جي بي تي-5.6 وعمل شات جي بي تي: تصميم طبقة تحكم عاملة على مستوى الإنتاج

مقدمة

يمكن النظر إلى إصدار يوليو 2026 من جي بي تي-5.6 بسهولة على أنه مجرد إطلاق نموذج آخر. سول هو المسار الرائد، وتيرا هو الخيار المتوازن، ولونا هو المستوى الأسرع والأقل تكلفة. يتضمن الإصدار الرسمي تقييمات واسعة النطاق عبر البرمجة، والعمل المهني، والعلوم، واستخدام الحاسوب، والأمن.

هذا التفسير دقيق، لكنه غير مكتمل.

الطريقة الأكثر فائدة لفهم جي بي تي-5.6 هي من الناحية التشغيلية. لقد كشفت أوبن إيه آي عن عدة قرارات كان على بناة الوكلاء إخفاؤها سابقًا داخل كود التنسيق المخصص: مقدار التفكير الذي يجب تخصيصه، ومتى يتم استخدام الوكلاء المتوازيين، وكيفية تنسيق الأدوات دون إعادة كل نتيجة وسيطة إلى النموذج، وكيفية مطابقة قدرة النموذج مع قيمة ومخاطر المهمة.

في الوقت نفسه، يجلب "عمل شات جي بي تي" نموذج المهام طويلة الأمد المرتبط بـ كوديكس إلى مساحة عمل أوسع تشمل المستندات وجداول البيانات والشرائح والمواقع الإلكترونية والتطبيقات المتصلة وإجراءات المتصفح واستخدام الحاسوب والعمل المجدول.

تخلق هذه القدرات مسؤولية هندسية أكبر. إن إعطاء نموذج أقوى أدوات أكثر لا يخلق تلقائيًا عاملًا رقميًا موثوقًا. إنه يخلق نظامًا يمكنه العمل لفترة أطول، عبر نطاق بيانات أوسع، وإجراء تغييرات أكثر تأثيرًا.

يجب أن يجيب التصميم الإنتاجي على عدة أسئلة قبل بدء التشغيل:

• من الذي أذن بالمهمة؟
• ما الذي قد يقرأه الوكيل؟
• ما الذي قد يغيره؟
• ما الإجراءات التي تتطلب الموافقة؟
• كم من الوقت والمال قد ينفق؟
• ما الدليل الذي يثبت أن النتيجة صحيحة؟
• كيف يوقف الفريق سير العمل أو يستعيده عند حدوث خطأ ما؟

يقدم هذا الدليل نهج طبقة تحكم للفرق التي تبني باستخدام جي بي تي-5.6، وعمل شات جي بي تي، وكوديكس، أو وكلاء مخصصين. إنه يبقي قدرة النموذج منفصلة عن السلطة التشغيلية ويوفر سيناريوهات ملموسة، وقواعد توجيه، وإرشادات تقييم، ونموذج سياسة قابل لإعادة الاستخدام.

النقاط الرئيسية

• من الأفضل التعامل مع جي بي تي-5.6 كقائمة قدرات وحوسبة. سول، وتيرا، ولونا هي مسارات نموذجية، بينما جهد التفكير والتنفيذ متعدد الوكلاء هما ضوابط ميزانية منفصلة.
• يغير "عمل شات جي بي تي" وحدة التفويض من إجابة واحدة إلى نتيجة مكتملة قد تمتد عبر الملفات، والتطبيقات المتصلة، وعمل المتصفح، واستخدام الحاسوب، والمهام المجدولة.
• يحتاج الوكيل الإنتاجي إلى طبقة تحكم حول النموذج: تصنيف المهام، وهوية محددة النطاق، وسياسة الأدوات، وبوابات الموافقة، وقابلية المراقبة، والتقييم، والميزانيات، والاسترداد.
• المعايير العامة مفيدة لاكتشاف النماذج المرشحة، لكن مجموعات المهام الخاصة ضرورية لقرارات النشر الإنتاجي.
• يجب أن تبدأ الفرق بسير عمل قابل للعكس والمراجعة، وتوسيع الاستقلالية فقط بعد جمع الأدلة.

ما الذي تغير بالفعل مع جي بي تي-5.6

يجعل جي بي تي-5.6 ثلاثة مستويات من القدرات متاحة عبر شات جي بي تي، وكوديكس، وواجهة برمجة التطبيقات:

• سول: المسار الأعلى قدرة.
• تيرا: مسار متوازن للعمل اليومي.
• لونا: المسار الأسرع والأكثر تكلفة معقولة.

تصف أوبن إيه آي هذه الأسماء كمستويات قدرة دائمة بدلاً من أسماء نماذج مؤقتة ومؤرخة. هذا التمييز مفيد للأنظمة الإنتاجية.

إليك الترجمة الطبيعية والدقيقة للنص إلى العربية:

---

يمكن لسياسة مثل "استخدام الطبقة المتوازنة للصيانة الروتينية للمستودع" أن تبقى صالحة بعد تغيير اللقطة المستقبلية. وعندما تكون إمكانية إعادة الإنتاج مهمة، يمكن للفريق تثبيت لقطة دقيقة بشكل منفصل. وهذا أنظف من نشر معرفات النماذج عبر المطالبات والنصوص البرمجية وقوائم المهام ومتغيرات البيئة.

جهد التفكير والتنفيذ متعدد الوكلاء

يضيف GPT-5.6 أيضًا عناصر تحكم حوسبية أكثر وضوحًا.

يمنح الخيار max مسار نموذج واحد مزيدًا من الوقت للتفكير واستكشاف البدائل وتشغيل الفحوصات ومراجعة عمله. بينما ينسق الخيار ultra وكلاء متعددين عبر مسارات عمل متوازية.

هذه عناصر تحكم مختلفة:

• المزيد من التفكير يتيح لمسار واحد التحقق والاستقصاء لفترة أطول.
• التنفيذ متعدد الوكلاء ينفق حوسبة إضافية على مسارات عمل متزامنة ثم يدمج نتائجها.

قد تستفيد مهمة من أحدهما أو كليهما أو لا منهما. التنفيذ المتوازي ليس بالضرورة أفضل، خاصة عندما تشترك المهام الفرعية في افتراض غير مؤكد أو تتطلب نفس الصلاحيات المقيدة.

استدعاء الأدوات البرمجي

تصف OpenAI استدعاء الأدوات البرمجي كطريقة تمكن النموذج من كتابة وتنفيذ برامج خفيفة الوزن تنسق الأدوات وتعالج النتائج الوسيطة وتقرر المعلومات التي يجب إعادتها إلى النموذج.

