هل قامت OpenAI بإضعاف GPT-5.6 Sol؟ تفسير جدل "قيمة القدرة"

مقدمة

بعد إطلاق GPT-5.6 Sol على نطاق واسع بفترة قصيرة، بدأ بعض مستخدمي Codex بالإبلاغ عن تغيير غير متوقع: أصبحت استجابات النموذج أسرع، لكن رغبته في حل المشكلات المعقدة بعمق تراجعت.

تصاعد الجدل عندما أظهرت لقطات شاشة من المجتمع تغييرًا كبيرًا في إعداد داخلي يُعرف باسم "قيمة القدرة". فسّر المستخدمون هذه القيمة على أنها ميزانية تفكير مخفية، وربطوها بانخفاض أداء Sol Max. نفت OpenAI أن يكون النموذج نفسه قد أُضعف عمدًا، لكنها اعترفت بتعديل مؤقت في إعدادات جهد التفكير أثناء التحقيق في حالات الاستخدام المرتفعة بشكل غير طبيعي.

هذا الفرق مهم. يمكن أن تظل الأوزان الأساسية للنموذج دون تغيير بينما تتغير إعدادات التشغيل، والسياق المتاح، وأذونات الأدوات، وجهد التفكير، أو سلوك العوامل المتعددة. من وجهة نظر المستخدم، قد تؤدي هذه الإعدادات التشغيلية إلى سلوك مختلف لنفس النموذج المُسمى في أوقات مختلفة.

تميز هذه المقالة بين الحقائق المؤكدة وملاحظات المجتمع، وتشرح كيف يمكن للمطورين اختبار سلوك النموذج بشكل أكثر موثوقية.

الميزات التي قدمها GPT-5.6 Sol

استعرضت OpenAI GPT-5.6 Sol لأول مرة في 26 يونيو 2026، ووصفته بأنه العضو الرائد في عائلة النماذج التي تشمل Terra وLuna. ثم صدر الإصدار الأوسع GPT-5.6 في 9 يوليو 2026.

كان أحد أبرز جوانب هذا الإصدار هو النطاق الأوسع لإعدادات التفكير. في Codex، يمكن لـ Sol استخدام مستويات متعددة من التفكير:

1. منخفض
2. متوسط
3. عالٍ
4. عالٍ جدًا
5. أعلى
6. أقصى

وصفت OpenAI إعداد "أعلى" بأنه يمنح Sol أعمق وقت للتفكير. أما "أقصى" فيذهب أبعد من ذلك، مستخدمًا عوامل فرعية لتقسيم المهام المعقدة ومعالجتها بالتوازي.

جهد التفكير الأعلى ليس بدون ثمن. فهو عادة ما يتطلب وقتًا أطول ويستهلك المزيد من الرموز المميزة (tokens)، لكنه يساعد في المهام التي تتطلب تخطيطًا، واختبارًا متكررًا، واستردادًا من الأخطاء، أو مقارنة حلول محتملة متعددة.

لماذا اعتقد المستخدمون أن Sol Max أُضعف

جاءت إحدى أوسع الشكاوى من فريق بحث سوقي ياباني، استخدم Codex Sol Max مع أداة سطر أوامر مخصصة.

وفقًا لمنشور الفريق على Reddit، كان Sol Max في السابق يستغرق أكثر من عشر دقائق لمعالجة المطالبات المعقدة، مختبرًا الأفكار بشكل متكرر ومستخدمًا الأدوات حتى يحصل على نتائج موثوقة. قال الفريق إن أداءه انخفض فجأة، ولاحظ كل عضو انخفاضًا في عمق التفكير خلال نفس يوم العمل.

