Obsidian 3: صفّ معياري خفي، وفاتورة بمقدار 3.6×، وسؤال Fable 5.5

الرقم الأكثر إثارة للاهتمام على لوحة المتصدرين الجديدة الخاصة بالبرمجة من Cognition هذا الأسبوع ينتمي إلى نموذج لا يستطيع أحد تسميته. ظهر إدخال مخفي مُعلَّم باسم Obsidian 3 في ملف البيانات الكائن خلف FrontierCode 2.0 بدرجة عالية الجهد بلغت 46.77%، أعلى من Claude Opus 5.5 عند 45.5% — النموذج الذي تُدرجه Cognition أولًا في جدولها. جرى تشغيل هذا الصف ضمن بيئة claude-code، التي لا تستخدمها على تلك اللوحة سوى نماذج Anthropic، وانقسم التكهن فورًا بين Claude Fable 5.5، الطراز الرائد الذي لم تُطلقه Anthropic بعد، وتحديث منتصف الدورة أطلق عليه أحد الناشرين اسم "Opus 5.6". لا شيء من ذلك مؤكد. لم تقل Anthropic شيئًا، ولا توجد بطاقة نموذج أو معرّف API، وكل رقم لـ Obsidian 3 في هذا النص هو ادعاء غير موثّق من منشورات X وليس نتيجة تمكّنّا من إعادة إنتاجها.

ما يمكن التحقق منه أضيق وأكثر فائدة: الملف العام الذي أشار إليه التسريب، ومنحنى الجهد المنسوب إلى الصف المخفي، والحساب الرياضي الكامن وراء ادعاء «تكلفة 3.6×». اجمع هذه معًا، فتتوقف القصة عن أن تكون «نموذج Anthropic التالي يتفوق على نموذجه الحالي». لتصبح شيئًا أكثر تحديدًا — صفٌّ يبلغ ذروته عند جهد مرتفع ثم يتراجع، ومقارنة لا تصلح إلا إذا ثبّتت مستويات جهد مختلفة على كل جانب، وملف بيانات لا يحتوي على الصف إطلاقًا.

ما الذي تسرّب، ومتى

نشرت Cognition إصدار FrontierCode 2.0 في 27 أكتوبر. المعيار مصمم عمدًا ليكون صعب التلاعب به: 132 مهمة أُعدت من مستودعات مفتوحة المصدر حقيقية بواسطة أكثر من 20 مشرفًا، ويستغرق كل منها نحو 40 ساعة، ويتم التقييم بناءً على ما إذا كان التصحيح سيُدمج فعليًا وليس على ما إذا كان ينجح في اختبار. تُكرر كل محاولة ثلاث مرات، والمهام خاصة، وأي فشل في معيار حجب واحد يُسجل صفرًا. وضع جدول Cognition الخاص به Claude Opus 5.5 في المرتبة الأولى بنسبة 45.5% عند أقصى جهد، وGPT-6 Astra في المرتبة الثانية بنسبة 42.8%، وClaude Sonnet 5.5 في المرتبة الثالثة بنسبة 41.0%، ولا يتجاوز أي نموذج 50%. واعتمدت Artificial Analysis هذا المعيار بوزن 15% في مؤشر Intelligence Index v5 الجديد الخاص بها، وأفادت بشكل مستقل عن المتصدر نفسه، وهو Claude Opus 5.5 بنسبة 46% عند التقريب.

في ذلك المساء، عند الساعة 21:10 بالتوقيت العالمي المنسق يوم 27 أكتوبر، نشر @tensorson أن ملف بيانات Cognition احتوى على نموذج لم يعرضه الجدول: «Obsidian 3»، بنسبة 46.8%، «فوق المركز الأول Opus 5.5 (45.5%)». وأشار المنشور إلى أداة claude-code وخمّن Fable 5.5. وبعد اثنتي عشرة ساعة، أورد موضوع على linux.do خمس درجات منفصلة لمستوى الجهد لهذا الصف — low 39.19%، medium 39.84%، high 46.77%، xHigh 45.90%، max 45.53% — وأرفق نسخة من البيانات. وعند الساعة 09:12 بالتوقيت العالمي المنسق يوم 28 أكتوبر، نشر @teortaxesTex منشورًا مقتبسًا مع أرقام التكلفة: Opus 5.5 عند high يسجل 34.5% مقابل 2.42 دولار لكل تشغيل، وOpus 5.5 عند max يسجل 45.5% مقابل 12.82 دولار، وObsidian 3 عند high يسجل 46.7% «على ما يبدو مقابل 8.62 دولار»، دون أن يصل إلى أكثر من ذلك حتى عند 47 دولارًا لـ max. وتساءل المنشور: «هل FrontierCode معطل بالفعل؟» و«أم أن Fable 5.5 فشل؟» وعند الساعة 16:18 بالتوقيت العالمي المنسق، ضاعف @CodexResets1 الأرقام نفسها وتساءل ما إذا كان النموذج Fable 5.5 أم Opus 5.6.

