DeepSeek-V4.1-Flash-1017: تخمين من 45 إلى 46، وسجل تغييرات من ثلاث جمل، والصف الواحد المشترك بين لوحتي النتائج

D​eepSeek-V4.1-Flash-1017 حقيقي وعمره يوم واحد. يمكنك قراءة إدخال سجل التغييرات المؤرخ 2026-10-17، وتنزيل 763 مليار معامل من الأوزان المرخّصة بموجب MIT من Hugging Face، واستدعاؤه الآن تحت deepseek-flash، سلسلة الطراز غير المتغيّرة، وببطاقة الأسعار غير المتغيّرة. ما لا يمكنك فعله هو البحث عن مرتبته في التصنيف. أكثر منشور جوهري عن DeepSeek V4.1 Flash في اليوم التالي لنزول تحديثه لم يكن نتيجة — بل كان تخمينًا. وقد قدّر أحد المتابعين المقربين للمختبر أن درجة النموذج النهائية في Artificial Analysis Intelligence Index ستكون 45 إلى 46، وتوقّع أن يكون Grok 4.7 هو الرقم الذي يتجاوزه النموذج بفارق ضئيل، وأن AA-Omniscience هي التقييم الذي يسحقه، وطرح 57% كتوقع معقول على Vals Index. كل واحد من تلك الأرقام هو تنبؤ حول لوحة نتائج لا تحتوي بعد على صف 1017. الإصدار حقيقة. الترتيب رهان، والجزء المثير للاهتمام هو لماذا لا يستطيع أحد حسمه اليوم.

ما الذي تم شحنه فعليًا في 17 أكتوبر

المصدر الأساسي قصير. يقول إدخال سجل التغييرات الخاص بـ D​eepSeek بتاريخ 2026-10-17 إن V4.1 Flash "تمت ترقيته إلى D​eepSeek-V4.1-Flash-1017"، وإن نماذج الويب والتطبيق انتقلت معه، وإن "طريقة استدعاء API والتسعير لم يطرأ عليهما تغيير"، وإن الاستدعاءات الموجهة إلى deepseek-flash تصل إلى أحدث نموذج. هذا هو الادعاء الكامل على مستوى المواصفات. أُنشئ المستودع المقابل، deepseek-ai/D​eepSeek-V4.1-Flash-1017، في الساعة 02:40 UTC يوم 17 أكتوبر وآخر تعديل له في الساعة 05:46 UTC من اليوم نفسه؛ ويبلغ إجمالي فهرس safetensors الخاص به 763,205,315,794 معلمة عبر أنواع الموترات BF16 وF32 وF8_E4M3 وI8. الترخيص هو MIT. لا شيء فيه يُعد تسريبًا.

يضيف سجل التغييرات ثلاثة أشياء ليست أرقامًا. فهو يصف التحديث بأنه "تحسين باريتو للأداء مقابل التكلفة". ويسمّي أدوات الاختبار التي جرى ضبطه عليها — D​eepSeek Harness وT​encent CodeBuddy وWorkBuddy — ويطلب من المستخدمين الانتقال إلى D​eepSeek Harness 0.2.1-rc.1 أو أحدث. ويعرض أربعة عروض توضيحية للمشاريع، مُقدَّمة على شكل رسوم متحركة: نموذج ثلاثي الأبعاد للمدينة المحرمة، ولعبة سباق في المتصفح، وإعادة إنتاج لـ Portal 2 مبنية في Godot، ومشهد ثلاثي الأبعاد يُسمى "Valley of Ages". هذه مواد تسويقية، وليست قياسات، وهي السبب في أن هذا المقال يُبقيها في فقرة منفصلة عن الدرجات.

ما لم يتغيّر لا يقلّ أهميةً عن ما تغيّر، لأنه الجزء الذي يتصل به المال:

• بطاقة الأسعار — دون تغيير. إدخال إصابة ذاكرة التخزين المؤقت 0.006 دولار لكل مليون رمز في وقت الذروة و0.003 خارج وقت الذروة؛ إدخال عدم إصابة ذاكرة التخزين المؤقت 0.30 / 0.15 دولار؛ الإخراج 1.20 / 0.60 دولار. تعني الذروة 01:00–04:00 و06:00–10:00 بالتوقيت العالمي المنسق، من الاثنين إلى الجمعة، باستثناء العطلات الرسمية الصينية.