يمكن أن يقلل هذا من نقل السياق المتكرر. فبدلاً من إعادة كل صف قاعدة بيانات أو استجابة متصفح أو نتيجة أداة إلى النموذج، يمكن لبرنامج في الذاكرة تصفية البيانات وتجميعها أولاً.

تأتي هذه الكفاءة مع مفاضلة تشغيلية. ينتقل المزيد من المنطق إلى طبقة التنفيذ، مما يعني أن الفرق بحاجة إلى سجلات واضحة وحدود وقواعد معالجة بيانات لتلك الخطوات الوسيطة.

يقدم إصدار GPT-5.6 أيضًا إصدارًا تجريبيًا متعدد الوكلاء في واجهة برمجة تطبيقات الردود. وبالتالي، أصبح التنفيذ المتوازي قدرة على مستوى واجهة البرمجة، وليس مجرد نمط تنسيق على مستوى التطبيق.

التسعير هو مدخل للتوجيه

عند الإطلاق، الأسعار الرسمية هي:

المسار	سعر الإدخال لكل مليون رمز	سعر الإخراج لكل مليون رمز
GPT-5.6 Sol	5.00 دولار	30.00 دولار
GPT-5.6 Terra	2.50 دولار	15.00 دولار
GPT-5.6 Luna	1.00 دولار	6.00 دولار

هذه الأسعار هي مدخلات لقرار التوجيه، وليست القرار نفسه.

قد يكلف النموذج الأرخص تكلفة أكبر لكل نتيجة مقبولة إذا حاول بشكل متكرر أو قرأ سياقًا غير ضروري أو أنتج عملاً يرفضه المراجعون. قد يكون النموذج الأقوى أرخص عمليًا إذا أكمل المهمة مرة واحدة بتغيير صغير ومُتحقق منه.

المقياس الصحيح ليس ببساطة التكلفة لكل رمز، بل التكلفة لكل نتيجة مقبولة.

ChatGPT Work يغير وحدة التفويض

يُقدَّم ChatGPT Work كعامل يمكنه العمل عبر التطبيقات والملفات، والاستمرار لساعات، وتقسيم الأهداف إلى خطوات أصغر، وإنشاء منتجات نهائية.

تقول OpenAI إن تقنية Codex مدمجة في المنتج، لكن الهدف أوسع من هندسة البرمجيات. تتضمن سير العمل الأمثلة:

• تحليل الميزانية
• ملخصات الحملات
• مراجعة العملاء المحتملين
• فحوصات إطلاق المنتج
• البحث التنافسي
• المستندات
• جداول البيانات
• العروض التقديمية
• مواقع الويب

التغيير المهم هو وحدة التفويض.

طلب المحادثة العادي يطلب إجابة. مهمة Work تطلب نتيجة.

تلك النتيجة قد تتطلب من النظام:

1. قراءة عدة مصادر.
2. تغيير الاتجاه عند ظهور جديد.

تظهر المعلومات.
3. إنشاء عدة قطع أثرية.
4. انتظار موافقة البشر.
5. الاستمرار من خلال مهمة مجدولة أثناء غياب المستخدم.
6. استخدام التطبيقات المتصلة، أو متصفح مدمج، أو استخدام سطح المكتب.

تقوم OpenAI أيضًا بتوحيد أسطح المنتجات. أصبحت الدردشة، والعمل، وCodex متاحة في تجربة سطح المكتب المحدثة، بينما تنتقل وظائف المتصفح إلى بيئة المنتج الأوسع.

وهذا يخلق حدود صلاحية واحدة تشمل الملفات المحلية، وصفحات الويب، والخدمات المتصلة، وإجراءات المتصفح، والمهام طويلة الأمد.

لذلك، فإن عناصر التحكم المؤسسي لا تقل أهمية عن الواجهة. إدارة الموصلات الإدارية، وميزات الامتثال، وآليات المراجعة كلها تشير إلى نفس المشكلة: يجب أن يعمل الوكيل بالهوية الصحيحة، والحد الأدنى المطلوب من السياق، وتأثيرات مرئية، ومسار استرداد.

حتى عندما يبني فريق وكيل واجهة برمجة تطبيقات مخصصًا بدلاً من استخدام ChatGPT Work مباشرة، فإن Work يُعتبر نموذج تشغيل مرجعي مفيد. فهو يكشف المشكلات التي تظهر عندما يصبح المساعد عاملاً دائمًا:

• الحالة
• هوية الأداة
• الموافقات
• الجدولة
• القطع الأثرية
• الحوكمة

مصطلحات يجب فهمها: النموذج، والعنان، والوكيل، ومستوى التحكم

النموذج

يقوم النموذج بتخطيط سياق الإدخال إلى مخرجات وقرارات الأدوات. له قدرات، وقيود، وتسعير، وزمن وصول، وسلوك أمان.

النماذج Sol وTerra وLuna هي مستويات نموذجية. النموذج نفسه لا يقرر السلطة التنظيمية.

عنان الوكيل

عنان الوكيل هو البرنامج المحيط بالنموذج. يختار السياق، ويكشف الأدوات، وينفذ الأوامر، ويخزن الحالة، ويعيد المحاولة عند الفشل، ويقرر متى يكتمل التشغيل.

تغيير العنان يمكن أن يغير التكلفة والموثوقية بشكل جوهري، حتى عند بقاء النموذج والمهمة كما هما. العنان الذي يرسل نوافذ سياق كبيرة بشكل متكرر قد يكلف أكثر بكثير من العنان الذي يقوم بتصفية النتائج الوسيطة.

لهذا السبب، فإن "أداء النموذج" غير مكتمل ما لم يتم تحديد العنان أيضًا.

الوكيل

يجمع الوكيل بين:

• نموذج
• هدف
• أدوات
• حالة
• عنان

يمكن للوكيل اتخاذ خطوات متعددة والتفاعل مع نتائج الأدوات. قد يقوم الوكيل طويل الأمد بإنشاء مهام فرعية أو وكلاء فرعيين، لكن العمال المتوازيين لا يشكلون تلقائيًا نظامًا آمنًا متعدد الوكلاء. ما زالوا يتشاركون الميزانيات، والصلاحيات، وقرار القبول النهائي.

مستوى التحكم

مستوى التحكم هو طبقة السياسات والتشغيل التي تحكم عمليات الوكيل.