تشير ترويسة Last-Modified الخاصة بالملف إلى الساعة 17:44 UTC بتاريخ 28 أكتوبر. أما النسخة التي نزّلناها بعد يوم فهي بحجم 32,055 بايت، وتسرد 24 نموذجًا، ولا تحتوي في أي موضع من بنيتها على صف يُسمى Obsidian 3. أعاد طلبٌ بكسر التخزين المؤقت البصمة نفسها للملف. ولم يُظهر جدول لوحة الصدارة الرسمي ذلك الصف قط، كما لم تُظهره مرآة BenchLM المكوّنة من 20 صفًا، ولم تنشر Anthropic أي شيء.

صف واحد، وخمسة مستويات جهد، وثلاث قصص مختلفة

النصف المنشور من هذه المقارنة متين، لأنه يأتي مباشرةً من بيانات Cognition القابلة للتنزيل. ترتفع درجة Claude Opus 5.5 المعدَّلة وفق قابلية الدمج عند كل خطوة: 14.7% عند المستوى المنخفض، و30.1% عند المتوسط، و34.5% عند المرتفع، و43.4% عند xHigh، و45.5% عند الأقصى. ويرتفع متوسط تكلفة المهمة لديه من 2.42 دولار عند المرتفع إلى 12.82 دولار عند الأقصى. هذا هو منحنى نموذج يتحسّن عندما تدفع له مقابل التفكير لمدة أطول.

منحنى Obsidian 3 المزعوم لا يتصرف بهذه الطريقة:

• جهد منخفض — 39.19% مُدّعى، وهو بالفعل أعلى من 34.5% الخاصة بالجهد العالي لدى Claude Opus 5.5.

• جهد متوسط — 39.84% مُصرّح بها، بزيادة 0.65 نقطة.

• جهد مرتفع — 46.77% معلنة، وهي الذروة، عند 8.62 دولار معلنة لكل مهمة.

• جهد xHigh — 45.90% مُدّعى، بانخفاض 0.87 نقطة.

• أقصى جهد — 45.53% مُدّعى، بانخفاض آخر بمقدار 0.37، بتكلفة مُدّعاة تقارب 47 دولارًا.

خمسة إعدادات للجهد، وأفضل نتيجة تأتي في المرتبة الثالثة. إنفاق ما يقارب 5.5 أضعاف ميزانية الجهد العالي للوصول إلى أقصى جهد يشتري نتيجة أدنى بمقدار 1.24 نقطة. تحذّر Cognition نفسها من أن هذا قد يحدث: فإعدادات الاستدلال الأعلى تقلّل النتائج أحيانًا لأن النماذج تكتب مزيدًا من الشيفرة وتلمس ملفات أكثر، وتتضمن أمثلة المعيار نفسه تشغيلًا بأقصى جهد حذف صنف API عام أثناء إصلاح حالة سباق. لكن حجم الانخفاض مهم. إن النموذج الذي يتوقف عن التحسن عند القمة يكون نقطة تفتيش مبكرة أو أثرًا من التقطير أكثر بكثير من كونه نموذجًا رائدًا مكتملًا.

والآن إلى المقارنات، لأن العنوان الرئيسي يعتمد كليًا على أيّها تختار:

• الأفضل مقابل الأفضل — نسبة Obsidian 3 البالغة 46.77% عند high مقابل نسبة Claude Opus 5.5 البالغة 45.5% عند max هي +1.32 نقطة، بتكلفة $8.62 مقابل $12.82، أو أرخص بنحو 33%. وبهذا التأويل، يفوز الصف المخفي على كلا المحورين.

• عالي مقابل عالي — 46.77% مقابل 34.5% هو +12.24 نقطة، عند $8.62 مقابل $2.42، أو 3.56× التكلفة. وفق هذا التفسير، إنه مكسب كبير في الجودة بتكلفة كبيرة.

Max مقابل max — 45.53% مقابل 45.45% أي +0.08 نقطة، بنحو 47 دولارًا مقابل 12.82 دولارًا، أو 3.67× التكلفة. وبهذا التفسير، إنه تعادل بسعر كارثي.

