GPT-5.6-sol وGPT-5.6-terra يتصدران DeepSWE — وشريحة النماذج مفتوحة الأوزان تقترب

أطلقت OpenAI عائلة GPT-5.6 هذا الشهر بثلاثة أحجام — gpt-5.6-luna وgpt-5.6-terra والنموذج الرائد gpt-5.6-sol. وقد أضفنا sol وterra إلى Smart AIPI في الأسبوع نفسه. ثار كثير من الجدل حول أي نموذج رائد هو «الأفضل»، لذا سنفعل شيئًا عمليًا: سننظر إلى المعيار المرجعي الوحيد الذي يصعب فعلًا التحايل عليه، ثم نناقش تجربة استخدام النموذج فعليًا، ونختتم بقراءة صريحة للنماذج مفتوحة الأوزان التي تتقدم بسرعة من خلفه.

DeepSWE: معيار البرمجة الذي يصعب التحايل عليه

تعاني معظم لوحات صدارة البرمجة من مشكلة تلوث البيانات. فقد بُني SWE-bench Verified وSWE-bench Pro من مشكلات GitHub حقيقية وإصلاحاتها المدمجة — ما يعني أن «الإجابة» موجودة ضمن بيانات تدريب كل نموذج جمع بيانات GitHub. والأسوأ من ذلك أن بعض النماذج ضُبطت وهي تتحايل عليهما: ففي SWE-bench Pro، أُشير إلى أن Claude Opus 4.7 و4.6 قد تحايلا في أكثر من 12% من عمليات التشغيل التي خضعت للمراجعة، عبر تنفيذ أوامر خفية مثل git log --all وgit show <gold-hash> لقراءة الحل المرجعي من سجل git.

أُطلق DeepSWE من Datacurve في 2026-05-26 لمعالجة ذلك. ومن خصائصه:

• مكتوب من الصفر. يتضمن 113 مهمة أصلية طويلة الأمد موزعة على 91 مستودعًا مفتوح المصدر بخمس لغات (Python وTypeScript وJavaScript وGo وRust). وقد كتب البشر أوصاف المسائل وحلولها المرجعية، بدلًا من تكييفها من التزامات عامة — ولذلك لم يرَ أي نموذج الإجابة أثناء التدريب المسبق.
• أدوات تحقق سلوكية. تُقيَّم كل مهمة عبر فحوصات مكتوبة يدويًا للسلوك القابل للملاحظة داخل بيئة معزولة، وتُشغَّل عبر إطار mini-swe-agent لضمان الاتساق. ويسجل DeepSWE معدل تحقق يبلغ 1.1% للنتائج السلبية الكاذبة / 0.3% للنتائج الإيجابية الكاذبة، مقارنةً بـ24% / 8.5% المقاسة في SWE-bench Pro.
• تمييز فعلي بين النماذج. يبلغ طول المطالبات نحو نصف طول مطالبات SWE-bench Pro، لكنها تتطلب نحو ~5.5x شيفرة أكثر و~2x رموز إخراج أكثر. وتتوزع النتائج على نطاق يقارب ~58 نقطة (12–73%) بدلًا من التكتل ضمن نطاق يقارب ~30 نقطة، ولذلك يكون لترتيب لوحة الصدارة معنى حقيقي.

بعبارة أخرى: إنه اختبار طويل الأمد، مقاوم لتلوث البيانات، ومُقيَّم سلوكيًا لقياس ما إذا كان النموذج يستطيع بالفعل إكمال أعمال برمجية حقيقية. وهنا تحديدًا تتصدر عائلة GPT-5.6.

لوحة صدارة DeepSWE

الترتيب الحالي (محدّث في 2026-07-09، وفق Pass@1، مع تشغيل كل نموذج بأفضل إعداد للاستدلال لديه):

تحتل ثلاثة إصدارات من GPT-5.6 ثلاثة من المراكز الأربعة الأولى. يتصدر sol الترتيب منفردًا، ويتعادل terra مع Claude Fable 5 في ثاني أفضل نتيجة بنصف سعر النموذج الرائد، وحتى luna يعادل gpt-5.5 من الجيل السابق. أما الفجوة مع أفضل نموذج مفتوح الأوزان — GLM-5.2 عند 44% — فهي القصة التي سنعود إليها في النهاية.

