ERNIE 5.5 Flash Preview وادعاء «النموذج المفتوح رقم 2» الذي يناقضه صفّه الخاص في لوحة الصدارة

اقتبست Baidu تغريدة تتضمن ادعاءً من لوحة صدارة في 12 نوفمبر 2026 نصها الكامل: "Ernie 5.5 Flash Preview by @Baidu_Inc is trending towards becoming the #2 open model on the Code Arena: WebDev, at 1668 pts." وأضافت Baidu أعداد المعاملات — 280 مليارًا إجمالًا، و14 مليارًا نشطة لكل رمز — وشكرت المجتمع على "وضعها على المحك". ثم تركت بقية الادعاء كما هو. المشكلة أن الصف الذي ينتج درجة 1668 تلك ليس موسومًا بأنه مفتوح. على اللوحة نفسها Code Arena WebDev، وفي اللقطة نفسها بتاريخ 10 نوفمبر، ERNIE 5.5 Flash Preview يحمل وسم خاص، ودرجة 1668 ±16، وتصنيف AutoEval، وأصواتًا مدرجة كـ N/A. النماذج المذكورة باعتبارها التي يتجاوزها — DeepSeek-V4.1-Flash عند 1664 وKimi K3 عند 1658 — هي صفوف مصنّفة بـ13,952 و22,405 صوتًا بشريًا على التوالي، ويحمل صف DeepSeek وسم ترخيص MIT. لذا فإن الجملة تفعل ثلاثة أشياء في آن واحد: الإبلاغ عن درجة حقيقية، والوعد بترخيص لم يوجد بعد، ووصف ترتيب لم تُسنِده اللوحة.

لا شيء من ذلك يجعل الرقم خاطئًا. بل يجعله نوعًا مختلفًا من الكائنات عن النوع الذي يبيعه ذلك القول، والفرق مقروء بالكامل في أعمدة لوحة الصدارة نفسها.

ما الذي نشرته Arena، والسطر الواحد الذي أغفلته Baidu

صدر منشور Arena في 01:08:21 UTC يوم 12 نوفمبر 2026، أي قبل اقتباس Baidu بدقيقة واحدة. يجدر أن يكون نصه الكامل أمامك، لأن الادعاء والعبارة المقيِّدة له يردان في الفقرة نفسها:

• "يتجه Ernie 5.5 Flash Preview من @Baidu_Inc ليصبح النموذج المفتوح رقم #2 على Code Arena: WebDev، بواقع 1668 نقطة."

• ستُتاح الأوزان كمفتوحة المصدر بموجب Apache 2.0 قريبًا.

• "تضعه نتيجته أعلى بقليل من: DeepSeek-V4.1-Flash (Max) عند 1664، وKimi K3 (Max) عند 1658."

تحوّطت Arena بشأن الترتيب مرتين — «تتجه نحو أن تصبح» — وربطت وضعَ الأوزان المفتوحة بحدث مستقبلي بكلمة «قريبًا». أعادت تغريدةُ اقتباس Baidu إنتاج الدرجة وأعداد المعاملات، وحذفت جملة Apache 2.0 بالكامل، وأبقت على صياغة «الأحدث من @arena». القارئ الذي رأى منشور Baidu فقط لن يعرف أن نصف الادعاء المتعلق بالنموذج المفتوح هو تصريح استشرافي، لأن المكان الوحيد الذي ورد فيه هو النصف الذي جرى حذفه.

هذا ليس اقتباسًا خاطئًا. إنه انتقاء، وهو ينقل عبء الإثبات إلى القارئ الذي يريد التحقق منه — وهذا ما يفعله بقية هذا المقال.

الصف، يُقرأ عمودًا بعمود

تقيّم Code Arena WebDev أعمال تطوير الويب للواجهات الأمامية: مهام البرمجة الوكيلية ذات خطوات الاستدلال المتعددة واستخدام الأدوات، وليس جودة المحادثة ولا البرمجة العامة. تحتوي لقطة 10 نوفمبر الخاصة بها على 995,980 صوتًا عبر 158 نموذجًا. فيما يلي صف ERNIE 5.5 Flash Preview كما تطبعه اللوحة، دون إضافة أي تفسير:

• الدرجة — 1668، نُشرت بصيغة 1668 +16/-16، لذا فإن فترة بثقة 90 بالمئة تقريبًا تتراوح نحو 1652 إلى 1684.

