اسأل GPT-6.1 Sol أو Claude Opus 5.5 أو Gemini 4 Argon "من هو هذا الباحث؟" — وراقب Argon وهو يتجه إلى المختبر الخاطئ

طُلب من ثلاثة نماذج رائدة الإجابة عن سؤال واحد لكل منها، 448 مرة، دون أي شيء سوى اسم للعمل انطلاقًا منه. GPT-6.1 Sol وClaude Opus 5.5 تعرّفا على كل باحث في الذكاء الاصطناعي عُرض عليهما تقريبًا. Gemini 4 Argon تعرّف على عدد مماثل تقريبًا من الأشخاص لكنه وصف عددًا أقل منهم وصفًا صحيحًا، والسبب المذكور محدد ومفيد: فقد سمّى مرارًا جهة عمل باحث السابقة على أنها جهة عمله الحالية. نُشر التقييم في 14 أكتوبر 2026 من حساب @scaling01؛ وهو اختبار منشور واحد، وليس معيارًا مستقلًا، ولم يكرّره أحد. أعمار النماذج الثلاثة مختلفة جدًا — فقد أُتيح Gemini 4 Argon عمومًا في الطبقة المدفوعة في 13 أكتوبر 2026 بعد الإعلان عنه في 30 سبتمبر، وصدر Claude Opus 5.5 في 22 سبتمبر، وGPT-6.1 Sol في 29 سبتمبر — لذا فإن الشيء الجديد حقًا هنا هو النتيجة نفسها، التي تأتي بعد يومين من فتح الطبقة المدفوعة لـ Argon.

هذه مشكلة السمة المتقادمة، ويستحق فهمها على نحو سليم، لأنها ليست من الصنف نفسه من الإخفاقات كاستشهاد مُهلوس أو ورقة بحثية مُختلقة بثقة. النموذج الذي يذكر جهة العمل السابقة لباحث لا يختلق شيئًا. إنه يعيد حقيقة كانت صحيحة، من لقطة بيانات تجاوزها الزمن. التعليل الداخلي المذكور لهذه الفجوة هو أنه كلما كان النموذج "أفضل" في الإشارة إلى معلومات قديمة باعتبارها حالية، كان أكثر نفعًا لبعض المهام وأكثر خطرًا في هذه المهمة. وهذه صياغة واضحة للمقايضة، وهي السبب في أن هذا التقييم بعينه أكثر إثارة للاهتمام مما يوحي به حجم عينته.

ما قاسته التدوينة فعليًا، بكلماتها الخاصة: عُرِض 448 باحثًا حقيقيًا على كل نموذج باسم مجرّد، مرة واحدة، دون وصول إلى الإنترنت ودون أدوات. فُحِصت الإجابات مقابل مصادر عامة — صفحات شخصية، ونبذات تعريفية للمختبرات، وأوراق بحثية — في 14 أكتوبر 2026. يفصل الرسم البياني بين أمرين عادةً ما يُدمجان في درجة واحدة. الشريط الكامل هو "تعرّف على الشخص الصحيح". الجزء المصمت من الشريط هو "كانت الإجابة كاملة دقيقة أيضًا". الفجوة بين الاثنين هي نمط الفشل: الشخص صحيح، لكن التفصيل خاطئ. كان توزيع المجموعة 131 باحثًا من O​penAI، و166 من Anthropic، و151 من G​oogle. حُدِّد الانتماء المختبرى من 298 ملفًا شخصيًا حاليًا أو صفحة مختبر، و148 توقيعًا مختبرًا منذ أكتوبر 2025، وشخصين انتقلا بين مختبرين. المستبعدون: 2 غادرا هذه المختبرات، و13 تعذّر تأكيدهم، و22 باحثًا بارزًا يعملون خارج المختبرات الثلاثة. رفضت النماذج الثلاثة جميع الأسماء المختلقة الخمسين التي أُعطيت لها — لم يختلق أي من الثلاثة شخصًا، وهو الضابط الأصعب والذي نجحوا فيه.

ماذا يكلفك فعلياً خطأ "صاحب العمل السابق"

إذا كنت تستخدم نموذجًا متقدمًا لإعداد إحاطة، أو صياغة قائمة تواصل، أو تلخيص من يعمل أين، فهذا هو الشكل الدقيق للخطأ الذي ستحصل عليه. سيكون الاسم صحيحًا. وسيكون الدور معقولًا. وستكون المؤسسة هي التي غادرها الشخص. لن يبدو أي شيء في المخرجات خاطئًا، ولهذا ينجو من المراجعة، ولهذا تكون الإجابة التي تخطئ في جهة العمل أسوأ من إجابة خاطئة بشكل واضح.

