجة والوكلاء الأذكياء. أما Luna فيبدو أنه مصمم للاستدلال الأوسع وتنسيق المهام، بينما يقدم الاثنان معاً حزمة متكاملة للمطورين. هذه الأمثلة مهمة لأنها تكشف لحظة تحول. فالتطبيق يتحول إلى رحلة، والغرفة الفارغة تتحول إلى قائمة إيجار، والمستخدم يتحول إلى جزء من سلسلة إنتاج برمجيات مستقلة. يستخدم المطورون Sol لتوليد الأكواد، وتصحيح الاختبارات الفاشلة، وشرح الأنظمة القديمة، وكتابة سكربتات الترحيل. ويقوم بناة الوكلاء بتوصيل Sol بروبوتات التكامل المستمر التي تفتح طلبات السحب وتشغل المعايير وترفع التقارير دون تدخل بشري. كما تستخدم أنظمة معالجة الفواتير وكلاء يستخرجون الحقول ويطابقون المدفوعات ويحددون الحالات الشاذة. العدد الكبير من حالات الاستخدام العملية يضع ضغطاً واضحاً على الأدوات الحالية. سيتعين على Cursor وGitHub Copilot وClaude Code دمج قدرات من مستوى GPT-6 وإلا ستتحول إلى واجهات وسيطة بلا قيمة. ويغير السعر المنخفض للرموز نموذج تكلفة الوكلاء البرمجيين؛ فالحلقات المستقلة التي تستدعي النموذج آلاف المرات يومياً تصبح مجدية اقتصادياً للشركات الناشئة. الخطوة المقبلة هي موجة من أطر عمل الوكلاء المبنية على Sol، مع استمرار OpenAI في توسيع نافذة السياق وأدوات الاستخدام لتقليل اعتماد هذه الأنظمة على الإشراف البشري.
تواجه أمازون مشكلة من يحسدها عليه المنافسون: كيف تبني بنية تحتية ضخمة للذكاء الاصطناعي دون أن تتحول ميزانيتها إلى فجوة سوداء. التقارير الصادرة الجمعة تشير إلى أن الشركة تستكشف هيكلاً مالياً قد يُخرج بضعة مليارات من تكلفة رقائق إنفيديا من ميزانيتها العمومية. الرقم المطروح يبلغ نحو 8 مليارات دولار. الفكرة هي فصل تكلفة وحدات معالجة الرسوميات عن أرباح أمازون الأساسية، بحيث تستطيع شراء عدد أكبر من الرقائق في وقت قصير دون أن تنخفض أرباحها المعلنة. هذا الأسلوب من التمويل ليس جديداً في العالم الحقيقي، فهو مستخدم منذ عقود في تمويل السفن والطائرات، لكنه أصبح الآن أداة في سباق الذكاء الاصطناعي. أمازون تجهّز عروضها في السحابة لاجتذاب عملاء النماذج الكبيرة، وهي تمتلك رقائقها الخاصة من عائلة Trainium، لكنها ما زالت تعتمد على إنفيديا في الأحمال الأصعب. إذا نجح الهيكل الجديد، فستتمكن من الوصول إلى أحدث جيل من مسرعات إنفيديا دون تسجيل التكلفة الكاملة كنفقات رأسمالية. المستثمرون سيرون أرباحاً أوضح، والشركة ستحصل على قدرة حاسوبية إضافية. لكن هذه الخطوة تحمل مخاطر. فقد يكون إخفاء الالتزامات الحقيقية مؤشراً على أن صناعة الذكاء الاصطناعي تتضخم بشكل غير صحي. إذا انخفض الطلب على الرقائق، ستبقى أمازون ملزمة بدفع قيمة عتاد لا تحتاج إليه. وكالات التصنيف الائتماني والجهات الرقابية ستدقق في شروط الهيكل للتأكد من أنه ليس مجرد تجميل محاسبي. مايكروسوفت وغوغل وأوراكل تنفق جميعها مليارات على معالجات الرسوميات، وسيراقبون كيف تتعامل أمازون مع هذه الصفقة. السؤال الأوسع هو ما إذا كانت هذه الحلول المالية ستصبح ممارسة شائعة في الصناعة، أم أنها فقاعة في طور التشكل. خطوة أمازون قد تكون بداية موجة جديدة من الهندسة المالية في قطاع الذكاء الاصطناعي.
