تسريب نطاق الأخطاء من Anthropic: نموذج يصلح خطأً واحدًا ويسأل عن الفئة

أكثر جملة مثيرة للاهتمام في تسريب A​nthropic الحالي ليست عن الذكاء، بل عن النطاق. وفقًا لتقرير تناقلته منصة X في 19 أكتوبر 2026، تعمل A​nthropic على إعداد نموذج يستطيع، حين يُطلب منه إصلاح خطأ واحد، أن يحدد فئة المشكلات الأوسع الكامنة وراءه ثم يسأل عمّا إذا كان ينبغي له معالجة تلك المشكلات أيضًا. هذا ادعاء عن الموضع الذي يتوقف عنده النموذج، لا عن جودة استدلاله — وهو يقع مباشرة على خط الصدع الخاص بكل وكيل برمجة قيد التشغيل الفعلي، بما في ذلك الوكلاء المبنية اليوم على Claude Opus 5.5 والوكلاء التي يفترض الناس بالفعل أنها ستعمل على Claude Fable 5.5، المرشح غير المؤكد للنموذج الموصوف. لم تُعلن A​nthropic عن أي نموذج من هذا القبيل، ولم تسمّه، ولم تحدد له تاريخًا. لا يوجد معرّف ولا بطاقة أسعار ولا بطاقة نموذج ولا تقييم. وكل ما ورد أدناه عن السلوك المذكور هو تقرير غير موثّق من مصدر واحد، وكل ما ورد أدناه عن التشكيلة الحالية مستمد من وثائق A​nthropic نفسها. إن أعطال الذكاء الاصطناعي الموثّقة وحوادث وكلاء البرمجة الكامنة وراء تقارير مثل هذا التقرير مجموعة في OrcaRouter AI Incident Archive حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محل نزاع.

الصياغة هنا أهم من المعتاد، لأن ملخّصين للتقرير نفسه يصفان سلوكين مختلفين. الملخّص الذي يُقرأ كأنه مواصفة — خلل واحد، والفئة الكامنة خلفه، وسؤال عمّا إذا كان ينبغي توسيع المهمة — يظهر في النقل الذي وصل إلينا. أما التجميع العلني للتقرير، المقروء في 19 أكتوبر، فيحمل عبارة مختلفة: نموذج «بحدس أفضل واستدلال أقدر على إدراك النوايا الكامنة وهو أفضل في التفكير خارج الصندوق». هذان ليسا الادعاء نفسه. أحدهما عن نموذج يقترح عملًا إضافيًا؛ والآخر عن نموذج يفهم ما قصدته. يمكن أن يكون الاثنان صحيحين بشأن النموذج نفسه، لكن واحدًا فقط منهما يغيّر شكل الفروق (diff) في صباح الاثنين، وهو الجدير بالتفكيك.

ما يقوله الادعاء في الواقع، وما لا يقوله

إذا جرّدنا التقرير من الصفات، فإنه يصف سلوكًا من ثلاث خطوات: يُعطى النموذج عيبًا واحدًا، ثم يعمّم من ذلك العيب إلى نمط، ثم يُبرز النمط للمستخدم بدلًا من إصلاحه بصمت. والخطوة الثالثة هي التي تجعل هذا ادعاءً تصميميًا لا ادعاءً خاصًا بالمقاييس. النموذج الذي يصلح كل حالة بصمت سيكون وكيلًا مستقلًا ذا نطاق أثر غير محدود. أما النموذج الذي يكتشف النمط ويسأل، فإنه يقترح تغييرًا في نطاق المهمة، وهو ما يفعله مهندس حذر، وما لا ينبغي السماح لوكيل متهور بفعله من جانب واحد.

كما أنه ليس ادعاءً يمكن لأي أحد تقييمه بعد. لا توجد مجموعة مهام عامة تقيس «تحديد الفئة بشكل صحيح» مقابل «اختلاق نمط لم يكن موجودًا». يبدو السلوكان متطابقين في نص المحادثة: يعود النموذج بقائمة. وما إذا كانت القائمة تعميمًا حقيقيًا أم هلوسة واثقة لا يُحسم إلا بقراءة كل عنصر، وهو العمل الذي كان المفترض أن يوفره لك النموذج.

ما لا يقوله التقرير لا يقل ثقلاً. لا اسم نموذج. لا معرّف API. لا سعر ولا نافذة سياق ولا حد للمخرجات. ولا أي إشارة إلى ما إذا كان السلوك افتراضيًا، أو وضعًا، أو شيئًا يتعيّن على المستدعي طلبه. ولا أي تأكيد من الجهة المصنّعة — فغرفة أخبار Anthropic لم تنشر شيئًا عن نموذج جديد منذ Claude Haiku 5.5 في 7 أكتوبر 2026، ولا تزال النظرة العامة على نماذج Claude Platform تسرد أربعة نماذج فقط بالضبط: Claude Fable 5.1 وClaude Opus 5.5 وClaude Sonnet 5.5 وClaude Haiku 5.5.

