Claude Sonnet 5.5 بشأن الجهد الإضافي: لماذا يفشل ادعاء "Next Claude Model" في كلا اختباريه الخاصين

في الساعة 12:44 UTC يوم 5 نوفمبر، نشر حساب على X يُدعى @chetaslua جملةً كان يتداولها الناس بأشكال مختلفة منذ أكتوبر:"يبدو أن Sonnet 5.5 Extra يقوم بالتوجيه إلى نموذج claude التالي."وبحلول صباح اليوم التالي، كان المنشور قد حصد 20,900 مشاهدة و384 إعجابًا و38 ردًا. النموذج الذي يذكره هو نموذج يمكنك استدعاؤه اليوم —Claude Sonnet 5.5، الذي طُرح في 28 سبتمبر بسعر دولارين و10 دولارات لكل مليون رمز. كلمة "Extra" ليست نموذجًا ثانيًا. بل هي ثاني أعلى مستوى في قائمة الجهد الخاصة بـ Claude، التي تصنّفها Anthropic باسم Extra high وتسمّيها API باسم xhigh.

يُقدَّم اختباران كدليل: سؤال عن أين ذهب Andrej Karpathy في 2026، وطائر بجع على دراجة مرسوم بالكامل بصيغة SVG. ينجح الاختباران على النموذج الذي أطلقته Anthropic في سبتمبر. وهنا تكمن الصعوبة كلها في الادعاء. أحد الاختبارين يتحقق من حقيقة تقع على بعد شهر واحد داخل نافذة تدريب Claude Sonnet 5.5 الخاصة به. والآخر يقيس كمية وُجد إعداد Extra لزيادتها. لا يستطيع أي منهما الفصل بين "نموذج أفضل أجاب" و"الإعداد الذي اخترته فعل ما تقوله وثائقه أنه يفعله".

هذا لا يجعل المنشور بلا قيمة. بل يجعله عيّنة نقية لاختبار يبدو حاسمًا وهو ليس كذلك — والحركتان اللتان يستخدمهما، أي اختبار المعرفة ومقارنة حجم المخرجات، هما الحركتان نفسهما الكامنتان وراء معظم ادعاءات التوجيه هذا الخريف. إن استعراضهما خطوة بخطوة أنفع من جولة أخرى من التخمين حول ما لم تعلنه Anthropic.

ما الذي تم نشره فعليًا؟

يصف المنشور جلسة دردشة واحدة ومطالبتين. سألت الأولى عن أين ذهب Karpathy في عام 2026 وأمرت النموذج بعدم استخدام الويب؛ وقال الرد إنه انضم إلى Anthropic في مايو 2026 ضمن فريق التدريب المسبق. وسألت الثانية عن "بجعة تركب دراجة بأكبر قدر ممكن من الواقعية بالكود فقط"، وتُوصف النتيجة بأنها 26,599 عنصر SVG، ونحو 6,500 ضربة ريش، دون صور مضمّنة أو data URIs أو scripts، و1,860 سطرًا من Python. ومن هذين التبادلين يستنتج ناشر المنشور أن التسمية تخدم شيئًا أحدث من النموذج الذي تسمّيه.

لا شيء يرافقه. لا معرّف نموذج، ولا بطاقة تسعير، ولا بطاقة نظام، ولا بيان من Anthropic. الخلف الذي تومئ إليه يتداول تحت عدة أسماء منذ أكتوبر، لا شيء منها تابع لـ Anthropic ولا شيء منها قابل للاستدعاء. قائمة نماذج Anthropic نفسها، كما تُقرأ اليوم، تضم أربعة نماذج حالية: Claude Fable 5.1، وClaude Opus 5.5، وClaude Sonnet 5.5، وClaude Haiku 5.5. لا يوجد صف خامس، ولا أي معرّف في المنشور يستطيع القارئ اختباره.

ما هو "Extra" قبل أن يصبح لغزًا

تعرض قائمة الجهد في تطبيقات Claude خمس درجات — منخفض، متوسط، مرتفع، مرتفع إضافي (xhigh) والحد الأقصى — مع تمييز الدرجة الموصى بها من النموذج بعلامة الافتراضي. وكلمة "Extra" هي الطريقة التي يختصر بها الناس الدرجة الرابعة. ويصف مرجع Anthropic الخاص xhigh بأنه قدرة موسّعة للأعمال طويلة الأفق، موجّهة إلى "مهام برمجية ووكيلية طويلة التشغيل (تتجاوز 30 دقيقة) بميزانيات رموز تبلغ الملايين." وهذا هو البائع يخبرك مسبقًا بأن هذه الدرجة مصممة لاستهلاك قدر أكبر بكثير من الدرجة التي تسبقها.

