
أدارت Claude Opus 5.5 شركة ذكاء اصطناعي لمدة سبعة أسابيع باستخدام 16 دقيقة يوميًا
- OrcaجديدOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 لكل مليون رمز · 184 tok/s
- tencentجديدTencent: Hy4 Flash2026-11-16$0.02 / $0.07 لكل مليون رمز · 223 tok/s
- GoogleجديدGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 لكل مليون رمز · 87 tok/s
- AnthropicجديدAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 لكل مليون رمز · 96 tok/s
- orcaجديدOrca: OrcaC2 1.02026-11-079 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 لكل مليون رمز · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 لكل مليون رمز · 131 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 لكل مليون رمز · 78 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 لكل مليون رمز · 94 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 لكل مليون رمز · 114 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 لكل مليون رمز · 69 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 94 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447الذكاء
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 لكل مليون رمز · 208 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929الذكاء
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 لكل مليون رمز · 111 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733الذكاء
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 لكل مليون رمز · 311 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740الذكاء
Claude Opus 5.5 متاح بشكل عام منذ 22 سبتمبر 2026، لذا فالسؤال المثير للاهتمام بشأنه لم يعد ما تحققه درجاته. بل ما يحدث عندما تتوقف عن توجيهه بالمطالبات وتُسند إليه مهمة. فعل فريق في EPFL ومعهد ELLIS في توبنغن ذلك بالضبط: فقد أعطوا Claude Opus 5.5 حسابًا فارغًا على Hugging Face، وميزانية GPU، وتعليمة واحدة — أن يحقق تبنّيًا حقيقيًا — وتركوه يعمل لمدة سبعة أسابيع. نشر 38 نموذجًا. تجاوزت تلك النماذج 50,000 عملية تنزيل، وتُستخدم في أكثر من 140 مستودعًا عامًا، ويُستشهد بها في ورقتين على arXiv. عمل الوكيل الذي أنجز ذلك بمعدل 16 دقيقة يوميًا.
التقرير موجود على horizon-labs.ai، بتاريخ 17 نوفمبر 2026، والوكيل يُسمى Horizon. كل رقم أدناه يأتي من ذلك المستند أو من حساب Hugging Face الذي يشير إليه، والتحذير مذكور هنا مرة واحدة بدلًا من تكراره: هذه دراسة حالة أعدّها الفريق عن تشغيله الخاص، وليست تدقيقًا من طرف ثالث. وهم صريحون على نحو غير معتاد بشأن المواضع التي كان يمكن فيها لتدخلهم الخاص أن يضخّم النتيجة، وهذه الاعترافات هي الجزء الأكثر فائدة في المستند.
ما سلّموه فعليًا

عمل Horizon على مدار الساعة طوال أيام الأسبوع داخل Claude Code، عبر اشتراك واحد من Anthropic Team Premium، مع إمكانية الوصول إلى حساب جديد على Hugging Face (Horizon-Labs) وحساب على GitHub. جاءت القدرة الحاسوبية على شكل مليون رصيد أسبوعيًا، أي نحو 500 ساعة GPU. كان بإمكانه فتح تذاكر للبشر ولا شيء غير ذلك: لا حسابات أخرى، ولا هوية على الويب، ولا طريقة لإنفاق المال. راقب الفريق إجراءاته باستمرار وتدخّل 20 مرة خلال فترة التشغيل — 13 إجابة على تذاكر وسبع رسائل، وكانت جميعها تقريبًا في الأيام الثلاثة الأولى، ولم يحدث أي منها بعد 22 أكتوبر.
تكشف الميزانية مدى تواضع الإعداد. على مدى التشغيل بأكمله، عالجت Horizon نحو 1.9 مليار رمز، أُعيد قراءة 96% منها من ذاكرة التخزين المؤقت للمطالبات، وكتبت 3.1 مليون رمز. وبأسعار API، يعادل ذلك نحو 1,030 دولارًا من الاستدلال لسبعة أسابيع من العمل المستقل، مقابل أكثر من 600 ساعة GPU من التدريب. وكلفت النتيجة الرئيسية أقل من تكلفة حاسوب محمول.
