Claude Opus 5.5 يعثر على AttnRes-Canon: ما الذي أثبتته بالفعل أربعة أيام من البحث في البنية

في 6 نوفمبر 2026، نشرت مجموعة بحثية تُدعى IAAI سجل تشغيل Arena v1 يسمّي Claude Opus 5.5 بوصفه الوكيل الذي صمم بنية Transformer تُسمى AttnRes-Canon، إضافة إلى نقطة حفظ، وأثر قابل لإعادة التشغيل، وتقرير مكتوب من عشر دقائق بقلم Yi Ge يشرح كيف وصل إلى ذلك. Claude Opus 5.5 نفسه ليس جديدًا — أطلقتها Anthropic في 22 سبتمبر 2026 بسعر 4 دولارات لكل مليون رمز إدخال و20 دولارًا لكل مليون رمز إخراج، ولم يتغير هذا الشهر أي شيء يخص سعر ذلك النموذج أو نافذة سياقه أو معايير الأداء المنشورة عنه. ما الجديد يعود تاريخه إلى الأسبوع الماضي: سجل عام قابل للتحقق لنموذج حدودي يجري بحثًا كاملًا عن بنية بمفرده، بما في ذلك الفروع التي فشلت، ونموذج قابل للتنزيل خرج من الطرف الآخر. هذا ادعاء أضيق مما يوحي به الجدول الزمني، وهو أكثر إثارة للاهتمام من صف في جدول معايير.

هذا الرقم القياسي هو أيضًا سبب كون هذا المقال من نوع «هذا ما هو مُثبت فعليًا» بدلًا من منشور إطلاق. وتصف الساحة مدخلها الخاص بأنه مُبلَّغ عنه ذاتيًا. توجد بذرة واحدة. لم يُعِد أحد من خارج المشغّل إنتاج هذا الرقم، وفي وقت كتابة هذا النص كانت نقطة تفتيش Hugging Face قد نُزّلت صفر مرات. اقرأ الأقسام أدناه واضعًا ذلك في الاعتبار — لا بوصفها أسبابًا لرفض النتيجة، بل بوصفها الشكل الدقيق للأدلة.

ما هو AttnRes-Canon في الواقع

فكرتان موجودتان، مدمجتان، بالإضافة إلى شيء واحد لا يفعله أي منهما بمفرده.

الفكرة الأولى هي Attention Residuals، من ورقة لفريق K​imi Team نُشرت على arXiv في مارس 2026 (2603.15031). تضيف وصلات PreNorm المتبقية القياسية خرج كل طبقة بوزن ثابت قدره واحد، لذا تنمو الحالة المخفية مع العمق وتتضائل مساهمة كل طبقة. يستبدل Attention Residuals ذلك المجموع الثابت بانتباه softmax على الطبقات الأسبق، لذا تعتمد أوزان المزج على المدخل. النسخة منخفضة الكلفة، Block AttnRes، تجمع الطبقات في كتل وتُجري انتباهًا على ملخصات الكتل؛ أما النسخة عالية الكلفة فتتيح لكل طبقة قراءة كل طبقة أسبق مباشرة. في خط الأساس الخاص بـ arena، توجد 23 طبقة في 8 مجموعات، لذا يمكن لطبقة أن تقرأ مجموع مخرجات مجموعة أسبق — ملخصات فصول، في تشبيه المؤلف، وليس الفصول نفسها.

الثاني هو طبقات Canon، من عمل Zeyuan Allen-Zhu بعنوان "Physics of Language Models, Part 4.1" (arXiv:2512.17351، ديسمبر 2025 مع مراجعة في يوليو 2026). طبقة Canon هي التفاف صغير بعرض 4: أثناء معالجة الرمز الحالي، تمزج أيضًا الرموز الثلاثة التي تسبقه مباشرة.

AttnRes-Canon هو Full Attention Residuals — 23 مجموعة بدلاً من 8، حيث تقرأ كل طبقة أي طبقة سابقة بشكل مستقل — مع طبقات Canon في أربعة مواضع: A عند مدخل الانتباه وC عند مدخل MLP، وB على إسقاطات الاستعلام والمفتاح والقيمة، وD على الطبقة المخفية في MLP. أحد المكوّنين ينقل المعلومات على امتداد العمق، والآخر على امتداد التسلسل. جاء الكسب المجمّع أعلى قليلاً من مجموع الكسبين المقاسين كلًا على حدة، وهو الادعاء المعماري الجديد حقًا الوحيد في التقرير.

