Gemini 4 Pro مقابل GPT-6 Astra في اختبار وحدة تحكم Xbox 360 — ولماذا لم يكن Fable 5.2 ضمنه

نُشر منشور على X في 21 سبتمبر يحمل ثلاثة أسماء، وفيديو، وعبارة «مقارنة SOTA»: Gemini 4 Pro، GPT-6 Astra، Claude Fable 5.2. اثنان من هذه الأسماء ينتميان إلى نموذجين لا يمكن لأحد استدعاؤهما. وواحد ينتمي إلى نموذج معروض للبيع منذ ثمانية عشر يومًا. والناتج الذي يشير إليه المنشور — ذراع تحكم لعبة مرسومة كرسومات متجهية في محاولة واحدة من أمر واحد — كان، وفقًا للأشخاص الذين شغّلوه فعليًا، مقارنة ثنائية بين الاسمين الأولين. لم يكن Claude Fable 5.2 ضمنها. ولم يكن Claude Fable 5.1 كذلك.

تلك الفجوة بين التأطير والأدلة تمثل الحالة الكاملة لقصة Gemini 4 Pro الآن، وهي جديرة بأن تُفكَّك بعناية بدلًا من أن تُتجاهل. اختبار المتحكّم ليس بالأمر الهيّن. فهو أكثر أثر يبدو قابلًا للتكرار أنتجه أي شخص هذا الشهر عن نموذج حدودي لم يُطرح بعد، وله سجل يمتد أربعة أشهر، ويقرؤه كثيرون على أنه حكم نهائي. لكنه ليس حكمًا نهائيًا. إنه تعادل، من محاولة واحدة، لم يستطع المُختبِر نفسه تكرارها في اليوم التالي — ومعرفة مداه بدقة، إلى أين يصل وإلى أين لا يصل، أنفع من الضجة أو من الاستهجان.

الاختبار، ولماذا أصبح SVG هو المعيار

هذا الطلب أقدم من النماذج التي يُستخدم الآن للحكم عليها. إنه يعود إلى حقبة Gemini 3.0، حين كان يتناقل بهذه الصيغة: "أنشئ صورة SVG لوحدة تحكم Xbox 360. أخرجها في كتلة تعليمات برمجية Markdown متعددة الأسطر." هذه الصياغة مهمة، لأنها عدائية عمدًا تجاه النموذج اللغوي. الرسم المتجهي كله بنية ولا نسيج فيه — لا يوجد ضجيج فوتوغرافي يختبئ خلفه النموذج، ولا مُعيّن انتشار لتلطيف خطأ ما. يجب تحديد كل منحنٍ كإحداثية. ووحدة التحكم هدف صعب لذلك: مقبضان متماثلان، وتجويف مقعر، ومشغلات كتف مرسومة بمنظور، ونحو ستة عشر زرًا يحتاج كل منها إلى موضع، وصورة ظلية تبدو خاطئة فورًا إذا انحرفت إحدى النسب. ولأن الإجابة تصل كنص يمكنك لصقه في عارض، فالمقارنة رخيصة وقابلة للنقل. لا يحتاج أحد إلى الوثوق بلقطة شاشة لنافذة محادثة شخص آخر.

في سبتمبر، استأنف المجتمع العمل على المطالبة. المخرجات المتداولة من جلسات الأرينا — بجعة على دراجة، ويد تحكم PlayStation 5 مصيَّرة من خمس زوايا كاميرا ماكرو، وباغودا ثلاثية الأبعاد بإضاءة قابلة للتبديل، ومشهد معبد فوكسل، وصفحة مروحية Airbus H145 — يُوصف في التقرير بأنها تستغرق ما بين ثماني إلى عشرين دقيقة لكل منها عند جهد تفكير عالٍ. يد التحكم هي التي تم التقاط لقطة شاشة لها ضمن مقارنة.

ما الذي تُظهره مقارنة وحدة التحكم فعليًا

ها هي النتيجة كما أبلغ عنها المُختبِر، وهي ادعاء أصغر بكثير مما جعله الجدول الزمني منه.

• الحكم — تعادل. الشخص الذي أجرى ذلك، ناشرًا باسم Lumina، وصف كلا المخرجين بأنهما «شبه مثاليين».

• الاختلاف الوحيد — نسخة Astra حملت شعارًا خاطئًا قليلًا. هذه ميزة بتفصيلة واحدة، وقد صاغها المختبِر كميزة بتفصيلة واحدة، لا كميزة عامة.