المستوى أيضًا معايَر لكل نموذج، لا عالميًا. تقول ملاحظة الترحيل الخاصة بهذا الجيل من Anthropic صراحةً إن مستويات الجهد في Claude Sonnet 5.5 أُعيدت معايرتها — فالمستوى "لا ينتج القدر نفسه من التفكير الذي كان ينتجه على Claude Sonnet 5" — وتطلب من المطورين إعادة تشغيل مسح الجهد بدلًا من نقل إعداد ما. وينتج عن ذلك نتيجتان، كلتاهما مملة وكلتاهما قاتلة للاستدلال. فطلب عند Extra على Sonnet 5.5 ليس الطلب نفسه عند Extra على سابقه، لذا فإن "يبدو مختلفًا عما أتذكره" أمر متوقع. وتحويل قرص من High إلى Extra هو تعليمات بإنفاق مزيد من الرموز، لذا فإن رسمًا أطول وأكثف وأكثر تفصيلًا هو النتيجة المطلوبة.

ثمة تفصيل ظاهري آخر يستحق التثبيت، لأنه الموضع الذي تتوقف فيه التسميات عن التطابق. إن الجهد الافتراضي لواجهة Claude API لهذا الطراز هو high؛ أما الافتراضي في Claude Code للطراز نفسه فهو medium. والاستجابة الصادرة عن التطبيق عند Extra، والاستجابة الصادرة عن API عند افتراضيه، والاستجابة الصادرة عن Claude Code عند افتراضيه، هي ثلاث تهيئات مختلفة لطراز واحد. ومقارنة أي اثنتين منها والاستنتاج بأن طرازًا جديدًا قد ظهر إنما هي مقارنة إعدادات افتراضية، لا نقاط تحقق.

الاختبار الأول: معلومة من مايو يُتحقَّق منها مقابل حدٍّ فاصل في يونيو

سؤال كارباثي هو الأقوى بين الاختبارين، لأنه بخلاف معظم هذه الاختبارات يمكن التحقق من إجابته مقابل السجل العام. وهي صحيحة. أعلن كارباثي على منصة X في 19 مايو 2026 أنه انضم إلى Anthropic؛ وبدأ ذلك الأسبوع في فريق التدريب المسبق، تحت إشراف نيك جوزيف، وقال إنه سيبني فريقًا يركز على استخدام Claude لتسريع أبحاث التدريب المسبق. والرد الذي يصفه المنشور — انضم إلى Anthropic، مايو 2026، فريق التدريب المسبق — دقيق.

الدقة هي المشكلة. نقطة انقطاع المعرفة الموثوقة لدى Claude Sonnet 5.5 هي يونيو 2026، ونقطة انقطاع بيانات التدريب لديه هي نفسها. حدث التعيين قبل ذلك الخط بنحو شهر. من المفترض أن يجيب Claude Sonnet 5.5 المُصدَّر عن هذا السؤال مع إيقاف الويب، والإجابة عنه هي ما تتوقعه وثائقه. أنتج الاختبار نتيجة عدمية وقُرئت على أنها الاكتشاف.

من الجدير أن نكون دقيقين بشأن ما يمكن لمسبار المعرفة أن يفعله وما لا يمكنه فعله، لأن هذا هو الموضع الذي تخطئ فيه معظم هذه الادعاءات:

• الإجابة الصحيحة عن حدث وقع قبل نقطة القطع لا تحمل أي معلومة مفيدة. فكل نموذج في السلسلة دُرِّب عليه.

• لكان الجواب الخاطئ مفيدًا — في الاتجاه المعاكس. فإذا أنكر نموذجٌ يُفترض أن يعرف بتعيين جرى في مايو 2026 ذلك، فهذا دليل على نقطة تحقق مختلفة وأضعف، لا على نقطة تحقق أقوى لم يُعلن عنها.

