تتفق Terminal X مع كبار مستثمريها بنسبة 88.6% من الوقت بشأن GPT-6.1 Sol — وتوفر 30% بفعل ذلك

الرقم الأكثر إثارة للاهتمام في تقرير OpenAI المؤرخ 20 أكتوبر 2026 عن Terminal X ليس اسم النموذج. بل هو 88.6% — حصة 500 حكم استثماري مُقيَّم حيث وصل وكيل تقييم يعمل على GPT-6.1 Sol إلى الحكم نفسه الذي وصل إليه كبير المراجعين البشريين في الشركة. أما أفضل نموذج تالٍ في الإطار نفسه فقد حقق 86.4%. يفصل بينهما 220 نقطة أساس، بينما يفصل نحو 30% بين تكلفة كل استعلام لديهما. كما تشغّل Terminal X GPT-6 Luna للخطوات عالية الحجم، والفصل بين هاتين الفئتين هو القصة الهندسية الفعلية هنا: الحكم حيث يلزم الحكم، والإنتاجية في كل مكان آخر. تُجمع حالات فشل الذكاء الاصطناعي الموثّقة وحوادث الوكلاء الكامنة وراء إصدارات كهذا الإصدار في أرشيف OrcaRouter لحوادث الذكاء الاصطناعي حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محل نزاع.

من الأمور التي يجب توضيحها قبل أن تتناقل الأرقام في أروقة العمل: هذه قصة عميل نشرها مورّد النموذج، وقاسها العميل وفق معاييره الخاصة. وهي نتيجة حقيقية بمعنى أن أداة الاختبار موجودة وتعمل في بيئة الإنتاج، لكنها ليست معيارًا مستقلًا بأي معنى. ولم يكرّر أحد خارج Terminal X نتيجة 88.6%. تعامل معها على أنها أكثر الأدلة العامة تفصيلًا حتى الآن حول كيفية تصرّف نموذج بمستوى GPT-6.1 في أعمال الحكم المهني — لا كمدخل في لوحة ترتيب.

ما الذي تم قياسه فعليًا

تبيع Terminal X ما تسمّيه Capital Memory: نظامًا مملوكًا للشركة يفهرس غرف البيانات والنماذج والمذكرات والإيداعات الرسمية ورسائل البريد الإلكتروني وسجل لجنة الاستثمار، ثم يضمّن طريقة اتخاذ مكتب معيّن قراراته في صورة وكلاء تملكهم الشركة، تُنشر محليًا أو في سحابتها الخاصة. فريق الهندسة مؤلّف من محترفين سابقين في المالية والاستثمار، ويجلسون مع كل عميل لأسابيع لإجراء هندسة عكسية للاستدلال الذي لم يُدوَّن قط — كيف يفحص مكتب الائتمان أحد المقترضين، وأي المصادر يستعين بها فريق الاستثمار المشترك قبل إعداد مذكرة.

طبقة التقييم وكيل منفصل. وفقًا للسيناريو، تقرأ كل مخرجات الإنتاج وفق معيار تقييم من 54 بندًا، وتعيد النجاح أو الفشل لكل بند، مع سبب من سطر واحد ومصدر مصحح لكل حالة فشل. تصبح حالات الفشل تلك تعليمات سير عمل جديدة وحالات اختبار جديدة، لذا يتوسع معيار التقييم كلما صححت الشركة النظام.

تأتي المقارنة الرئيسية من 500 حكم مُقيَّم كان قد بتّ فيها مسبقًا مراجع بشري خبير. معدل توافق الوكيل، حسب النموذج:

• GPT-6.1 Sol — توافق بنسبة 88.6% عبر 500 حكم

• ثاني أفضل نموذج — توافق بنسبة 86.4% على نفس الـ500

• الفجوة — 220 نقطة أساس، أو ما يعادل تقريبًا اتفاقًا إضافيًا واحدًا لكل 45 حكمًا

تسمّي Terminal X فئة أخطاء واحدة يتركّز فيها الفارق: انحراف الأسلوب. فصندوق استحواذ تكون مهمته مرشحين للاستحواذ والإخراج من البورصة يتم تداولهم بخصم على صافي قيمة الأصول لا ينبغي أن يوصي بمركز ائتماني متعثر أو تمويل إنقاذي عندما تنقلب نماذج السيناريوهات. وقد رصد وكيل التقييم على GPT-6.1 Sol نحو 25% أكثر من تلك الخروجات عن المهمة مما رصده أفضل نموذج تالٍ. وهذا ادعاء أضيق من "دقيق بنسبة 88.6%"، وأكثر فائدة: فالنموذج أفضل في ملاحظة أن توصية ما قد انحرفت عن الأطروحة الاستثمارية، وهو نمط الفشل الذي يقضي المراجع الأول يومه في رصده.