لماذا يُعدّ «الصنف الأوسع» ادعاءً مختلفًا عن «الاستدلال الأفضل»

تحسين الاستدلال هو الادعاء الآمن. فكل جيل يُوصَف بذلك، ويُقاس على مؤشرات عامة، ومن ثمّ فإن خلفًا يحقق درجة أعلى سيكون أمرًا متوقعًا لا خبرًا يستحق النشر. أما التعميم انطلاقًا من حالة مفردة فهو عملية مختلفة، وسبب كونه مثيرًا للاهتمام أنه النمط الأكثر شيوعًا للعيوب الحقيقية في البرمجيات.

المثال النموذجي هو الحقن. تُبلّغ عن استعلام واحد غير مُطهّر في معالج واحد. والفئة الكامنة وراءه هي كل معالج آخر يبني استعلامًا بالطريقة نفسها. المراجع البشري الذي رأى هذا من قبل لا يُصلح المعالج الواحد ثم يمضي قدمًا؛ بل يبحث عن النمط باستخدام grep، ثم يسأل هل ينتمي الإصلاح إلى هذه التذكرة. النموذج الذي يفعل الشيء نفسه يُجري مراجعة، لا إصلاحًا. المخرجات ليست رقعة، بل اكتشاف — والاكتشافات لا تكون مفيدة إلا إذا كان شخص لديه صلاحية توسيع التذكرة ضمن دائرة المعنيين.

• ما تصفه المطالبة — عند وجود عيب واحد، حدِّد النمط وارفعه قبل اتخاذ أي إجراء.

• ما الذي يفعله إصلاح عادي — يغيّر الكود الذي أشرت إليه، ثم يتوقف.

• ما يفعله الوكيل المُهمل — يغيّر الكود الذي أشرتَ إليه، ثم يستمر في العمل، ولا تسمع بالأمر إلا عند رؤية الـ diff.

• ما يتركه التقرير مفتوحًا — هل تعني "asks" سؤالًا حاجزًا في جلسة تفاعلية أم ملاحظة تُضاف إلى تغيير مكتمل.

ذلك السطر الأخير هو حيث يتوقف كون التسريب قابلاً للتقييم. والفرق بين هذين القراءتين هو الفرق بين أداة تحترم ضبط التغيير وأخرى توثّق زحف نطاقها الخاص بعد وقوعه.

إن إرشادات A​nthropic الخاصة بها تقف بالفعل على جانبَي هذا الأمر.

إليك ما يجعل هذا الادعاء موثوقًا لا عشوائيًا. إن إرشادات Anthropic المنشورة بشأن Claude Code تطلب هذه الغريزة نفسها في موضع، وتحذر منها في موضع آخر، والنصيحتان يفصل بينهما فقرة.

«عالج الأسباب الجذرية، لا الأعراض» هي واحدة من الاستراتيجيات الموثّقة في دليل أفضل الممارسات الخاص بـ Claude Code، ويوضّحها مثال عن فشل في البناء: أصلح الخطأ وتحقق من نجاح البناء، ولا تكتم الخطأ. هذا توجيه مباشر إلى النظر أبعد من الحالة المُبلَّغ عنها. وقبل ذلك بعدة أقسام، يقول الدليل نفسه: «حدِّد نطاق المهمة. حدِّد الملف، والسيناريو، وتفضيلات الاختبار»، مع مثال على طلب اختبار يغطي حالة حدّية واحدة بدلًا من اختبارات بشكل عام. والسبب المذكور هو أن Claude يستطيع استنتاج النية لكنه لا يستطيع قراءة أفكارك.

يرسم الدليل أيضًا حدًا عند حجم الفرق: يصبح وضع التخطيط مستحقًا للكلفة الإضافية عندما يمسّ التغيير ملفات متعددة أو يكون النهج غير مؤكد، و«إذا كان بإمكانك وصف الفرق في جملة واحدة، فتجاوز الخطة». والنموذج الذي يوسّع خطأً واحدًا إلى فئة هو، بحكم بنيته، يحوّل فرقًا من جملة واحدة إلى خطة. لذا فإن السلوك الذي يصفه التسريب ليس غريبًا عن فلسفة منتج Anthropic — بل هو اللحظة التي يتصادم فيها مبدآن من مبادئها المعلنة، ويُحسم هذا التصادم حاليًا من قبل المستخدم، لا النموذج.