• فقط الحقيقة التي تقع بعد تاريخ القطع هي ما يُميّز. فالحقيقة المنشورة بعد يونيو 2026، والتي لم يكن أي نموذج في السلسلة الحالية قد تدرب عليها، هي نوع السؤال الوحيد الذي يفصل نقطة تحقق جديدة عن نقطة قديمة. نشر كارباثي شرحًا لسير عمل على مدونته الخاصة في 2 نوفمبر. وكان طلب محتوياته مع إيقاف الويب اختبارًا حقيقيًا. أما السؤال عن أين ذهب في مايو فلم يكن كذلك.

الاختبار الثاني: عدّ البجع الذي يقيس الإسهاب

برومبت البجع هو تقييم ارتجالي طويل الأمد يجريه سايمون ويليسون، وقد شغّله على Claude Sonnet 5.5 في 28 سبتمبر، وهو اليوم الذي صدر فيه النموذج. ونتائجه المنشورة هي خط الأساس المفيد هنا، لأنها مؤرخة ومنسوبة وقياسية بدلًا من أن تُحصى بالعين.

• عند أقصى جهد — درجة واحدة أعلى من تلك التي استخدمها المنشور — أنفق النموذج 128,000 رمز إخراج، وبلغ الحد الأقصى، وكلّف 1.28 دولارًا، ولم يُنتج أي SVG على الإطلاق.

عند xhigh — الدرجة التي يسميها المنشور Extra — أنتج النموذج نفسه طائر بجع في 41 ثانية مقابل 5.74 سنتًا.

اقرأ هذين السطرين معًا ينهار الاختبار الثاني في المنشور. النموذج المُصدَّر عند Extra يرسم الطائر بالفعل — تلك هي التجربة التي استغرقت 41 ثانية وكلّفت 5.74 سنتًا — لذا فإن طائرًا عند Extra ليس شاذًا. النموذج المُصدَّر على درجة واحدة فوق Extra لا يرسم شيئًا على الإطلاق، لذا في هذه المهمة يُعدّ مقبض الجهد المتغير المهيمن بفارق كبير، ومقبض الجهد هو الشيء الوحيد الذي غيّره المنشور. النتيجة التي تتغير مع الإعداد الذي أدرته هي دليل على ذلك الإعداد.

يستحق عدد العناصر حسابه الخاص، لأنه الرقم الأكثر احتمالًا للتكرار. وتذكر Anthropic أن مليون رمز يعادل تقريبًا 2.5 مليون حرف على المُرمِّز الحالي. وإذا كان متوسط 26,599 عنصرًا 40 حرفًا لكل منها — وهو رقم متحفظ عند تضمين بيانات المسار والسمات — فسيكون الرسم نحو 1.06 مليون حرف، أو قرابة 424,000 رمز. وهذا أكثر من ثلاثة أضعاف سقف الإخراج المتزامن البالغ 128,000 رمز، ويتجاوز أيضًا سقف الدفعة البالغ 300,000 رمز. وإذا كان متوسط العناصر سبعة أحرف، فإن العدد نفسه يتسع بسهولة في نحو 74,000 رمز.

إذن فالعدد محدود بكثافة الترميز، لا بقوة النموذج، والنموذج الأكثر إيجازًا يسجّل رقمًا أكبر. ويشير وصف المنشور نفسه إلى التفسير الأرجح: تظهر 1,860 سطرًا من بايثون في المحادثة نفسها، ويمكن لسكربت يمرّ على الريش أن يُصدر 26,599 عنصرًا دون أن يكتب النموذج 26,599 عنصرًا. ولا يوضح المنشور ما إذا كان ذلك الكود قد رسم البجع أم كان أثرًا منفصلًا، وهو بالضبط التفصيل الذي يحتاجه القارئ. وما يمكن قوله دون الملف هو أن عدد العناصر مقياس للإسهاب في درجةٍ وظيفتها الموثقة هي إنتاج المزيد.

السطر الوحيد المثير للاهتمام حقًا في الوصف هو السطر النافي: لا صور مضمّنة، ولا عناوين URI من نوع data، ولا نصوص برمجية. طائر بجع بهذا المستوى من التفصيل، مبنيًّا فقط من عناصر متجهية أولية، نتيجة حقيقية. لكنها نتيجة تتعلق بجودة المخرجات، وجودة المخرجات عند إعداد جهد أعلى هي أقل ما يُثير الدهشة مما يمكن أن يقدمه النموذج.