الثلاثة جميعًا صحيحة حسابيًا. ولهذا السبب تجاوز نقاش سلسلة X نفسه: فقد قارن @tensorson بين high وmax ووصفه بأنه فوز بفارق 1.3 نقطة؛ بينما قارن @teortaxesTex بين high وhigh وتساءل عمّا إذا كان المعيار (benchmark) معطوبًا. رقم «تكلفة 3.6× عند الجهد نفسه» دقيق، وكذلك «أرخص من أفضل تشغيل لـ Opus 5.5» — فهما يصفان زوجين مختلفين من التشغيلات.

ثمة تحذير أكبر يكمن تحت كل ذلك. تُخزّن بيانات Cognition رقمين لكل تشغيل: معدل الإجابات الصحيحة الخام، ودرجة معدّلة وفق قابلية الدمج. نسبة 45.5% المنشورة لـ Claude Opus 5.5 هي الرقم المعدّل؛ أما معدل إجاباته الصحيحة الخام فيُبلغ 49.7% عند الحد الأقصى و37.9% عند الإعداد العالي. ويكلّف هذا التعديل صفوف Claude العامة ثلاث إلى أربع نقاط. ولا نعرف من أي عمود جاءت أرقام Obsidian 3 المسرّبة. فإذا كانت 46.77% معدل إجابات صحيحة خامًا، فستهبط درجتها المعدّلة قرب 43% — أي دون Claude Opus 5.5 — وعندها يتبخّر الادعاء كله بأنها "أعلى من المركز الأول". هذا المجهول الواحد أكبر من هامش الـ1.3 نقطة الذي تجادل الجميع بشأنه.

لماذا يمثّل اسم claude-code كل الحجّة لصالح Anthropic

إطار التشغيل سقالة، وليس بصمة. تشغّل FrontierCode كل نموذج داخل حلقة وكيل، ويربط ملف البيانات النماذج بالحلقة التي استخدمتها: صفوف OpenAI تعمل داخل codex، وصفوف Google داخل devin-cli، وصفوف xAI داخل grok-build، وMuse Wonder من Meta داخل muse، ونماذج SWE الخاصة بـ Cognition داخل devin-cli-swe1، وصفوف Claude الستة كلها داخل claude-code. إن صفًا مجهولًا داخل إطار تشغيل Claude مؤشر قوي على أن النموذج الذي يقف خلفه صُمم ليعمل مع أدوات Anthropic. لكنه ليس دليلًا على أن Anthropic هي التي بنته. يمكن لمشغّل معيار قياس أن يختبر نموذج شريك قبل إصداره في أي إطار تشغيل يناسب، ويمكن لمختبر أن يختبر نموذجه الخاص تحت اسم محظور النشر.

لا يكاد الاسم نفسه يخبرك بأي شيء. قائمة Anthropic العامة — بعد التحقق منها مقابل نظرة الشركة العامة على النماذج في 29 أكتوبر — هي Claude Fable 5.1 وClaude Opus 5.5 وClaude Sonnet 5.5 وClaude Haiku 5.5. لا يوجد Fable 5.5، ولا Opus 5.6، ولا منتج يُسمى Obsidian. إن «Obsidian 3» اسم رمزي على نمط أسماء الأحجار الكريمة، من النوع الذي تستخدمه المختبرات داخليًا، لكن لا يوجد سجل عام للتحقق منه، ولا يقابل الرقم «3» في نهايته أي تسلسل أصدرته Anthropic.

وهذا يترك ثلاث قراءات، ولا تحسم الأدلة بينها:

• إصدار من فئة Fable. Claude Fable 5.1 هو الطراز الرائد بسعر $10 / $50 المخصص للاستدلال المتطلب، وأُطلق في 1 سبتمبر، وخط Fable هو الفجوة الواضحة في التشكيلة الحالية. تخمين @tensorson، وعدة ردود على المنشور، استقرت هنا لأن ملف التكلفة يبدو كفئة متميزة بدلاً من فئة قيمة.

• تحديث لـ Opus في منتصف الدورة. افتراض @teortaxesTex المسبق هو أن "Obsidian 3 هو Opus 5.6"، استنادًا إلى أن Anthropic قد أصدرت نماذج في منتصف الدورة بمكسب ضئيل في الاستدلال من قبل. تتناسب القمة المسطحة للمنحنى المزعوم مع هذه الرواية، لكن درجات الجهد المنخفض — 39.19% مقابل 14.7% لـ Claude Opus 5.5 — تبدو وكأنها جولة تدريب مختلفة، لا تحديثًا صغيرًا.