أطلق معهد آلن للذكاء الاصطناعي إطار عمل مفتوح يحمل اسم أولمو كور 3، وهو مصمم لتحسين طريقة تدريب النماذج اللغوية الكبيرة القائمة على أسلوب مزيج الخبراء. تعتمد هذه المعمارية على تفعيل جزء صغير من المعاملات عند معالجة كل رمز، وهذا يقلل تكلفة الاستدلال مع الحفاظ على سعة ضخمة. لكن تدريب هذه النماذج المتناثرة على نطاق واسع كان دائماً صعباً ومكلفاً من الناحية الحسابية. يعالج أولمو كور 3 هذه العقدة مباشرة، إذ يسمح بالتدريب حتى نطاق تريليون معامل مع الإبقاء على الكفاءة الحسابية. الفكرة الأساسية هي أن المنظمات يمكنها بناء نماذج ضخمة ومتخصصة دون تحمل التكلفة الكاملة للنماذج الكثيفة. هذا الإصدار مهم للباحثين المستقلين والشركات الناشئة. يقدم معهد آلن طريقة لتدريب النماذج المتناثرة باستخدام وقت أقل من وحدات معالجة الرسوميات وطاقة أقل. كما يمنح مجتمع الذكاء الاصطناعي مفتوح المصدر قاعدة قوية للتجارب حول قوانين التوسع واستراتيجيات التوجيه واختيار البيانات. الضغط التنافسي حقيقي، فالمعامل الكبرى مثل أوبن إيه آي وجوجل وأنثروبيك تمتلك مجموعات حاسوبية هائلة. يحاول معهد آلن استخدام هندسة كفؤة لتقليص الفجوة. بالنسبة للمؤسسات، قد يعني هذا ظهور نماذج مخصصة مدربة على بيانات خاصة بتكلفة معقولة. الجزء الصعب الآن هو إثبات الجدوى في عمليات تدريب واسعة. اختيارات التصميم المتعلقة بموازنة الحمل وعبء الاتصال واستقرار التدريب ستحدد ما إذا كان أولمو كور 3 سيصبح معياراً في المجتمع التقني. إذا نجح، سيدفع حدود التعلم الآلي الكفء ويقرب نماذج تريليون المعامل من شريحة أكبر من المطورين والشركات. كما سيساهم في تقليل الاعتماد على البنية التحتية الحاسوبية الضخمة التي يحتكرها عدد قليل من اللاعبين. هذه خطوة نحو جعل أبحاث النماذج اللغوية أكثر ديمقراطية، وقد تغير طريقة تصميم التجارب المستقبلية في التعلم العميق. إنه تطور مركزي في هندسة الشبكات العصبية، ويستحق المتابعة عن كثب.
أعلنت Google رسمياً عن نموذجها الرئيسي الجديد Gemini 4 Argon، في محاولة واضحة للعودة إلى طليعة سباق الذكاء الاصطناعي بعد أشهر من الانتقادات التي قالت إن الشركة تأخرت أمام OpenAI وAnthropic. وتشير النتائج الأولية إلى أن النموذج يحقق أرقاماً قياسية في المعايير القياسية، كما أن محللين يتعاملون مع إطلاقه بتفاؤل حذر، لكن الطرح يتم بشكل مدروس يبدأ بشركاء في مجال الأمن السيبراني قبل توسيع النطاق ليشمل الشركات في الإنتاج الفعلي. يمثل هذا الإطلاق إجابة استراتيجية على اللحظة التي تحول فيها الذكاء الاصطناعي إلى قرار مركزي في ميزانيات المؤسسات. فقد هيمن كل من OpenAI وAnthropic على المحادثة طوال الأشهر الماضية عبر إصدارات سريعة وحملات مبيعات قوية. الآن تراهن Google على البنية التحتية لوحدات TPU وعلى أبحاث DeepMind لتقديم نموذج ينافس في الأداء الخام ويتكامل مع Google Cloud وWorkspace وAndroid. الزاوية الأبرز في إطلاق Argon هي الأمن السيبراني. تقدم Google النموذج كأداة للمدافعين، قادرة على فحص الأكواد واكتشاف الثغرات وتحليل التهديدات بسرعة تفوق الفرق البشرية. هذا يمنح الشركة مدخلاً واضحاً إلى القطاعات الحكومية والمنظمة. لكن الاختبار الحقيقي سيكون أوسع: تحتاج الشركات العادية إلى تشغيل النموذج على أعباء العمل اليومية دون تكاليف باهظة أو سلوك غير متوقع. المشهد التنافسي ازداد زحاماً. سلسلة GPT من OpenAI ونماذج Claude من Anthropic رفعت سقف الاستدلال والسياقات الطويلة. أمام Gemini 4 Argon الآن مهمة إثبات قدرته على مجاراة ذلك في الإنتاج الفعلي، وليس فقط في لوحات المتصدرين. سيراقب المطورون زمن الاستجابة وأسعار الرموز ومدى كفاءة النموذج في استخدام الأدوات الحقيقية. إذا نجح Argon، ستعود Google إلى موقع الريادة وتجبر منافسيها على تسريع الإصدارات. وإذا تعثر، فسيتسع الفارق أكثر.