ثمة سبب ثانٍ أقل راحةً لكون الادعاء معقولًا. توثيق Anthropic نفسه صريح بأن النموذج يتوقف عندما يبدو العمل منتهيًا، وأنه من دون شيء يمكن للنموذج تشغيله — مجموعة اختبارات، أو رمز خروج بناء، أو فرق مقابل عيّنة مرجعية — فإن «يبدو منتهيًا» هو الإشارة الوحيدة المتاحة. النموذج الذي يعمّم من خطأ واحد إلى فئة هو نموذج وجد إشارة تتجاوز «يبدو منتهيًا». هذه أقوى حجة لصالح القدرة، وأقوى حجة لصالح السؤال قبل التصرف بناءً عليها.

أين يُتخذ القرار فعليًا اليوم

الشيء المفيد في هذا التسريب هو أن الضوابط التي سيحتاجها موجودة بالفعل، ويمكنك فحصها دون انتظار نموذج. ثلاثة منها مهمة.

• Effort — تُتيح A​nthropic خمسة مستويات، من low مرورًا بـ medium وhigh وصولًا إلى xhigh وmax، ويتحكم هذا الإعداد في مقدار العمل الذي ينجزه النموذج من تلقاء نفسه. يعمل Claude Opus 5.5 وClaude Haiku 5.5 افتراضيًا على medium؛ بينما تعمل النماذج الحالية الأخرى افتراضيًا على high. ينطبق Effort على جميع رموز الإخراج، بما في ذلك استدعاءات الأدوات، ما يعني أن نموذجًا يوسّع النطاق عند مستوى high هو نموذج يوسّع النطاق بفاتورة أكبر.

• وضع الخطة — يفصل Claude Code بين الاستكشاف والتنفيذ، والحد الموثّق لاستخدامه هو تحديدًا حالة الملفات المتعددة التي تستلزمها فئة الأخطاء. ولا يمثّل هذا الضابط مرشّحًا لأفكار النموذج؛ بل هو مرحلة تتيح لك رؤية النطاق الموسّع قبل أن يتحوّل إلى فرق (diff).

• البوابات الحتمية — تُشغّل الـhooks فحصًا كسكربت، ويمكنها منع انتهاء الدور حتى ينجح. وهذه هي الوحيدة من الثلاث التي لا تعتمد على اختيار النموذج للسؤال. وإذا وصل السلوك المُبلَّغ عنه إلى الإصدار يومًا، فالطريقة الصادقة لاستخدامه هي خلف بوابة كتبتها أنت، لأن «يسأل عمّا إذا كان ينبغي أن يعالج تلك» وعدٌ بشأن حكم النموذج، وخطاف الإيقاف وعدٌ بشأن حكمك أنت.

لا شيء من ذلك يُعدّ نقدًا للادعاء. بل هو سبب كون الادعاء مثيرًا للاهتمام: فالنموذج الذي يقترح نطاقًا أوسع لا يكون تحسينًا إلا إذا كان التوسيع مرئيًا قبل تطبيقه، وكل آلية تجعله مرئيًا هي شيء يضبطه المستدعي، وليست شيئًا يضمنه النموذج.

كم سيكلف لو نجح الأمر

توسيع النطاق هو أغلى أنواع الإفادة، لأنه يضاعف المخرجات بدلًا من المدخلات. وفق قائمة الأسعار الحالية لدى A​nthropic's، فإن Claude Fable 5.1 بسعر 10 دولارات لكل مليون توكن إدخال و50 دولارًا لكل مليون توكن إخراج، بينما Claude Opus 5.5 بسعر 4 دولارات و20 دولارًا — كما أن وثائق A​nthropic's الخاصة توجّه المطورين إلى Claude Opus 5.5 أولًا، ولا تنتقل إلى Fable إلا عندما تظل التقييمات على Opus بجهد أعلى قاصرة. إن نموذجًا نقطة بيعه هي إيجاد مزيد من العمل المطلوب إنجازه يتعارض مباشرة مع تلك النصيحة، لأن الطبقة الرخيصة هي التي تريد مضاعفة مخرجاتها، والطبقة المكلفة هي التي تصبح فيها التذكرة الموسعة بندًا في الميزانية.

هناك تكلفة من الدرجة الثانية لا تظهر في فاتورة الرموز: المراجعة. تعديل دالة واحدة يمكن قراءته في دقيقة. أما الاكتشاف الذي يسمّي تسعة مواضع استدعاء أخرى فيجب التحقق منه بندًا بندًا، والتحقق هو العمل نفسه الذي ادّعى النموذج إزالته. هذا ليس حجة ضد القدرة — فالمراجع الجيد المزوّد بقائمة تحقق أسرع من المراجع الجيد بدونها — لكنه يعني أن القيمة تعتمد على الدقة. النموذج الذي يُظهر خمس حالات صحيحة وواحدة مختلقة يكون قد كلّفك الوقت اللازم لدحض المختلقة، وعلّمك أن تقل ثقتك بالقائمة قليلًا.