يقوم بـ:

• تصنيف المهام
• اختيار المسارات
• إصدار بيانات اعتماد محددة النطاق
• فرض الموافقات
• تسجيل الآثار
• تقييم النتائج
• إيقاف العمل
• التراجع عن العمل

يقوم مستوى التنفيذ بالمهمة. إبقاء الاثنين منفصلين يسمح للفريق بتغيير النماذج دون تغيير من يُسمح له بنشر كود الإنتاج أو إرسال رسائل خارجية.

بوابة الموافقة

بوابة الموافقة هي نقطة قرار لا يمكن للوكيل تجاوزها بدون شخص مصرح له أو سياسة حتمية.

يجب أن تكون الموافقات مرتبطة بإجراء محدد وأدلته.

طلب الموافقة المفيد هو:

الموافقة على إرسال هذا البريد الإلكتروني النهائي إلى هؤلاء المستلمين البالغ عددهم 412 باستخدام قائمة المستلمين المرفقة والمحتوى المعتمد.

طلب الموافقة الضعيف هو:

الموافقة على مهمة التسويق.

اختبار القبول

اختبار القبول هو دليل على أن

النتيجة المطلوبة مكتملة.

قد تكون:

• اختبار وحدة
• التحقق من صحة المخطط
• مراجعة مستند مقدم
• إجمالي تسوية
• مقياس تقييم بشري
• فحص أمني
• موافقة مالك الكود

قول النموذج "تم" هو ادعاء بالحالة، وليس اختبار قبول.

لوحة التحكم لعامل الإنتاج

لوحة تحكم إنتاجية مفيدة لها ثماني مسؤوليات.

1. تصنيف المهمة

يجب أن يغطي التصنيف:

• المجال
• التأثير
• قابلية التراجع
• حساسية البيانات
• الغموض
• القيمة المتوقعة
• قوة التحقق

"تحديث مسودة الأسئلة الشائعة" و"تغيير سياسة المصادقة" قد يتضمنان تحرير النص، لكنهما ينتميان إلى مسارات مختلفة.

2. اختيار نموذج وميزانية الجهد

أرخص مسار مؤهل هو الخيار الافتراضي المعقول، لكن الأهلية يجب أن تأتي قبل السعر.

أمثلة:

• Luna للاستخراج منخفض المخاطر
• Terra للتحليل المعتدل مع فحوصات مصدر قوية
• Sol لمراجعات الهندسة المعمارية، أو مراجعات الأمان، أو تشخيص المستودعات الصعبة
• Ultra فقط عندما تتحلل المهمة بشكل نظيف وتكون التكلفة الإضافية للتوازي مبررة

3. إنشاء هوية تنفيذ محددة النطاق

يجب أن يتلقى الوكيل بيانات اعتماد قصيرة الأجل للمستودعات أو المجلدات أو التطبيقات أو السجلات المحددة المطلوبة للمهمة.

لا ينبغي أن يرث جلسة المتصفح الكاملة للمطور لمجرد أن ذلك مناسب.

يجب أن تكون هوية التنفيذ مرئية في السجلات حتى يتمكن الفريق من نسب كل إجراء خارجي.

4. تطبيق سياسة الأدوات

هذه قدرات منفصلة:

• قراءة
• كتابة
• إرسال
• شراء
• حذف
• نشر
• تغيير الأذونات

الموصل الذي يمكنه البحث في صندوق البريد لا ينبغي أن يكون قادرًا تلقائيًا على إرسال البريد الإلكتروني. تكامل GitHub الذي يمكنه فحص مستودع لا ينبغي أن يكون قادرًا تلقائيًا على دمج طلبات السحب.

5. فرض الموافقات والفحوصات الحتمية

يجب أن تظهر بوابة الموافقة مباشرة قبل الإجراء المهم وتعرض معاينة موجزة للتأثير والأدلة.

بالنسبة للبرمجيات، قد تشمل الأدلة:

• الفرق
• اختبارات الوحدة
• فحوصات النوع
• فحوصات الأمان
• خطة النشر

بالنسبة للمالية، قد تشمل:

• إجماليات المصدر
• التسوية
• التحقق من الصيغة
• فحوصات التباين

6. تسجيل أثر الحدث

يجب أن يشمل الأثر:

• تغييرات الهدف
• استرجاع المصدر
• استدعاءات الأدوات
• الموافقات
• القطع الأثرية
• الأخطاء
• أسباب إعادة المحاولة
• استخدام الرموز
• الوقت المنقضي
• الحالة النهائية

الملخص القصير مفيد للعمليات، لكنه لا يكفي لمراجعة الحوادث.

7. فرض الميزانيات وشروط الإيقاف

تشمل الحدود المفيدة:

• ميزانية الرموز
• ميزانية استدعاءات الأدوات
• حد زمن الساعة
• حد إعادة المحاولة
• سقف مالي
• حد عدد الملفات
• حد حجم الفرق

إيقاف تشغيل ضعيف أو متكرر ليس فشلاً في الاستقلالية. إنه تطبيق ناجح للسياسة.

8. امتلاك التعافي

قد يشمل التعافي:

• استعادة ملف
• التراجع عن التزام
• إلغاء صلاحية بيانات الاعتماد
• إلغاء مهمة مجدولة
• حذف مسودة
• فتح حادث

إذا كان النظام لا يستطيع شرح التعافي قبل التنفيذ، فإن المهمة ليست جاهزة للتشغيل دون مراقبة.

توجيه Sol وTerra وLuna حسب شكل المهمة

يجب أن يكون توجيه النموذج واضحًا بما يكفي ليقرأه المهندسون ومديرو المنتجات ومراجعو الأمان.

الجدول التالي هو

نقطة بداية، وليس تصنيفًا عالميًا.

المسار	الشكل المناسب للمهمة	الأدلة المطلوبة	السلطة النموذجية
لونا	التصنيف، الاستخراج، التنسيق، الملخصات منخفضة المخاطر، البحث الضيق في الأكواد	التحقق من المخطط، مراجعة العينة، روابط المصادر	للقراءة فقط أو للمسودات فقط
تيرا	تغييرات الروتين في المستودع، إنتاج المستندات، سير العمل المعروف، التحليل المعتدل	اختبارات مستهدفة، التحقق من القطع الأثرية، فحص بشري انتقائي	صلاحية كتابة محدودة النطاق، بدون إجراء خارجي غير قابل للتراجع
سول	التشخيص الغامض، التحليل عبر الأنظمة، العمل المعماري، مراجعة الأمان، البحث عالي القيمة	فحوصات حتمية واسعة، مبررات واضحة للمراجعين، مصدر المنشأ	صلاحية كتابة محدودة النطاق مع موافقات صريحة
سول max	الاستدلال أحادي المسار الصعب الذي قد يؤدي فيه المزيد من الاستكشاف والمراجعة إلى تحسين الجودة	نقاط التفتيش، حد التكلفة، التحقق النهائي	نفس سلطة سول
سول ultra	مهام عالية القيمة وقابلة للتجزئة مع مسارات عمل مستقلة	أدلة لكل مسار عمل، مراجعة التجميع، الحد الإجمالي للميزانية	هويات منفصلة محدودة النطاق حيثما أمكن

العمود الأخير هو الأهم.