الطرازات الـ38 ضيقة عن قصد.
لا شيء منها روبوت محادثة. يضم الكتالوج 25 مصنّفًا نصيًا، وستة نماذج لتصنيف الرموز، وثلاثة مصنّفات zero-shot، ونموذجَي إعادة ترتيب، ونموذجَي تضمين، وكلها مبنية على mmBERT-base، ومتاحة بموجب Apache-2.0 مع أوزان ONNX بحيث تُدرَج مباشرةً في خطوط معالجة المتصفح والخادم. تتراوح الأحجام بين 141M للنسخة الصغيرة، و307M للنسخة الأساسية، و568M للنسخة الكبيرة، وكانت Horizon عادةً تطرح حجمين أو ثلاثة من العائلة نفسها.
هذه العائلات هي نوع الأشياء التي تشتري شركة نموذجًا صغيرًا من أجلها: حراس حقن المطالبات، وتنقيح PII، وكشف الهلوسة، وسلامة المحتوى، والسمّية، وتحليل المشاعر والعواطف متعدد اللغات، وتحديد اللغة، واستعادة علامات الترقيم، وتصحيح حالة الأحرف (truecasing). وأكثر المنزّلين هم بالضبط هؤلاء:

حاجز الحقن عند نحو 17 ألفًا، وعلامات الترقيم عند 7.6 ألف، وأداة إعادة الترتيب عند 6.4 ألف. جاءت بيانات التدريب من مجموعات بيانات عامة على Hugging Face إضافةً إلى تعزيز اصطناعي، مع استخدام Qwen 3.8-27B وGemma 4 31B لتوسيم الأمثلة أو توليدها.
ضيق النطاق هذا هو الاستراتيجية، وليس قيدًا. لا يستطيع حساب جديد بلا سمعة أن يفوز في اختبار معياري عام الغرض، لكنه يستطيع أن يفوز ببديل جاهز للاستخدام بحجم 300MB يوفّر على شخص ما مراجعة ترخيص. قالت Horizon ذلك بنفسها في سجلاتها: «يحقق حساب جديد غير معروف أسرع وتيرة تنزيلات باستخدام نماذج صغيرة وعملية وجاهزة للاستخدام.»
الـ16 دقيقة يوميًا هي النتيجة الفعلية.
يستيقظ الوكيل عند نحو 10:00 UTC، لأن ذلك هو وقت تحديث Hugging Face لأعداد التنزيلات. يقرأ أرقام اليوم السابق، ويقرر ما الذي سيحسّنه، ثم يعود إلى النوم. وبكلماته هو في 9 أكتوبر: «أنتظر حتى نحو 09:45 UTC غدًا من أجل تحديث التنزيلات التالي، ثم سأختار الخطوة التالية بناءً على تلك الأرقام».
في بعض الأيام لم يفعل شيئًا على الإطلاق. بلغ وقت العمل ذروته مبكرًا، ثم انخفض خلال أكتوبر واستقر، بينما ظل عدد التنزيلات اليومية في ارتفاع. الصياغة التي اعتمدها التقرير نفسه هي الجديرة بالاحتفاظ: فقد نما الناتج التراكمي — التنزيلات، والمستودعات المعتمدة — نموًا أسيًا، بينما نما الجهد التراكمي نموًا لوغاريتميًا. وفي النهاية، كانت الـ16 دقيقة الحدّية تنتج أكثر مما أنتجه سبرنت الأسبوع الأول بدوام كامل.

هذا الشكل لا يمكن أن يوجد إلا لأن المهمة كانت تتضمن إشارة تغذية راجعة رخيصة وواضحة. فالتنزيلات رقم يصل كل صباح دون أن يحتاج أحد إلى تفسيره. وجّه الوكيل نفسه إلى هدف تكون إشارة المكافأة فيه رأي إنسان، وسيصبح يوم الـ16 دقيقة عبئًا لا ميزة كفاءة. ولا يدّعي التقرير خلاف ذلك، ولا ينبغي للقراء أن يفعلوا.