هذا التقرير مهم كتجربة مستخدم حقيقية، لكنه ليس اختبارًا مرجعيًا مضبوطًا. هناك العديد من العوامل التي تؤثر على تشغيل العامل البرمجي:

• مستوى التفكير المختار
• نافذة السياق المتاحة
• أذونات الأدوات وإعدادات الصندوق الرملي (sandbox)
• حالة قاعدة الكود البرمجي
• صياغة المطالبة (prompt)
• التوجيه أو التهيئة من جانب الخادم
• سلوك العوامل المتعددة
• حدود المعدل وإحصائيات الاستخدام
• الاختلافات العشوائية بين مرات التشغيل

الاختلاف المفاجئ الذي لاحظه الفريق ذو الخبرة يستحق التحقيق. لكن هذا في حد ذاته لا يثبت أن OpenAI غيرت أوزان النموذج أو خفضت قدرات Sol بشكل دائم.

ما هي "قيمة القدرة"؟

أصبح مصطلح "قيمة القدرة" محور الاهتمام.

جاء الجدل بعد نشر Thibault Sottiaux من فرق Codex وChatGPT Work تحديثًا عامًا.

في هذا التحديث، قال Sottiaux إن OpenAI أجرت تجاربًا على تعديل جهد التفكير، وأشارت داخليًا إلى هذه الإعدادات باسم "قيمة العصير". وأضاف أن التجربة قد أُلغيت.

أبسط تفسير هو أن قيمة العصير هي معلمة تحكم داخلية تتعلق بمقدار جهد التفكير المسموح للنموذج بإنفاقه على المهمة، ولا ينبغي اعتبارها تلقائيًا مقياسًا للذكاء.

قد يؤثر تخصيص التفكير المنخفض على السلوكيات التالية:

• عدد الأساليب التي يستكشفها النموذج
• مدة الحساب قبل إنشاء الإجابة
• ما إذا كان الكود المُنشأ يُختبر تلقائيًا
• عدد مرات تصحيح أو تراجع النموذج عن التعديلات الفاشلة
• ما إذا كان النموذج يفوض عوامل فرعية بجزء من المهمة
• الجهد المبذول في فحص الحالات الحدودية

لكن OpenAI لم تنشر حتى الآن خريطة رقمية رسمية بين مستويات التفكير الموجهة للمستخدم وقيم العصير المحددة.

التغيير المبلغ عنه من 960 إلى 128

ادعت منشورات المجتمع ولقطات الشاشة أن Sol Max كان يستخدم سابقًا قيمة عصير قريبة من 960، ثم أصبحت 128، أي انخفاض بنسبة 87% تقريبًا.
يجب اعتبار هذه الأرقام ملاحظات مجتمعية غير مؤكدة، فهي لم تظهر في وثائق نموذج GPT-5.6، وقد لا تمثل القيم المستخرجة عبر المطالبات المخفية أو تقنيات "بصمة النموذج" بشكل موثوق تخصيص الحساب الفعلي من جانب الخادم.

الجزء المؤكد محدود: اعترفت OpenAI بإجراء تجارب على جهد التفكير، وقالت إن التغييرات ذات الصلة قد أُلغيت.

رد OpenAI

نفى تحديث Sottiaux الادعاءات بأن GPT-5.6 Sol أُضعف عمدًا، وبدلاً من ذلك وصف العديد من المشكلات التشغيلية والتغييرات.

1. تحسينات التفكير

قالت OpenAI إنها نشرت تحسينات على التفكير، وأعادت توجيه الموارد المُوفرة إلى المستخدمين المشتركين، متوقعة أن يوفر هذا التحسين وحده حوالي 10% من الاستخدام الإضافي.

يمكن أن يؤدي تحسين الكفاءة إلى جعل النموذج أسرع أو أكثر اقتصادًا دون التأثير على الجودة. لكن إذا تم طرح التحسينات بالتزامن مع تجارب على إعدادات أخرى، فقد يلاحظ المستخدمون تغييرات مع ذلك.

2. تعديل حدود السياق

رفعت OpenAI حد السياق المتاح لـ GPT-5.6 Sol من 272 ألف (k) في GPT-5.5 إلى حوالي 372 ألف (k).

أدى السياق الأكبر إلى استهلاك استخدام أعلى من المتوقع. أعادت OpenAI الحد مؤقتًا إلى 272 ألف (k)، وقالت إنها ستعيد نشر 372 ألف (k) بعد تصحيح سلوك الفوترة.