• سلسلة النموذج — دون تغيير. أصبح deepseek-flash الآن يُوجّه إلى نقطة التحقق 1017. لا تزال الأسماء المتقاعدة deepseek-v4-flash وdeepseek-v4-flash-vision-exp مقبولة ولا تزال تُوجّه إليه، وتُحتسب بأسعار Flash.

• Envelope — دون تغيير على مستوى البطاقة. نافذة سياق بسعة 1M رمز، وmax_tokens عند 256K أو أعلى، ويُوصى بـ temperature 1.0 وtop_p 1.0.

• عيب في التغليف — أيضًا دون تغيير. لا يزال لا يوجد قالب دردشة Jinja. يوفر المستودع encoding/encoding.py كتطبيق مرجعي يغطي المحادثة متعددة الأدوار، واستدعاء الأدوات، ووضع التفكير، ومستوى جهد الاستدلال الرقمي، ورسائل النظام في منتصف المحادثة، والصور المتداخلة، ويوجّه مستخدمي الإنتاج إلى deepseek-recipe، وهي مكتبة Rust ذات ارتباطات Python.

لا تعيد بطاقة 1017 ذكر البنية. إن شكل هذه العائلة — عمود فقري بحجم 552B، ومرمّز-مفكّك سببي مقسّم إلى مرمّز سببي من 20 طبقة ومفكّك من 20 طبقة، وتنشيط غير متماثل لـ8B من المعاملات أثناء التعبئة المسبقة و16B أثناء فك الترميز، و384 خبيرًا موجّهًا مع 6 مفعّلة لكل رمز، وانتباه CSA2، وتخزين مؤقت FP4 للـKV الرئيسي، وذاكرة Engram شرطية بحجم 196B — يأتي من بطاقة سبتمبر، والتقرير التقني المعنون Pushing the Limits of KV Cache Compression، واستشهاد بطاقة النموذج نفسها. ينبغي للقارئ الذي يريد تلك الأرقام أن يأخذها من وثيقة سبتمبر، لا من صفحة 1017 التي لا تدّعيها قط.

أحد عشر صفًا للمورّدين، والصف الذي يقرأه الفهرس فعليًا

جدول معايير المورّد هو الأثر الوحيد القابل للمقارنة في الإصدار، وهو منشور كصورة على سجل التغييرات وكجدول Markdown على بطاقة الطراز. بالقراءة من البطاقة، عمود 1017 مقابل عمود سبتمبر: HLE دون أدوات 42.6 (44.0 على المجموعة الفرعية النصية فقط) مقابل 36.8 (39.1)؛ Terminal-Bench 4.0 42.3 مقابل 31.2؛ DeepSWE v1.1 77.0 مقابل 74.2؛ ProgramBench 29.1 مقابل 20.3؛ NL2Repo-Bench 68.2 مقابل 65.4؛ Automation-Bench v1.0.6 60.5 مقابل 54.8؛ Agents' Last Exam 35.4 مقابل 31.8؛ Apex Bench v1.1 72.1 مقابل 64.6؛ Chartography مع أدوات 83.0 مقابل 78.9؛ BabyVision مع أدوات 92.5 مقابل 89.6؛ ZeroBench-main مع أدوات 51.0 مقابل 49.0. ترتفع الصفوف الأحد عشر كلها. ثمة حاشيتان توضحان الجدول: يرمز رمز الخنجر إلى المجموعة الفرعية النصية فقط من HLE، وشُغّل Terminal-Bench 4.0 في إطار C​laude Code بينما شُغّل DeepSWE v1.1 في Mini-SWE-V2.

الآن قارن ذلك بمؤشر Artificial Analysis Intelligence Index، وهو الأمر الذي يدور حوله تخمين الانتقال من 45 إلى 46. الإصدار الحالي من المؤشر هو 4.3.2، وهو مركّب مرجّح من عشرة تقييمات ضمن أربعة محاور: الوكلاء بنسبة 30%، والبرمجة بنسبة 20%، والاستدلال العلمي بنسبة 20%، والعام بنسبة 30%. الأوزان منشورة، وهي جوهر الحجة بأكملها. يمثل AA-Briefcase v1.1 نسبة 15%. ويمثل AA-Omniscience نسبة 15% مقسمة إلى دقة بنسبة 10% ومعدل عدم هلوسة بنسبة 5%. ويمثل Terminal-Bench 4.0 نسبة 10%. ويمثل HLE نسبة 10%. ويمثل CritPt، وهي مجموعة الفيزياء غير المنشورة على مستوى البحث، نسبة 10%. ويمثل GDPval-AA v2.1 نسبة 10%، وGDP.pdf نسبة 10%، وSciCode نسبة 10%، وAutomationBench-AA نسبة 5%، وAA-LCR v1.1 نسبة 5%.

