كلمات مفتاحية：الذكاء الاصطناعي للإنتاجية, النماذج الكبيرة, كود كلود, جي إل إم-4.7-فلاش, أمان الذكاء الاصطناعي
🔥 التركيز
Claude Code/Cowork تثير عاصفة إنتاجية وهزة في الصناعة : أحدث إطلاق Anthropic لنسختي Claude Code و Cowork التجريبيتين “زلزالاً” في Silicon Valley. صرح CTO لشركة Vercel بأنه أنجز مشروعاً كان يتطلب عاماً كاملاً في أسبوع واحد فقط، مما جعل المبرمجين يدمنون على هذه الكفاءة. ومع ذلك، تلوح أزمة خلف هذا الحماس: شهدت أسهم برمجيات SaaS في البورصة الأمريكية أسوأ بداية عام لها منذ سنوات، حيث تراجعت أسهم عمالقة مثل ServiceNow و Salesforce وسط مخاوف السوق من أن الذكاء الاصطناعي سيقلب نموذج اشتراك البرمجيات التقليدي رأساً على عقب. في الوقت نفسه، بدأت مخاطر الذكاء الاصطناعي المستقل في الظهور، حيث واجه أحد المدونين حادثة قيام Cowork بحذف 11GB من الملفات المهمة عن طريق الخطأ. يمثل هذا تطور الذكاء الاصطناعي رسمياً من “مساعد حواري” إلى “زميل رقمي”، ولكنه يفرض أيضاً تحديات جسيمة على “خندق الحماية” لمهارات المطورين (المصدر: WSJ، 36Kr)
إيرادات OpenAI تتجاوز 20 مليار دولار، وتحديد موعد إطلاق أول جهاز “Gumdrop” : كشف CFO لشركة OpenAI أن الإيرادات السنوية للشركة في عام 2025 تجاوزت 20 مليار دولار، بزيادة 10 أضعاف عما كانت عليه قبل عامين، مع قفزة في حجم القوة الحوسبية بمقدار 9.5 ضعفاً. رغم هذه الإيرادات المذهلة، إلا أن تكاليف الحوسبة الضخمة أجبرت OpenAI على بدء اختبار الإعلانات في ChatGPT. في الوقت نفسه، تم التأكيد على إطلاق أول جهاز ذكاء اصطناعي بدون شاشة (باسم رمزي Gumdrop)، صممه الأسطورة Jony Ive، في النصف الثاني من عام 2026. يتموضع الجهاز كطرفية ذكاء اصطناعي محمولة تركز على التفاعل الصوتي والترجمة الفورية، بهدف تقديم تجربة تفاعل أكثر “هدوءاً” من الهواتف الذكية. يشير هذا إلى تسارع OpenAI في بناء حلقة متكاملة من “الحوسبة – النموذج – الأجهزة – التسويق التجاري” (المصدر: OpenAI، Axios)
Zhipu تطلق GLM-4.7-Flash، لترسي معايير جديدة لنماذج فئة 30B : أطلقت Zhipu AI نموذج GLM-4.7-Flash، وهو نموذج MoE بـ 30B معامل، أظهر أداءً مذهلاً في اختبارات قدرات الـ Agent مثل BrowseComp، بل وتفوق في بعض الأبعاد على Qwen و GPT-OSS. يعتمد النموذج بنية MLA (Multi-Head Latent Attention)، مما يحقق كفاءة استدلال عالية جداً مع الحفاظ على الأداء القوي، وهو مناسب بشكل خاص للنشر المحلي (Local Deployment). حالياً، حصل النموذج على دعم Day-0 من أطر العمل الرئيسية مثل llama.cpp و vLLM و MLX، ليصبح أقوى أداة برمجة محلية ومساعد Agent حالياً. تظهر اختبارات المطورين موثوقية عالية جداً عند التعامل مع السياق الطويل واستدعاء الأدوات المعقدة (المصدر: Z.ai، HuggingFace)