• الترتيب — غير متاح. يُعرض الصف بين الترتيب 16 والترتيب 17 دون رقم ترتيب.

• الأصوات — غير متاح. لا يوجد على الإطلاق عدد أصوات بشرية في الصف.

• التسمية — AutoEval، وسم مرتبط يشير إلى الشرح التوضيحي الخاص بـ Arena.

• وسم الترخيص — ملكية خاصة.

• السعر — $0.28 للإدخال، $1.13 للإخراج لكل مليون رمز، وهو ما يطابق سعر قائمة Qianfan.

{{1}}السياق{{/1}} — غير متاح، على نموذج تذكر صفحة مورّده نافذة بسعة مليون رمز.

ثلاثة من تلك الأعمدة السبعة هي N/A، وأحدها عمود الترخيص، وهو العمود الذي يعتمد عليه الادعاء. قارن النطاق الذي يزعم أنه يقع فوقه، فتتضح الصورة بدل أن تبهت:

• 1691 — Claude Opus 5 (Max)، A​nthropic، خاص.

• 1688 — Kimi K3.1 Pro (Max)، M​oonshot، موسومة بـ"Kimi K3.1 Pro License"، ترخيص مخصص لا يصنّفه Arena مفتوحًا ولا مملوكًا.

• 1682 — Gemini 4 Argon (High)، G​oogle، خاص.

• 1679 — GPT-6.1 Terra (Max)، O​penAI، خاص.

• 1676 — Qwen3.8-Max (0902)، A​libaba، مملوكة، أولية.

• 1673 — GPT-6 Sol (Max)، O​penAI، خاص.

• 1670 — Qwen3.8-Max، Alibaba، خاص، أولي.

• 1668 — ERNIE 5.5 Flash Preview، Baidu، خاص، AutoEval.

• 1664 — DeepSeek-V4.1-Flash-20261017 (Max)، D​eepSeek، MIT، 13,952 صوتًا.

• 1658 — Kimi K3 (Max)، Moonshot، 22,405 صوتًا.

اقرأ تلك القائمة في ضوء الادعاء. كل ما يقع فوق ERNIE فيها مملوك باستثناء صف واحد بترخيص مخصص. أول نموذج مفتوح الترخيص حقًا تصادفه هو صف D​eepSeek أسفله. لذا فإن «النموذج المفتوح رقم 2» ليس وصفًا لموضع ERNIE في هذا الجدول. بل هو وصف للموضع الذي سيشغله ERNIE لو نُشرت الأوزان بموجب Apache 2.0 ولو عُوملت درجات AutoEval على أنها مكافئة للدرجات التي يصوّت عليها البشر. كلا الشرطين إما مستقبلي وإما محل نزاع، ولا يظهر أي منهما في التغريدة المقتبسة.

ما هي AutoEval في الواقع، ولماذا يُعد ±16 مهمًا هنا

نشرت Arena منهجية AutoEval الخاصة بها في 30 يوليو 2026، وعدّلتها آخر مرة في 12 أغسطس. وتقوم الآلية على نموذج مكافأة مُدرَّب على التفضيلات البشرية، يُستخدم لإيداع الأصوات تلقائيًا: إذ تُؤخذ عينات من أزواج المطالبة والاستجابة الحيّة، وتُعاد توليد استجابة من النموذج المستهدف، ثم يمنح نموذج المكافأة درجة لكلتيهما، ويُحوَّل فارق الدرجات إلى صوت احتمالي مرن، وبعد ذلك تُدمج تلك الأصوات الاصطناعية مع الأصوات البشرية الحيّة على النماذج الأخرى. وتذكر Arena أن الدرجات الناتجة "تُوسَم بوضوح باسم 'AutoEval'، ثم تُحدَّث بمجرد وصول ما يكفي من الأصوات البشرية للتحقق منها"، وتُفيد بأن ارتباط التصنيف يتجاوز 0.98 مع التقييم الحيّ.