• مكوّن العمق — Full AttnRes: 23 مجموعة، كل طبقة تقرأ الطبقات السابقة بشكل فردي بدلًا من ملخصات الكتل

• مكوّن التسلسل — طبقات Canon عند A وB وC وD: التفاف سببي بعرض 4 على كل رمز والرموز الثلاثة السابقة له

• التكلفة — 1.66× زمن التحديث التدريبي الواحد لـ Block AttnRes، النموذج الأصلي الذي تفوّق عليه

إذا بدا ذلك السطر الأخير وكأنه فكرة لاحقة، فهو الأمر الذي لم يضعه البحث في الحسبان قط، وسنعود إليه.

جاء الحاكم قبل البحث

قواعد الساحة مملة عمدًا. فبيانات التدريب، و46,875 تحديثًا، وFLOPs لكل رمز (ضمن ±1%) ثابتة؛ ولا يجوز أن يتغيّر سوى المعمارية؛ والتحكيم هو CORE-22 — المتوسط عبر 22 مهمة، والأعلى أفضل — إضافةً إلى bits-per-byte للتحقق، والأدنى أفضل؛ وأثناء البحث، لا يجوز للوكيل أن ينظر إلا إلى خسارة التدريب وBPB الخاص بشريحة التطوير. تكلّف جولة كاملة واحدة أكثر من 1,400 ساعة GPU، لذا لا يستطيع أي بحث تحمّل تدريب دستة أفكار حتى الاكتمال. كل شيء يعتمد على ما إذا كان التشغيل القصير يرتّب الأفكار بالطريقة نفسها التي يرتّبها بها التشغيل الطويل.

إذًا، ذهبت أول نحو 152 ساعة GPU إلى معايرة ذلك المقياس بدلًا من المسألة نفسها. الاختصار البديهي — ضغط جدول معدل التعلم بأكمله في 512 تحديثًا — تبيّن أنه يخطئ في الترتيب بشكل منهجي: فعند تدريبه على 11 طريقة كانت نتائجها الكاملة معروفة مسبقًا، أنتج ارتباط Spearman قدره 0.40 مقابل الترتيب النهائي، مقابل عتبة قدرها 0.85 حُدِّدت مسبقًا. لم تكن الأخطاء ضوضاء. تراجعت البنى الأربع كافةً ذات الحلقات في الترتيب، وتقدمت البنى الأربع كافةً ذات الانتباه الخطي، لأن خفض معدل التعلم مبكرًا يجامل النماذج سريعة التقارب ويبتر النماذج البطيئة الانطلاق.

أخذ بادئة من الجدول الحقيقي بدلًا من ذلك — الجدول نفسه، مع التوقف مبكرًا، ثم المتابعة بتشغيل كامل حقيقي — بلغ 0.72 عند 500 تحديث و0.92 عند 2,000. هذا ما ثبّت البروتوكول: 512 تحديثًا ليست سوى حد أدنى لاستبعاد المرشحين الذين فشلوا بوضوح في التدريب، وكل قرار ترتيب يُتخذ عند التحديث 2,000، أي نحو 4% من تشغيل كامل. أنتجت المعايرة نفسها حد الضوضاء: اختلف تشغيلان من البذرة نفسها بنحو 0.0004 في dev BPB، لذا كان على المرشح أن يتغلب على أصله بأكثر من 0.001 ليُحتسب فوزًا.

هذا تصميم تجريبي أفضل مما تتكبد عناءه معظم أوراق العمارة البشرية، ويجدر القول صراحةً إن التصميم، لا النموذج، هو ما يجعل النتيجة واضحة.

ثلاث جولات، واثنا عشر مرشحًا، وسراب واحد

جرّبت الجولة الأولى خمسة تغييرات منفردة فوق Block AttnRes، حمل كل منها فرضية مكتوبة قابلة للدحض. لم يتجاوز أي منها عتبة −0.0010 عند التحديث 2,000. كان Full AttnRes الأقرب عند −0.0008؛ وبلغ Canon في الموضعين A وC قيمة −0.0006. تصدّر متغيّر انتباه مُبوّب المجال كله عند التحديث 512 بفارق −0.0027، ثم أنهى متأخرًا عند +0.0006 — يصفه التقرير بما كان عليه، سرابًا، والنمط نفسه يتكرر.

