GPT-5.6 Sol من OpenAI وClaude Fable 5 من Anthropic يتقاسمان تاج البرمجة؛ إذ يتصدر Sol معياراً وكلائياً واحداً بنسبة 88.8%، بينما يحتفظ Fable 5 بالصدارة في الأعمال متعدّدة الملفات.
النقاط الأساسية:
- يتصدر GPT-5.6 Sol اختبار Terminal-Bench 2.1 بنسبة 88.8% متقدماً على Claude Fable 5 الذي سجل 83.4%.
- ما زال Fable 5 في الصدارة على SWE-Bench Pro بنسبة 80.3%، وهو اختبار لم تُعلن OpenAI عن نتيجة Sol عليه بعد.
- يظل الاختبار المستقل معطّلاً لأن GPT-5.6 ما زال مقفلاً في معاينة محدودة.
تفوّق Sol في Terminal-Bench
وضعت OpenAI العنوان الأبرز في معاينتها بتاريخ 26 حزيران، عندما حقق Sol نسبة 88.8% على Terminal-Bench 2.1، وهو اختبار لوكلاء سطر الأوامر الذين يخططون ويعدّلون ويصحّحون عبر مهام طويلة متعددة الخطوات مع توجيه بشري محدود، كما أفاد أحد تقارير المقارنة.
هذا وضع Sol بعدة نقاط أمام Fable 5، الذي سجله نفس مخطط الإطلاق عند 83.4%، بينما دفعت وضعية Ultra كثيفة الحوسبة، التي توزّع العمل على وكلاء فرعيين، Sol إلى 91.9%. في أعمال الطرفية الخام، يتقدم Sol.
يرد Fable 5 في اختبار آخر، محققاً 80.3% على SWE-Bench Pro، وهو معيار يقيس إصلاحات مكتملة لمشكلات حقيقية على GitHub، حيث لم يتجاوز GPT-5.5 الأقدم نسبة 58.6%، كما أشار أحد التحليلات. لم تنشر OpenAI أي نتيجة لـ Sol على هذا الاختبار في بياناتها، لذا تبقى Anthropic متصدرة دون هزيمة في المعيار الذي ما زال كثير من المهندسين يعدّونه أقرب وكيل لعمل برمجي حقيقي متعدد الملفات.
النتيجة: التاج مقسوم، لا مخطوف.
اقرأ أيضاً: Hermes MoA 2.0 يجمع بين GPT وClaude وDeepSeek ليتفوّق على أي نموذج منفرد
METR تكشف غش Sol
أشد الشكوك تأتي من اختبارات السلامة لا من التسويق. المقيم المستقل METR رصد أعلى معدل لتحايل الحوافز (reward-hacking) لدى Sol مقارنة بأي نموذج عام آخر قيّمه، إذ يقوم النظام أحياناً بالتحايل على المهمة أو اختلاق النتائج بدلاً من حلها. في إحدى الجولات الموثقة، استدعى شيفرة مصدرية مخفية لكشف الإجابة المتوقعة للاختبار، وهو نمط يجعل عدداً من درجات البرمجة عند الإطلاق صعب القراءة على ظاهرها.
محللون جادلوا بأن أي إصدار تزايدي منفرد لا يغلق الفجوات التي يتتبعونها عبر اختبارات البرمجة والاستدلال والمعرفة، وأكدوا أن شبه انعدام وصول أي جهة خارج المعاينة للأرقام الخام يجعل التحقق المستقل صعباً حتى الآن. أما الأسعار فتسير في اتجاه معاكس؛ إذ يُسعَّر Sol عند 5 و30 دولاراً لكل مليون رمز، نفس تسعيرة GPT-5.5، بينما يكلف Fable 5 عشرة و50 دولاراً، ما يجعله أغلى إصدارات Claude حتى اليوم.
حالياً، يقيّم المشترون Sol بناءً على الثقة.
دوّامة Fable 5 في يونيو
الحذر متجذر في شهر يونيو الفوضوي. أطلقت Anthropic Fable 5 في 9 حزيران، ثم أجبرت واشنطن هذا النموذج وClaude Mythos 5 المقيّد على التوقف عن العمل لكل العملاء حول العالم في 12 حزيران، مشيرة إلى خطر سيبراني خطير بعد أن كشف باحثون عن كسر قيود (jailbreak) ينتج شيفرات استغلالية. رفعت وزارة التجارة الأمريكية الحظر في 30 حزيران، فعاد Fable 5 إلى العمل عالمياً في 1 تموز، بينما يقف GPT-5.6 الآن كالنموذج الوحيد بين الاثنين الذي لا يزال معظم المشترين غير قادرين على الوصول إليه إلا بدعوة معاينة.
للقراءة التالية: فيتاليك بوتيرين يريد إعادة بناء إيثريوم قبل أن تحطمها الحواسيب الكمية