• أثر ناتج عن التقطير أو نقطة تحقق مبكرة. الفرضية الأخرى لـ @teortaxesTex، وهي الفرضية التي يدعمها شكل المنحنى على أفضل وجه: قوي عند الجهد المنخفض والمتوسط، ويبلغ ذروته عند الجهد العالي، ثم يتراجع عندما تُمنح مساحة أكبر. لا ينبغي لنموذج حدودي مكتمل أن يصبح أسوأ في كل مرة تزيد فيها ميزانيته.

ما يضيفه توقيت الطرح العام الأولي — وما لا يضيفه

كانت الإشارة التي بدأت هذا النقاش سؤالاً عن التوقيت: لماذا لم تُطلق Fable قبل الطرح العام الأولي؟ أودعت Anthropic علنًا نموذج S-1 في 26 أكتوبر، في اليوم السابق لإطلاق FrontierCode 2.0، لجمع ما يُقدّر بـ75 مليار دولار على Nasdaq تحت الرمز ANT. ومن المتوقع أن تكون الجولة الترويجية في أسبوع 9 نوفمبر، وتسعير الطرح في أسبوع 16 نوفمبر، وفقًا لـRenaissance Capital. وإذا وصل المنتج الرائد التالي قبل التسعير، فسيمنح الإدراج قصة منتج؛ وإذا وصل بعده، فسيمنحه قصة خارطة طريق.

لكنّ صفًا مخفيًا في نتائج المعايير ليس إشارة إطلاق. فالمختبرات تختبر النماذج قبل إصدارها مع مشغّلي المعايير بشكل روتيني، وعادةً تحت حظر النشر، ومهمة المشغّل هي إبقاء النموذج مجهول الهوية حتى تقول الجهة المورّدة غير ذلك. وإذا كانت Cognition قد اختبرت نسخة من Anthropic، فالتفسير الصحيح هو أن Anthropic ما زالت تُجري التكرارات والتعديلات — لا أن الإطلاق بات على بُعد أيام. ولا تزال نقطة البيانات الرسمية الوحيدة هي وثائق Anthropic، التي تسرد أربعة نماذج حالية ولا أحد منها Obsidian. ويوضّح الطرح العام الأولي سبب متابعة الناس لطبقة Fable عن كثب. لكنه لا يجعل ذلك الصف حقيقيًا.

ما يمكن للقارئ أن يفعله فعليًا اليوم

لا شيء بشأن Obsidian 3 قابل للاستدعاء أو مسعّر أو موثق، لذا لا يغيّر أي قرار هذا الأسبوع. إذا كنت بحاجة إلى أفضل درجة قابلية دمج متاحة الآن، فإن Claude Opus 5.5 متاح للعموم: 4 دولارات للإدخال و20 دولارًا للإخراج لكل مليون رمز، ونافذة سياق بسعة مليون رمز، وحد أقصى للإخراج 128 ألف رمز، ومعرّف API هو claude-opus-5-5، وصدر في 22 سبتمبر. وإذا كانت التكلفة هي القيد، فقد سجّل GPT-6.1 Sol نسبة 39.0% بتكلفة نحو 1.03 دولار لكل مهمة على اللوحة نفسها — وهي مقايضة درجة مقابل الدولار أفضل بكثير من أيٍّ من تشغيلي Claude، والرقم الذي يستحق التحقق قبل أن تفترض أن أعلى الجدول هو الصف المفيد الوحيد.

Claude Opus 5.5 قابل للتوجيه عبر OrcaRouter بسعر Anthropic المعلن دون أي هامش ربح، إلى جانب أكثر من 200 نموذج آخر عبر واجهة API واحدة مع تحويل تلقائي عند الفشل. وهذا مهم للتجربة الوحيدة التي يدعو إليها هذا التسريب فعلاً: شغّل Claude Opus 5.5 على الإعداد high وعلى الإعداد max على عبء العمل الخاص بك، وقِس التكلفة لكل تصحيح مقبول. ويقول منحنى FrontierCode الخاص إن آخر خطوتَي جهد تكلّفان 10.40 دولارًا إضافيًا لكل مهمة مقابل 11 نقطة؛ وقد لا يقيّم مستودعك ذلك بالطريقة نفسها. إعداد الجهد وسعر الرمز المميز هما من Anthropic نفسها، ويُمرَّران كما هما، لذا فالمقارنة تغيير في معامل وليست عقدًا ثانيًا — وإذا خفّضت Anthropic السعر المعلن، فسيصبح التخفيض ساريًا على المسار في اليوم نفسه.

ما الذي سيجعل Obsidian 3 حقيقة؟

يعود الصف في ملف بيانات قابل للتنزيل، مع مفتاح النموذج وجميع إدخالات الجهد الخمسة، بحيث يمكن قراءة الأرقام دون لقطة شاشة.

