كلمات مفتاحية：نموذج اللغة العودية, وكيل الذكاء الاصطناعي, شريحة TPU, معالجة RLM للمستندات الطويلة جدًا, نموذج البرمجة IQuest-Coder-V1, مجموعة TPU المبنية ذاتيًا من Anthropic
🔥 التركيز
MIT تطلق Recursive Language Model (RLM): كسر حدود معالجة 10 ملايين Token: اقترح باحثون في MIT نموذجًا جديدًا للغة العودية، حيث يتم تخزين النصوص الطويلة في بيئة برمجية خارجية، مما يسمح للنموذج بمعالجة البيانات من خلال كتابة برامج تستدعي نفسها بشكل متكرر. تفصل هذه الطريقة تمامًا بين طول المدخلات وقيود نافذة السياق (Context Window) للنموذج، مع الحفاظ على استقرار الأداء عند حجم 10 ملايين+ Token، وتقليل تكاليف الاستدلال بنسبة 60% تقريبًا مقارنة بالحلول التقليدية. تمثل هذه التقنية تطور الذكاء الاصطناعي من “القراءة الكاملة” إلى “الفهرسة عند الطلب”، مما يحل مشكلة “تدهور السياق” (Context Decay) عند التعامل مع المستندات الطويلة جدًا (المصدر: lateinteraction, MIT)
إطلاق IQuest-Coder-V1: “لحظة DeepSeek” لوكلاء البرمجة الصينيين: أطلق معهد Zhizhi Innovation التابع لشركة JiuKun Investment نموذج البرمجة مفتوح المصدر IQuest-Coder-V1، والذي تفوق على Claude Opus 4.5 بدقة بلغت 81.4% في اختبار SWE-Bench Verified. يعتمد النموذج على بنية Loop ونمط تدريب code-flow، مما يمكنه من إكمال العملية بالكامل من فهم المتطلبات إلى الاختبار والتصحيح بشكل مستقل. على الرغم من تعديل النتيجة لاحقًا إلى 76.2% بسبب ثغرة “Future Submissions” بناءً على ملاحظات المجتمع، إلا أن قدرته على التنفيذ في حلقة مغلقة للمهام المعقدة لا تزال تعتبر اختراقًا تقنيًا هامًا في مجال Agent لعام 2026 (المصدر: 至知创新, Reddit)
Anthropic تشتري مليون شريحة TPU: الطلقة الأولى في “التخلص من CUDA”: تخطط Anthropic لإنفاق 21 مليار دولار لشراء مليون شريحة Google TPU v7 من Broadcom لبناء مجموعات حوسبة فائقة خاصة بها. تعني هذه الخطوة أن Anthropic ستتخلص من الاعتماد على نظام CUDA البيئي الخاص بـ NVIDIA وتمتلك سيادة القوة الحوسبية. في الوقت نفسه، أظهر Claude Opus 4.5 كفاءة مذهلة في التطبيقات العملية، حيث صرح مهندسو Google أنه أعاد إنتاج عمل فريق لمدة عام في ساعة واحدة فقط. تحافظ Anthropic على ريادتها من خلال استراتيجية “الأقل هو الأكثر”، عبر جودة البيانات وتقنيات ما بعد التدريب رغم امتلاكها لجزء بسيط من موارد منافسيها (المصدر: SemiAnalysis, 新智元)
نقطة الحسم لـ OpenAI في 2026: تمويل بمليارات الدولارات وأول جهاز AI “قلم”: تتوقع OpenAI خسارة نقدية قدرها 17 مليار دولار في عام 2026، ويخطط Sam Altman لجولة تمويل جديدة تصل إلى 100 مليار دولار. للبحث عن مداخل جديدة لحركة المرور، تم تحديد شكل أول جهاز AI من OpenAI كـ “قلم AI” صممه Jony Ive. يتميز الجهاز بالقدرة على التفاعل الصوتي وتشغيل النماذج محليًا، بهدف تحقيق تجربة تفاعل “منخفضة الحضور، عالية التدخل”. سيحدد عام 2026 ما إذا كانت OpenAI ستقود الطريق نحو AGI أو ستصبح أكبر فقاعة مالية في Silicon Valley (المصدر: Economist, 量子位)