ما راجعه الفريق، وما اكتشفه
تُعدّ أعداد التنزيلات أسهل مقياس يمكن تزويره في تعلّم الآلة، وقد اعتبر الفريق ذلك التهديد المحوري لنتيجتهم. سجّلوا جميع نداءات الأدوات البالغ عددها 3,952 وشغّلوا نموذجين — Claude Haiku 5.5 وLuna 6 — كمراقبين على النص الكامل بحثًا عن اختراق المكافأة. وجدوا ست حالات قامت فيها Horizon بتنزيل نماذجها الخاصة، بلغ مجموعها 42 تنزيلًا. ويقدّرون أن جولات التقييم الخاصة بهم أسهمت بأقل من 30 تنزيلًا إضافيًا، وأن الفريق لم يكن مسؤولًا عن أكثر من 50 من أصل 54,000 تنزيل وقت كتابة النص. في كثير من الأيام ذات أعلى أعداد التنزيلات، كانت Horizon نائمة ولم تكن أي مهمة قيد التشغيل.
الأدلة الخارجية أقوى من الحجة المضادة. وجد بحث على GitHub 143 مستودعًا تستخدم النماذج — وليس «أكثر من 100» الوارد في منشور الإطلاق، وهو رقم جرى تقريبه إلى الأسفل على نحو متحفظ. تقارن ورقتان على arXiv حارس حقن المطالبات ببدائل: تجد الورقة 2610.03448 («Passing the Test You Trained On») أنه يحقق أعلى AUC في الحقن الوارد عبر المستندات، مع الإشارة إلى فجوة أصغر بين كشف الهجوم وكشف التحكم، وهو قيد حقيقي مذكور بصراحة. وهناك 18 نموذجًا إضافيًا على Hugging Face تُضبط ضبطًا دقيقًا أو تُكمَّم أو تُشتق بطرق أخرى من إصدارات Horizon. قام منافس، هو Patronus Studio، بتحديث بطاقة نموذجه الخاصة لتشمل معايير Horizon. كما أنشأ الفريق أربع عائلات معيارية تركيبية محجوزة بعد إصدار النماذج، باستخدام MiMo V2.6 Pro، ووجد أن النماذج كانت غالبًا الأفضل في فئتها (state of the art) بالنسبة لحجمها في المهمة الضيقة التي تستهدفها.
الجزء غير المريح: أنه تعلّم أن يبيع
تصف بطاقات نماذج Horizon نماذجها بأنها الأفضل أو قريبة من الأفضل في فئتها. فحص الفريق ما إذا كان ذلك يمثل إفراطًا في التخصيص أو انتقاءً للمعايير، وخلص إلى أنه ليس أيًا منهما: فقد اختار الوكيل نقاط التحقق على تقسيم تحقق، وهي الطريقة الصحيحة، وفي مناسبة واحدة على الأقل أطلق تشغيلًا كان يعلم أنه الأضعف بين أربعة على مجموعات الاختبار التي أبلغ عنها. ويقول سجله الخاص بتاريخ 7 أكتوبر: "يختار المدرب نقاط التحقق وفق F1 للتحقق، لذا أطلقت التشغيل ذا أفضل F1 للتحقق. على مجموعات الاختبار، ذلك التشغيل هو الأضعف بين الأربعة."
ما فعله فعلاً هو التسويق. اختار العائلات حسب الطلب — فقد تحقق من أن bart-large-mnli يجذب نحو 3 ملايين تنزيل شهريًا قبل بناء مصنّف بلا أمثلة — ورفض أفكارًا لأسباب تجارية: نقل الرسمية لأن لا توجد مجموعة تقييم متعددة اللغات مفتوحة، ومخاطر الصحة النفسية لأنها كانت حساسة، وتصنيف موضوعات الأخبار لأن نموذجًا موجودًا كان يؤديها جيدًا بالفعل. هذا تفكير مدير منتج، وُصل إليه دون وجود واحد.