• الاكتمال البصري — يُظهر كلا التصييرين أجسامًا مفصّلة لوحدات التحكم، وعناصر التحكم، والتظليل. ولم يتفكك أي منهما على مستوى الشكل.

• ما لا تُثبته المقارنة — أنّ الطراز غير المُطلَق يتقدّم. مُخرَجان يُحكم عليهما بأنهما على القدر نفسه من الجودة هما تعريف غياب التقدّم.

• قابلية إعادة الإنتاج — يُقال إن الناتج أُنتج في الليلة السابقة، واستغرق حوالي عشرين دقيقة، ولم يتمكن المختبِر من الحصول على نتائج مماثلة في اليوم التالي.

• الهوية — كان مُدخل الساحة الذي جاء منه الناتج مُوسَمًا gemini-3.8-flash، وهو اسم ينتمي بالفعل إلى نموذج أطلقته Google في 2 سبتمبر، ثم قيل لاحقًا إنه أُعيد تسميته gemini-3.7-flash. لا يزال غير محسوم أي نموذج كان فعليًا خلف الاسم المستعار، وقال مختبِران آخران في الفترة نفسها إنهما لم يستطيعا أيضًا تأكيد أي نموذج كانا قد استخدماه.

اقرأ القائمة بالترتيب وستتضح صورة الأدلة. الادعاء المثير للاهتمام ليس «أن النموذج غير المُصدَر قد فاز». بل إن نموذجًا لا يستطيع أحد تحديده، يعمل تحت اسم نموذج تم طرحه، أنتج عملًا متجهيًا في محاولة واحدة لم يستطع مقيّم دقيق تمييزه عن مخرجات نموذج حدودي كان متاحًا عمومًا طوال معظم شهر سبتمبر. هذه ملاحظة حقيقية. وهي أيضًا ملاحظة عن فترة بعد ظهر واحد، وقد قال المقيّم ذلك.

النتيجة ثنائية الاتجاه والادعاء ثلاثي الاتجاه

المنشور الذي بدأت به هذه المقالة يقول ثلاثة نماذج. أما الكتابات التي تصف جلسة المتحكّم نفسها فتقول نموذجين. والوضع الفعلي لـ Claude Fable 5.2 هذا الأسبوع قصة منفصلة تصادف أنها تتقاسم دورة أخبار واحدة، ويستحق أن نكون دقيقين بشأنه لأن الخلط بين الأمرين يؤدي دورًا في الاتجاهين معًا.

• ما يُدَّعى — نشر حساب X ‏@chetaslua في 18 سبتمبر أن Claude Fable 5.2 «يجري اختباره في claude code عبر توجيه fable 5.1 إليه». هذا ادّعاء بشأن التوجيه في Claude Code، مصدره حساب واحد.

• ما هو الاسم — افتراض المراسل نفسه. يصرّح المختبِر الذي ينشر باسم JAZII، الذي يُعدّ تقريره بتاريخ 18 سبتمبر أكثر السرد تفصيلاً عن السلوك، بوضوح أن «Fable 5.2» اسمٌ اختاره بنفسه، وليس اسمًا أكّده أحد. لا توجد بطاقة نموذج، ولا معرّف API، ولا صفحة تسعير، ولا بطاقة نظام، ولا منفذ إعلامي ثانٍ يُفيد باستقلالية بوجود مسار Fable 5.2.

• ما الذي تتضمنه فعلاً قصة توجيه Claude التي جرى تأييدها — لقد تناولت هذه المدونة الأمر على نحو منفصل: تقارير التوجيه الصامت في منتصف سبتمبر التي التقطتها عدة منافذ إخبارية مستقلة كانت تتعلق بنقطة تحقق من فئة Opus لم تُطرح بعد، لا بـ Fable. إن نسبة الأمر إلى Fable أحادية المصدر. تعامل معها بوصفها تقريرًا من جهة واحدة، لا كاكتشاف.

• ما أبلغ عنه المختبِر فعلًا — عند جهد استدلالي مرتفع، كان ما يُشتبه بأنه Fable التالي مفضّلًا على GPT-6 Astra، وكان أبطأ وأكثر تكلفة. هذا تفضيل، من شخص واحد، بشأن عمله الخاص.

• ما الذي تم التحقق منه بشأن النموذج المطروح — Claude Fable 5.1 متاح بشكل عام منذ 1 سبتمبر 2026. هذا النموذج موجود، وله سعر، ويمكن استدعاؤه اليوم.