عودة “مهرجان التكنولوجيا” لـ Luo Yonghao: التفاعل العاطفي لـ Doubao AI هو الأبرز: عرض Luo Yonghao في مؤتمر 2025 أحدث إصدار من Doubao AI، حيث أظهرت قدراته في الحوار العاطفي طابعًا إنسانيًا عاليًا في المناظرات الحية، مع القدرة على الحكم على مشاعر المستخدم من خلال سرعة ونبرة الصوت وتقديم ردود تحاكي البشر مثل “كتم الغضب”. بالإضافة إلى ذلك، روج Luo لمنتجات تقنية مثل طائرات DJI بدون طيار البانورامية وروبوتات الهيكل الخارجي، مما يعكس تسارع اندماج AI مع الأجهزة، والتحول من مجرد أدوات إلى رفقاء عاطفيين وأجهزة لزيادة الإنتاجية (المصدر: 36氪, Kevin那些事儿)
🎯 التوجهات
DeepSeek تطلق بنية mHC: التغلب على عدم استقرار تدريب الشبكات فائقة الاتصال: نشر فريق Liang Wenfeng ورقة بحثية حول بنية Manifold-constrained Hyper-connection (mHC)، والتي تحل مشكلة الانفجار العددي في الشبكات العصبية العميقة عند تكديس طبقات متعددة من خلال إسقاط المصفوفات على Manifolds عشوائية ثنائية الاتجاه. أثبتت التجارب أن تكرار Sinkhorn واحد فقط يكفي للسيطرة على المكاسب ضمن نطاق مستقر. يوفر هذا البحث دعمًا نظريًا للتوسع العميق للنماذج فائقة الضخامة، مما يعزز مكانة DeepSeek في ابتكار البنية التحتية (المصدر: DeepSeek, Reddit)
موجة استقالات في Meta وجدل حول “الغش” في Llama 4: غادر Yann LeCun وTian Yuandong شركة Meta تباعًا. انتقد LeCun إدمان Meta المفرط على LLM، واصفًا إياه بـ “الطريق المسدود”، وأشار إلى أن Llama 4 ارتكب “غشًا” في اختبارات القياس باستخدام نماذج مختلفة لقوائم مختلفة. من جانبه، كشف Tian Yuandong أن فريقه واجه عدم ثقة وتهميشًا من الإدارة أثناء تطوير Llama 4. بعد استقالتهما، اختار كلاهما ريادة الأعمال، حيث سيؤسس LeCun شركة AMI لمواصلة استكشاف مسار نماذج العالم القائمة على V-JEPA (المصدر: 量子位, FT)
معيار جديد للذكاء العلمي: بروتوكول SCP يطلق شبكة وكلاء علمية مستقلة: يُعتبر عام 2026 عام وكلاء الذكاء الاصطناعي العلمي. يهدف بروتوكول Scientific Context Protocol (SCP) المقترح حديثًا إلى ربط الوكلاء والأدوات والأجهزة المعزولة لبناء شبكة أبحاث علمية قابلة للتشغيل البيني. تم عرض البروتوكول على منصة Intern-Discovery، حيث يغطي أكثر من 1600 أداة في مجالات الأحياء والفيزياء والكيمياء، ويدعم التنفيذ التلقائي لبروتوكولات التجارب الرطبة من ملفات PDF وفحص الجزيئات المدعوم بالذكاء الاصطناعي (المصدر: omarsar0)