الطريقة الموثّقة الوحيدة التي يجيب بها Claude مختلف

لا شيء من هذا يثبت أن Anthropic لن تخدم أبدًا طلبًا تحت تسمية واحدة بأوزان مختلفة. لكنه يعني أن الادعاء عليه أن يفسّر الآليات التي توثّقها Anthropic، وكلتاهما تشير في الاتجاه المعاكس.

الأول هو الاحتياطي عند الرفض. الطلب المرفوض يعيد HTTP 200 مع stop_reason: "refusal" وكائن stop_details يسمّي مجال السياسة. الاحتياطي من جهة الخادم، يُضبط عبر fallbacks: "default" وهو في مرحلة beta على Claude API، يعيد محاولة الرفضات من نوع cyber وfrontier_llm على Claude Sonnet 5 — النموذج الأقدم والأرخص. هذه حالة موثّقة لطلب على Sonnet 5.5 يجيب عنه شيء آخر، وهو تخفيض يعلن عن نفسه في الاستجابة.

الثاني هو ربط كتل التفكير. تسجّل كتل التفكير النموذج الذي أنتجها، وعندما تنتقل محادثة إلى نموذج لا يستطيع قراءتها، تُسقطها واجهة API قبل أن يرى النموذج الطلب، وتُبلّغ عن الإسقاط في input_transformations عند تعيين ترويسة beta. ذلك هو API يخبرك بأن نموذج الخدمة قد تغيّر. لا شيء في أي من الآليتين يرقّي طلب claude-sonnet-5-5 إلى نموذج أقوى غير معلن ضمن السلسلة النصية نفسها.

غياب الآلية ليس دليلًا على أن شيئًا لا يحدث. لكنه، مع ذلك، المعيار الذي يجب أن يفي به الادعاء: فقصة التوجيه التي لا تصف سوى تحسّن يجب أن تشرح لماذا المسار الوحيد الذي تنشره Anthropic يسير نزولًا ويترك إيصالًا.

أقرب شيء إلى تحقق خارجي هو المؤشر الذي يشغّله مقيّمون مستقلون على النموذج الذي تطلقه Anthropic. تدرج Artificial Analysis نموذج Claude Sonnet 5.5 عند 55 على مؤشر الذكاء Intelligence Index v5.0.1 الخاص بها، في المرتبة التاسعة من 69 نموذجًا مقابل وسيط قدره 37. هذه قراءة للسلسلة كما تُقدَّم اليوم، وهي السطح الذي يُتوقع أن تظهر عليه في نهاية المطاف نقطة تحقق أقوى جوهريًا مختبئة تحت الاسم نفسه.

كيف سيبدو اختبارٌ يمكنه حسم الأمر

إذا أردت أن تعرف ما إذا كانت التسمية التي أمامك يخدمها شيء آخر، فالتجربة ليست صعبة. إنها فقط أقل متعةً من نشر صورة بجع.

• ثبّت المعرّف، لا التسمية. استدعِ claude-sonnet-5-5 بقيمة جهد صريحة، حتى يكون الطلب هو الطلب نفسه في كل مرة. التسمية في القائمة هي واجهة منتج؛ أما المعرّف فهو هدف.

• خذ أكثر من عيّنة واحدة. استجابة واحدة عند درجة واحدة مجرد حكاية. عشر استجابات عند high وعشر عند xhigh، مع نفس system prompt ونفس max_tokens، تمنحك توزيعين. الجهد يُنتج تحوّلًا سلسًا ومطّردًا في طول المخرجات. أما نقطة تفتيش (checkpoint) مختلفة فتميل إلى إنتاج انقطاع في المحتوى لا يفسّره الطول.

• استخدم حقيقة تعود إلى ما بعد تاريخ القطع. فتاريخ قطع في يونيو 2026 يعني أن كل ما نُشر بعد يونيو صالح للاستخدام، وكل ما نُشر قبله لا قيمة له كأداة استقصاء. هذا هو التغيير الوحيد الذي كان سيجعل اختبار 5 نوفمبر يستحق العناء.

• اقرأ كائن الاستجابة، ثم لا تمنحه وزنًا كاملًا. حقول model وusage وstop_reason وstop_details جديرة بالتسجيل، ويظهر هناك مسار احتياطي للرفض. لكن هذه الحقول تردّد ما يقول الخادم إنه فعله. فهي تصريح، لا فحص — من الفئة نفسها من الأدلة كأن تسأل نموذجًا أن يصف نفسه.