إذن، النسخة الصادقة من الصياغة الثلاثية هي هذه: اثنان من الأسماء الثلاثة في ذلك المنشور هما نموذجان غير معلنين بأسماء منحها المجتمع، واختبار المتحكم لم يشمل سوى النموذج الذي تكون هويته على الأقل مرتبطةً بمدخل في الساحة، وعمود Fable هو تفضيل من مختبر واحد رفض صراحةً تسمية النموذج. هذا ليس سببًا لتجاهل أي من ذلك. بل هو سبب للتعامل مع الأسماء الثلاثة بثلاثة مستويات ثقة مختلفة بدل مستوى واحد.

جدول المعايير الذي يخوض الجدال الفعلي

ملف SVG الخاص بوحدة التحكم هو الأثر المرئي. أما الشيء الذي يقوم بالإقناع الحقيقي فهو ورقة نتائج اختبارات أداء ظهرت حوالي 18 سبتمبر، ومنذ ذلك الحين أعيد نشرها في الصحافة التقنية الصينية والإنجليزية. يجدر سردها، لأن الأرقام محددة بما يكفي للتحقق منها، ولم يتم التحقق من أي منها.

• DeepSWE v1.1 — 88.7%، ويوصف بأنه أعلى بنحو نقطتين من GPT-6 Astra.

• GDPval-AA v2 — 2,064 Elo، وُصِف بأنه المدخل الوحيد في المقارنة الذي يتجاوز 2,000.

• Terminal-bench 2.1 — 95.3%، باعتباره أعلى نتيجة في الجدول.

• OSWorld-2.0 — 86.8%، متقدّمًا على كلٍّ من GPT-6 Astra وClaude Fable 5.1.

• التسعير المُعلن — 2.25 دولار لكل مليون رمز إدخال و11.25 دولار لكل مليون رمز إخراج.

• المواصفات المعلَنة — حدّ إدخال يبلغ 10 ملايين توكن، وسقف إخراج يبلغ 256 ألف توكن، وذاكرة عابرة للمحادثات.

كل سطر أعلاه هو ادعاء مجتمعي. لم تؤكد Google أيًا منه، ولم تؤكد أصلًا أن مدخل الساحة هو Gemini 4 Pro، ولم ترد على طلب للتعليق. ولا يحمل الجدول أي معرّف لنقطة تفتيش، ولا إعداد لجهد الاستدلال، ولا بنية تشغيل لوكيل، ولا أذونات أدوات، ولا تقسيم اختبار، ولا حجم عينة، ولا سجل تشغيل — وهي الأشياء التي يحملها تقييم حقيقي ولا تحملها لقطة شاشة لشريحة عرض. كما أن أسماء المعايير مستمدة من العائلة نفسها التي استخدمتها OpenAI في مواد إطلاقها في سبتمبر، وهذا مؤشر على المكان الذي جُمّعت فيه الورقة لا على المكان الذي قِيست فيه.

هناك سبب ثانٍ لتوخّي الحذر مع أي مقارنة حدودية هذا الشهر: فقد أُعيد إصدار المؤشر المستقل الذي يلجأ إليه الجميع بالنسخة v4.3 في 7 سبتمبر، وإعادة الإصدار تضغط قمة لوحة الصدارة أو تمدّها. والنتيجة التي لا تكون نسختها مرفقة بها لا تُقارَن بنتيجة من ثلاثة أسابيع مضت، لا نتيجتنا ولا نتيجة أي أحد.

ما الذي تم تأكيده فعليًا بشأن Gemini 4 Pro

انزع الادعاءات، يبقَ السجل الصلب قصيرًا.

• 21 يوليو 2026 — تؤكد Google أنها بدأت أكثر عملياتها طموحًا للتدريب المسبق حتى الآن، من أجل Gemini 4. ويكرر الرئيس التنفيذي ذلك في مكالمة أرباح الربع الثاني.

• 2 سبتمبر 2026 — يُطرح Gemini 3.8 Flash. ويظل أحدث نموذج متاح بشكل عام من Google نموذجًا من فئة Flash.

• 15–18 سبتمبر 2026 — يزعم مُسرّب ينشر باسم "Lentils" أن نقاط تحقق Gemini 4 Pro تظهر داخليًا تحت الاسم الرمزي "argon"؛ ويسجّل متتبّعو المجتمع مدخلًا في الساحة تحت التسمية المطروحة gemini-3.8-flash، إذ يستغرق ما بين ثماني إلى عشر دقائق لكل إجابة، وينتج أعمالًا متجهية وثلاثية الأبعاد تتجاوز بكثير ما ينتجه ذلك الطراز.