خطة Agent Infra: الشركات الكبرى تقوم بتصفية الساحة: مع استحواذ Meta على Manus، أصبحت Agent Infra (قاعدة الوكلاء) بؤرة المنافسة. تعمل الشركات الكبرى من خلال بروتوكول MCP وصلاحيات Sandbox الأصلية على “استيعاب” الواجهات الخارجية، مما يحول Agent من تطبيق مستقل إلى مجرد قائمة في نظام التشغيل. هذا يعني أن قيمة الوكلاء العامين ستنخفض بشكل حاد، بينما سيصبح الوكلاء المتخصصون في المجالات الرأسية الذين يمتلكون Know-how الصناعي الحصن الأخير لرواد الأعمال (المصدر: 王智远)
تلاشي الأوهام حول الذكاء الاصطناعي الطبي في الصين: صعود “Ant Afu” وCopilot المتخصص: قامت مجموعة Ant بترقية تطبيقها الصحي AI AQ إلى “Ant Afu”، مع التأكيد على خلوه من الإعلانات وتدخلات التصنيف، في محاولة لبناء الثقة الطبية. في الوقت نفسه، تتسارع المنتجات المحلية مثل Doukou Doctor وYidu Clinical Copilot للحاق بـ OpenEvidence، من خلال الاندماج في سير عمل الأطباء، والتعمق في التخصصات (مثل التوليد وأمراض النساء) ونماذج الدفع To B، لاستكشاف مسار استدامة يختلف عن النماذج المجانية في الخارج (المصدر: 36氪, 动脉网)
🧰 الأدوات
“مصنع المحتوى” LangGraph: التحول من Chatbot إلى قوة عاملة AI: أطلق مجتمع LangChain برنامجًا تعليميًا لنظام متعدد الوكلاء يعتمد على LangGraph، من خلال إنشاء نمط “مصنع المحتوى”، حيث يتعاون وكلاء المحررين والكتاب المحترفين عبر حالة مشتركة (Shared State). تتجاوز هذه الطريقة قيود النموذج الواحد، وتحقق خط إنتاج لإنتاج المحتوى المعقد، وهي حالة نموذجية لدخول AI Agent في بيئات الإنتاج الفعلية (المصدر: LangChainAI)
LlamaSheets: التغلب على تحليل بيانات Excel الأصلية بواسطة LLM: أطلقت LlamaIndex أداة LlamaSheets (نسخة تجريبية)، المخصصة للتعامل مع بيانات Excel الفوضوية. يمكنها التعرف على التخطيطات المعقدة مثل الخلايا المدمجة والصفوف والأعمدة الهرمية، وتحويلها إلى ملفات Parquet قابلة للقراءة بواسطة LLM. يحل هذا مشكلة انخفاض الكفاءة وأخطاء الفهم لدى LLM عند التعامل مع بيانات الجداول غير المهيكلة مثل التقارير المالية (المصدر: jerryjliu0)
AgentFS: نظام ملفات برمجية يدعم تعاون الوكلاء المتعددين: أطلق فريق Turso أداة AgentFS مفتوحة المصدر، والتي تعتمد على آلية Copy-on-Write. تسمح لعدة وكلاء AI بالعمل على نفس قاعدة البرمجيات في وقت واحد، حيث تكون تغييرات كل وكيل معزولة ولا تتعارض مع بعضها البعض، ولا تؤثر على الملفات المضيفة. ترفع هذه الأداة بشكل كبير من كفاءة تعاون مجموعات الوكلاء في هندسة البرمجيات المعقدة (المصدر: mattrickard)
خيارات TTS جديدة: VibeVoice وMorVoice يتحديان ElevenLabs: ردًا على أسعار ElevenLabs المرتفعة، يوصي المجتمع بـ VibeVoice Large كبديل محلي أكثر طبيعية ومناسب للمستندات. في الوقت نفسه، أظهر MorVoice سرعة تكرار أكبر وتجربة مجانية في إنشاء الفيديوهات القصيرة، مما يشير إلى تحول مجال TTS من “خدمات ذات علاوة سعرية عالية” إلى “أدوات عالية الكفاءة” (المصدر: Reddit, ArtificialInteligence)