هذا يساعد في تفسير سبب مناقشة مشكلتين في نفس الوقت:

• رأى المستخدمون أن حصص الاستخدام تُستهلك بشكل أسرع
• رأى بعض المستخدمين أن نافذة السياق المتاحة أصبحت أصغر

تعديل نافذة السياق لا علاقة له بتغيير أوزان النموذج، لكنه قد يؤثر مع ذلك على مهام المستودعات الطويلة وسير العمل كثيفة التوثيق.

3. تجارب جهد التفكير

قالت OpenAI إنها عدلت جهد التفكير أثناء تتبع الارتفاع غير الطبيعي في الاستخدام، وأشارت إلى هذه الإعدادات الداخلية باسم قيم العصير.

قالت الشركة إن التجربة قد أُلغيت.

4. استخدام العوامل المتعددة والمراجعة التلقائية

أفادت OpenAI أيضًا أن معدل الاستخدام الفعلي للعوامل المتعددة في وضعي "عالٍ" و"عالٍ جدًا" كان أعلى قليلاً من المتوقع. وقالت الشركة إنها تعمل على تصحيح هذا السلوك وتحسين كفاءة المراجعة التلقائية.

هذا مهم لأن تفويض العوامل يستهلك موارد كبيرة. عمليات التشغيل التي تطلق عوامل فرعية إضافية أو تقوم بأعمال مراجعة إضافية قد تستهلك حصص الاشتراك بشكل أسرع بكثير من عمليات تشغيل العامل الواحد.

هل تجعل ميزانية التفكير الأصغر النموذج أقل ذكاءً؟

ليس بالضرورة، لكنها قد تجعل النموذج يبدو أقل قدرة عند التعامل مع المهام الصعبة.

من المفيد فصل ثلاثة مستويات:

قدرة النموذج

تنبع بشكل أساسي من النموذج المُدرّب نفسه: أوزانه، وهندسته المعمارية، ومعرفته المكتسبة، وقدرته الأساسية على حل المشكلات.

تخصيص التفكير وقت التشغيل

يحدد مقدار الوقت أو الموارد الحاسوبية التي يسمح النظام للنموذج بإنفاقها على طلب معين.

بيئة العامل

تشمل الأدوات، والسياق، والذاكرة، والأذونات، والعوامل الفرعية، ومشغّلات الاختبار، وأذونات الوصول للملفات، واستراتيجيات إعادة المحاولة.

نموذج قوي بتخصيص تفكير محدود قد يظل قادرًا على الإجابة بشكل صحيح على الأسئلة البسيطة، لكنه سيكون أسوأ في مهام البرمجة طويلة الدورة. قد يتوقف بعد العثور على أول حل يبدو معقولاً، دون تجربة بدائل أو الاسترداد من نهج أولي خاطئ.

هذا لا يعني أن قدرة النموذج الأساسية اختفت. بل يعني أن إظهار تلك القدرة خلال عملية تشغيل معينة قد انخفض.

لماذا يتغير الأداء المُدرَك دون الحاجة لأوزان نموذج جديدة

أنظمة الإنتاج القائمة على الذكاء الاصطناعي ليست ملفات ثابتة تُقدم بنفس الطريقة دائمًا. يمكن للمزودين تغيير العديد من المعلمات التشغيلية دون إعادة تسمية النموذج.

على سبيل المثال، قد يلاحظ المستخدمون اختلافات عندما تغير المنصة:

• الحد الأقصى لوقت التفكير
• ميزانية الرموز المميزة أو الحساب
• حدود السياق
• حدود استدعاء الأدوات
• سلوك إعادة المحاولة
• قواعد العوامل المتوازية
• التخزين المؤقت (caching)
• فحوصات الأمان
• موازنة التحميل
• حصص الاشتراك

لهذا السبب لا يضمن اسم النموذج وحده سلوكًا ثابتًا عبر تواريخ ومنتجات وباقات وإعدادات تفكير مختلفة.