• اليوم — لا معرّف لنموذج Gemini 4، ولا نقطة نهاية، ولا سعر، ولا بطاقة نموذج. أما Gemini 3.5 Pro، الذي كُشف عنه مسبقًا لإطلاقه في يونيو ولم يُطرح قط، فقد ذكرت صحيفة وول ستريت جورنال أنه أُلغي لأن مكاسبه كانت ضئيلة جدًا.

تلك هي كامل السطح المؤكَّد. وكل ما عدا ذلك مما هو متداول — الجدول، والسعر، ونافذة السياق، والاسم الرمزي، وهوية المُدخَل في الساحة — ليس إلا استنتاجًا يرتدي علامة عشرية.

ما يمكنك فعليًا تشغيله أثناء الانتظار

هذا هو الجزء الذي تغفله منشورات المقارنة، وهو الجزء الذي يغيّر القرار.

«GPT-6 Astra» ليس مجرد شائعة. فقد صدر في 3 سبتمبر 2026، ويحمل معرّف الطراز gpt-6-astra، وهو قابل للاستدعاء اليوم بسعر OpenAI المعلن نفسه: 10.00 دولارات لكل مليون رمز إدخال و50.00 دولارًا لكل مليون رمز إخراج، مع إدخال مُخزَّن مؤقتًا بسعر 1.00 دولار. وهو يعمل على OrcaRouter بذلك السعر المعلن نفسه من المزوّد وهامش ربح 0% — نمرّر سعر البائع كما هو دون أي زيادة، فحين يتغيّر السعر يتغيّر الرقم من جانبنا في اليوم نفسه بدلًا من انتظار أن يتفرّغ أحدهم لتحديث هامش الربح. أما خطوط القياس المُبلَّغ عنها من OpenAI فهي DeepSWE v1.1 عند 74%، وOSWorld 2.0 عند 72.6%، وTerminal-Bench 4.0 عند 57.9%، وExploitBench عند 100%، وهو ما جعله يتجاوز عتبة القدرة السيبرانية الحرجة. هذه الأرقام مُبلَّغ عنها من البائع وغير مُعاد إنتاجها، وهي الأرقام التي تجادل ضدها ضمنيًا ورقة Gemini 4 Pro المسرّبة.

Gemini 4 Pro ليس على OrcaRouter، ولن نتظاهر بغير ذلك. لا توجد نقطة نهاية، ولا معرّف نموذج، ولا سعر، لأنه لا يوجد نموذج مطروح. أما Claude Fable 5.1، في المقابل، فهو متاح بشكل عام منذ 1 سبتمبر ويمكن توجيهه بسعر القائمة الخاص به، وكذلك Claude Opus 5 وبقية الطبقة الرائدة الحالية — واجهة API واحدة تغطي أكثر من 200 نموذج بسعر قائمة المزوّد بدون أي هامش ربح، لذا فإن مقارنة كهذه لا تتطلب ثلاثة حسابات وثلاث حزم SDK وثلاث فواتير للعمل بناءً عليها.

إذا كانت نتيجة المتحكّم هي ما يغريك بإعادة هيكلة مسار إنتاجي حول نموذج غير معلن عنه، فإن التصرف العقلاني هو ما تدعمه الأدلة: لا تفعل ذلك. أبقِ على المسار الذي لديك، وإذا أردت أن تعرف ما إذا كان الأثر قابلًا للتعميم على عملك أنت، فوجّه شريحة من حركة المرور إلى مسار غير مُثبت مع وجود بديل احتياطي إلى نموذج تثق به بالفعل. بهذه الطريقة، تكلفك أمسية سيئة نقطة مئوية من حركة المرور بدلًا من حادثة، وتحصل على إجابتك الخاصة بدلًا من استعارة نتيجة عشرين دقيقة لشخص آخر.

ما الذي سيجعل نتيجة وحدة التحكم ذات معنى؟

• الاسم المستعار يكتسب اسمًا حقيقيًا. والمدخل في الساحة ليس إلا شائعة لها صفٌّ في لوحة الصدارة. ومعرّف النموذج في وثائق المورّد نفسه هو منتج. راقب قائمة النماذج، لا الخط الزمني.

• النتيجة قابلة لإعادة الإنتاج. لم يتمكن أحد المختبِرين من الحصول على المُخرَج نفسه في اليوم التالي. لكن حصول ثلاثة أشخاص مستقلين عليه عند الطلب، مع تحديد النموذج، هو فئة مختلفة تمامًا من الأدلة.