هذه طريقة قابلة للتبرير للحصول على إشارة في اليوم الأول، وهي السبب في أن نموذجًا يمكن أن يظهر على لوحة في اليوم الذي يُطلق فيه. وهي أيضًا، بحسب وصف Arena نفسه، عنصر نائب. الرقم مؤقت بحكم التصميم ويُتوقع أن يتغير. واللافتة الموجودة في صف ERNIE ليست زينة؛ بل تعليمات باعتبار 1668 تقديرًا ريثما يتم التحقق منه.

الآن طبّق شريط الخطأ، وهو الجزء من الصف الذي لم يقتبسه أحد. يمتد مجال ERNIE من حوالي 1652 إلى 1684. وكل من 1664 الخاصة بـ DeepSeek-V4.1-Flash و1658 الخاصة بـ Kimi K3 تقعان داخل هذا المجال. وكذلك Qwen3.8-Max عند 1670، وGPT-6 Sol عند 1673. الجملة "نتيجتها تضعها فوق DeepSeek-V4.1-Flash عند 1664 وKimi K3 عند 1658" صحيحة حسابياً بالنسبة للتقديرات النقطية وغير مدعومة إحصائياً باعتبارها مقارنة: فوفق عدم اليقين المنشور لهذا الصف نفسه، لا يمكن تمييز ERNIE عن أي نموذج بين 1652 و1684. قد تكون أعلى من DeepSeek. وقد تكون أدنى منه. ولا تقول اللوحة حالياً أياً منهما.

هذه ليست تفصيلًا فنيًا موجّهًا إلى بائع واحد. فوجود مجال ±16 على لوحة تمتد فيها المراكز الـ25 الأولى مجتمعةً نحو 200 نقطة يعني أن كل زوج متجاور تقريبًا من الصفوف متعادل عند مستوى الثقة هذا، والقراءة الأمينة لأي مقارنة مجاورة منفردة — لأي نموذج — هي «تعادل». وغير العادي هنا فقط أن بائعًا ضخّم المقارنة المجاورة نتيجةً لذلك.

من أين يأتي "#2"، والترخيص الذي يعتمد عليه

إذا تتبّعنا الأمر عكسيًا انطلاقًا من الأرقام، فثمة طريقة واحدة فقط يصبح بها الادعاء صحيحًا، ويجدر ذكر ذلك لأنها قابلة للتحقق ولأن Arena لم يوضّحها.

لنعتبر أن المجموعة المفتوحة تعني «كل صف لا تصنّفه Arena على أنه Proprietary». أعلى من 1668، لا يتبقى سوى صف واحد بالضبط: Kimi K3.1 Pro (Max) عند 1688، يحمل وسم «Kimi K3.1 Pro License». وكل ما عدا ذلك فوق ERNIE موسوم بأنه Proprietary. بهذا التفسير، يكون Kimi K3.1 Pro في المركز الأول وERNIE 5.5 Flash Preview في المركز الثاني — لا لأنه تفوّق على الميدان، بل لأن الميدان الذي يسبقه مملوك.

إنَّ إعادة البناء تلك استدلالٌ، لا اقتباس: فمنشور Arena لا يسمّي النموذج الذي يعتبره رقم 1، ولا تكشف لوحة الصدارة عن مصنّفها الخاص بالمفتوح مقابل الاحتكاري بما يتجاوز وسوم الترخيص. وإذا كان هذا الاستدلال صحيحًا، فإنَّ الحقيقة المحورية في الادعاء هي ترخيص مخصص على نموذج شخص آخر — إذ تتعامل Arena مع Kimi K3.1 Pro باعتباره مفتوحًا، وإطار «النموذج المفتوح رقم 2» بأكمله يرث قرار التصنيف ذلك. أما إذا كانت Arena تعدّ التراخيص المخصصة مغلقة، فإنَّ 1668 الخاص بـ ERNIE هو الصف الأعلى غير الاحتكاري، وكان ينبغي أن يُقرأ الادعاء «رقم 1»، وهي جملة كانت ستكون أغرب للنشر عن نسخة معاينة.