الجولة الثانية جمعت الحالات القريبة من النجاح وأضافت نسختين من مزيج الخبراء (mixture-of-experts) عند كمية حسابية متكافئة. اجتاز ثلاثة مرشحين الحد المطلوب: Canon في المواضع الأربعة جميعها (−0.0021، زمن خطوة 1.47×)، وFull AttnRes مع Canon-A/C (−0.0018، 1.30×)، وFull AttnRes مع البوابة (gate) (−0.0010، بالكاد فوق الحد). لم تُسهم البوابة تقريبًا في أي شيء حيثما أُضيفت، بينما خفّض التغييران الآخران dev BPB لدى كل نموذج أب جُرّبا عليه. أما نسختا MoE — بما في ذلك إعداد الحساب المتكافئ الذي كان الوكيل قد قيّمه الأعلى — فجاءتا في المركزين الأخير وما قبل الأخير.

وانقلب الترتيب انقلابًا حادًا: فقد انتهى المرشحون الأربعة الأوائل عند التحديث 512 في الترتيب العكسي تمامًا عند التحديث 2,000.

الجولة الثالثة هي حيث يُثبت البحث جدواه. وبدلًا من الوثوق بترتيب تحديث-512 مرة ثانية، انتظر حتى تصل جولات الجولة الثانية إلى التحديث 1,536. بعد ذلك كان Canon-A/C أبًا مشتركًا لمرشحين، فأخذ أحدهما خطوة نحو Full AttnRes وأضاف الآخر موضعي Canon B وD؛ وكان كلاهما أدنى من ذلك الأب المشترك بنحو 0.002. ومع وجود ميزانية لمرشح آخر، دمج الوكيل المرشحين بدلًا من انتظار آخر بضع مئات من التحديثات. بلغ النموذج المدموج BPB على مجموعة التطوير قدره 0.7965 — أي أقل بـ0.0038 من Block AttnRes وأولًا في البحث بأكمله — عند 1.66× من زمن الخطوة.

الإجمالي: 12 مرشحًا، 3 جولات، 550 ساعة GPU من البحث.

الجولة الأخيرة، وكم بقي من التقدّم

ترى التشغيلات القصيرة الجزء المستوي فقط من جدول معدل التعلّم. أما ما إذا كانت الأفضلية المبكرة تصمد أمام الاضمحلال فيجب قياسه، وهذا هو الجزء من التقرير الذي يستحق أكبر قدر من الاهتمام.

تم نقل AttnRes-Canon إلى إضافة طريقة رسمية وتدريبه من الصفر على 49.152B رمز باستخدام 32 وحدة GPU من طراز H20، ببذرة واحدة.

• CORE-22 — AttnRes-Canon 35.99 مقابل mHC 35.33 مقابل Block AttnRes 34.00 مقابل Dense Baseline 33.10

• التحقق من BPB — AttnRes-Canon 0.6605 مقابل mHC 0.6617 مقابل Block AttnRes 0.6630 مقابل Dense Baseline 0.6672

• المركز في لوحة الصدارة — الأول من بين 38 نتيجة منشورة لـ Arena v1 على كلا المقياسين، وفقًا للوحة الخاصة بالـ arena نفسها

• الحوسبة — 152 ساعة GPU للاستكشاف، و550 للبحث، و1,433 للتشغيل النهائي، و2,135 في الإجمالي

الأول في كلا المقياسين، والفارق ليس هائلًا: 2.0 نقطة CORE عن الطريقة التي بُني عليها، و0.0025 BPB. والأكثر فائدة من نقطة النهاية هو المسار. كانت الفجوة إلى Block AttnRes تبلغ 0.0037 عند التحديث 2,000، واتسعت إلى 0.0058 في حين ظل معدل التعلم ثابتًا، ثم تقلصت إلى 0.0024 بحلول النهاية — أي أن أكثر من نصف الميزة فُقد في الجزء الأخير. ويقرن التقرير ذلك بحالة خارجية: فقد تصدّر Dense Baseline مع إضافة البوابة بفارق 0.0012 عند التحديث 2,000، متجاوزًا بأريحية خط الفوز الخاص بهذا البحث نفسه، ثم أنهى متأخرًا بـ0.0002. وهذا هو الحد الصادق للطريقة بأكملها، كما ذكره من أداروها: التقدم المبكر يمنحك فرضية، لا نتيجة.