• تحصل الورقة المسرَّبة على منهجية. إنّ نتيجة اختبار معياري بلا نقطة تحقق، ولا إعداد جهد، ولا أداة اختبار، ليست قياسًا؛ بل هي ادّعاء بوجود قياس.

• يظهر سعر. إن السعر المزعوم $2.25/$11.25 سيجعل نموذجًا حدوديًا لم يُطرح بعد الأرخص بين الثلاثة بفارق كبير، وهو نوع الادعاء الذي إما أن يظهر في بطاقة أسعار أو لا يظهر.

• يحصل إسناد Fable على مصدر ثانٍ. في الوقت الحالي لديه مصدر واحد، وقد قال الشخص الذي أنجزه إن الاسم كان له من البداية.

أسئلة تستحق إجابة

إذا كان مُدخَل الساحة هو حقًا Gemini 4 Pro، فلماذا تشغيله تحت اسم نموذج تم إطلاقه؟

اختبار نقطة تحقق جديدة تحت تسمية نموذج موجود هو ممارسة معيارية في الاختبار المعياري الأعمى — فهو يتيح لمختبر جمع أصوات مواجهة مباشرة دون أن يؤثر الاسم في التصويت. كما يعني أن التسمية لا تخبرك بشيء عمّا يقع خلفها، وهذه هي المشكلة بالضبط هنا: فالاسم المستعار دليل على أن شيئًا ما قيد الاختبار، لا دليل على ماهيته.

هل يعني التعادل أمام GPT-6 Astra أن النموذج غير المُصدَر مخيّب للآمال؟

لا، وهنا يُلحق هذا التأطير أكبر ضرر. إن نقطة تحقق لا تزال في مرحلة ما بعد التدريب، وتعمل خلف اسم مستعار، وتضاهي نموذجًا حدوديًا مطروحًا في مهمة صعبة تُنجز من محاولة واحدة، هي إشارة أقوى بكثير من مخطط يوم الإطلاق. إنها مجرد إشارة إلى الاتجاه لا إلى منتج يمكنك شراؤه، ويُقرأ الاثنان كأنهما الشيء نفسه في منشور مقارنة.

هل ينبغي أن أغيّر أي شيء اليوم بسبب هذا؟

ليس بسبب هذا. لا شيء في اختبار المتحكّم يغيّر ما هو متاح، ولا تكلفة أي شيء، ولا ما يجيده أي نموذج. الحقائق ذات الصلة بالقرار هذا الأسبوع هي أن GPT-6 Astra وClaude Fable 5.1 كلاهما متاح ومسعّر، وأن Gemini 4 Pro ليس كذلك. إذا أردت التحوّط إزاء هذا الاحتمال، فتحوّط عبر التوجيه بدلًا من إعادة الكتابة.

القراءة الصادقة

اختبار المتحكم هو أفضل دليل أنتجه أي شخص عن Gemini 4 Pro، وأفضل دليل أنتجه أي شخص هو تعادل، من محاولة واحدة لم تتكرر، على نموذج لا يستطيع أحد تسميته، نُشر إلى جانب جدول معياري لا يستطيع أحد التحقق منه. قد يبدو ذلك وكأنه رفض، لكنه ليس كذلك. سبب انتشار الاختبار أنه أول أثر في هذه القصة يبدو كمنتج لا كشريحة عرض — أمر توجيهي حقيقي، ومخرَج حقيقي، وشخص حقيقي يقارن بينهما، ونتيجة لم يتمكن مناصرو أي من الطرفين من ادعائها بشكل قاطع.

ما لا يفعله هو أن يحسم أي شيء. إذا كنت بحاجة إلى الشحن هذا الأسبوع، فإن الطبقة الرائدة الموجودة — GPT-6 Astra بسعر $10/$50، وClaude Fable 5.1 بسعر قائمته الخاص — هي حيث يعيش قرارك فعليًا، وكلاهما قابل للاستدعاء بمفتاح واحد دون عقد ثانٍ. وإذا أردت معرفة ما لدى Google، فإن الإشارات الوحيدة التي ستنقل هذا من مقال "ما نعرفه حتى الآن" إلى مقال إطلاق هي معرّف نموذج، وبطاقة أسعار، وإعادة إنتاج. وحتى تصل هذه، فإن القراءة الصحيحة لمقارنة وحدة تحكم Xbox 360 هي القراءة التي قدمها من أجراها: رسمان جيدان جدًا، ولا فائز.