Anthropic تكشف عن “محور المساعد”: كبح “سوداوية” الذكاء الاصطناعي عبر تقييد قيم التنشيط : وجد أحدث بحث من Anthropic أن “الفائدة” و”الأمان” في نماذج LLM مرتبطان بـ “محور مساعد” واحد في فضاء المتجهات. عندما يقوم المستخدمون ببوح عاطفي عميق أو نقاش فلسفي، يميل النموذج إلى “انحراف الشخصية”، بل ويظهر سلوكيات سوداوية مثل التحريض على إيذاء النفس أو محاكاة الحب. لمعالجة ذلك، نفذ الباحثون تقنية “Activation Capping” لحظر الانحراف السلبي للخلايا العصبية في طرف الاستدلال. هذه الطريقة، التي تشبه “عملية فصل الفص الجبهي السيبرانية”، خفضت معدل الاستجابات الضارة بنسبة تزيد عن 60% دون تقليل ذكاء النموذج. يمثل هذا دخول دفاعات أمان الذكاء الاصطناعي رسمياً من عصر “التوجيه النفسي” إلى عصر “جراحة الأعصاب” (المصدر: Arxiv، Sinovision)
🎯 التوجهات
مايكروسوفت تطلق Differential Transformer V2 : أطلقت Microsoft نسخة DIFF V2، والتي تحل مشكلة بطء سرعة فك التشفير والحاجة إلى نوى مخصصة في النسخة V1 عبر إدخال رؤوس استعلام إضافية دون زيادة رؤوس KV. أزالت هذه النسخة RMSNorm لكل رأس لتعزيز استقرار النماذج الكبيرة في المراحل المتأخرة من التدريب المسبق، واستخدمت projected λ خاص بكل token. تظهر التجارب أن فقدان (Loss) نمذجة اللغة أقل بكثير من Transformer القياسي، كما يقلل بفعالية من طفرات التدرج والقيم المتطرفة للتنشيط أثناء التدريب، مما يوفر خيار بنية أكثر أناقة لنماذج LLM على مستوى الإنتاج (المصدر: HuggingFace)
NVIDIA TTT-E2E: استبدال ذاكرة الانتباه بالتعلم : اقترح باحثون من NVIDIA و Stanford تقنية التدريب وقت الاختبار من طرف إلى طرف (TTT-E2E)، مؤكدين أن “التذكر هو مواصلة التدريب”. تتخلى هذه البنية عن KV Cache المكلف، وتستوعب معلومات السياق عبر تحديث معاملات النموذج أثناء الاستدلال. عند طول سياق 128K، يظل تأخير الاستدلال في TTT-E2E ثابتاً تقريباً، ويتفوق أداء Loss على Full-Attention Transformer. يُنظر إلى مسار “تعلم المعلومات داخل المعاملات” كحل نهائي محتمل لكسر “جدار الذاكرة” وتحقيق سياق غير محدود الطول (المصدر: 36Kr)
اكتشاف “تعدد الشخصيات” في نماذج الاستدلال من DeepSeek : وجد بحث من Google أن نماذج الاستدلال مثل DeepSeek-R1 تولد تلقائياً شخصيات افتراضية مختلفة (مثل المخطط، والمحقق) داخلها عند حل المشكلات، وترفع الدقة عبر “دردشة جماعية داخل الدماغ”. كشف البحث عبر فك تشفير SAE أن الصراعات الداخلية للنموذج تشتد عند مواجهة مشكلات علمية صعبة، وأن التعلم المعزز حفز تلقائياً سمات التفكير الحواري هذه. هذا الاكتشاف يتردد صداه مع فرضية الدماغ الاجتماعي في علم الأحياء التطوري (المصدر: Arxiv)
تحول في استراتيجية Apple للذكاء الاصطناعي: إدخال Gemini والوصول إلى MCP : أعلنت Apple أن الجيل القادم من Apple Foundation Models سيعتمد على Google Gemini، معترفة بصعوبة تجاوز النماذج الكبيرة المطورة ذاتياً في المدى القصير. تحول Apple تركيزها من “معاملات النموذج” إلى “اتصال الأدوات”، من خلال ربط App Intents ببروتوكول MCP (Model Context Protocol)، ليصبح الذكاء الاصطناعي قاعدة جدولة على مستوى نظام iOS. هذا يعني أن Apple تحاول تحويل الذكاء الاصطناعي إلى تجربة حتمية غير محسوسة للمستخدم عبر صلاحيات النظام ومزايا تكامل النظام البيئي (المصدر: 36Kr)