ما يمكنك الاتصال به اليوم، والإجابة الصادقة بشأن هذا الأمر

لا شيء جديد. لا يوجد معرّف للنموذج في التقرير، وكتالوجنا الخاص اختبار عادل على ذلك: فطلب anthropic/claude-fable-5.5 منه يعيد لم يتم العثور على النموذج، وكذلك anthropic/claude-haiku-5.5. هاتان السلسلتان ليستا ضمن النماذج الـ209 التي نوجّه إليها. أما ما يمكن إيجاده فعلاً فهو التشكيلة الحالية بسعر قائمة A​nthropic — anthropic/claude-opus-5.5 بنافذة سياق تبلغ 1M رمز، وحد إخراج 128K، وبسعر 4 / 20 دولارًا لكل مليون، وanthropic/claude-fable-5.1 بسعر 10 / 50 دولارًا. أي منصة تعلن الآن عن إتاحة الوصول إلى «نموذج A​nthropic الجديد لاصطياد الأخطاء» إنما تبيع اسمًا.

السؤال العملي الذي يراود القارئ فعلًا ليس ما يُسمى به النموذج، بل كيف يعرف ما إذا كان نموذج يوسّع النطاق يفيد قاعدة الشيفرة لديه أم يضرها، من دون المراهنة على مسار إنتاجي بناءً على إشاعة. هذه مسألة توجيه، وهي الموضع الوحيد الذي تثبت فيه المنصة جدواها: أرسِل حصة من الطلبات إلى النموذج غير المُثبت مع وجود نموذج سبق أن قسته خلفه، بحيث لا يكلفك أي تعميم سيئ سوى مراجعة واحدة بدلًا من حادث. تصل تغييرات أسعار Anthropic وإصداراته الجديدة إلى OrcaRouter في اليوم نفسه بهامش ربح 0%، لذا فعندما تظهر قائمة أسعار، تكون تكلفة التجربة هي سعر القائمة ولا شيء يضاف إليه. يمكنك أن ترى بالضبط تكلفة أعلى طراز حالي في التشكيلة على صفحة طراز Claude Opus 5.5، وأن تقارنها بـصفحة Claude Fable 5.1 قبل أن تقرر أيّهما ينبغي أن يكون الافتراضي لأحمال العمل لديك.

ما الذي سيغيّر هذه القطعة؟

ثلاثة أمور، وأولها هو الذي سيحسم المسألة بأسرع وقت.

جملة واحدة من الجهة نفسها. سطر واحد في وثائق Anthropic يصف متى يوسّع النموذج نطاقه، وما إذا كان هذا التوسيع سلوكًا افتراضيًا أم خيارًا اختياريًا، كفيلٌ بتحويل التسريب بأكمله إلى مواصفة. وغياب ذلك السطر هو السبب في أن كل ادعاء هنا لا بدّ أن يُصاغ بتحفّظ.

تقييم منشور. لا يكون «اكتشاف الفئة» ذا معنى إلا في مقابل «اختراع الفئة»، ولا ينشر أي مورّد مجموعة مهام تفصل بينهما. وإلى أن توجد واحدة — الدقة والاستدعاء في تحديد فئة العيب، يحسبها طرف غير المختبر — فإن أي ادعاء بالتعميم من خطأ واحد هو وصف نيّة، لا قدرة يمكن مقارنتها عبر النماذج.

اسم وبطاقة أسعار معًا. ظلّت اتفاقية التسمية ثابتة عبر Fable 5 وFable 5.1 وOpus 5.5 وSonnet 5.5 وHaiku 5.5، ويحمل المعرّف الفئة: مثل claude-fable-5-5 سيعني 10 دولارات / 50 دولارًا، وclaude-opus-5-6 سيعني 4 دولارات / 20 دولارًا. سلسلة واحدة في نظرة عامة على النماذج تحسم المسألة التي يُنفق التسريب ألف كلمة عليها.

حتى ذلك الحين، فإن الموقف الصادق هو أن مختبرًا رائدًا يُقال إنه يعمل على تطوير سلوك لديه بالفعل سياسة لدى كل مؤسسة هندسية بشأنه، ولم ينشر أحد تلك السياسة. أما ما إذا كان ينبغي للنموذج أن يصلح الخلل الذي أبلغت عنه، أم الخلل الذي لم تكن تعلم بوجوده، فليس مسألة قدرات. إنه سؤال عن مَن يملك زر الدمج، والتسريب — الذي يقول إن النموذج يسأل — إجابة أكثر طمأنة من الإجابة التي يقدمها معظم وكلاء البرمجة حاليًا، ألا وهي أن يواصلوا العمل ويتركوا الفروقات تشرح نفسها.