📚 التعلم
مراجعة نظام ذاكرة AI Agent: استلهام من العلوم العصبية الإدراكية: شاركت DAIR.AI ورقة بحثية هامة تربط بشكل منهجي بين العلوم العصبية الإدراكية وAI Agent. تشير المقالة إلى عيوب LLM الأصلية المتمثلة في كونها عديمة الحالة (Stateless)، وتقترح محاكاة آلية تعاون الحصين والقشرة المخية لبناء تصنيف ذاكرة موحد يحتوي على الخبرات الإجرائية والمعرفة المفاهيمية، وتقدم ثلاثة نماذج تخزين: التدفق الزمني، التدفق الهرمي، ومكتبة الرموز (المصدر: dair_ai)
Deep Delta Learning: نمط جديد للتعلم الفعال للمعلمات: يثير بحث Deep Delta Learning نقاشًا حادًا في المجتمع، حيث تستكشف هذه الطريقة كيفية تحقيق تكرار سريع لقدرات النموذج من خلال التعلم التدريجي دون تغيير الأوزان الأساسية للموديل. يوفر هذا أفكارًا جديدة لحل مشكلات تكاليف تدريب النماذج الكبيرة وبطء تحديث المعرفة (المصدر: NandoDF)
عشرون عامًا من التعلم العميق: Schmidhuber يستعرض أصول “Learn Deep”: استعرض عالم الكمبيوتر Jürgen Schmidhuber أول ورقة بحثية بعنوان “Learn Deep” من عام 2005. وأكد على الدور الرائد للتعلم التعزيزي العميق والتطور العصبي في حل المشكلات التي تصل أعماقها إلى أكثر من 1000 طبقة، وناقش العلاقات السببية والتراث التاريخي وراء طفرة “التعلم العميق” الحالية (المصدر: SchmidhuberAI)
💼 الأعمال
Kunlun Chip من Baidu تتجه للاكتتاب في هونغ كونغ: أعلنت Baidu رسميًا عن فصل أعمال Kunlun Chip وتقديم طلب للاكتتاب العام في بورصة هونغ كونغ، مع توقعات بأن تتجاوز القيمة السوقية 100 مليار دولار هونغ كونغ. من المتوقع أن تتجاوز إيرادات Kunlun Chip في عام 2025 مبلغ 3.5 مليار يوان، مع وصول نسبة العملاء الخارجيين إلى أكثر من النصف. تمثل هذه الخطوة دخول الرقائق المحلية من “مرحلة البحث والتطوير” إلى “مرحلة تحقيق الأرباح” (المصدر: 36氪)
مقامرة سياسية من مسؤول OpenAI: Greg Brockman يصبح أكبر متبرع لـ Trump: أظهرت وثائق التسجيل الأخيرة أن Greg Brockman، رئيس OpenAI، أصبح أكبر متبرع فردي لـ Super PAC الخاص بـ Trump خلال الأشهر الستة الماضية. فسر المجتمع هذه الخطوة بأنها تهدف إلى عرقلة تنظيم الذكاء الاصطناعي من خلال اللوبي السياسي لضمان هيمنة OpenAI في بيئة السياسات المستقبلية (المصدر: idavidrein)
Replit Agent يطلق نموذج عمل “شخصين بثمانية أرقام”: شارك Amjad Masad، مؤسس Replit، حالة لمستخدم يستخدم Replit Agent لإدارة عمل يحقق دخلاً سنويًا من ثمانية أرقام مع شخصين فقط و20 وكيل AI، دون أي مهندسي برمجيات. يثبت هذا أن AI يتطور من “مساعد برمجة” إلى “وحدة إنتاج مستقلة”، مما يغير تمامًا هيكل التكاليف لشركات SaaS والشركات الناشئة (المصدر: amasad)
🌟 المجتمع