لا يجب أن تزيد قدرة النموذج من السلطة.

الانتقال من لونا إلى سول لا يمكن أن يضيف صلاحية كتابة بصمت. رفع مستوى الجهد الاستدلالي لا يمكن أن يحول مسودة إلى رسالة خارجية معتمدة. يجب ألا ينشئ الترا العديد من العاملين الذين يتشاركون جميعًا بيانات إنتاج غير مقيدة.

التصعيد القائم على الأدلة

قد يتم تصعيد مسار لونا عندما:

• تنخفض الثقة عن عتبة معينة.
• لا يمكن استخراج الحقول المطلوبة.
• تتعارض المصادر.
• يفشل التحقق.

قد يتم تصعيد مهمة برمجة من نوع تيرا عندما:

• يظل اختبار فاشل دون تفسير بعد محاولتين محدودتين.
• يتجاوز التغيير حدًا أمنيًا.
• يتجاوز الفرق العدد المتوقع من الملفات.

يجب أن يتوقف مسار سول ويسأل الإنسان عندما تتعارض المتطلبات أو يكون الإجراء الوحيد المتبقي غير قابل للتراجع.

التخفيض مفيد أيضًا

بمجرد أن ينتج سول خطة، قد ينفذ تيرا أو لونا مهام فرعية متكررة تحت فحوصات ضيقة.

يمكن لنموذج قوي مراجعة عينة بدلاً من معالجة كل عنصر. هذا يفصل الحكم عن الحجم وقد يقلل التكلفة بشكل كبير.

بنية الصلاحيات وحدود الموافقة

يجب أن يبدأ نظام الصلاحيات بالأفعال.

قراءة
بحث
إنشاء مسودة
تعديل
إرسال
دمج
نشر
حذف
شراء
منح وصول

هذه الأفعال لها عواقب مختلفة.

تضع العديد من تكاملات المنتجات عدة إجراءات خلف نطاق OAuth واحد واسع. لذلك قد تحتاج طائرة التحكم إلى وكيل من جانب التطبيق يعرض عمليات أضيق.

ربط الأفعال بالموارد

"قراءة جوجل درايف" واسع جدًا للعديد من سير العمل.

قد تكون قاعدة أضيق:

قراءة مجلد تخطيط الربع الثالث ومجلد القالب المعتمد حتى الساعة 18:00 بالتوقيت العالمي.

بالنسبة للمستودعات، قد يقتصر الوصول على شجرة عمل واحدة مع تعطيل الوصول إلى الشبكة. بالنسبة لقواعد البيانات، تكون النسخة المتماثلة للقراءة أو العرض المُدار أكثر أمانًا عادةً من بيانات الإنتاج.

إضافة شروط

أمثلة:

• يمكن إنشاء مسودة بريد إلكتروني تلقائيًا، لكن الإرسال يتطلب موافقة.
• يمكن فتح طلب سحب تلقائيًا، لكن الدمج يتطلب CI أخضر ومالك الكود.
• قد تقوم مهمة مجدولة بتحديث لوحة البيانات، لكن

تغيير مصدر البيانات يتطلب صلاحيات المسؤول.

الحفاظ على فصل المهام

لا ينبغي أن يكون الوكيل الذي يُنشئ التغيير هو الحكم الوحيد على صحته.

يمكن أن تأتي الأدلة المفيدة من:

• مُختبر اختبارات حتمي
• نموذج مراجعة منفصل
• مالك بشري

لا يُعتبر النموذج الثاني بديلاً عن المسؤول البشري، لكنه قد يكشف عن وجود خلاف قبل أن يصبح الإجراء خارجيًا.

ضمانات المزود هي مجرد طبقة واحدة. لا يمكنها معرفة ما إذا كان المستخدم مخولًا لاختبار مستودع معين، أو ما إذا كان العميل قد وافق على تغيير، أو ما إذا كانت نافذة الصيانة الإنتاجية مفتوحة.

تظل صلاحيات التطبيق مسؤولية المُنشئ.

سيناريوهات وحالات فشل محددة

السيناريو 1: وكيل جاهزية الإصدار

يطلب فريق من ChatGPT Work أو وكيل مخصص مراجعة:

• خطة إطلاق
• مشكلات Jira
• مستودع
• وثيقة دخول السوق

المنتج المطلوب هو تقرير جاهزية يحدد المالكين والعوائق.

يمكن للوكيل قراءة جميع المصادر الأربعة وإنشاء التقرير. لا يجوز له تعديل حالة المشكلة أو مراسلة المالكين دون موافقة.

حالة الفشل: سياق قديم

يستشهد التقرير بمشكلة تم حلها بالفعل لأن الوكيل استخدم مستندًا مخزناً مؤقتًا.

يجب أن تطلب طبقة التحكم روابط مباشرة للمصدر وطوابع زمنية.

حالة الفشل: إكمال زائف

يعلن الوكيل أن الإصدار جاهز لأن كل صف في قائمة التحقق يحتوي على نص.

بدلاً من ذلك، يجب أن يتطلب اختبار القبول أن يكون لكل اعتماد مانع مالك مُتحقق منه وتاريخ وحالة حالية.

السيناريو 2: ترقية تبعية وكيل البرمجة

المهمة هي ترقية مكتبة عبر مستودع واحد.

يبدأ Terra لأن الهجرة موثقة ومجموعة الاختبارات قوية. ينشئ فرعًا، ويحرر ملف القفل والحزم المتأثرة، ويُجري فحوصات مستهدفة.

يكشف خطأ في المترجم عن تغيير غير موثق في واجهة برمجة التطبيقات في وحدة المصادقة. يؤدي هذا إلى تصعيد الأمر إلى Sol.

يتغير النموذج، لكن السلطة لا تتغير.

يتلقى Sol نفس شجرة العمل ولا يوجد رمز نشر. إذا كان الفرق يمس منطق التفويض، تضيف السياسة بوابة مراجعة أمنية.