ما الذي تم التحقق منه، وما الذي تأخذه على الثقة

سجل التشغيل صريح على نحو غير معتاد بشأن مصدره، وهذه الصراحة هي السبب في الثقة بوصف العملية أكثر من الرقم الرئيسي.

• إعادة إنتاج مستقلة — لا يوجد. تُصنّف الساحة المُدخَل بأنه «مُبلَّغ عنه ذاتيًا»، ويذكر تذييل المقال: «Arena v1 · نتائج بذرة واحدة»

• البذور — واحدة. يذكر التقرير "لم يُشغِّل بذرة ثانية أبدًا" ضمن الإخفاقات الأربعة للوكيل

• المشاركة البشرية — تمت الموافقة على خطة كل مرحلة وقواعدها وميزانية GPU من قبل المشغّل، الذي ينص دوره المسجل على أنه لم يختر أي مرشح ولم يكتب أي تعليمات برمجية للطريقة

• مراجعة — يسرد السجل نموذجًا ثانيًا، GPT-6 Astra، بجهد استدلال عالٍ، يراجع كود المرحلة الثالثة وسكربتات الإطلاق قبل أي مهمة GPU، ولا يختار البُنى

• مواد قابلية التكرار — مسار برمجي عام مرخّص بموجب MIT للطريقة، ونقطة تحقق وسجلات على Hugging Face، وأثر يهدف إلى إعادة تشغيل كل تعليمة ونتيجة؛ وكان عدد تنزيلات نقطة التحقق صفرًا عند كتابة هذا

• إشارة الاختيار — dev-split BPB فقط؛ لم يرَ الوكيل CORE-22 أثناء الاختيار

هذا البند الأخير أهم مما يبدو. كان بإمكان الوكيل قراءة النتائج المنشورة للطرائق الأخرى، لكنه اختار المرشحين باستخدام تقسيم التطوير فقط، وهذا هو الفرق بين البحث والاطلاع خلسة.

قائمة الإخفاقات هي النصف الآخر من القيمة. أربعة أيام من السياق، ضُغطت سبع مرات، مع ملاحظات المرشحين المكتوبة في ملفات حتى يمكن استئناف سلسلة المحادثة. خطط الوكيل لاتخاذ قراره في الجولة الثالثة عند التحديث 1,536 لكنه وضع التذكيرات فقط عند 512 و2,000، لذا توقف في الفجوة ولم يستأنف إلا عندما نبّهه إنسان. صنّف مزيج الخبراء متساوي الحوسبة الأعلى، وانتهى كلا البديلين في المركز الأخير. خلط بين التباين من تشغيل إلى تشغيل والتباين من بذرة إلى بذرة. وحسّن الجودة دون قيد على السرعة، وهكذا فاز نموذج أبطأ بـ1.66× في مسابقة متكافئة الحوسبة على الجودة وحدها.

لا شيء من ذلك غريب عن المألوف. إنها أنماط الفشل التي يعرفها أي شخص يشغّل حلقة وكيل طويلة: خطة بلا مؤقت، واعتقاد مسبق لا يصمد عند الاحتكاك بالواقع، ونموذج تباين لا يمثّل التباين الذي لديك، ودالة هدف فيها ثغرة. الجديد هو رؤيتها مبيّنة بندًا بندًا على يد من شاهدوها تحدث، مع سجل التتبع على GitHub.

ما الذي يغيّره هذا بالنسبة لشخص يختار نموذجًا

لا شيء يتعلق ببطاقة أسعار Claude Opus 5.5 أو سياقه أو اختباراته المرجعية. التحول المفيد أضيق وأكثر عملية: فهذه واحدة من أولى العروض العامة القابلة لإعادة التشغيل التي تُظهر أن نموذجًا طليعيًا عام الأغراض، إذا زُوِّد بمنظومة تقييم ثابتة وموافقة بشرية على الميزانية، يستطيع إجراء بحث تجريبي متعدد الجولات وإنتاج شيء سيدربه فريق فعليًا.