نشرت ميتا إيه آي أول إطار رياضي يجمع بين اثنتين من أكثر تقنيات الكفاءة الواعدة في تصميم نماذج اللغة الكبيرة: مشاركة الأوزان عبر الحلقات المتكررة وتوجيه الخبراء عبر التفرقة المختلطة. النتيجة المحورية أن نموذج الخبراء المختلط الحلقي المبني وفق هذه القوانين يمكنه، عند تساوي حساب التدريب، مضاعفة أداء نماذج أكبر كثيراً باستخدام نصف المعاملات فقط. وهذا يمنح المهندسين طريقة عملية لاختيار عدد الحلقات الأمثل قبل بدء التدريب، بدلاً من الاعتماد على تجارب مكلفة. تعد قوانين الحلقات والتفرقة معاً مهمة لأن كلا التقنيتين تخفضان تكلفة الحوسبة اللازمة لتدريب نماذج اللغة الكبيرة وتشغيلها. تعيد الحلقات المتكررة استخدام الأوزان نفسها عبر خطوات متعددة، بينما تنشط طبقات الخبراء المختلطة مجموعة فرعية فقط من الخبراء لكل رمز. حتى الآن عالج الباحثون هاتين الطريقتين بشكل منفصل. الإطار الجديد من ميتا يوحدهما ويظهر أن التقنيتين تتكاملان بشكل أفضل من المتوقع. تشير النتيجة إلى مستقبل تستطيع فيه نماذج صغيرة عميقة الحلقات منافسة نماذج ضخمة كثيفة على معايير الاستدلال. يأتي هذا العمل من ميتا إيه آي، ما يضع الشركة في قلب أبحاث الكفاءة المفتوحة. قد يغير ذلك طريقة بناء النماذج مفتوحة المصدر، لأن النماذج الأصغر مع بنى الخبراء المختلط الحلقي ستحتاج إلى بنية تحتية أقل من وحدات معالجة الرسوميات. للشركات الناشئة والمختبرات الأكاديمية ذات الموارد المحدودة، المغزى مباشر: قد يصبح بمقدورهم قريباً تدريب نماذج استدلال متقدمة على مجموعات حواسيب أصغر. الخطوة التالية هي التحقق من هذه القوانين عبر مقاييس وبيئات بيانات مختلفة. إذا صمد الإطار، فستحتاج فكرة أن الأكبر دائماً أفضل في الذكاء الاصطناعي إلى مراجعة جادة.