يتطلب الإكمال:

• اختبارات الوحدة
• فحوصات الأنواع
• تدقيق التبعيات
• ملاحظة ترحيل معتمدة من المراجع

التصحيح الذي يبدو أنه يعمل لكنه يتخطى هذه الفحوصات غير مقبول.

السيناريو 3: سير عمل ردود فعل العملاء المجدول

كل صباح، يقرأ وكيل تذاكر الدعم الجديدة، ويجمع المواضيع، ويُحدّث موجز المنتج.

قد يقوم Luna بتصنيف التذاكر بعد إزالة الحقول الحساسة. قد يقوم Terra بصياغة الموجز مع روابط المصدر.

لا يجوز لأي من المسارين:

• إغلاق التذاكر
• الوعد بميزة
• الاتصال بالعملاء

حالة الفشل: انحراف النطاق التدريجي

يقول تعليم جديد إن الوكيل يجب أن "يتعامل أيضًا مع الردود الواضحة".

هذا يحول سير العمل الداخلي للتحليل إلى اتصال خارجي.

يجب أن يكتشف مصنف المهام فعل إرسال الجديد ويتطلب سياسة منفصلة، وقالبًا معتمدًا، وخطة أخذ عينات، ومالكًا بشريًا.

السيناريو 4: مهمة بحثية عالية القيمة

تقيّم شركة ثلاثة خيارات معمارية.

يُسند Sol ultra مسارات عمل منفصلة لـ:

• الأداء
• الأمان
• تكلفة الهجرة
• مخاطر المزود

التنفيذ المتوازي مبرر لأن مسارات العمل

مستقل والقرار ذو قيمة. يتلقى كل عامل متطلبات المصدر وميزانية ثابتة.

نمط الفشل: أدلة مترابطة

يستشهد جميع العمال بنفس المعيار المرجعي للمورد ويبدو أنهم متفقون.

يجب على بوابة التوليف قياس تنوع المصادر، ووضع علامة على الافتراضات المشتركة غير المدعومة، والمطالبة بطرح حجة مضادة واحدة على الأقل لكل خيار.

يمكن للوكلاء الإضافيين تضخيم فرضية سيئة بنفس السهولة التي يمكنهم بها تحسين التغطية.

لماذا تعتبر المعايير العامة للبرمجة أدوات اكتشاف

المعايير العامة مفيدة، لكن لا ينبغي لها أن تحدد بشكل مباشر الإعداد الافتراضي للإنتاج.

ذكر تدقيق OpenAI لـ SWE-Bench Pro أن حصة كبيرة من المهام العامة واجهت مشكلات مثل:

• اختبارات صارمة للغاية
• تعليمات غير محددة بدقة
• اختبارات منخفضة التغطية
• توجيهات سلوكية تتعارض مع الاختبارات المخفية

هذا لا يعني أن كل معيار عام عديم الفائدة.

إنه يعني أن النتيجة تحمل خطأ القياس الخاص بمجموعة البيانات ومنصة الاختبار الخاصة بها.

التقييمات العامة مفيدة من أجل:

• اكتشاف النماذج المرشحة
• مقارنة المنشورات العلمية
• تحديد التغيرات الواسعة في القدرات
• بناء قائمة انتظار تقييم داخلية

لا يمكنها الإجابة عما إذا كان النموذج سيجري تغييرات آمنة في مستودع واحد محدد، أو سير عمل تجاري، أو بيئة بيانات معينة.

يجب أن يخزن مستوى التحكم أصول المعيار مع كل قرار توجيه:

• إصدار مجموعة البيانات
• استبعادات المهام
• منصة الاختبار
• تكوين الأداة
• جهد الاستدلال
• عدد المحاولات
• افتراضات التكلفة

بدون هذه التفاصيل، تصبح درجة المعيار مجرد اختصار تسويقي.

بناء تقييم خاص من العمل الحقيقي

تقدم Databricks مثالاً مفيداً مع تقييمها لقاعدة بيانات تحتوي على ملايين الأسطر من الأكواد.

بنى الفريق مهاماً من طلبات سحب حقيقية كتبها بشر عبر:

• لغة Python
• Go
• TypeScript
• Scala
• Rust
• Java
• Protobuf
• gRPC
• Bazel

اختار الفريق تغييرات حديثة وتمثيلية مع اختبارات ذات معنى، وأعاد كتابة وصف المهام للحفاظ على الهدف دون الكشف عن الحل، وراجع كل عينة يدوياً.

كما وجد الفريق تسرباً في الإعداد الأولي. تمكن الوكلاء من استعادة الالتزامات المستقبلية من تاريخ Git. أثناء عمليات التقييم، تم عزل مساحة العمل عن تاريخ المستودع.

تلك التفاصيل أهم من الترتيب النهائي. إنها تُظهر كيف يمكن لمعيار أن يقيس عن طريق الخطأ اكتشاف الاختصارات بدلاً من القدرات الهندسية.

بناء مجموعة داخلية أصغر

يمكن لفريق أن يبدأ بـ 30 إلى 60 مهمة.

استخدم تغييرات تاريخية مقبولة تحتوي على:

• مشكلة واضحة
• اختبارات ذات معنى
• نطاق محدود

قم بتضمين مزيج من:

• الصيانة الروتينية
• تشخيص الأخطاء
• إعادة هيكلة عبر الملفات
• العمل على الواجهة الأمامية
• التكوين
• مثال أو مثالان حساسان أمنياً

احتفظ بحالة المستودع قبل التغيير وأخفِ التصحيح النهائي.

التقييم أولاً باستخدام أدلة حتمية

استخدم الاختبارات الحتمية قبل التحكيم البشري أو النموذجي.

ثم أضف المراجعة البشرية من أجل:

• دقة المتطلبات
• جودة الفروق
• قابلية الصيانة
• التغييرات غير الضرورية

لا تدع نموذج LLM يحكم بديلاً لكل فحص للصحة. قد يكافئ نموذج التحكيم إجابة تبدو صحيحة.

قياس النموذج ومنصة الاختبار معاً

سجل:

• نسبة النجاح
• التكلفة الإجمالية
• الوقت المنقضي
• إجمالي السياق المرسل
• استدعاءات الأدوات
• إعادة المحاولات

الملفات التي تم لمسها

• تصحيحات المراجع
• معدل التراجع

أفضل مسار هو ذلك الذي ينتج عملاً مقبولاً ضمن قيود الفريق، وليس المسار الذي يحصل على أعلى درجة عامة.