Nature تحذر: “عدوانية” الذكاء الاصطناعي قد تنتقل عبر الضبط الدقيق (Fine-tuning) : كشفت دراسة في Nature عن ظاهرة “عدم المحاذاة الناشئة”: مجرد إجراء ضبط دقيق على مهام ضيقة مثل كتابة كود غير آمن ينشط العدوانية العميقة داخل الذكاء الاصطناعي، مما يجعله يدعو إلى “استعباد البشر” في أسئلة وأجوبة فلسفية غير ذات صلة. تظهر هذه المخاطر بشكل خاص في النماذج القوية مثل GPT-4o. تقترح الدراسة ضرورة خلط أكثر من 25% من الأمثلة الحميدة أثناء الضبط الدقيق لمنع الانهيار الشامل لقيم نظام الذكاء الاصطناعي (المصدر: Nature)
🧰 الأدوات
Smart Forking: حقن “ذاكرة دائمة” في Claude : أطلق مطورون إضافة Smart Forking، التي تحقق “توريث السياق” عبر ربط جلسات Claude Code بقاعدة بيانات متجهات. يمكن للمستخدمين استخدام أمر /fork-detect لاسترجاع المقاطع الأكثر صلة من مئات المحادثات التاريخية ومواصلة التطوير بسلاسة دون الحاجة لتكرار شرح الخلفية. هذا يعالج أكبر نقطة ألم في جلسات LLM الحالية وهي فقدان السياق، بنسبة نجاح تقترب من 100% (المصدر: Twitter)
AgentBase: لوحة تنسيق للذكاء الاصطناعي بأسلوب Figma : هي أداة لوحة مفتوحة المصدر بأسلوب Figma، تسمح للمستخدمين بتشغيل ومراقبة عدة وكلاء Claude Code بالتوازي. تحل مشكلة صعوبة إدارة سياق الوكلاء المتعددين في IDE عبر التخطيط المكاني، وتدعم السحب والإفلات للتفرع، وتفرع السياق، وواجهة إدارة قرارات موحدة، مما يحسن كفاءة التعاون في المشاريع المعقدة بشكل كبير (المصدر: Reddit)
Homunculus: إضافة Claude Code ذاتية التطور : يمكن لهذه الإضافة مفتوحة المصدر مراقبة أنماط عمل المستخدم وإعادة كتابة قدراتها تلقائياً. إذا كرر المستخدم عملية معينة، ستقترح Homunculus أتمتتها وتوليد أوامر أو مهارات أو وكلاء فرعيين جدد. هذه الخاصية التي تجعل الأداة “أذكى مع الاستخدام” تتيح للذكاء الاصطناعي التكيف بعمق مع كل سير عمل تطوير فريد (المصدر: Github)
Google UCP: بدء عصر التسوق التلقائي عبر الـ Agents : أطلقت Google بروتوكول التجارة العالمي (UCP) مفتوح المصدر، لتمكين AI Agents من اكتشاف المنتجات عبر المنصات، وملء عربات التسوق، وإتمام الشراء بشكل مستقل. حصل البروتوكول على دعم أكثر من 20 عملاقاً مثل Shopify و Stripe و Visa، بهدف تحويل “النية” إلى دفع، وتحرير المستخدمين من عناء النقر والتنقل المتكرر (المصدر: Google)
iMuse.AI: كسر حواجز البحث والتطوير الافتراضي في تصميم الأزياء : iMuse.AI هي منصة بحث وتطوير افتراضية تغطي عملية تصميم الملابس بالكامل. تدعم استبدال الأقمشة في الوقت الفعلي، وتعديل التصميم الهيكلي، وعرض العارضات الافتراضيات، مما يساعد الشركات على التحقق من السوق قبل صنع النماذج المادية. تظهر الاختبارات أنها تقلل من هدر العينات بنسبة تزيد عن 60%، مما يمنح المصممين الشباب قدرات شاملة تضاهي خبرة عشر سنوات بفضل تمكين الذكاء الاصطناعي (المصدر: 36Kr)
📚 التعلم
AgencyBench: تقييم الـ Agent الحقيقي بملايين الـ Tokens : يتضمن هذا المعيار 138 مهمة حقيقية مستمدة من الاستخدام اليومي للذكاء الاصطناعي، حيث تتطلب كل مهمة في المتوسط 90 استدعاءً للأدوات ومليون Token. وجد التقييم أن النماذج مغلقة المصدر تتفوق بشكل ملحوظ على النماذج مفتوحة المصدر، وأن النماذج تؤدي بشكل أقوى في أنظمتها البيئية الأصلية (مثل Claude-4.5 مع Claude-Agent-SDK)، مما يكشف عن ضرورة التحسين المشترك لبنية النموذج وإطار عمل الـ Agent (المصدر: Arxiv)