لا يظهر من تلك التقييمات العشرة سوى تقييم واحد في جدول D​eepSeek's المكوّن من أحد عشر صفًا بالاسم نفسه والإعداد نفسه: Terminal-Bench 4.0، بما يعادل عُشر المؤشر. ويظهر HLE في الجانبين، لكن ليس بالشكل نفسه — فعمود المورّد هو المجموعة الفرعية النصية البحتة، ويشغّل المؤشر المجموعة النصية فقط المكوّنة من 2,158 سؤالًا. وكل ما عدا ذلك يقرأه المؤشر، بما في ذلك أثقل مكوّنين، ليس له صف لدى المورّد إطلاقًا. تلك هي الآلية الكامنة خلف التخمين، وليست انتقادًا للمختبر: فالأمر ببساطة أن جدول المورّد والمؤشر المركّب يُبنيان من أجزاء مختلفة، والتداخل بعرض صف واحد.

من أين يأتي 45–46، ولماذا لا يمكنك التحقق منه

التوقعات هي عملية حسابية على نتيجة سبتمبر. تمنح Artificial Analysis حاليًا نقطة تفتيش DeepSeek V4.1 Flash لشهر سبتمبر درجة 39 في إعداد الاستدلال الخاص بها بأقصى جهد، مما يضعها في المرتبة التاسعة من بين 120 نموذجًا في مؤشر الذكاء، وأعلى بكثير من الوسيط البالغ 19 لنماذج الأوزان المفتوحة من فئتها الحجمية. ويحمل الإدخال نفسه تكلفة قدرها 0.27 دولارًا لكل مهمة مؤشر، و175.9 رمز إخراج في الثانية، و1.23 ثانية إلى الرمز الأول. لذا فإن توقع 45 إلى 46 هو ادعاء بحوالي ست أو سبع نقاط مؤشر من تبديل نقطة تفتيش واحدة — وهي خطوة مفردة كبيرة بشكل غير معتاد، وهذا بالضبط سبب تحوّط صاحب المنشور بعبارة "سيكون مقبولاً" بدلاً من التنبؤ به.

الوصول إلى هناك سيضع 1017 ضمن رفقة مزدحمة. النماذج الموجودة حاليًا عند 46 هي Grok 4.7 عند xhigh وhigh، وMiMo-V2.6-Pro وG​PT-6 Astra عند low effort. وعند 45 يقع Qwen3.8-Max (0902)، وM​use Spark 1.3 عند xhigh، وG​LM-5.3 عند max. وعند 44 يقع S​tep 5 Preview وKimi K3 عند max. ست نقاط أو سبع ستنقل الطبقة الرخيصة لدى D​eepSeek من أسفل مجموعة الأوزان المفتوحة إلى وسطها، والمقارنة التي اختارها ناشر المنشور — "أفضل من G​rok" — هي التي سيجعلها 45 أو 46 صحيحة حرفيًا عند إعداد الجهد الخاص بـGrok 4.7 نفسه، مع تكلفة أقل بمرتبة مقدار لكل مهمة. هذا هو الشكل المفيد لهذا التخمين: ليس العدد الصحيح، بل موضع نسبة السعر إلى الدرجة الذي يعنيه.

ثمة سبب إضافي للحرص على خط الأساس نفسه. فقد نقلت كتابة صادرة عن طرف ثالث في سبتمبر أن نقطة التحقق الخاصة بسبتمبر تبلغ 40 على المؤشر، بترتيب سادس من 113؛ أما الموقع فيقرأ اليوم 39 بترتيب تاسع من 120، على إصدار مسمّى من المؤشر. الأوزان نفسها، لكن الأعداد الصحيحة المنشورة مختلفة، لأن المؤشر ذو إصدارات متعددة وقاعدته تنمو. وأي توقع مبني على رقم تحرّك بالفعل مرتين هو توقع مبني على الرمل، والنسخة الصادقة من ادعاء 45–46 هي نطاق حول نطاق.

تنبؤ العلم الكلي هو التنبؤ الذي يمتلك آلية.