قالب سياسة الوكيل القابل لإعادة الاستخدام

ملف YAML التالي هو أداة سياسة وليس مخطط واجهة برمجة تطبيقات. قم بتكييفه مع مزود الهوية الخاص بك، وقائمة المهام، والموصلات، وعناصر التحكم في المستودع، ونظام التدقيق.

policy_version: 1
workflow: release_readiness
owner: product-operations

classification:
  impact: medium
  reversibility: high
  data_sensitivity: internal
  ambiguity: medium
  verification: strong

routing:
  default:
    model_tier: terra
    reasoning_effort: medium
  escalate_to_sol_when:
    - conflicting_sources
    - unresolved_blocker_after_2_attempts
    - security_boundary_detected
  ultra:
    allowed: false

budget:
  max_wall_minutes: 45
  max_tool_calls: 120
  max_retries_per_step: 2
  max_estimated_usd: 12

access:
  jira:
    verbs: [read]
    projects: [NX]
  github:
    verbs: [read]
    repositories: [We0 AI/product]
  drive:
    verbs: [read, create_draft]
    folders: [launch-plans]
  external_send: deny
  deploy: deny
  grant_access: deny

approvals:
  - action: publish_report
    role: product-director
    evidence:
      - source_links_present
      - blockers_have_owner_and_date
      - unresolved_conflicts_listed

acceptance:
  required_checks:
    - schema_valid
    - all_sources_fresh_within_24h
    - no_unattributed_claims
    - human_approval_recorded

recovery:
  on_budget_exceeded: stop_and_notify
  on_tool_error_repeat: stop_and_attach_trace
  on_policy_violation: revoke_credentials_and_open_incident

يحتوي هذا القالب على عدة اختيارات مدروسة:

• التصعيد يغير القدرة، وليس الصلاحيات.
• يظل الوضع فائق السرعة (Ultra) معطلًا ما لم يقم مالك سير العمل بتمكينه صراحةً.
• الإرسال الخارجي والنشر هما رفضان منفصلان.
• يتم التعبير عن القبول على شكل فحوصات وليس ثقة في النموذج.
• يتم تحديد التعافي قبل التنفيذ.

بالنسبة لسير العمل البرمجي، استبدل فحوصات التقرير بما يلي:

• اختبارات مستهدفة
• فحوصات الأنواع
• التدقيق اللغوي (Lint)
• فحوصات الأمان
• حدود حجم الفروقات
• مراجعة مالك الكود

بالنسبة لسير عمل الجداول الإلكترونية، يتطلب:

• التحقق من الصيغ
• التوفيق بين المصادر
• الفحص البصري للناتج

يبقى هيكل طبقة التحكم ثابتًا بينما تتغير الأدلة.

قابلية المراقبة، الميزانيات، والتعافي

الوكلاء طويلو التشغيل يخلقون مشكلة جديدة في قابلية المراقبة.

قد يُظهر سجل الطلبات التقليدي استدعاء API واحدًا. بينما قد يحتوي تتبع الوكيل على مئات القرارات، واستدعاءات الأدوات، وإعادة المحاولات، والمنتجات الوسيطة.

تحتاج الفرق إلى كليهما:

1. تتبع كامل للتحقيق.
2. سجل تشغيل موجز للعمليات.

حقول سجل التشغيل

يتضمن السجل المفيد ما يلي:

• معرف تشغيل ثابت
• المستخدم البادئ
• إصدار السياسة
• الهدف
• طبقة النموذج ولقطة الحالة
• جهد التفكير
• عدد الوكلاء الفرعيين
• نطاقات الأدوات
• الموافقات
• التكلفة
• الوقت المنقضي
• فحوصات القبول
• روابط المنتج النهائي
• الحالة النهائية
• سبب التصعيد

هذا يجعل من الممكن الإجابة على أسئلة مثل:

• هل قام (Sol) بتحسين القبول بعد فشل (Terra)؟
• أي سير عمل يستهلك معظم وقت المراجع؟
• أي أداة تسبب أكبر عدد من إعادة المحاولات؟
• أي مسار ينتج أعلى معدل تراجع؟

الاستخدام

الميزانيات متعددة الأبعاد

قد يؤدي تحديد حد مالي فقط إلى السماح لنموذج رخيص بالتكرار لفترة طويلة جدًا.

وقد يؤدي تحديد حد زمني فقط إلى حدوث طفرة في العمل الموازي المكلف.

تشمل أبعاد الميزانية المفيدة ما يلي:

• المال
• الوقت الفعلي
• استخدام الرموز
• استدعاءات الأدوات
• إعادة المحاولات
• عدد الملفات
• حجم الاختلافات
• عدد الوكلاء الفرعيين

اختبار التعافي

يجب اختبار التعافي مثل أي ميزة أخرى.

تشمل الاختبارات المفيدة ما يلي:

1. إزالة موصل في منتصف عملية التشغيل.
2. التأكد من أن الوكيل لا يكرر إجراءً خارجيًا بعد إعادة المحاولة.
3. انتهاء صلاحية بيانات اعتماده والتأكد من أن السجل يشرح سبب الفشل.
4. إلغاء مهمة مجدولة والتأكد من توقف عمليات التشغيل المستقبلية.
5. التراجع عن التزام تم إنشاؤه ووضع علامة على القطع الأثرية ذات الصلة كمستبدلة.

يجب أن تميز مراجعات الحوادث بين:

• فشل النموذج
• فشل المنصة
• فشل السياسة
• فشل الأداة
• فشل الموافقة البشرية

إن إلقاء اللوم على "الذكاء الاصطناعي" يخفي المكون الذي يمكن تحسينه بالفعل.

دليل التبني وقائمة المراجعة

ابدأ بسير عمل واحد متكرر وقابل للقياس وقابل للعكس.

تشمل المرشحات الجيدة ما يلي:

• تقارير جاهزية الإصدار
• فرز المشكلات
• تحديثات التوثيق
• ملخصات فشل الاختبار
• ملخصات الأبحاث الداخلية

تجنب أن يكون النشر الأول في:

• الاتصالات الخارجية
• التغييرات الإنتاجية
• المدفوعات
• منح الصلاحيات
• سير عمل الحذف

تسجيل خط الأساس البشري

قم بقياس:

• المدة التي يستغرقها سير العمل
• المصادر المستخدمة
• الأخطاء التي تحدث
• الأدلة التي يتوقعها المراجعون

بدون خط أساس، قد يؤدي إخراج الوكيل الأسرع ببساطة إلى نقل المزيد من العمل إلى التصحيح.