بالنسبة للمستخدمين المؤسسيين، السؤال الرئيسي ليس فقط "أي نموذج تم اختياره؟" بل أيضًا "ما هي ضمانات وقت التشغيل المصاحبة لهذا النموذج؟"

كيفية اختبار ما إذا كان أداء Codex قد تغير

يتطلب الاختبار الفعال التحكم في المتغيرات قدر الإمكان. مجرد تشغيل مطالبة مرة قبل وبعد وقت الاشتباه في التغيير غير كافٍ.

الخطوة الأولى: تثبيت المهمة

استخدم نفس إصدار الـ commit للمستودع، وملفات الإدخال، والتبعيات، ومتغيرات البيئة، ومجموعات الاختبار.
أنشئ نقطة تفتيش Git قبل كل تشغيل لضمان تطابق حالة البداية تمامًا.

الخطوة الثانية: تسجيل التهيئة

في Codex CLI، تحقق من النموذج النشط الحالي وتهيئة الجلسة:

/status

استخدم منتقي النموذج عند الضرورة:

/model

يمكنك أيضًا تشغيل Codex بنموذج محدد:

codex

```Bash
--model gpt-5.6

للمهام القابلة للتكرار وغير التفاعلية:

codex exec -m gpt-5.6 "مراجعة التغييرات الحالية"

التوثيق

مستوى الاستدلال، الصلاحيات، استخدام السياق، إصدار Codex، وأي أدوات أو إضافات مفعلة.

الخطوة 3: استخدام معايير نجاح موضوعية

حدد بوضوح تعريف النتيجة قبل البدء. تشمل المؤشرات المفيدة ما يلي:

• الاختبارات الناجحة
• الأخطاء المُصلحة
• نتائج الاختبارات المعيارية
• الملفات المُعدّلة بشكل صحيح
• عدد عيوب الانحدار
• عدد التصحيحات اليدوية المطلوبة
• الوقت المستغرق لتحقيق الحل الناجح
• عدد استدعاءات الأدوات وإعادة المحاولات
• إجمالي الموارد المستهلكة

تجنب التقييم بناءً على مدى "ذكاء" الإجابات فقط.

الخطوة 4: التكرار لكل شرط

قم بإجراء عدة عمليات تشغيل لنفس الشرط. قد تختلف نماذج الاستدلال والوكلاء بين المحاولات المختلفة، لذا قد تكون عملية تشغيل واحدة مضللة.

قارن بين القيمة الوسيطة ومعدل الفشل، بدلاً من اختيار أفضل أو أسوأ الأمثلة.

الخطوة 5: تغيير متغير واحد فقط في كل مرة

قارن بين Medium وMax مع إبقاء جميع المتغيرات الأخرى ثابتة. ثم قارن بين التواريخ أو الإصدارات أو قيود السياق بشكل منفصل.

إذا قمت بتغيير عدة متغيرات في وقت واحد، فلن تتمكن من تحديد المتغير الذي تسبب في تغيير النتيجة.

الخطوة 6: الاحتفاظ بالسجلات

احفظ الطلبات (prompts)، ومخرجات الطرفية، ونتائج المقارنة (diffs)، ونتائج الاختبارات، والوقت المستغرق، وبيانات استخدام الموارد. يساعد التوثيق الواضح في الإبلاغ عن عيوب الانحدار ويسمح للمستخدمين الآخرين بإعادة إنتاج الاختبار.

دليل عملي لمستخدمي Codex

للمهام اليومية، توصي OpenAI بالبدء بإعدادات الاستدلال الافتراضية، ورفع المستوى فقط عند الحاجة إلى تخطيط أو تحليل أكثر تعمقًا.

تجعل الممارسات التالية تشغيل المهام الصعبة أكثر موثوقية:

1. حدد بوضوح معايير القبول.
2. اطلب من Codex فحص قاعدة الأكواد قبل التحرير.
3. اطلب منه تشغيل الاختبارات ذات الصلة.
4. وجهه إلى الإبلاغ عن حالات الفشل غير المحلولة، بدلاً من إخفاء المشكلات.
5. استخدم نقاط تفتيش Git قبل وبعد التغييرات المهمة.