على أي حال، هذه الجملة تؤدي عملًا أكبر مما تؤديه البيانات التي تقف خلفها. الرقم حقيقي. أما المرتبة فهي مشروطة بترخيص لم يره أحد.

المسافة التي يخفيها التأطير

ثمة رقم آخر يجب أن يرد في أي نسخة صادقة من هذا المنشور، وغيابه هو أكثر ما ينمّ عنه. تتصدّر Code Arena WebDev في اللقطة نفسها Claude Fable 5.2 برصيد 1836. ويأتي ERNIE 5.5 Flash Preview برصيد 1668 متأخرًا عن ذلك بـ168 نقطة — ويحتل المرتبة 17 من 158 إذا تم تصنيف صف AutoEval، ليقع بين Qwen3.8-Max برصيد 1670 وDeepSeek-V4.1-Flash برصيد 1664.

المركز السابع عشر على لوحة تضم 158 نموذجًا، بعد يوم واحد من الإصدار، مع 14 مليار معامل نشط من أصل 280 مليارًا إجمالًا، هو نتيجة جيدة حقًا. وهي النوع من النتائج الذي يبرّر منشورًا في أسبوع الإطلاق. لكنها ليست النوع من النتائج الذي يحتاج إلى أن يُقدَّم بمظهر إنهاء على منصة التتويج، وتقديمها على هذا النحو يستدعي بالضبط التدقيق الذي يكلّف البائع من المصداقية أكثر مما كانت الجملة الصادقة ستكلّفه.

ما تقوله صفحة المورّد وما لا تقوله

صفحة الإصدار الخاصة بشركة Baidu لـ ERNIE 5.5 Flash Preview مؤرخة في 11 نوفمبر 2026، وتذكر «280B إجمالي المعاملات مع 14B نشطة وسياق 1M رمز»، وتصف النموذج بأنه أول نقطة تحقق بعد التدريب على ERNIE 5.5 Flash Base، وهي الأوزان الأساسية المنشورة في 5 نوفمبر. ولا تحتوي على أي بيان ترخيص، ولا بيان أوزان، ولا أرقام معايير أداء — فإشارات المعايير في الصفحة هي عناوين أخبار حول إصدارات ERNIE السابقة، وليست درجات لهذا النموذج.

هذه الفجوة مهمة بالنسبة للادعاء قيد الفحص. تظهر عبارة "ستُتاح الأوزان مفتوحة المصدر بموجب Apache 2.0 قريبًا" في منشور Arena. وهي لا تظهر على صفحة الإصدار الخاصة بالمورّد، ولا تظهر في الترويج الذي يقوم به المورّد نفسه لذلك المنشور. إذا كان التزام Apache 2.0 حقيقيًا وساريًا، فإن صفحة الإصدار هي المكان الطبيعي له، وهو ليس موجودًا هناك. وإذا كان حقيقيًا لكنه غير موثّق بعد، فإن المصدر العام الوحيد لالتزام ترخيص على هذا النموذج هو إعلان على لوحة الصدارة — وهو مكان ضعيف لأن يقيم فيه ترخيص عندما يبني مورّد ترتيبًا فوقه.

كيفية استخدام هذا قبل أن تستقر الأرقام

السؤال العملي لأي شخص يختار نموذجًا هذا الأسبوع ليس ما إذا كانت 1668 درجة جيدة. بل ما إذا كان تقدير WebDev المؤقت على نقطة تحقق معاينة، بسعر 0.28 دولار للمدخلات و1.13 دولار للمخرجات مع احتساب الاستدلال الإلزامي ضمن المخرجات، ينبغي أن يحل محل شيء موجود بالفعل في الإنتاج. بناءً على الأدلة المتاحة، الجواب لا — لكن طريقة اختباره رخيصة، ولا تتطلب تصديق المنشور أو هذا المقال.