تعيش صناعة الذكاء الاصطناعي لحظة تناقض صارخ. في اليوم نفسه الذي يحذر فيه كبار المختبرات من أن أنظمتها قادرة على الكذب والاختراق وربما تهديد البشرية، تطلب هذه الشركات من الحكومات والبنوك والجمهور السماح لها بمراقبة نفسها بينما تقترض مئات المليارات من الدولارات لتسريع البناء. هذا الانقسام كان السمة المهيمنة على آخر تغطية إخبارية. في واشنطن، وقّع البيت الأبيض وست شركات رائدة اتفاق أمان طوعيا بلا آلية تنفيذ ملزمة. وفي سان فرانسيسكو، سحبت OpenAI نموذجا من التداول، وهو تذكير بأن فحوصات السلامة ما زالت تجري بعد الإطلاق وليس قبله. حجم الاستثمار مذهل. المختبرات الحدودية تتحمل ديونا ضخمة لتمويل مراكز البيانات والرقائق وصفقات الطاقة. هذا يخلق تضاربا في المصالح. الشركات المسؤولة عن السلامة هي نفسها تحت ضغط مالي هائل للإصدار السريع. البنوك تقرض صناعة يقول قادتها إنها خطيرة. إذا تسبب نموذج في حادث كبير، فقد يتحمل دافعو الضرائب والمستثمرون الفاتورة. وإذا أبطأت أبحاث السلامة التقدم، فقد يفقد المقرضون الثقة. الصناعة تراهن على أن الرقابة الطوعية ستكون كافية. هذه ليست مشكلة تقنية فقط. إنها مشكلة مالية وتنظيمية. المرحلة المقبلة ستحددها أسئلة مثل: هل يطلب المستثمرون تدقيقا مستقلا؟ وهل تحول الحكومات الوعود الطوعية إلى قواعد قابلة للتنفيذ؟ بدون ذلك، قد يكون السوق يقيّم مخاطر الذكاء الاصطناعي بسعر منخفض للغاية. المختبرات الكبرى لا تقترض فقط لبناء نماذج أكبر. إنها تؤسس مدنا من مراكز البيانات، وتوقع اتفاقيات مع منتجي الطاقة، وتشتري المزيد من الرقائق. هذا الإنفاق يغذي الأسواق المالية، لكنه يضع النظام في وضع هش. إذا توقفت الإصدارات بسبب حادث سلامة، فقد تنكمش التقييمات بسرعة. وإذا استمرت الحوادث دون عواقب، فقد تفرض الهيئات التنظيمية قواعد صارمة تكلف الشركات المليارات. العبء الآن على الحكومات والبنوك لفرض شفافية حقيقية قبل أن يتحول هذا السباق إلى أزمة ثقة.
تتجه أوبن إيه آي إلى مؤتمرها السنوي للمطورين بتعهد قد يعيد توازن المنافسة في صناعة الذكاء الاصطناعي. فقد ألمحت الشركة إلى أكثر من عشرين إطلاق منتج جديد، تشمل نماذج ووكلاء وأدوات للمطورين. ويأتي المؤتمر في لحظة لم يعد فيها تقدم أوبن إيه آي مضموناً. فقد كثفت ميتا عملها على الوكلاء المستقلين، وتريد مجموعة متزايدة من الشركات الناشئة أن تستقطب نفس المطورين الذين كانت أوبن إيه آي تمتلكهم ذات يوم. كان التوتر واضحاً قبل بدء الجلسات الرئيسية. فقد نشر كبير علماء الذكاء الاصطناعي في ميتا ألكسندر وانغ رداً مستوحى من حرب النجوم على خطط أوبن إيه آي، وهي طعنة مرحة لكنها زادت من حدة التنافس الحقيقي. انتشر منشور وانغ على نطاق واسع بين المطورين الذين قرأوا فيه إشارة إلى أن ميتا مستعدة للقتال من أجل نفس عملاء الشركات. الإطلاقات العشرون مهمة لأن المطورين سئموا دفع المال مقابل ميزات معزولة. إنهم يريدون منصة يستطيع فيها النموذج كتابة الكود وتصفح الويب وتنفيذ المهام. ومن المتوقع أن تظهر أوبن إيه آي كيف ينتقل وكلاؤها بين هذه الأعمال دون إشراف مستمر. وهذا من شأنه أن يضع ضغطاً على جوجل وأنثروبيك وكل شركة ناشئة تبني مساعد برمجة. لم تكشف أوبن إيه آي بعد عن جدول الأعمال الكامل، وقد يخيب المؤتمر الآمال. لكن حجم الإشارات بحد ذاته خطوة استراتيجية. فهو يجبر المنافسين على الرد قبل الإعلانات الفعلية، ويعطي مشتري الشركات سبباً للانتظار بدلاً من توقيع عقود طويلة الأجل مع المنافسين. سيكشف الأسبوع المقبل ما إذا كانت أوبن إيه آي قادرة على تحويل الوعود إلى منتجات تُطرح فعلياً. كما أن هذا الكم من الإصدارات يشير إلى تحول أوسع في استراتيجية الشركة، فلم تعد تكتفي بطرح نموذج لغوي محسن، بل تحاول بناء نظام تشغيل كامل للعمل الرقمي. وكل إطلاق جديد يمكن أن يمثل ميزة ترتبط بالوكلاء، مثل إدارة الملفات أو التخطيط للمشاريع أو التعامل مع قواعد البيانات. ويراقب المنظمون هذا التوسع بحذر، فإذا نجحت أوبن إيه آي في طرح عشرين منتجاً في وقت واحد، فستزداد الحاجة إلى قواعد تحكم واضحة لسلوك الوكلاء، خاصة بعد الحوادث الأخيرة. هذا يعني أن المؤتمر سيكون اختباراً ليس فقط للقدرات التقنية، بل أيضاً للقدرة على إدارة المخاطر.