لماذا يُعدّ تقييم صندوقٍ ما نوعًا مختلفًا من المعايير المرجعية

تطرح الاختبارات المعيارية العامة على كل نموذج الأسئلة نفسها. أما Terminal X فيطرح على كل نموذج أسئلة شركة واحدة، وفق معيار تقييم واحد، وبأسلوب الشركة الخاص. وهذا يجعل النتيجة أكثر ملاءمة للمشتري وأقل قابلية للمقارنة بين المشترين — فالأداة نفسها لدى صندوق مختلف قد تزن معايير مختلفة، وفجوة الـ220 نقطة قد تنكمش أو تتسع بسهولة.

وهذا يجعل التحقق من النتيجة مكلفًا أيضًا. فإعادة إنتاجها تتطلب قائمة تقييم من 54 معيارًا و500 حكم تقييمي، ولا يتوفر أي منهما للعموم. ما هو علني هو شكل الادعاء وسياق الإنتاج المحيط به، وعلى هذا الأساس تكون النتيجة متماسكة: إنشاء نحو 1,700 من Memories خاصة بالشركات، وتشغيل أكثر من مليون سير عمل مخصص، ومستخدمون نشطون أسبوعيًا يعادلون 81% من النشطين شهريًا — وهي نسبة التصاق توحي بأن الوكلاء يُستخدمون خلال أسبوع العمل بدلًا من تجربتهم ثم التخلي عنهم. وتُذكر إحدى شركات الأسهم الخاصة بتحقيق وفورات سنوية قدرها 2.4 مليون دولار من أتمتة سير عمل العناية الواجبة والمذكرات. وكل ذلك هو رواية العميل نفسه.

بند التكلفة أكثر أهمية من بند الدقة

وفقًا للقصة، شغّل GPT-6.1 Sol سير العمل نفسها بتكلفة أقل بنحو 30% لكل استعلام مقارنةً بأفضل طراز تالٍ، وبسرعة مماثلة. ويعزو Terminal X ذلك إلى كفاءة الرموز في الأعمال ذات السياق الطويل: فقد كان بإمكان الطراز اختبار فرضية ما مقابل تفويض الصندوق، ثم مقابل صفقاته الأخيرة، ثم إعادة تشغيل الأحكام غير المؤكدة والتوفيق بينها، وكل ذلك ضمن الميزانية نفسها. وهذه المراجعة الأعمق هي ما كشف الصفقات التي مرّت من جولة واحدة دون تدقيق.

خفض التكلفة بنسبة 30% على أساس كل استعلام هو حقيقة تجارية أكبر بكثير من 220 نقطة أساس من التوافق، لأن وكلاء التقييم والمراجعة يعملون باستمرار وتتناسب فاتورتهم مع الحجم. وهو أيضًا من نوع الادعاءات التي يمكن لرواية مورّد أن تطلقها بتساهل — فـ«سرعة مماثلة» ليست رقمًا — لذا يندرج في الفئة نفسها التي يندرج فيها الباقي: معقول من حيث الاتجاه، وغير مُتحقَّق منه.

ما هو GPT-6.1 Sol، وفق التصريحات الرسمية

GPT-6.1 Sol هو النموذج الصادر عن {{1}}O​penAI{{/1}} في 29 سبتمبر 2026 للبرمجة المعقدة والعمل الاحترافي. وهو النموذج الوحيد من فئة GPT-6.1 في قائمة نماذج {{1}}O​penAI{{/1}} — لا يوجد معرّف منفصل مجرّد باسم "GPT-6.1"، وأي طلب يسمّي معرّفًا كهذا لن يُحلّ. المواصفات الحالية للمورّد، كما نُشرت:

• السعر — 2.00 دولار لكل مليون رمز إدخال و10.00 دولارات لكل مليون رمز إخراج

• المدخلات المخزنة مؤقتًا — 0.10 دولار لكل مليون؛ كتابات ذاكرة التخزين المؤقت 2.50 دولار لكل مليون

• المطالبات الطويلة — فوق 272,000 من رموز الإدخال، تكون تكلفة الإدخال والتخزين المؤقت 2× وتكلفة الإخراج 1.5×

• نافذة السياق — 1,050,000 رمز، مع حد أقصى للإدخال يبلغ 922,000 وحد أقصى للإخراج 128,000

• الوسائط — النص والصورة كمدخلات، والنص كمخرجات

• جهد الاستدلال — منخفض، متوسط، مرتفع، xhigh وmax؛ يتم رفض none وminimal

• تاريخ انتهاء المعرفة — 30 أبريل 2026

• طبقات الخدمة — Fast بسرعة 2× المعيار، وBatch وFlex بنسبة 50% أقل من المعيار، وUltrafast بسرعة 6×، مع إقامة البيانات في الولايات المتحدة والاتحاد الأوروبي

الصورة المستقلة على Artificial Analysis، المقروءة في 21 أكتوبر 2026، هي مؤشر ذكاء واحد بقيمة 52 عند أقصى جهد (الإصدار v4.3.2 من المؤشر، عشر تقييمات)، بسعر 0.72 دولار لكل مهمة مؤشر و1.47 دولار مدمجة لكل مليون رمز، مع سرعة إخراج 55.2 رمز في الثانية. ويسجل اللوح أيضًا زمنًا للوصول إلى أول رمز قدره 248 ثانية عند إعداد الجهد ذلك، مقابل وسيط مجموعة المقارنة قدره 3.69 ثانية — وهو أمر يستحق المعرفة قبل أن يوجّه أي شخص واجهة مستخدم متزامنة نحو مستوى الجهد الأقصى.