من بين كل ما تحمله الإشارة، فإن الادعاء بأن 1017 «سيُسحَق أمام Omniscience مرة أخرى» هو الجزء الذي تقف خلفه آلية قابلة للاختبار بدلًا من مجرد انطباع. فإن AA-Omniscience ليس اختبارًا للمعرفة له درجة نجاح. إنه يقيس الموثوقية الواقعية عبر نحو 6000 سؤال تغطي 42 موضوعًا، ويمنح نقاطًا للإجابات الصحيحة، ويخصم مقابل الهلوسات، ويترك الامتناع محايدًا — لذا فإن الامتناع عن الإجابة أفضل من التخمين الخاطئ. والنموذج المهيأ لتحقيق إنتاجية عالية في المهام الوكيلية ومخرجات قصيرة، وهو ما يصفه سجل تغييرات 1017، هو نموذج يخصص رموزًا أقل للتفكير في كل إجابة. وسواء كان ذلك يساعد أم يضر على مؤشر يعاقب الإجابات الخاطئة الواثقة، فالمسألة سؤال مفتوح حقيقي، وكلمة «مرة أخرى» تؤدي دورًا في تلك الجملة: فهي توحي بأن نسخة سبتمبر كانت قد جاءت مخيبة للآمال هناك بالفعل. وينشر المؤشر دقة Omniscience ومعدل عدم الهلوسة كرقمين منفصلين، لكن صفحة نموذج DeepSeek لا تُظهر أرقامًا لكل معيار على حدة، لذا فإن تفصيل Omniscience لشهر سبتمبر غير متاح للقراءة حاليًا من الموقع. التوقع معقول، وهو اليوم غير قابل للتكذيب.

النصف الآخر من الشكوى ذاتها — أي أن المؤشر "لا يزال يستخدم CritPt المعطوب" — يشير إلى خاصية حقيقية في المركّب. فـ CritPt عبارة عن فيزياء غير منشورة على مستوى البحث: مسائل ليست إجاباتها بعد ضمن بيانات التدريب، وهذا ما يجعلها مقاومة للتلوث، وهو نفسه ما يجعلها مشوّشة وبطيئة التحديث. وهي تمثل عُشر المؤشر، بالوزن نفسه الذي يحمله HLE وTerminal-Bench 4.0. وعائلة نماذج لم تنشر قط صفًا خاصًا بـ CritPt تحمل نقطة عمياء بنسبة 10% إلى كل توقع يُجرى بشأنها. جانبا الانتقاد هما في الحقيقة الملاحظة نفسها: فالمؤشر والمورّد يقيسان أشياء مختلفة، وعلى التوقع أن يسدّ هذه الفجوة بالافتراضات.

رقم Vals هو لوح مختلف بقاعدة مختلفة.

تستحق نسبة 57% فقرة خاصة بها لأنها الجزء الوحيد من الإشارة الذي ينطبق على رقم منشور، والربط متأخر بعام كامل لكن في الاتجاه الصحيح. يضع مؤشر Vals AI نسخة سبتمبر من DeepSeek V4.1 Flash عند 57.86%، في المرتبة الخامسة عشرة من 56 نموذجًا، وبصفته أفضل مدخل مفتوح الأوزان، متقدمًا بشكل طفيف على Kimi K3 عند 57.81%، بتكلفة معلنة قدرها $0.30 لكل اختبار. لذا فإن عبارة "57% على Vals تبدو منصفة" ليست توقعًا بالارتفاع — بل هي توقع بأداء مسطح تقريبًا على لوحة كانت فيها نقطة تفتيش سبتمبر بالفعل هي الرائدة مفتوحة الأوزان. لوحتان، وتوقعان مختلفان، من الناشر نفسه، في الجملة نفسها: قفزة كبيرة على المؤشر، ولا قفزة على الإطلاق على Vals. هذا التباين هو أكثر ما ينطوي على معلومات في المنشور، لأنه يخبرك أن الناشر يتوقع أن تحط مكاسب 1017 في التقييمات التي يزنها المؤشر بقوة ويوزنها Vals بخفة — عمل وكيلي من طراز Terminal-Bench، لا اتساعًا في العمل المعرفي العام.

ما الذي سيتعين فعليًا إعادة تشغيله

لا تصف أي من الأرقام المستقلة المتداولة أوزان 1017. استبدلت DeepSeek النموذج الكامن خلف اسم API ثابت، ما يعني أن ملكية كل رقم منشور قد انتقلت بهدوء من يد إلى أخرى: فدرجة مقتبسة لـ DeepSeek V4.1 Flash من تشغيل في سبتمبر أصبحت الآن تصف أوزانًا لم يعد المورّد يقدّمها، بينما الأوزان التي يقدّمها فعلًا لا تملك أي درجة خارجية على الإطلاق. وبالنسبة لكل من يتعامل مع تبديل نقطة تحقق كتغيير في الإعدادات، فإن القاعدة العملية هي المستمدة من البرمجيات: فهو يستدعي تمريرة الانحدار نفسها. هناك خمسة أسئلة تستحق الإجابة عنها بشأن 1017 قبل أن يقترب من مسار الإنتاج.