وهذا له نتيجة محددة بشأن طريقة استخدامك له. وإذا كنت تفكر في توجيه وكيل نحو مشكلة بحث خاصة بك، فإن الجزء القابل للنقل من التقرير هو البروتوكول، لا البنية: عايِر بديلك الرخيص مقابل نتائج كاملة معروفة قبل إنفاق ساعة GPU واحدة، وحدِّد أرضية ضوضاء وعتبة فوز مسبقًا من تشغيلات متكررة، وغيِّر شيئًا واحدًا لكل مرشح مقابل أصل معلن، واحسم حالات الفوز عند أفق أثبتت أنه تنبؤي. تكلف هذه القواعد الأربع نحو 7% من إجمالي الحوسبة هنا، وهي السبب في أن الـ93% الأخرى لم تذهب هدرًا.

النتيجة المعمارية أصعب في اتخاذ إجراء بناءً عليها. إن AttnRes-Canon طريقة بحثية، لا نموذجًا قيد الخدمة. وهو موجود كإضافة منهجية ونقطة حفظ عند 49.152B-token، وببذرة واحدة، وأي شخص يريد البناء عليه يبدأ من محاولة إعادة إنتاج. تعامل مع رقم CORE-22 كخيط يستحق بذرة ثانية، لا كخاصية مستقرة من خصائص البقايا الانتباهية.

يتحدد موقع OrcaRouter في الجزء من سير العمل الذي يحيط بالبحث لا في البحث نفسه. تتاح Claude Opus 5.5 في كتالوجنا بسعر القائمة المنشور لدى Anthropic، وبهامش ربح 0% — 4.00 دولار لكل مليون رمز إدخال، و20.00 دولارًا لكل مليون رمز إخراج، و0.20 دولار لقراءات الذاكرة المؤقتة، وسياق بمليون رمز — والنماذج التي تتوزع عليها حلقة بحث عادةً تقع خلف المفتاح نفسه: Claude Fable 5.2 بسعر 8.00/40.00 دولار منذ 9 نوفمبر، وGPT-6 Astra بسعر 10.00/50.00 دولار حتى 272K رمزًا و20.00/75.00 دولارًا لما يتجاوزها، وClaude Opus 5 بسعر 5.00/25.00 دولار. إن جلسة بحث تستغرق أربعة أيام وتضغط سياقها سبع مرات لهي محادثة طويلة ومكلفة ومعرضة للفشل؛ وتشغيلها عبر نقطة نهاية واحدة مع التحويل التلقائي عند الفشل يعني أن تعثّرًا لدى أحد المزوّدين يكلّف إعادة محاولة، لا ليلة كاملة، ولغة التوجيه DSL تتيح لك إسناد التحليل الروتيني إلى نموذج أرخص والإبقاء على Claude Opus 5.5 للقرارات التي تحدد الجولة التالية.

ماذا تشاهد بعد ذلك

ثلاثة أمور من شأنها أن تنقل هذا من تقرير ذاتي مثير للاهتمام إلى نتيجة يمكن البناء عليها. بذرة ثانية، يقول التقرير إنها لم تحدث، وستخبرك ما إذا كانت 0.0025 BPB حقيقية. وإعادة تشغيل مقيّدة بالسرعة، لأن زمن خطوة قدره 1.66× يمثل ثلث القيمة إذا كنت تهتم بالإنتاجية لكل ساعة GPU بدلاً من لكل رمز. وArena v2، التي يقول المؤلفون إنها ستُشغَّل داخل حاوية مغلقة مع حصة حسابية ثابتة بحيث لا يستطيع الوكيل رؤية مجموعة التحقق الرسمية أو CORE-22 على الإطلاق — تلك هي النسخة التي يتوقف فيها احتياج "قيام وكيل بالبحث" إلى وجود إنسان في الحلقة لكي يكون موثوقًا.

حتى ذلك الحين، فإن الخلاصة المنصفة هي هذه: وكيل زُوِّد بمسطرة متقنة الصنع وجد تحسينًا معماريًا حقيقيًا ومتواضعًا وقابلًا للتكرار من حيث المبدأ خلال أربعة أيام مقابل نحو 2,100 ساعة GPU، وكتب كل ما أخطأ فيه على طول الطريق. الجزء الأخير هو الجزء الذي يغفله المجال عادةً.