“Vibe Coding” يثير الجدل: تحول في نمط هندسة البرمجيات: ناقش Andrej Karpathy وآخرون صعود “برمجة الأجواء” (Vibe Coding). يتحول المطورون من “كتابة الكود” إلى “إدارة الوكلاء”، تمامًا مثل لاعبي StarCraft المحترفين الذين يتحكمون في عدة وكلاء في وقت واحد بـ APM عالٍ. يعتقد المجتمع أن AI يضغط منحنى التعلم بشكل كبير، مما يسرع تحول المهندسين المبتدئين إلى مهندسين رفيعي المستوى بسرعة غير مسبوقة (المصدر: Yuchenj_UW, scottastevenson)
Ethan Mollick: حتى لو انفجرت الفقاعة، لن تعود الوظائف كما كانت: أشار Ethan Mollick، الأستاذ في Wharton، إلى أن AI أصبح “شريكًا” لا يمكن الرجوع عنه. حتى لو انفجرت فقاعة سوق المال، فإن مراكز البيانات والنماذج مفتوحة المصدر وعادات المستخدمين التي تم إنشاؤها لن تختفي. أكثر ما يقلقه هو انهيار نظام التلمذة الصناعية، لأن AI ينجز العمل بشكل أسرع، ولم يعد المديرون المتوسطون راغبين في تدريب المتدربين (المصدر: AI深度研究员)
Terence Tao: أخطر ما في AI هو أنه “يبدو صحيحًا”: حذر Terence Tao، الحائز على وسام Fields، من أن اكتمال السلسلة المنطقية الذي يظهره AI في البراهين الرياضية غالبًا ما يكون “تقليدًا إحصائيًا” وليس فهمًا حقيقيًا. يمكنه كتابة استدلالات محكمة لكنه لا يستطيع شرح الدافع. يقترح على المستخدمين استخدام AI فقط في النطاق الذي يمكنهم التحقق منه، واعتباره أداة مساعدة للمعالجة الدفعية والبحث عن خيوط وليس صانع قرار نهائي (المصدر: AI深度研究员)
تعاطف AI وعزاء “عدم إطلاق الأحكام”: ناقش مستخدمو المجتمع أداء ChatGPT 5.2 في الدعم العاطفي، قائلين إنه “لم يحكم عليّ أبدًا”. رغم وجود آراء ترى أن هذا مجرد “لطف زائف” مبرمج، إلا أنه بالنسبة للعديد من المستخدمين الذين يشعرون بالوحدة أو الضغط الشديد في الواقع، فإن هذا التفاعل المتاح 24/7 يوفر قيمة عاطفية حقيقية (المصدر: Reddit)
💡 أخرى
أشياء “لم تُرَ من قبل” من صنع AI تثير الرغبة في الاقتناء: أطلق مجتمع Reddit تحدي “إنشاء أشياء لم يراها الناس من قبل ولكنهم يريدون امتلاكها فورًا”، حيث أثارت تصميمات خيالية من صنع AI مثل “مرطب هواء الغابة الاستوائية” صدى واسعًا. يظهر هذا إمكانات AI في التصميم الصناعي وتحفيز الإبداع، كما يثير نقاشات عميقة حول “إبداع AI” والصدى الجمالي البشري (المصدر: Reddit)
أول “زفاف AI” في العالم: وصول عصر الشريك الافتراضي: من اليابان إلى أوروبا وأمريكا، يختار المزيد من الناس إقامة حفلات زفاف رمزية مع شركاء AI. تزوجت Yurina Noguchi (32 عامًا) من اليابان من شخصية افتراضية مدربة بواسطة ChatGPT، قائلة إن AI ساعدها في تخفيف أزماتها النفسية. هذا ليس مجرد تطبيق تقني، بل هو انعكاس لانقطاع وإعادة بناء العلاقات الحميمة في المجتمع الحديث، مما يثير جدلاً واسعًا حول الهوية القانونية والحدود الأخلاقية (المصدر: 腾讯科技)