• هل يمكن إعادة إنتاج Terminal-Bench 4.0؟ رفعته الجهة المورّدة من 31.2 إلى 42.3 في بيئة اختبار Claude Code، وهو أحد الصفوف القليلة التي تطلع عليها لوحة مستقلة. إن اختيار المورّد لإطار اختبار يُجامل نموذجًا هو أقدم نمط فشل في الإبلاغ عن المعايير.

• هل يبقى مكسب DeepSWE قائمًا مع هيكل مختلف؟ 77.0 في Mini-SWE-V2 مقابل 74.2 في سبتمبر. وقد أظهر DeepSWE تفاوتًا كبيرًا بين بيئات التشغيل، لذا فإن الفارق هو ما يُدّعى، لا المستوى.

• هل ينخفض طول المخرجات فعليًا؟ يستند ادعاء التكلفة في سجل التغييرات إلى مخرجات أقصر، وليس إلى مخرجات أسرع فحسب. وفي واجهة برمجة تطبيقات محاسبة الاستخدام، يمثل ذلك الفرق بين تحسين باريتو وخطأ تقريب.

• هل يعمل مقبض جهد الاستدلال كما ينبغي؟ الجهد قيمة رقمية، حيث تُعيَّن low وhigh وmax إلى قيم محددة، وhigh هو الافتراضي، وتُقبل درجة الحرارة لكن تُتجاهل في وضع التفكير. اختبر عند قيمة الجهد الدقيقة التي يرسلها الإنتاج، لأن تشغيل مجموعة اختبارات عند max لا يخبرك بشيء عن نشر عند high.

• هل لا يزال استخدام الأدوات متعدد الأدوار يعمل ذهابًا وإيابًا؟ مع الأدوات، يجب أن يعود reasoning_content من كل دور سابق — بما في ذلك الأدوار التي لا تتضمن استدعاء أداة — وإلا يفشل الطلب. هذا هو نوع الانحدار الذي يُدخله تبديل نقطة التحقق بصمت.

إذا أردت تشغيل جولة اختبار الانحدار تلك دون نقل مسار إنتاج إلى أوزان غير مقيسة، فهذه هي الحالة التي بُني من أجلها تجاوز الفشل في OrcaRouter: ضَع 1017 خلف سلسلة احتياطية، ووجّه إليه حركة المرور التي تقبل خسارتها، واترك الاستجابة الفاشلة أو البطيئة تُعاد محاولتها عبر المزوّدين قبل أن يراها المستدعي. التسعير هو النصف الآخر من الحجة وهو الأبسط — أبقى D​eepSeek على بطاقة أسعار Flash دون تغيير، ولأن OrcaRouter يمرّر سعر القائمة الخاص بالمزوّد مباشرةً دون أي هامش ربح بنسبة 0%، فإن تغييرًا لا يغيّر سعر D​eepSeek لا يغيّر سعرنا. يمكنك الوصول إلى DeepSeek V4.1 Flash بأسعار D​eepSeek نفسها اليوم، دون عقد ثانٍ ودون تغيير في الشيفرة، في حين تلحق لوحة الصدارة بالركب.

الأسئلة التي تتركها الإشارة مفتوحة

لماذا قد يحرّك تبديل نقطة التحقق المؤشر على الإطلاق، إذا كانت البنية نفسها؟ لأن المؤشر يزن تقييمات العمل الوكيلي والبرمجة بنصف إجماليه، وهذه هي التقييمات التي تظهر فيها تغييرات ما بعد التدريب من هذا النوع بأسرع ما يكون. كانت أضعف فئة منشورة لنموذج سبتمبر هي العمل الوكيلي نسبةً إلى سعره؛ وسجل تغييرات 1017 يدور تقريباً بالكامل حول العمل الوكيلي والتكلفة لكل مهمة. التوقع رهان على أن البنية نفسها مع تدريب لاحق أفضل تصل إلى حيث تقول الأوزان إنه ينبغي أن تصل.