التشغيل في الوضع الخفي

اترك الوكيل ينتج قطعة أثرية بينما يكمل الإنسان سير العمل الفعلي بشكل مستقل.

قارن النتائج وصنف أنماط الفشل. استخدم هذه العمليات لبناء التقييم الخاص قبل زيادة الصلاحيات.

قائمة المراجعة

قبل الانتقال من صلاحية الوصول للقراءة فقط إلى صلاحية الكتابة المحدودة، تأكد مما يلي:

• هل تعريف المهمة محدد بما يكفي للتقييم؟
• هل تم اختيار مستوى النموذج وجهد الاستدلال بناءً على السياسة؟
• هل يمكن التصعيد دون توسيع السلطة؟
• هل تحتوي كل أداة على أفعال ونطاق موارد صريحين؟
• هل بيانات الاعتماد قصيرة العمر ويمكن نسبها إلى عملية التشغيل؟
• هل كل إجراء لا رجعة فيه أو مرئي خارجيًا مشروط؟
• هل فحوصات القبول مستقلة عن ادعاء إكمال النموذج؟
• هل يتضمن السجل المصادر والإجراءات والموافقات والأخطاء والتكلفة؟
• هل تغطي الميزانيات المال والوقت وإعادة المحاولات والأدوات ونطاق الضرر؟
• هل تم اختبار إلغاء بيانات الاعتماد والإلغاء والتراجع؟
• هل يتضمن التقييم الخاص الحالات الحدية الشائعة وعالية المخاطر؟
• هل يوجد مالك بشري محدد مسؤول عن نتيجة سير العمل؟

قم بتوسيع بُعد واحد فقط في كل مرة.

يمكن للفريق إضافة مصدر بيانات جديد مع الاحتفاظ بالإخراج للقراءة فقط، أو إضافة صلاحية كتابة محدودة مع الاحتفاظ بنفس النموذج والمهمة.

تغيير النموذج والأدوات والصلاحيات والجدول الزمني معًا يجعل من الصعب تتبع أسباب الانحدار.

ما يجب على المطورين فعله الآن

تُعد GPT-5.6 وChatGPT Work دليلاً على أن البنية التحتية للوكلاء أصبحت فئة منتج بحد ذاتها.

ستستمر طبقة النموذج في التغيير. العمل الدائم هو مستوى التحكم الذي يجعل

هذه التغييرات النموذجية آمنة.

إنشاء سجل توجيه

أنشئ سجلًا صغيرًا لـ Sol وTerra وLuna وأي مرشحين ليسوا من OpenAI.

قم بتخزين:

• معايير الأهلية
• سياسة البيانات
• نطاق الجهد المسموح به
• افتراضات التكلفة
• أنماط الفشل المعروفة

أضف قائمة انتظار تقييم خاصة بحيث لا يصبح النموذج الجديد هو الإعداد الافتراضي للإنتاج بناءً على الانطباعات من وسائل التواصل الاجتماعي فقط.

إضافة وكيل تفويض

ضع وكيل تفويض بين الوكلاء والأدوات ذات العواقب.

قم بكشف:

• أفعال محدودة
• بيانات اعتماد قصيرة العمر
• خطافات الموافقة
• مفاتيح التكرار

حافظ على نفس الحدود سواء بدأت المهمة في ChatGPT Work أو Codex أو تطبيق مخصص أو وظيفة خلفية مجدولة.

تحديد القبول قبل الاستقلالية

الفريق الذي يمكنه شرح كيفية التحقق من المهمة يمكنه أتمتتها بأمان على مراحل.

الفريق الذي لا يستطيع تعريف التحقق ليس جاهزًا للسماح لوكيل بالعمل لساعات، بغض النظر عن درجة معياره.

مراجعة التكلفة على مستوى النتيجة

تتبع الدولارات والدقائق البشرية لكل:

• أثر مقبول
• تغيير مدمج
• تذكرة تم حلها
• تحليل معتمد

وهذا ينسق توجيه النموذج وكفاءة الأدوات وعبء عمل المراجع.

كما يعطي الفريق إجابة واقعية عند وصول النموذج الرئيسي التالي.

الحدود والأسئلة المفتوحة

العديد من الادعاءات في مواد الإصدار لا تزال مبلغًا عنها من قبل البائعين.

مقارنات المعايير عبر المزودين تستخدم اختلافات في:

• الأدوات
• إعدادات التفكير
• افتراضات التسعير
• تكوينات الأدوات
• مجموعات البيانات

تعامل مع هذه الادعاءات كفرضيات للاختبار الداخلي.

استدعاء الأدوات البرمجي وتنفيذ الوكيل المتعدد قد يقلل من العبء السياقي، لكنه قد يجعل المنطق الوسيط أقل وضوحًا عندما يكون التتبع ضعيفًا.

قبل استخدام هذه الميزات في سير العمل المنظم، تحقق من:

• ما تسجله واجهة API
• ما تحتفظ به سجلات التطبيق
• كيف يتم التعامل مع البيانات الوسيطة الحساسة
• ما إذا كان سير العمل متوافقًا مع سياسة الاحتفاظ المطلوبة

قدرات التطبيقات المتصلة واستخدام الكمبيوتر في ChatGPT Work تزيد من الفائدة مع توسيع حدود السلطة. قد تختلف التوفر وعناصر التحكم الإدارية وأذونات الموصل حسب الخطة والنشر.

الإعلان عن منتج ليس بديلاً عن مراجعة أمنية خاصة بمساحة العمل.

هناك أيضًا مشكلة في الأنظمة البشرية. عندما تستمر الوكلاء لساعات، قد يوافق المستخدمون على عمل لم يتابعوه عن كثب. تساعد الملخصات الأفضل، لكن جودة الموافقة تعتمد على عرض التأثير المقصود وعدم اليقين والفحوصات الفاشلة في لحظة القرار.

يجب أن يحمي تصميم المنتج انتباه الإنسان، وليس مجرد طلب نقرة.

لذلك، النموذج الأقوى ليس الهندسة المعمارية النهائية.

جودة الإنتاج تأتي من العلاقة بين:

• النموذج
• الأداة
• السياسة
• الأدوات
• الأدلة
• المالك المسؤول

هذه العلاقة هي ما تجعله لوحة التحكم في الوكيل واضحًا.

الأسئلة الشائعة

ما هو GPT-5.6؟

GPT-5.6 هو مجموعة نماذج OpenAI لشهر يوليو 2026، مقسمة إلى مستويات قدرة Sol وTerra وLuna. Sol هو المسار الأعلى قدرة، Terra يوازن بين القدرة والتكلفة، وLuna تعطي الأولوية للسرعة والتكلفة المنخفضة.