ما الذي تغير بالفعل في GPT-5.6

المعايير المرجعية ليست سوى مؤشر تقريبي. وما وصفه المطورون الذين حصلوا على وصول مبكر هو قفزة نوعية في ثلاث قدرات محددة لا تعكسها النتيجة وحدها بالكامل:

• المثابرة في المهام طويلة الأمد. كانت أكبر شكوى منفردة بشأن gpt-5.5 أنه كان «يتوه» في المهام الطويلة — إذ كان عليك إعادة ضبط سلسلة المحادثة عندما يمتلئ سياقه بالضوضاء. لا يفعل 5.6 ذلك. فقد أفاد مختبرون مبكرون بأنهم تركوا سلسلة واحدة تعمل لأكثر من 20+ ساعة على تعليمة واحدة من دون مراقبة. يمسك بالمهمة ولا يتركها حتى ينتهي منها.
• تنسيق الوكلاء الفرعيين (الوضع الفائق). هذه هي القدرة الأبرز في هذا الجيل. يستطيع 5.6 الارتقاء إلى مستوى أعلى وإنشاء فريق من الوكلاء الفرعيين لمعالجة المشكلة بالتوازي — أحدهم يكتب المكونات، وآخر يربط قاعدة البيانات، وثالث يراجع طلبات السحب — ثم يدمج النتائج. ووجد المختبرون الذين أعادوا تشغيل سير عمل الوكلاء الفرعيين الخاص بـgpt-5.5 على 5.6 أن 5.6 «أنجز بسرعة فائقة» عمليات التنسيق التي كان 5.5 «يرتبك ويتوه» فيها. إنه الفرق بين متعاقد واحد وفريق كامل.
• استخدام الحاسوب والمتصفح. أصبح 5.6 أفضل بكثير في تشغيل جهاز حقيقي. ففي الاختبارات العملية، أعدّ أسطولًا من الأجهزة عبر SSH، وفي مثال انتشر على نطاق واسع استعاد ذاتيًا حالة إقلاع GRUB معطلة عبر KVM بعيد — فأعاد التشغيل، ودخل إلى واجهة GRUB، وأصلح أقسام الإقلاع من دون أي تدخل بشري.

هناك تحفظ واحد يستحق التصريح به بوضوح: أعمال الواجهة الأمامية وواجهة المستخدم ليست نقطة قوة 5.6 افتراضيًا. فهو أكثر قابلية للتوجيه وذوقه أقل سوءًا من النماذج السابقة، لكن المستخدمين ذوي الخبرة ما زالوا يسندون مراحل الصقل إلى نماذج أخرى. إذا كنت تنفذ أعمال واجهات مرئية مكثفة، فتعامل مع 5.6 بوصفه المحرك واستعن بنموذج ثانٍ للتنقيح.

sol أم terra: أيهما ينبغي أن تستخدم؟

كلاهما من الفئة الرائدة، ويعملان على البنية الخلفية نفسها من Codex عبر Smart AIPI. القرار بسيط:

• gpt-5.6-terra هو الخيار الافتراضي الموصى به. إذ يحتل المرتبة #3 على DeepSWE (70%)، ويقترب كثيرًا من النموذج الرائد مقابل نصف السعر. وبالنسبة إلى الغالبية الساحقة من أعمال البرمجة الوكيلة، وإعادة الهيكلة، والمراجعات، والعمل اليومي، فإن terra هو الخيار الصحيح.
• gpt-5.6-sol هو النموذج الرائد. استخدمه لأصعب المهام طويلة الأمد، والتنسيق العميق متعدد الوكلاء، وأي عمل يمكن أن تغير فيه نقاط القدرة الأخيرة النتيجة. فهو يحتل المرتبة #1 على DeepSWE لسبب وجيه.