وصلت مولدات الفيديو بالذكاء الاصطناعي إلى نقطة تحول حقيقية. فتحت شركة Kling AI الوصول المبكر إلى نموذج Kling 4.0، وهو نموذج قادر على إنتاج مقاطع مدتها 30 ثانية بشكل مباشر، ودعم ما يصل إلى 10 إطارات مفتاحية لتحديد حركة المشهد، وتمديد الفيديو إلى دقيقتين. تمثل هذه القفزة نقلة كبيرة مقارنة بالمقاطع القصيرة التي ميزت الموجة الأولى من أدوات تحويل النص إلى فيديو. يأتي هذا التحديث وسط سباق محموم من المنافسين. أصدرت ByteDance نموذج Seedance 2.5 في 31 يوليو، وأصدرت MiniMax نموذج H3 في نفس اليوم، كما قامت Runway وGoogle بتحديث أنظمتهما الخاصة. النتيجة أن معايير التقييم تغيرت بسرعة. عبارة جعل النموذج غير مرئي أصبحت قريبة من الواقع. لم يعد المخرجون يحكمون على الأداة من خلال درجة الوضوح الاصطناعي، بل يقيمون التماسك والإخراج والتحكم. هل يمكن للنموذج أن يحافظ على شخصية ثابتة عبر عدة لقطات؟ هل يمكنه تمديد مشهد دون فقدان الإضاءة أو زاوية الكاميرا أو ملامح الممثل؟ صُمم Kling 4.0 للإجابة عن هذه الأسئلة. الإطارات المفتاحية العشرة تسمح للمبدع بوضع تسلسل من الحركات أو التراكيب، ثم يترك للنموذج ملء الفجوات. توليد 30 ثانية بشكل كامل يلغي الحاجة إلى لصق مقاطع قصيرة، بينما سقف الدقيقتين يسمح بسرد قصصي حقيقي بدلاً من حلقات قصيرة. هذا التطور يمس كل استوديو ووكالة إعلانية وصانع أفلام مستقل. يمكن لفرق الإنتاج الانتقال من مرحلة التصور الأولي إلى لقطات قابلة للاستخدام دون تعيين طاقم مؤثرات بصرية ضخم. لكنه يزيد الضغط التنافسي. ByteDance وMiniMax تراهنان على جودة التوليد الخام، بينما تراهن Runway وGoogle على أدوات التحرير والتكامل. من يسيطر على المسار الكامل من الجملة النصية إلى المقطع النهائي سيمتلك الجيل القادم من العمل الإبداعي. الخطوة التالية واضحة: إطلاق Kling 4.0 المبكر سيحدد ما إذا كان النموذج قادراً على تحمل أعباء الإنتاج الحقيقية. إذا نجح، فسيصبح الفاصل بين الفكرة والشاشة أرق بكثير.
أطلقت أنثروبيك وأوبن إيه آي نماذج ذكاء اصطناعي رئيسية جديدة، لكن التغيير الأوضح ليس في نتائج الاختبارات المعيارية، بل في قلة الكلام. كشفت أنثروبيك في 22 سبتمبر عن نموذج Opus 5.5 ضمن عائلة Claude 5.5. وفي المقابل أصدرت أوبن إيه آي نسختين من GPT 6 هما Sol وLuna، واللتين تبنيان على نموذج GPT 6 Astra. تؤكد الشركتان أن النماذج الجديدة أقوى في التفكير والبرمجة والمهام الوكيلة، لكن المستخدمين سيلاحظون فوراً أن الإجابات لم تعد مطوّلة. تقول أنثروبيك إن Opus 5.5 يستجيب بشكل طبيعي أكثر، مع جمل أقصر ومباشرة تناسب طبيعة السؤال. كما دربت أوبن إيه آي نموذجي Sol وLuna على تجنب التفسيرات المتضخمة التي أصبحت مادة للسخرية بين مستخدمي ChatGPT. هذا التحول مهم لأن الإسهاب كان من أكبر مصادر الاحتكاك في تبني الذكاء الاصطناعي. فالأشخاص الذين يستخدمون الشات بوت للحصول على إجابات سريعة أو دعم فني أو مقاطع برمجية يضيعون وقتاً في حذف فقرات لا معنى لها. والشركات التي تدمج النماذج في سير العمل تدفع أيضاً مقابل كل رمز نصي. والنموذج الذي ينتج