هل من طريقة لقراءة رقم 1017 قبل أن ينشر Artificial Analysis رقمًا؟بشكل غير مباشر فقط. الصفان الوكيليان اللذان ينشرهما المورّد — Terminal-Bench 4.0 وAutomation-Bench — هما أقرب بديلين تقريبيين، وكلاهما مُبلّغ عنه ذاتيًا. وثمة مسار ثالث هو مراقبة ما إذا كان الإدخال الخاص بشهر سبتمبر على لوحة مستقلة قد أُعيدت تسميته أو أُعيد تشغيله أو تُرك كما هو؛ فصفّ متقادم يحتفظ بدرجته القديمة بينما تتغير الأوزان المخدومة هو أوضح إشارة على أن رقمًا لم يعد يعني ما يقوله.

هل يعني بقاء السعر دون تغيير أن ادعاء باريتو حقيقي؟ هذا يعني أن الادعاء قابل للاختبار. إن "تحسين باريتو للأداء والتكلفة" عند قائمة أسعار ثابتة لا يكون صحيحًا إلا إذا انخفض عدد رموز الإخراج لكل مهمة، لأن ذلك هو الرافعة الوحيدة المتبقية. تقول الجهة البائعة إن زمن تشغيل المهمة وطول الإخراج انخفضا معًا. وهذا هو الادعاء الوحيد في الصفحة الذي يمكن للقارئ التحقق منه عبر فاتورته الخاصة.

ماذا تشاهد بعد ذلك

التوقع الذي سيُقيَّم محدد، وهذا ما يجعله يستحق الاحتفاظ به. إذا ظهر صف 1017 على Intelligence Index عند 45 أو 46، فقد حدّد كاتب المنشور الموضع والآلية — ترجيح ثقيل للطابع الوكيلي إضافةً إلى نقطة ضعف معروفة في Omniscience — والدرس المفيد هو أن الدرجة المركبة أصبحت قابلة للتنبؤ من جدول المورّد بمجرد قراءة الأوزان بعناية. وإذا حلّت عند مستوى 39 المسجّل في سبتمبر أو دونه، فالدرس معاكس وأكثر كلفة: جدول مورّد من أحد عشر صفًا يتحرك صعودًا في كل سطر يمكن أن يترك الدرجة المركبة ثابتة، لأن الصفوف التي تحرّكت ليست الصفوف التي تُحتسب. أيٌّ من النتيجتين ليس سوى استطلاع واحد لنموذج واحد، وليس حكمًا على المختبر، والرقم الذي يحسم الأمر رقم لا يستطيع القارئ حسابه اليوم.

ما يستطيع القارئ فعله اليوم أرخص من أي توقّع. فالأوزان مرخّصة بموجب MIT وواجهة API متاحة الآن بسعر سبتمبر، لذا فإن الشهر الذي يسبق نشر أي شخص لتصنيفٍ ما هو الشهر المناسب لتكوين رأيك الخاص حول الأسئلة الثلاثة التي تهمك: هل ينجز مهامك الوكيلية أسرع، وهل يقول أقل أثناء ذلك، وهل يصمد في مسارات الأدوات متعددة الجولات التي تشغّلها فعلاً.

ملاحظة المصدر: كل رقم يخص D​eepSeek في هذا المقال — صفوف المعايير الأحد عشر، وإجمالي المعاملات البالغ 763B، ونافذة 1M-token، ورخصة MIT، وقائمة الأسعار غير المتغيرة، وتوصيات الـharness — يأتي من إدخال سجل التغييرات الخاص بالمورّد نفسه بتاريخ 17 أكتوبر، وبطاقة الطراز الخاصة به على Hugging Face، وصفحة التسعير المنشورة لديه. وكل رقم مستقل — الـ39 في Intelligence Index، والمركز التاسع من أصل 120، والتكلفة البالغة $0.27 لكل مهمة مؤشر، و175.9 توكن في الثانية، وترجيح التقييمات العشر الذي يحمل النتيجة — يأتي من Artificial Analysis، وفق ما قُرئ في 18 أكتوبر 2026. أما توقع 45 إلى 46، وتوقع Vals بنسبة 57%، وتنبؤ Omniscience، فهي تقديرات مراقب واحد بشأن طراز ليس له صف 1017 على أي من هذه اللوحات، وهي موسومة كتقديرات أينما تظهر.

إخفاقات الذكاء الاصطناعي الموثقة وحوادث الوكلاء الكامنة وراء إصدارات مثل هذا الإصدار تُجمع في أرشيف حوادث الذكاء الاصطناعي OrcaRouter، حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محل نزاع.