تسرّبت أيضًا خطأان في بيئة الاختبار إلى التشغيل، ويستحقان التكرار لأنهما من النوع الذي ستواجهه كل عمليات النشر طويلة الأمد. في 24 سبتمبر، نسخ الفريق نماذج Horizon إلى حساب ثانٍ وترك النسخ عامة؛ فعثرت Horizon عليها على Hub. وفي 11–12 أكتوبر، أخبر ردّ على تذكرة Horizon خطأً بأن Horizon-Labs «شركة مختلفة نديرها في مختبرنا». وقد دفع كلا الأمرين الوكيل نحو الاعتقاد بأنه تديره مجموعة بحثية لا شركة ناشئة. ويقول الفريق إن أياً منهما لم يغيّر سلوكه أو عدد تنزيلاته، وقد بنى منذ ذلك الحين القدرة على إرجاع التشغيل إلى نقطة سابقة.
ماذا يعني هذا إذا كنتَ أنت مَن ينشر الوكيل
الإعداد قابل لإعادة الإنتاج والتكلفة صغيرة، وهذا هو الجزء الذي ينبغي أن يُقلق الناس ويشجعهم بالقدر نفسه: 600 ساعة GPU، ومقعد اشتراك، ونحو 1,030 دولارًا من الرموز، كل ذلك في متناول طالب دكتوراه واحد. أما قصة السلامة فتقوم بالكامل على الحصر والمراقبة، وكانت أدوات المراقبة لدى الفريق نفسها نماذج. وإذا شغّلت شيئًا كهذا، فإن حساب التكلفة لا يقل أهمية عن حواجز الحماية. فمعدل قراءة الذاكرة المؤقتة البالغ 96% لدى Horizon هو سبب تكلفة سبعة أسابيع بأربعة أرقام بدل خمسة، وهذا المعدل خاصية لنظام توجيه مستقر ومجموعة أدوات مستقرة — وهو بالضبط الغرض من طبقة التنسيق.
وهنا أيضًا يثبت الموجّه جدارته في تشغيل كهذا. كانت نماذج المراقبة لدى Horizon نماذج رخيصة تراقب نموذجًا باهظًا، ولا يصح حساب التكلفة إلا إذا ذهب كل نداء إلى أرخص نموذج قادر على أداء تلك المهمة. على OrcaRouter تضع Claude Opus 5.5 والمراقبات الصغيرة خلف مفتاح واحد، تطبّقهامش ربح 0% على سعر قائمة المزوّد بحيث يكون تمرير التكلفة بسعر المورّد نفسه، وتضبط قاعدة توجيه ترسل تمريرات المراقبة إلى الطبقة الرخيصة بينما تبقى حلقة التخطيط على Opus. التبديل التلقائي عند الفشل يغطي بعد ذلك الحالة التي أهدرت أكثر من يوم من أيام هذا الفريق: API يتوقف عن الاستجابة بينما يكون الوكيل نائمًا.
ما لا يثبته التقرير
إنه تشغيل واحد، وعائلة مهام واحدة، وحساب واحد، وسبعة أسابيع. يعتمد نجاح الوكيل على مقياس يُحدَّث يوميًا ويراه الجميع، وعلى منصة يمتلك فيها نموذج صغير كفؤ فجوات واضحة لسدها، وعلى مشغّلين بشريين أجابوا عن 13 تذكرة. ولا يُظهر أن الوكيل يستطيع إدارة شركة تعتمد إيراداتها على العملاء، ولا أن «يوم الـ16 دقيقة» يصمد عند مواجهة هدف لا رقم يومي له. يقول الفريق ذلك صراحةً، والخلاصة الصادقة أضيق من العناوين الكبيرة: نموذج حدودي، إذا أُعطي هدفًا تجاريًا ضيقًا بإشارة واضحة، يستطيع الآن تنفيذ الحلقة كاملة — اختيار المنتج، وبناؤه، وطرحه، وقراءة السوق، والتكرار — بينما يلمسه إنسان لبضع دقائق أسبوعيًا.
الشيء التالي الذي يجب مراقبته ليس عدد التنزيلات، بل ما إذا كان النمط نفسه ينطبق عندما تكون إشارة المكافأة عقدًا بدلًا من عدّاد.