وهو يفسّر أيضًا من أين تأتي الاختلافات بين النماذج. تتتبّع أخطاء الإسناد من هذا النوع الطريقة التي جرى بها التقاط معرفة النموذج في لقطة زمنية، والطريقة التي يصوغ بها إجابة عندما تحتوي بيانات تدريبه على انتماء قديم وانتماء جديد. النموذج الذي رأى الحقيقتين واختار الأحدث منهما يحصل على نتيجة جيدة هنا. أما النموذج الذي رأى الحقيقتين واختار الأكثر شيوعًا في مدوّنته — وهو بالنسبة إلى باحث طويل الأمد عادةً الانتماء الأقدم — فيحصل على نتيجة سيئة دون أن يكون مخطئًا في أي شيء قيل له فعلاً. ويتّسق تأطير التقييم نفسه مع ذلك: فهو يقيس ما إذا كان النموذج يتعامل مع "من هو هذا الشخص" كسؤال عن الحاضر.

ما الذي تعنيه ثلاثة نماذج مختلفة بالنسبة لهذه النتيجة، وما الذي لا تعنيه

هذا تقييم منشور واحد نشره حساب واحد، والقراءة الصادقة يجب أن تنطلق من هذه النقطة. العينة تضم 448 اسمًا، والتقييم هو تقييم صاحب المنشور نفسه مقابل مصادر عامة، وأرقام الأعمدة لكل نموذج ليست قابلة لإعادة الإنتاج بالكامل من صور المخطط، ولم يُجرِ أي مختبر أو مُقيّم آخر البروتوكول نفسه. تعامل معه كإشارة إلى وجود نمط فشل محدد بمعدل قابل للقياس في أحد الثلاثة، لا كترتيب يُتسوّق بناءً عليه.

ما يجعلها أكثر من مجرد ضجيج هو أن الضبط جيد على نحو غير معتاد بالنسبة لتقييم على وسائل التواصل الاجتماعي. فإعطاء كل نموذج اسمًا فقط، مرة واحدة، دون وصول إلى الويب، يزيل مسار الاسترجاع الذي كان سيغطي عادةً على انتماء مهني قديم — إذ كان النموذج القادر على التصفح سيبحث عن الشخص ببساطة. واستبعاد الباحثين الذين غادروا المختبرات، واستبعاد الشخصيات البارزة خارج المختبرات بشكل منفصل، يزيل الحالات التي يمكن القول فيها إن إجابة «صاحب العمل الحالي الخطأ» صحيحة. والأسماء الخمسون المختلقة هي الاختبار الذي يفصل بين «المعرفة المتقادمة» و«الاستعداد لاختلاق الأمور»، وقد اجتازته النماذج الثلاثة معًا.

هناك توتّر يستحقّ التسمية: معدّل الهراء المُبلَّغ عنه — أي نسبة الإجابات التي كانت خاطئة عند الأطراف — يكاد يكون معدوماً، في حين أنّ عدم الدقة الملحوظ يتركّز تقريباً بالكامل في حقل الانتماء. النموذج الذي حقّق هذا القدر من النظافة في الأسماء المختلقة وما زال يُسند أصحاب العمل بشكل خاطئ ليس مشوّشاً. إنه متقادم في بُعد واحد بالضبط.

النماذج الثلاثة ليست منتجات قابلة للمقارنة، لذا اقرأ النتيجة على هذا الأساس.

• Gemini 4 Argon — أُعلن في 30 سبتمبر 2026، وأصبح متاحًا عمومًا على الطبقة المدفوعة اعتبارًا من 13 أكتوبر بسعر معلن قدره 2.00 دولار لكل مليون مدخل و10.00 دولارات لكل مليون مخرج؛ والتقييم نفسه الذي يرصد أخطاء الإسناد لديه هو الذي صنّفه بدرجة عالية في التعرّف.

• Claude Opus 5.5 — تم إطلاقه في 22 سبتمبر 2026 بسعر 4.00 دولار لكل مليون إدخال و20.00 دولار لكل مليون إخراج، بانخفاض عن 5/25 دولارًا التي كان عليها Claude Opus 5.

• GPT-6.1 Sol — طُرح في 29 سبتمبر 2026 بسعر 2.00 دولار لكل مليون من المدخلات و10.00 دولار لكل مليون من المخرجات.

يؤثر فارق العمر في طريقة قراءتك للنتيجة. Argon هو الأحدث بين الثلاثة بفارق كبير، وإذا كان نمط الفشل هو اللقطات القديمة، فإن النموذج صاحب أحدث معرفة هو الأرجح لأن يحمل انتماءين متعارضين للشخص نفسه دون إشارة قوية إلى أيهما الحالي. هذه فرضية لا يختبرها التقييم ولا يمكنه ذلك، نظرًا لتصميمه، لكنها أول ما ينبغي فحصه إذا أعدت تشغيله.

إذا كنت ستستخدم نموذجًا للحقائق المتعلقة بالأشخاص، فاختبره قبل أن تثق به.

هذا التقييم يسهل تقريبه على بياناتك الخاصة، والتقريب أنفع من الإجمالي. خذ عشرين اسمًا من مجالك — أشخاصًا تعرف أنهم غيّروا جهات عملهم خلال الأشهر الثمانية عشر الماضية — واطلب من النموذج الدور الحالي لكل شخص، مرة واحدة، ومن دون أدوات. ثم احسب كم منهم يعود بمنظمته القديمة. هذا الرقم وحده يخبرك عن نشرك أكثر مما تخبرك به التجربة الكاملة المكوّنة من 448 اسمًا، لأن الفشل خاص بالمجال: نموذج موثوق بشأن باحثي مختبرات الذكاء الاصطناعي قد يكون ضعيفًا في صناعتك، أو العكس.