6. تحقق من النموذج الحالي ومستوى الاستدلال قبل البدء في المهام عالية التكلفة.
7. احتفظ باختبارات معيارية قابلة للتكرار للعمل المهم للفريق.

بالنسبة للمشاريع الصعبة بشكل خاص، قد يكون Max أو Ultra مناسبًا. يكون Ultra مفيدًا عندما يمكن تعيين المشكلة لوكلاء فرعيين، ولكنه يستهلك أيضًا المزيد من الموارد.

الجدل يكشف حقيقة "الذكاء الثابت"

المشكلة الأكبر لا تكمن في ما إذا كان الرقم الداخلي المثير للجدل هو 960 أم 128. القلق الأعمق هو أن المستخدمين يعتقدون عادةً أن اسم النموذج يمثل مستوى سلوك ثابتًا ومستقرًا.

في الواقع، تعتمد تجربة المستخدم على النموذج وتكوين الخدمة المحيطة به. قد يقوم المزود بتحسين الاستدلال، أو تغيير قيود السياق، أو ضبط تخصيص الاستدلال، أو تعديل تنسيق الوكيل مع الإبقاء على اسم النموذج دون تغيير.

هذه المرونة مفيدة لتشغيل الخدمات الكبيرة، ولكنها تخلق أيضًا مشكلة في الشفافية. يحتاج المطورون الذين يبنون سير عمل حاسم إلى معرفة الميزات الموثوقة والتي قد تتغير ديناميكيًا.

يجب أن تتضمن الوثائق الأكثر وضوحًا ما يلي:

• تعريفات مستقرة لمستويات الاستدلال
• ضمانات نافذة السياق
• سجل تغيير ذي معنى لتعديلات وقت التشغيل
• قواعد حساب استخدام الموارد
• إشعارات عند نشر تكوينات تجريبية
• إرشادات للتقييم القابل للتكرار

في غياب هذه المعلومات، لا يمكن للمستخدمين سوى استنتاج تغييرات النظام من خلال سرعة الاستجابة، وكمية استخدام الرموز (tokens)، وجودة المخرجات الذاتية.

الأسئلة الشائعة

هل تم إضعاف GPT-5.6 Sol رسميًا؟

تشير OpenAI إلى أنها لم تقم عمدًا بإضعاف أداء النموذج. تعترف الشركة رسميًا بوجود تجارب مؤقتة، حيث تم تعديل إعدادات قوة الاستدلال بالإضافة إلى معلمات السياق والوكلاء المتعددين وإحصائيات الاستخدام.

ما المقصود بـ "قيمة الجوس" في GPT-5.6 Sol؟

تستخدم OpenAI هذا المصطلح للإشارة إلى الإعدادات الداخلية المتعلقة بقوة الاستدلال. يبدو أن هذه القيمة تتحكم أو تمثل موارد الاستدلال، لكن الشركة لم تنشر بعد التعريف الفني الكامل أو مقياس القيمة الرسمي.

هل انخفضت قيمة جوس Sol Max حقًا من 960 إلى 128؟

نشأ هذا الادعاء من لقطات شاشة للمجتمع وتجارب الطلبات المخفية. لم تؤكد OpenAI رسميًا أيًا من هاتين القيمتين، لذلك لا ينبغي اعتبارهما مواصفات نموذج مُتحقق منها.

لماذا يبدو Sol أسرع ولكن أقل عمقًا؟

يؤدي تخصيص الاستدلال الأقل إلى استكشاف النموذج لطرق أقل، أو تقليل عمليات التحقق، أو إنهاء مبكر. يمكن لعوامل أخرى بما في ذلك قيود السياق، وسلوك الأدوات، وتكوين الخادم، والتقلبات العشوائية أن تنتج تأثيرات مماثلة.

ماذا حدث لنافذة سياق Codex البالغة 372k؟

ذكرت OpenAI أن حد سياق GPT-5.6 Sol قد تم رفعه من 272k إلى 372k، لكن هذا التغيير تسبب في خصم الاستخدام بسرعة أكبر من المتوقع. أثناء الاستعداد لإعادة إطلاق إصدار 372k، تم العودة مؤقتًا إلى حد 272k.