شغّل المقارنة على النماذج المُمرَّرة عبر الموجّه بدلًا من لوحة الصدارة. إن DeepSeek-V4.1-Flash وKimi K3 متاحان كلاهما عبر OrcaRouter خلف مفتاح واحد متوافق مع OpenAI، بسعر قائمة المزوّد دون أي هامش إضافي، لذا تكلّف المجموعة الضابطة بسعر المزوّد نفسه بدلًا من عقد ثانٍ وSDK ثانٍ. ابنِ عشرين مهمة واجهة أمامية تمثّل عملك الفعلي — إعادة هيكلة مكوّنات، وخطأ تخطيط لا يظهر إلا عند نقطة كسر واحدة، ومهمة توصيل آلة حالة — وشغّل كل نموذج مرتين، واحسب عدد رموز الإخراج فضلًا عن الصحة. هذا هو القياس الذي لن يمنحك إياه أي صف في لوحة الصدارة، لأنه الرقم الوحيد الذي لا بد أن يكون لك: تكلفة لكل مهمة، لا سعر لكل رمز.

تعامل مع ERNIE 5.5 Flash Preview نفسه باعتباره الشيء الذي يجري اختباره لا الشيء الذي يجري تبنّيه. فهو متاح على Qianfan، وليس ضمن كتالوجنا، ومعاينة يصفها مورّدها نفسه بأنها نقطة تحقق وسيطة بعد التدريب هي بالضبط النمط الذي توجّهه خلف نموذج أساسي لا أمامه. وإذا وضعته على مسار ما، فضعه على مسار يتضمن تجاوز الفشل، حتى اليوم الذي تستبدل فيه Arena الرقم 1668 برقم تصويت بشري — أو اليوم الذي تظهر فيه أوزان Apache 2.0، أو لا تظهر — يكتشف مستخدموك الأمر من سطر في السجل لا من انقطاع الخدمة.

ما الذي سيحسم الأمر؟

ثلاثة أمور، بالترتيب الذي يُرجَّح أن تصل به، كلٌّ منها من شأنه أن يغيّر الحكم في هذا المقال لا أن يكتفي بتزيينه.

• أصوات البشر تحلّ محل تصنيف AutoEval في ذلك الصف. وتقول Arena إن الدرجات تُحدَّث بمجرد وصول أصوات كافية. وعندما تكفّ الأصوات عن الظهور بقيمة N/A، يصبح الرقم 1668 قابلاً للمقارنة مع الرقمين 1664 و1658 اللذين وُضع في مواجهتهما، فتحلّ مسألة ±16 من تلقاء نفسها. راقب مقدار تضيّق الفاصل بقدر ما يتحرك التقدير النقطي.

• أوزان منشورة بموجب ترخيص يحمل اسمًا. وجود مستودع فعلي يضم ملف Apache 2.0 يحسم مسألة النموذج المفتوح بشكل دائم، ويجعل توصيف «#2 open model» منصفًا بأثر رجعي. أما الإعلان عن ترخيص دون أوزان فلا يحسم شيئًا.

• قياس مستقل من WebDev. إن AutoEval الخاص بـ Arena هو أداة القياس الخاصة بـ Arena نفسها، وكل رقم خاص بقياس الأداء نشرته Baidu لهذا النموذج هو تشغيل Baidu الخاص على مجموعة الأدوات الخاصة بـ Baidu. لا يُعد أي منهما نتيجة طرف ثالث. أول تقييم واجهة أمامية مستقل حقًا لـ ERNIE 5.5 Flash Preview سيكون أعلى قيمة من كليهما.

حتى ذلك الحين، الجملة الدقيقة هي الجملة المملة: نقطة تحقق معاينة أطلقتها بايدو في 11 نوفمبر سجّلت 1668 على Code Arena WebDev، وهو تقدير AutoEval ضمن نطاق يتداخل مع النماذج الأربعة التالية أدناه، في صف لا تزال اللوحة تصنفه Proprietary، وقد ضخّم مورّدها ذلك بوصفه المركز الثاني على المدى القريب بين النماذج المفتوحة. كل عبارة في ذلك قابلة للتحقق اليوم. أما النسخة التي نُشرت على تويتر فليست خاطئة بقدر ما هي غير مكتملة — وقد نُشرت كما لو أنها منتهية.