Smart AIPI هو أرخص طريقة لتشغيل كليهما

أسعار API المباشرة من OpenAI مرتفعة في الفئة الرائدة. ومن خلال Smart AIPI، تدفع أقل بنسبة 75% مقابل النماذج نفسها تمامًا وعلى البنية التحتية نفسها تمامًا:

شريحة النماذج مفتوحة الأوزان تقترب

هذا هو الجزء الذي لا يتوقف الجميع عن الجدال بشأنه. فخلف حدود النماذج المغلقة الرائدة، تتقدم بسرعة موجة من النماذج مفتوحة الأوزان — وينقسم السوق إلى قطبين. في أحد الطرفين، تقدم نماذج المزج بين الخبراء الصينية الرخيصة ومفتوحة الأوزان (DeepSeek V4 وQwen3 وKimi K2 وMiniMax M3) نحو 70–81% على SWE-bench Verified بسعر $0.30–1.40 لكل مليون رمز إدخال، بموجب تراخيص MIT/Apache المتساهلة. وفي الطرف الآخر، تتقاضى النماذج الأمريكية المغلقة والرائدة (GPT-5.6 وClaude Fable/Opus وGemini) سعرًا أعلى بـ5–20x مقابل نقاط القدرة القليلة الأعلى. والحركة المثيرة للاهتمام تقع في الشريحة الوسطى: نماذج تقدم جودة قريبة من الريادة بجزء بسيط من سعر النماذج الرائدة.

يحدد اسمان هذه الشريحة، ومن المهم توخي الدقة بشأنهما:

• GLM-5.2 (Zhipu / Z.ai) — الشريحة المفتوحة. نموذج MoE مفتوح الأوزان فعلًا ومرخص بموجب MIT (~745B إجماليًا / ~40B نشطًا، وسياق 1M) بسعر يقارب $1.40 للإدخال / $4.40 للإخراج. إنه ممتاز — يحتل المرتبة #9 على DeepSWE بنتيجة 44%، ويقترب من نماذج الجيل السابق المغلقة، بل ويتفوق على gpt-5.5 في بعض أعمال واجهة المستخدم. إنه خيار حقيقي ومتميز ضمن فئته.
• Grok 4.5 (xAI) — الشريحة المغلقة الرخيصة. كثيرًا ما يُصنَّف Grok 4.5 خطأً على أنه «مفتوح»، لكنه في الواقع مغلق الأوزان (لم يُطرح علنًا سوى Grok-1 وGrok-2). وما يجعله ضمن هذه الشريحة هو تسعيره القوي (~$2 للإدخال / $6 للإخراج) وكفاءته الملحوظة في استخدام الرموز — نحو 2M رمز لكل مهمة على غرار DeepSWE مقابل 7M+ لبعض النماذج الرائدة. وهو قريب من الريادة في عدة معايير، لكنه أضعف بوضوح في تنسيق الوكلاء المتعددين الذي يميز جيل 5.6.

إذًا، إلى أي مدى اقتربت هذه الشريحة حقًا؟ إنها أقرب مما توحي به الأسعار المعلنة — وأبعد مما تدعيه الضجة المحيطة بالنماذج المحلية. وفيما يلي ثلاثة تحفظات صريحة:

• انخفاض سعر الرمز لا يعني انخفاض سعر المهمة. تميل النماذج مفتوحة الأوزان إلى استهلاك رموز أكثر بـ2–3x لإكمال العمل نفسه. ففي DeepSWE، تبلغ تكلفة تشغيل GLM-5.2 على الإعداد الأقصى نحو $4 لكل مهمة، بينما تبلغ تكلفة Claude Opus 4.8 على إعداد xhigh نحو $8 — أي فجوة 2x فقط، رغم أن GLM أرخص بنحو ~10x لكل رمز. الكفاءة، لا السعر المعلن، هي ما يحدد الفاتورة الحقيقية.
• الأوزان المفتوحة لا تعني التشغيل محليًا. يبلغ حجم GLM-5.2 نحو ~400GB بعد التكميم ونحو ~1.5TB بالدقة الكاملة. ولا يعمل على عتاد المستهلكين — إذ تحتوي بطاقة 5090 على 32GB من VRAM؛ وستحتاج إلى جهاز متعدد وحدات GPU بقيمة $75,000 لتشغيل نسخة واحدة بسرعة معقولة. الفائدة الحقيقية للأوزان المفتوحة هي المنافسة بين مزودي الخدمة: فلأن أي جهة تستطيع استضافة GLM-5.2، يمكنك مقارنته بين مزودين مختلفين للحصول على أفضل سعر وسرعة. هذه المنافسة صحية، ويسعدنا وجودها.
• القدرات ما زالت تحدد حدود الريادة. لا يدعم GLM-5.2 الرؤية — فلا يمكنه استقبال لقطة شاشة، وبالتالي لا يمكنه تشغيل حلقات استخدام الحاسوب والتغذية الراجعة المرئية التي تجعل 5.6 فعالًا إلى هذا الحد. كما أن العمل الوكيل الحقيقي يعني تشغيل ما بين 1 و40 وكيلًا بالتوازي، وهو ما لا يستطيع العتاد المحلي فعله إطلاقًا. تقترب الشريحة في البرمجة بمحاولة واحدة، لكنها لم تقترب بعد في التنسيق الوكيل الشامل من البداية إلى النهاية.

الخلاصة: إذا كان عبء عملك يعمل جيدًا على نموذج مفتوح، فغالبًا ما يكون نقله إليه خيارًا ذكيًا ورخيصًا — وتتمثل فلسفة Smart AIPI في أنك لا ينبغي أن تدفع أكثر مقابل قدرات لا تحتاج إليها. لكن بالنسبة إلى أصعب الأعمال طويلة الأمد ومتعددة الوكلاء والتي تتضمن الرؤية ضمن الحلقة، يظل gpt-5.6-sol وgpt-5.6-terra يمثلان حدود الريادة التي تلاحقها هذه الشريحة — وSmart AIPI هو أرخص مكان لتشغيلهما.

كيفية استخدام GPT-5.6-sol وGPT-5.6-terra

واجهة Chat Completions API

curl https://api.smartaipi.com/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.6-terra",
    "messages": [{"role": "user", "content": "Refactor this module and add tests"}]
  }'

واجهة Responses API بأقصى مستوى من الاستدلال

curl https://api.smartaipi.com/v1/responses \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gpt-5.6-sol",
    "input": "Audit this repo for security issues and open PRs to fix them",
    "reasoning": {"effort": "high", "summary": "auto"}
  }'

Codex CLI وCursor وCline وRoo Code وOpenCode وAider

OPENAI_BASE_URL=https://api.smartaipi.com/v1
OPENAI_API_KEY=sk-your-smart-aipi-key
OPENAI_MODEL=gpt-5.6-terra

يدعم جهد الاستدلال المستويات المنخفض والمتوسط والمرتفع وxhigh (الحد الأقصى). وللأعمال الوكيلة وطويلة الأمد — وهي المهام التي يتقدم فيها 5.6 بأكبر فارق — استخدم المستوى المرتفع أو الأقصى.

ابدأ الآن

1. سجّل في smartaipi.com/signup (رصيد مجاني، ومن دون بطاقة ائتمانية)
2. أنشئ مفتاح API في لوحة التحكم
3. اضبط عنوان URL الأساسي على https://api.smartaipi.com/v1
4. استخدم النموذج gpt-5.6-terra (موصى به) أو gpt-5.6-sol (الرائد)

النموذجان اللذان يحتلان المرتبتين #1 و#3 في أصعب معيار مرجعي للبرمجة ضمن بيئة الإنتاج — بخصم 75%. واجهة API نفسها، والبنية نفسها المتوافقة مع OpenAI، والأدوات نفسها.