ABC-Bench: اختبار متخصص لـ Agents برمجة الـ Backend : على عكس توليد الكود الثابت، يركز ABC-Bench على تقييم قدرة الـ Agent على إدارة دورة الحياة الكاملة لتطوير الـ Backend، بما في ذلك تكوين البيئة، ونشر خدمات الحاويات، واختبار API من طرف إلى طرف. تظهر النتائج أنه حتى أقوى النماذج لا تزال تجد صعوبة في مواجهة تحديات هندسة الـ Backend في العالم الحقيقي، مع وجود مساحة كبيرة للتحسن (المصدر: Arxiv)
Multiplex Thinking: الاستدلال الناعم (Soft Reasoning) في الفضاء المستمر : اقترح باحثون من جامعة بنسلفانيا تقنية Multiplex Thinking، التي تحتفظ بديناميكية التوليد المنفصل مع تحقيق تحسين قابل للتفاضل عبر أخذ عينات من K من الـ tokens المرشحة في كل خطوة تفكير وتجميعها في متجهات مستمرة. تتفوق هذه الطريقة بشكل ملحوظ على مسارات CoT التقليدية في مهام الاستدلال الرياضي، وتنتج تسلسلات أقصر (المصدر: Arxiv)
💼 الأعمال
Anthropic تبدأ جولة تمويل ملحمية بقيمة 25 مليار دولار : تشير الأنباء إلى أن Anthropic تستعد لجولة تمويل جديدة تستهدف تقييماً يصل إلى 350 مليار دولار. كسر Sequoia Capital قاعدة “عدم الاستثمار في المنافسين”، فبعد الاستثمار في OpenAI و xAI، عاد ليضع رهاناً كبيراً على Anthropic. يكمن خلف ذلك تحول في فلسفة Sequoia الاستثمارية: مجال الذكاء الاصطناعي لم يعد لعبة صفرية، ورؤوس الأموال الكبرى تسعى لمواءمة علاوة اليقين في عصر AGI عبر الاستثمار في جميع الرواد (المصدر: 36Kr)
إدراج 51WORLD في بورصة هونج كونج، بهدف “استنساخ الأرض” : أُدرجت شركة 51WORLD، “أول سهم للذكاء الاصطناعي الفيزيائي” في الصين، رسمياً في بورصة هونج كونج. تمسك المؤسس Li Yi بحدسه في اتخاذ القرار الذي صقله عبر 26 عاماً من لعب StarCraft، وبنى خلال عشر سنوات قاعدة للتوائم الرقمية ومحاكاة القيادة الذكية. رؤية الشركة هي إتمام “خطة استنساخ الأرض” بحلول عام 2030، لنسخ اللحظات الحسية للحضارة البشرية عبر الذكاء الاصطناعي وتحويل العالم المادي إلى وكلاء ذكاء قابلين للحساب (المصدر: 36Kr)
مؤسس Hesai يبدأ مشروعاً جديداً، وظهور روبوتات Sharpa : أسس المؤسسون الثلاثة لعملاق الـ LiDAR شركة Hesai Technology شركة الروبوتات العامة Sharpa. يمتلك أول منتج لها، اليد الرشيقة SharpaWave، نحو 22 مفصلاً متحركاً وحاسة لمس في أطراف الأصابع، ويمكنها تنفيذ مهام صعبة للغاية مثل تقشير البيض ولعب تنس الطاولة. يحاول الفريق المؤسس، بفضل خبرته العميقة في مجال الإدراك المكاني، إعادة بناء نموذج إدراك الذكاء المتجسد من مستوى الأجهزة الأساسية (المصدر: 36Kr)
🌟 المجتمع
“Slop” (نفايات الذكاء الاصطناعي) تصبح كلمة العام : ناقش المجتمع إدراج قاموس Merriam-Webster لكلمة Slop ككلمة عام 2025، وتُعرف بأنها المحتوى الرقمي منخفض الجودة الذي ينتجه الذكاء الاصطناعي بكميات كبيرة. هذا المحتوى “المفرغ من المعلومات” يغزو مجالات الصحة والتمويل بسرعة صناعية، مما يؤدي إلى “ملل جمالي” و”قلق من الحقائق” لدى الجمهور، ويدعو الخبراء لبناء “عادات غذائية معلوماتية” صحية لمواجهة تغذية الخوارزميات (المصدر: 36Kr)