هل يجب على المطورين استخدام استدلال Max دائمًا؟

لا. تستغرق إعدادات الاستدلال الأعلى وقتًا أطول وتستهلك المزيد من الموارد. يُنصح بالبدء بالإعدادات الافتراضية ورفع المستوى فقط عندما تتطلب المهمة بالفعل تخطيطًا عميقًا أو اختبارًا أو استردادًا من الأخطاء.

كيف يمكن للفريق التحقق من تدهور النموذج المشتبه به؟

قم بإجراء عمليات تشغيل متكررة باستخدام نفس قاعدة الأكواد، والطلبات (prompts)، والأدوات، والصلاحيات، ومستوى الاستدلال، والاختبارات. تتبع المقاييس الموضوعية مثل معدل نجاح الاختبار، ومعدل الخطأ، ووقت الإنجاز، واستدعاءات الأدوات، واستهلاك الاستخدام.

الأدوات ذات الصلة

• OpenAI Codex: بيئة البرمجة الذكية من OpenAI للتعامل مع قواعد الأكواد ومهام التطوير.
• Codex CLI: واجهة سطر الأوامر الرسمية لتشغيل Codex في المشاريع المحلية وسير العمل الآلي.
• مستودع Codex على GitHub: المستودع الرسمي مفتوح المصدر لـ Codex CLI.
• ChatGPT: واجهة ويب تدعم استخدام نماذج GPT-5.6 وإعدادات الاستدلال.
• Terminal-Bench: اختبار معياري لاختبار قدرة وكلاء الذكاء الاصطناعي على التخطيط واستخدام الأدوات في مهام سطر الأوامر.

الروابط ذات الصلة

• إعلان إصدار GPT-5.6: إعلان OpenAI عن التوفر الكامل لسلسلة GPT-5.6 ونظرة عامة على الاختبارات المعيارية.
• معاينة GPT-5.6 Sol: المعاينة الرسمية التي تقدم وضعي Max للاستدلال وUltra للوكلاء المتعددين.
• دليل نماذج Codex: الدليل الرسمي حول Sol وTerra وLuna ومستويات الاستدلال المتاحة.
• توثيق Codex CLI: شرح تثبيت وتكوين وسير عمل أداة سطر الأوامر Codex.
• تحديثات وقت التشغيل من OpenAI على منصة X: مناقشات عامة حول تحسينات الاستدلال، وقيود السياق، وتجارب "قيمة الجوس"، واستخدام الوكلاء المتعددين.
• تقرير المجتمع عن Sol Max: تقرير من Reddit أثار نقاشًا أوسع حول الأداء.

الخلاصة

بدأ الجدل حول GPT-5.6 Sol بملاحظات مستخدمين حقيقية تفيد بأن استدلال Max أصبح أسرع ولكن أقل عمقًا. ربطت لقطات شاشة من المجتمع هذه التجربة بضبط معروف في "قيمة الجوس" الداخلية، لكن الادعاء المحدد بالانخفاض من 960 إلى 128 لا يزال غير مؤكد.

نفت OpenAI التضعيف المتعمد للنموذج، مع تأكيدها في الوقت نفسه أنها كانت تجرب تعديل إعدادات جهد الاستدلال، وتعديل حدود السياق بشكل مؤقت، واكتشاف استخدامات غير متوقعة في سير عمل الوكلاء المتعددين والمراجعة التلقائية. هذه تغييرات على المستوى التشغيلي، وليس تأكيدًا لاستبدال أوزان النموذج الأساسية، لكن التعديلات التشغيلية لا تزال تؤثر على الأداء الفعلي.

بالنسبة للفرق التي تعتمد على Codex، فإن أفضل استجابة هي إنشاء اختبارات معيارية قابلة للتكرار، وتوثيق إعدادات وقت التشغيل، وقياس النتائج من خلال الاختبارات وليس الانطباعات.

الدرس الرئيسي هو: اسم النموذج لا يصف تمامًا السلوك الذي يحصل عليه المستخدم فعليًا؛ فتخصيص الاستدلال والسياق والأدوات وتكوين الخدمة كلها أمور بالغة الأهمية.