تصف هاتان المجموعتان من الأرقام أمرين مختلفين، والفجوة بينهما هي الملخص الصادق للنموذج: فئة استدلال بسياق يبلغ 1M مسعّرة كنموذج من الفئة المتوسطة، تجدي اقتصادياتها في التقييم الدفعي والتشغيلات الوكيلية الطويلة، ولا تجدي في أي شيء ينتظره المرء تفاعليًا بأقصى جهد.

ما لا تخبرك به نسبة 88.6%

• إنه ليس مقياسًا عامًا للقدرات. معيار تقييم واحد، ومزيج واحد من فئات الأصول، ومعايير شركة واحدة.

• إنه توافق مع إنسان، لا صحة. فالمراجع ذو تحيز ثابت ونموذج يشاركه إياه سيحصلان على درجة جيدة.

• مجموعة المقارنة غير مسمّاة. قد يكون «النموذج التالي الأفضل» منافسًا رائدًا أو فئة أرخص بكثير؛ ومن دون الاسم، لا يمكن تسعير 220 نقطة أساس.

• تكلفة الاستعلام الواحد غير محددة. وما إذا كانت تشمل تمريرات المراجعة الإضافية التي يتيحها النموذج هو بالضبط نوع التفاصيل التي تغيّر الاستنتاج.

• لا شيء هنا يُعد نتيجة اختبار مرجعي عام قابلة للمقارنة المباشرة. وعلى المؤشر المستقل الوحيد الموجود، يقع GPT-6.1 Sol أدنى بنقطة واحدة من GPT-6 Astra، وأعلى بأربع نقاط من فئة GPT-6 Sol التي حلّ محلّها.

اختبار ادعاء كهذا على بياناتك الخاصة

الطريقة الوحيدة لمعرفة ما إذا كانت نتيجة انحراف التكليف تنتقل هي تمرير 200 إلى 500 حكم من أحكامك الخاصة عبر نموذجين وتقييمها مقابل المراجع الخاص بك.

هذه الآن تجربة منخفضة التكلفة: GPT-6.1 Sol متاح على مسارات OrcaRouter بسعر القائمة الخاص بالمورّد نفسه، دون إضافة أي هامش ربح، لذا فإن تشغيلًا مماثلًا مقابل GPT-6 Astra أو GPT-6 Sol أو GPT-6 Luna يكلّف سعر بطاقة الأسعار ولا شيء آخر. ولأن المستويات الأربعة جميعها تعمل عبر مفتاح واحد، فإن المقارنة مجرد تغيير في سلسلة اسم النموذج بدلًا من عقد ثانٍ.

إن معمار Terminal X نفسه هو النمط الجدير بالنسخ: وجّه المرحلة المثقلة بالحكم — تركيب الأطروحة، وملاءمة التفويض، ومرحلة المطابقة والتسوية — إلى أقوى طبقة يمكنك تبريرها، ووجّه الاستخراج والتصنيف والخطوات عالية الحجم إلى شيء مثل GPT-6 Luna بسعر 0.10 دولار و0.50 دولار لكل مليون رمز.لغة التوجيه DSL موجودة تحديدًا كي يعيش ذلك التقسيم في ملف إعدادات بدلًا من شيفرة التطبيق، كما أن التبديل التلقائي عند الفشل يعني أن تشغيل التقييم لا يموت في منتصف الطريق لأن أحد المصادر الخارجية مرّ بمساء سيئ.

ماذا تشاهد

ثمة أمران سينقلان هذا من حكاية مورّد إلى نتيجة. {{1}}أولًا، شركة ثانية تنشر معدل اتفاقها الخاص وفق معيار تقييم مختلف{{/1}} — فإذا كان 88.6% خاصيةً للنموذج لا لمنظومة اختبار Terminal X، فينبغي أن تقع مكتبة ائتمان وصندوق بنية تحتية في النطاق نفسه. {{2}}ثانيًا، المقارنة المسمّاة{{/2}}. إن «نموذجًا بديلًا أفضل» بنسبة 86.4% هو الرقم الذي سيرغب الجميع في استجوابه، وإلى أن يصبح له اسم، فإن الـ220 نقطة أساس هي ادعاء بشأن فئة، لا مقارنة بين منتجين.

حتى ذلك الحين، يظل التفسير القابل للدفاع ضيقًا لكنه مفيد: في سير عمل استثماري إنتاجي واحد، اتفق نموذج من فئة GPT-6.1 مع مراجع خبير بما يكفي من المرات لأتمتة الفرز الأول، والتقط انحرافات تفويض أكثر بنحو الربع مما قيس عليه، وفعل ذلك بتكلفة أقل بنحو 30% لكل استعلام. وهذا سبب وجيه لإجراء اختبارك الخاص. لكنه ليس بعد سببًا لتخطي واحد.