كلمات أقل يعني زمن استجابة أقصر وتكلفة أقل. لم تكن هذه الخطوة مفاجئة للمتابعين؛ فمنذ أشهر يشتكي المستخدمون من أن ChatGPT وClaude يعيدون صياغة السؤال ثم يشرحون كل الاحتمالات قبل الوصول إلى الجواب. وانتشرت مقاطع على وسائل التواصل الاجتماعي تظهر التمرير الطويل لقراءة خلاصة قصيرة. وتستجيب الشركتان الآن عبر تحسين بيانات التدريب وتعديل أسلوب الاستدلال. كما أن المطورين الذين يعتمدون على واجهات برمجة التطبيقات سيلاحظون أن النماذج الجديدة تولد رموزاً أقل، وهذا يخفض تكاليف التشغيل عند الاستخدام الواسع. وبالنسبة للشركات، الإجابات المختصرة تجعل الذكاء الاصطناعي أكثر عملية في أدوات مثل خدمة العملاء والمساعدين الداخليين. تأتي هذه الإصدارات ضمن توجه أوسع لدى المختبرين لجعل الذكاء الاصطناعي أشبه بزميل عمل وليس بمحرك بحث. التوقيت ليس مصادفة، إذ بدأت نماذج Gemini من جوجل تكتسب زخماً، وأصبحت الشركات تقارن سلوك النماذج بعناية أكبر. وتتنافس أوبن إيه آي وأنثروبيك على العقود المؤسسية نفسها، وأصبح أسلوب المحادثة عاملاً حاسماً في البيع. خلال الأسابيع المقبلة، من المرجح أن نشهد مزيداً من التحديثات التي تهدف إلى جعل النماذج أكثر ذكاءً وأقل إزعاجاً. عصر الإجابة التي تتكون من عشر فقرات ربما اقترب من نهايته.
كانت شركتا أوبن إيه آي وأنثروبيك في الماضي حليفتين في السباق نحو بناء ذكاء اصطناعي آمن. أما اليوم فإن قائدهما سام ألتمان وداريو أمودي يعيشان في حالة حرب شخصية ومؤسسية حول مستقبل هذه التقنية. يصف تقرير مجلة ذا أتلانتيك مدينة سان فرانسيسكو بأنها أشبه بمشروع مانهاتن في أربعينيات القرن الماضي، حيث يعمل المهندسون ليلاً ونهاراً بينما يروج المتنبئون لرؤى عن عالم متغير. هذه المواجهة ليست مجرد صراع على الأضواء، بل هي معركة حول من يتحكم في أقوى أنظمة الحوسبة التي عرفتها البشرية، وكيف ينبغي إدارتها، وما إذا كان الربح أو السلامة هو ما سيهيمن على المرحلة المقبلة. تأسست أنثروبيك على يد باحثين سابقين من أوبن إيه آي اعتقدوا أن ألتمان يتحرك بسرعة كبيرة ويقوم بتسويق مفرط. هذا الانقسام خلق مختبرين متنافسين يحملان فلسفتين متعارضتين. تحتل أوبن إيه آي اليوم الصدارة في سوق المؤسسات بفضل نموذج جي بي تي 6 أسترا ووكلائها الدائمين، في حين تقدم أنثروبيك نفسها كبديل يركز على السلامة والأمان. وقد تسرب التوتر إلى النقاشات السياسية، وعقود الشركات، وحرب المواهب. واصلت الشركتان التوظيف الكثيف وأطلقتا نماذج متنافسة تدفع حدود الاستدلال والاستقلالية. الرهانات تتجاوز الشركتين. المنظمون والمشترون والمطورون يراقبون أي رؤية ستنتصر. إذا نجح نهج ألتمان فسوف يتغلغل الذكاء الاصطناعي في المنتجات الاستهلاكية ومهام العمل بأسرع وتيرة ممكنة. وإذا ساد حذر أمودي فسوف تتباطأ عملية التطوير لصالح اختبارات أكثر صرامة وأبحاث توافق معمقة. هذه الحرب تشكل قرارات التوظيف والتعاون الأكاديمي وحتى طريقة تصميم الحكومات للقواعد التنظيمية. ومع استعداد المختبرين لإطلاق نماذج أكبر ووكلاء أكثر استقلالية، فمن المرجح أن تشتد المواجهة بينهما خلال السنوات القادمة.