• تقول Cognition ما إذا كانت قد اختبرت نموذجًا قبل الإصدار، وتحت أي ترتيب. وتأكيد مشغّل معيار قياسي على تشغيل خاضع لحظر النشر سيحسم مصدر النموذج دون تسمية المورّد.

• تنشر Anthropic بطاقة نموذج أو معرّف API أو مدخلًا في الوثائق. هذا هو الحدث الوحيد الذي يحوّل صفًا في اختبار قياسي إلى منتج.

• يظهر سعر. النموذج الذي لا يحمل سعرًا هو مدخل مرجعي، وليس خيارًا يمكن للقارئ اختياره.

• يقيسه مشغّل ثانٍ. تشغّل Artificial Analysis أداة FrontierCode 2.0 الخاصة بها بإعدادات خارجية مختلفة؛ وسيكون وجود صفّ Obsidian هناك تأكيدًا مستقلًا بدلًا من إعادة نشر الصورة نفسها.

الصف إيصال لا إطلاق. وما يوثّقه أكثر إثارة للاهتمام من العنوان الرئيسي: نموذج قوي عند الجهد المنخفض، ويبلغ ذروته عند الجهد المرتفع، ثم ينفق خمسة أضعاف الميزانية ليصبح أسوأ. إذا كان هذا المنحنى ينتمي إلى الطراز الرائد القادم من Anthropic، فإن على الشركة حل مشكلة في توسيع الاستدلال قبل أن يكون لديها إطلاق. وإذا كان ينتمي إلى نقطة تحقق مبكرة، فسيتغير الرقم قبل أن يتغير الاسم. في كلتا الحالتين، 46.8 ليس الرقم الذي يجب مراقبته. الرقم الذي يجب مراقبته هو ما إذا كان المنحنى سيصبح رتيبًا في أي وقت.

الأسئلة الشائعة

هل تم إصدار Obsidian 3؟

لا. لا يظهر أي نموذج يُدعى Obsidian 3 في توثيق Anthropic أو في جدول FrontierCode 2.0 المنشور من Cognition، ولم نعثر على أي فهرس API يتضمنه. الدليل الوحيد هو صف مخفي ورد في منشورات على X يومي 27 و28 أكتوبر وفي موضوع منتدى أعاد إنتاج خمس درجات تقييم للجهد. لم تعلّق Anthropic، وملف البيانات العام الذي نزّلناه في 29 أكتوبر لا يحتوي على هذا الصف.

هل Obsidian 3 هو Claude Fable 5.5 أم Claude Opus 5.6؟

غير معروف. كلا الاسمين تخمينان مستندان إلى وسم أداة claude-code، وليس إلى أي معرّف. يتناسب Fable 5.5 مع الفتحة الفارغة أعلى Claude Fable 5.1 في تشكيلة Anthropic؛ ويتناسب Opus 5.6 مع النظرية القائلة إن Anthropic تصدر تحديثات منتصف الدورة قليلة التحسين. لا يظهر أي من الاسمين في وثائق Anthropic، كما أن ملف التكلفة يناسب فئة Fable الممتازة أكثر مما يناسب فئة Opus الاقتصادية.

لماذا لم يعد Obsidian 3 موجودًا في FrontierCode 2.0 الآن؟

لا يمكننا تأكيد السبب. كان آخر تعديل للملف المرتبط بالمنشور الأصلي في الساعة 17:44 بالتوقيت العالمي الموحد يوم 28 أكتوبر، والنسخة التي نزّلناها في 29 أكتوبر تسرد 24 نموذجًا دون أي إدخال لـ Obsidian 3. ربما أُزيل بعد انتشار المنشورات، أو ربما لم تحتوِ عليه النسخة العامة قط. منشورات X وأرشيف المنتدى هما السجلان الوحيدان اللذان تمكّنا من العثور عليهما، ولا يُعد أيٌّ منهما مصدرًا أوليًا.

هل يصمد ادعاء التكلفة البالغة 3.6×؟

الحساب يتحقق بالفعل، مقابل تكاليف Claude Opus 5.5 المنشورة من Cognition: $8.62 تعادل 3.56× التشغيل عالي الجهد البالغ $2.42 ونحو 3.67× التشغيل الأقصى البالغ $12.82 عند المقارنة بالرقم الأقصى البالغ نحو $47. وما لا يمكن التحقق منه هو جانب Obsidian 3 من السجل، لأن أرقام تكاليفه لا توجد إلا في منشورات X، وليس في أي ملف قابل للتنزيل.