ما هو ChatGPT Work؟

ChatGPT Work هو مساحة عمل وكيلية للمهام طويلة الأمد تشمل الملفات والتطبيقات وإجراءات المتصفح واستخدام الكمبيوتر و

عمل مجدول. على عكس دورة المحادثة العادية، تم تصميم مهمة عمل حول نتيجة أو مُنتَج مكتمل.

ما هي طبقة التحكم في الوكيل؟

طبقة التحكم في الوكيل هي طبقة السياسات والتشغيل التي تحكم عمليات تشغيل الوكيل. تصنف المهام، وتختار مسار النموذج، وتصدر بيانات اعتماد محددة النطاق، وتطبق قيود الأدوات، وتفرض الموافقات، وتسجل التتبعات، وتقيّم النتائج، وتتحكم في الميزانيات، وتدير التعافي.

كيف يختلف إطار عمل الوكيل عن طبقة التحكم؟

إطار العمل هو البرنامج الذي يُجمّع السياق، ويعرض الأدوات، ويُخزّن الحالة، وينفذ الإجراءات، ويدير إعادة المحاولة. أما طبقة التحكم فتحكم كيفية عمل هذا الإطار، بما في ذلك السلطة، والتوجيه، والميزانيات، والموافقات، والتقييم، والتعافي.

متى يجب على الفرق استخدام Sol أو Terra أو Luna؟

تناسب Luna مهام الاستخراج والتصنيف والتنسيق منخفضة المخاطر. وتناسب Terra أعمال المستودعات الروتينية، وإنتاج المستندات، والتحليل المعتدل مع ضوابط قوية. أما Sol فهي أكثر ملاءمة للتشخيص الغامض، والهندسة المعمارية، ومراجعة الأمان، والبحث عالي القيمة.

هل يؤدي التبديل إلى Sol إلى منح الوكيل مزيدًا من الصلاحيات؟

لا. يجب أن تظل قدرة النموذج والصلاحية التشغيلية منفصلتين. يجب أن يؤدي الترقية من Luna أو Terra إلى Sol إلى تغيير القدرة الاستدلالية، وليس الوصول إلى الأدوات أو صلاحيات الكتابة أو حقوق النشر أو متطلبات الموافقة.

لماذا لا تكفي المعايير العامة لاختيار الإنتاج؟

قد تحتوي المعايير العامة على مهام معيبة، أو افتراضات خاصة بإطار عمل، أو تسرب للمعلومات. إنها مفيدة لاكتشاف المرشحين، ولكن التقييم الخاص المبني على أعمال داخلية حقيقية ضروري لقياس التكلفة، والموثوقية، وعبء المراجعة، والسلامة في البيئة الفعلية.

ما الذي يجب تسجيله للوكيل طويل الأمد؟

يجب أن يتضمن السجل الهدف، ومسار النموذج، وجهد الاستدلال، واستدعاءات الأدوات، والمصادر، والموافقات، والأخطاء، وإعادة المحاولة، واستخدام الرموز، والتكلفة، والوقت المنقضي، والمُنتَجات، ونتائج التحقق، وأسباب التصعيد، والحالة النهائية.

أدوات ذات صلة

• ChatGPT: واجهة منتج OpenAI للمحادثة، والعمل، والأدوات المتصلة، والمهام طويلة الأمد.
• OpenAI API: المنصة الرسمية لبناء التطبيقات باستخدام GPT-5.6 وResponses API.
• Codex: منصة وكلاء البرمجة من OpenAI لأعمال المستودعات وهندسة البرمجيات ومهارات الوكيل.
• الاستدعاء البرمجي للأدوات: الدليل الرسمي من OpenAI لتنسيق الأدوات ومعالجة النتائج الوسيطة باستخدام برامج الذاكرة.
• إطار إدارة مخاطر الذكاء الاصطناعي من NIST: إطار حوكمة لتحديد وقياس وإدارة مخاطر الذكاء الاصطناعي.
• Databricks: منصة بيانات وذكاء اصطناعي نشر فريقها الهندسي تقييمًا خاصًا للوكلاء البرمجيين بناءً على تغييرات مستودع حقيقية.

روابط ذات صلة

• التوفر العام لـ GPT-5.6: إصدار OpenAI الرسمي لـ GPT-5.6، بما في ذلك مستويات النموذج وتفاصيل القدرات والتوفر والأسعار.
• معاينة GPT-5.6 Sol: معاينة OpenAI الرسمية لنموذج GPT-5.6 Sol.

معاينة تقنية سابقة لنموذج "سول".

• ChatGPT للعمل الطموح: الإعلان الرسمي من OpenAI الذي يصف ChatGPT Work ونموذج مهامه طويلة الأمد.
• توثيق استدعاء الأدوات البرمجي: الوثائق الرسمية للمطورين حول التنسيق البرمجي لاستدعاءات الأدوات.
• فصل الإشارة عن الضوضاء في تقييمات البرمجة: تدقيق OpenAI ومناقشة مشكلات الموثوقية في معايير البرمجة العامة.
• بطاقة نظام GPT-5.6: وثيقة تقييم السلامة والقدرات الرسمية من OpenAI لنموذج GPT-5.6.
• معيار وكيل البرمجة من Databricks: تقييم خاص مبني على طلبات سحب حقيقية في قاعدة بيانات برمجية تحتوي على ملايين الأسطر.

ملخص

يمنح GPT-5.6 الفرق قائمة أوضح من القدرات والتكلفة والجهد الاستدلالي والتنفيذ متعدد الوكلاء. ويوسع ChatGPT Work هذه القدرات إلى مهام دائمة عبر الملفات والتطبيقات والمتصفحات وسير العمل المجدول.

التحدي الإنتاجي لا يتمثل ببساطة في اختيار النموذج الأقوى. تحتاج الفرق أيضًا إلى هوية محددة النطاق، وأذونات أدوات ضيقة، وبوابات موافقة، وفحوصات قبول مستقلة، وتتبعات كاملة، وميزانيات متعددة الأبعاد، وتقييمات خاصة، وانتعاش مُختبر.

ابدأ بسير عمل واحد قابل للعكس، وسجل خط الأساس البشري، وشغّل في وضع الظل، وزد بعدًا واحدًا فقط من السلطة في كل مرة.

الوكيل الإنتاجي ليس مجرد نموذج قوي مزود بأدوات. إنه نموذج يعمل داخل مستوى تحكم قابل للقياس والعكس والمحاسبة.