تفصيلان بروتوكوليان من الأصل يستحقان النسخ، لأنهما ما يجعل النتيجة ذات معنى. أولاً، لا وصول إلى الويب. فالنموذج المزوّد بأداة بحث سيبحث عن الشخص ببساطة، وهذا هو السلوك الصحيح، ويعني أن الاختبار يكفّ عن قياس أي شيء يتعلق بمعرفته المخزنة. ثانياً، اذكر الاسم فقط. فإضافة سياق («هذا الشخص يعمل في مجال الروبوتات») تتيح للنموذج استنتاج الإجابة من السياق بدلاً من استرجاعها، وهذا يجعل النتيجة تبدو أفضل دون إصلاح نقطة الضعف.

إذا كنت تشغّل هذا على نطاق واسع عبر عدة نماذج بدلاً من نموذج واحد، فإن المقارنة هي الجزء المكلف — إذ يجب أن تنتقل الأسماء نفسها إلى كل نموذج بالطريقة نفسها، وهنا تثبت طبقة التوجيه جدارتها بدلاً من أن تكون مجرد وسيلة راحة.

أين يقع هذا النوع من الفحص في خط الأنابيب

تُعدّ الحقائق عن الأشخاص إحدى الفئات القليلة التي يكون فيها اكتشاف الإجابة الخاطئة رخيصًا بعد وقوعها ومكلفًا قبل وقوعها، لذا فإن التصرف العملي هو التعامل مع حقل الانتماء باعتباره غير موثّق افتراضيًا، والتحقق منه في مقابل مصدر تتحكم فيه. لا يعني ذلك الثقة بالنماذج بدرجة أقل على نحو شامل، بل يعني ملاحظة أن «التعرف على الشخص الصحيح» و«وصفه على نحو صحيح» قياسان مختلفان، وأن الثاني هو ما أردته في الواقع.

على OrcaRouter، هذا هو نوع الفحص الذي يعمل عبر عدة نماذج على المفتاح نفسه بدلاً من نموذج واحد في كل مرة. GPT-6.1 Sol وClaude Opus 5.5 — النموذجان اللذان وجد هذا التقييم أنهما الأقل عرضة لخطأ الانتماء القديم — كلاهما قابل للتوجيه هنا عبر نقطة النهاية نفسها، لذا تذهب الأسماء العشرون نفسها إلى كليهما بتغيير في سلسلة النموذج بدلاً من عقد ثانٍ، ولن يؤدي مرور مزوّد بيوم سيئ إلى إسقاط المقارنة معه. Gemini 4 Argon ليس على OrcaRouter؛ يمكن الوصول إليه عبر الطبقة المدفوعة الخاصة بالمورّد ومنصات أخرى تابعة لجهات خارجية، ولا ينبغي قراءة أي شيء هنا على أنه عرض لتوجيهه. النماذج التي نوفّرها فعلاً بسعر قائمة المزوّد دون أي زيادة سعرية، لذا يصل تغيير سعر المورّد إلى فاتورتك في اليوم نفسه الذي يُنشر فيه.

ما الذي ينبغي مراقبته، وما الذي قد يغيّر هذه القراءة

النتيجة هي تقييم حساب واحد مع ضابط جيد وعينة صغيرة، نُشر في 14 أكتوبر 2026، والخطوة التالية الأمينة ليست التصرف بناءً عليه بل البحث عن التشغيل الثاني. شيئان سينقلانه من كونه إشارة إلى نتيجة: مُقيِّم مستقل يعيد البروتوكول بقائمة أسماء أكبر وتقييم منشور، أو بائع يعترف بأن الإسناد بين صاحب العمل السابق والحالي للشخص فئة فشل مميزة تستحق الاستهداف. الضابط المكوَّن من 50 اسمًا مختلقًا الذي ينجح عبر النماذج الثلاثة كلها هو التفصيل الذي يجعل ذلك معقولًا — فهو يعني أن المشكلة ليست التلفيق، وهو صعب، بل التحديث، وهو قابل للمعالجة.

حتى ذلك الحين، يظل الملخص المفيد أضيق نطاقًا من لوحة الصدارة وأكثر قابلية للتنفيذ منها. النموذج الذي يخبرك بثقة عن جهة عمل قديمة لا يكذب عليك. إنه يجيب عن سؤال يتعلق بالماضي وكأنك سألت عن الحاضر، والسبيل الوحيد لاكتشاف ذلك هو أن تطرح السؤال الذي قصدته فعلًا.

نتيجة كهذه هي أيضًا تذكير بأن أخطاء النماذج موثقة بالفعل: إن حوادث الذكاء الاصطناعي وإخفاقات الوكلاء الكامنة وراء النماذج في هذه الفئة مُجمَّعة في OrcaRouter AI Incident Archive، حيث يحمل كل مُدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة نزاع.