احسب سعره قبل تشغيله. بمعدل دولارين و10 دولارات لكل مليون رمز، تكلّف استجابة من 128,000 رمز 1.28 دولار، وهو رقم Willison وأيضًا مجرد بطاقة الأسعار. عشرون استجابة تُترك لتصل إلى الحد الأقصى تكلّف نحو 25 دولارًا.

ما التكاليف التي تتحمّلها Extra أثناء انتظارك لإجابة

ثمة سؤال عمليّ كامن وراء الشائعة لا يتوقف على حسمها. فـ Claude Sonnet 5.5 يحتسب التفكير كمخرجات، ويُحتسب التفكير ضمن max_tokens، وExtra موثّق لميزانيات الرموز الممتدة إلى الملايين. واستجابة واحدة تستهلك مليون رمز مخرجات تكلّف 10 دولارات على جانب المخرجات وحده، وفق بطاقة أسعار اختارتها فرق كثيرة تحديدًا لأنها كانت الفئة الرخيصة.

• درجة واحدة أعلى من Extra، وصلت تجربة البجع المقاسة إلى الحد الأقصى البالغ 128,000 رمز وكلفت 1.28 دولار دون إنتاج رسمة. تكلفة الطلب الفاشل على هذا النموذج ليست صفرًا.

• بدرجة واحدة أدنى، أُنجزت المهمة نفسها في 41 ثانية مقابل 5.74 سنت. والفارق بين الاثنين يزيد على عشرين ضعفًا، وتحدده قائمة منسدلة.

• فريقٌ ينفّذ 1,000 طلب من Extra يوميًا بمعدل 30,000 رمز إخراج لكل طلب ينفق 30 مليون رمز إخراج يوميًا، أي 300 دولار، قبل احتساب الإدخال أصلًا.

هذا هو الجزء الذي يمكن للقارئ أن يتصرف بناءً عليه اليوم بغض النظر عما تطلقه Anthropic لاحقًا. إذا كان Extra نموذجًا مختلفًا، فإن المكسب غير المتوقع حقيقي لكنه غير قابل للتخطيط. وإذا كان Extra هو ما يقوله اسمه، فإن عبء عمل لم يُجرَّب مقابل الإعدادين المرتفع والمتوسط يدفع ثمن شمولية لم يقسها أحد.

يوجّه OrcaRouter Claude Sonnet 5.5 بالسعرين اللذين يحددهما البائع نفسه: 2 دولار و10 دولارات، دون أي هامش ربح مضاف، والجهد معامل لكل طلب وليس عقدًا منفصلًا، لذا فإن مسحًا لمستوى الجهد عبر المستويات هو حلقة في سكربت. وهذا أيضًا التحوّط الصادق ضد ادعاء مثل هذا: ثبّت معرّف النموذج الذي تقصده، وشغّل المطالبة نفسها عند كل مستوى، وقارن أعداد الرموز الخاصة بك بدلًا من لقطة شاشة. عندما يتعذر حسم مسألة التوجيه من الخارج، فأفضل بديل هو إعداد يمكن فيه قياس الإجابة على حركة المرور الخاصة بك — وحيث يكون التحويل عند الفشل إلى المستوى المرتفع أو إلى نموذج مختلف تغييرًا في الإعدادات لا عملية ترحيل.

ما الذي سيغيّر هذه الصفحة؟

معرّف نموذج، أو بطاقة أسعار، أو بطاقة نظام، أو جملة من Anthropic تسمّي الخلف. أيٌّ من هذه يحسم المسألة في ظهيرة واحدة، ولا شيء منها موجود اليوم. وإلى أن يوجد أحدها، فالوصف الصادق للشيء الكامن وراء التسمية هو ما تنشره Anthropic: Claude Sonnet 5.5، وحدّ بيانات يونيو 2026، وخمس درجات جهد، وسبب موثّق للاعتقاد بأن بجعة أكبر عند إعداد أعلى هي بجعة أكبر عند إعداد أعلى.

صياغة المنشور نفسه تفضح الأمر. فهو يقارن Extra بتوقّع، لا بقياس — نفس الدرجة على Sonnet 5، أو نفس الدرجة عند الحد الأقصى، أو خط أساس منشور من أسبوع الإطلاق. تلك المقارنات موجودة وغير مكلفة. وإلى أن يُجريها أحد، فإن «يبدو كالتوجيه» ليس سوى وصف لقائمة منسدلة تؤدي عملها.