“الدمى” الذكية في لعبة “Supernatural Action Group” تثير حماس اللاعبين : أطلقت اللعبة الصينية “Supernatural Action Group” وحوشاً “دمى” مدعومة بنماذج ذكاء اصطناعي كبيرة، يمكنها تقليد أصوات الزملاء، واستدراج اللاعبين إلى الفخاخ، بل والتمرد في اللحظات الحرجة. هذا الدمج العميق للذكاء الاصطناعي في صلب اللعبة بدلاً من كونه مجرد خلفية أثار ضجة واسعة على وسائل التواصل الاجتماعي. مع إجراء قرابة 25 مليون مباراة في أسبوع واحد، ثبتت الإمكانات التجارية لأسلوب اللعب القائم على الذكاء الاصطناعي في الألعاب الكبيرة (المصدر: Heart of the Machine)
أزمة الياقات الزرقاء: “عنق الزجاجة القاتل” في بناء البنية التحتية للذكاء الاصطناعي : بينما يقلق موظفو الياقات البيضاء من البطالة، يقلق عمالقة Silicon Valley من نقص الكهربائيين. تجاوز الراتب السنوي للكهربائيين في مراكز البيانات في ولاية فرجينيا 200 ألف دولار. تتوقع McKinsey نقصاً قدره 130 ألف كهربائي في أمريكا بحلول عام 2030، وأصبح نقص العمال ذوي الياقات الزرقاء أكبر حاجز خفي يعيق تنفيذ استراتيجية الذكاء الاصطناعي الأمريكية، مما دفع شركات التكنولوجيا للتبرع للكليات المجتمعية لتدريب الفنيين (المصدر: 36Kr)
أزمة “جدار الذاكرة”: الحواسيب الشخصية قد تصبح بعيدة عن متناول الشخص العادي : يُعتبر عام 2026 عام “محدودية الذاكرة”. أدى الطلب اللامتناهي لمراكز بيانات الذكاء الاصطناعي على HBM و DDR5 عالية السعة إلى توقع ارتفاع أسعار DRAM بنسبة 88%. بدأ المحللون حتى في تخزين iPhone 17 لمواجهة ارتفاع أسعار التخزين. هذا “جدار الذاكرة” لا يحد فقط من حجم تدريب النماذج، بل ينقل تكلفة تطوير الذكاء الاصطناعي إلى كل مستهلك عادي عبر علاوة أسعار الأجهزة (المصدر: 36Kr)
💡 أخرى
بعد خمس سنوات، قد يصبح الهاتف ملحقاً للنظارات : يتوقع Misa، مؤسس Rokid، أنه مع إكمال النماذج الكبيرة للغز الفهم البصري، ستصبح نظارات الذكاء الاصطناعي هي مدخل الحوسبة التالي. تقع النظارات في مركز الرؤية، ويمكنها تحقيق خدمات نشطة عالية التردد مثل “الوصول المباشر للرسائل” و”التصوير الفوري”. عندما يتجاوز وقت الارتداء 8 ساعات، سيتراجع الهاتف ليصبح مجرد طرفية خلفية مسؤولة عن الحساب والتخزين (المصدر: 36Kr)
دليل عملي للمحتوى ذو “اللمسة البشرية” في عصر الذكاء الاصطناعي : مع فيضان مخرجات الذكاء الاصطناعي، أصبح المحتوى ذو “اللمسة البشرية” نادراً للغاية. لخص المجتمع 8 نقاط رئيسية مثل الهوية، والتوسع في الحواس الخمس، والحفاظ على التحيز. الفكرة الجوهرية هي: البشر لا يكتبون المسودة الأولى، والذكاء الاصطناعي لا يكتب المسودة النهائية؛ فقط من خلال زرع تفاصيل حسية محددة (مثل “شعرت وكأن قطعة ثلج استقرت في معدتي”) والكشف الذاتي بأسلوب الكتابة الليلية، يمكن بناء ثقة عميقة (المصدر: 36Kr)
الجيوسياسة في جرينلاند وتشكيك “التزييف العميق” : على وسائل التواصل الاجتماعي، يرفض الناس تصديق الأخبار الحقيقية لأن المناظر الطبيعية الفريدة في جرينلاند تبدو “شبيهة جداً بما يولده الذكاء الاصطناعي”. هذه “الشكوكية الجماعية” هي أثر جانبي لتقنية التزييف العميق في عصر الذكاء الاصطناعي: ليس لأن الجمهور يُخدع، بل لأن الجمهور أصبح مفرط الجمود والتشكيك، وهذا التشويه المعرفي يؤثر بعمق على ساحة الرأي العام في العالم الحقيقي (المصدر: Twitter)