Ultramarine 1 Flash: Paper Instruments تطرح نموذجًا جاهزًا للاستخدام بتكلفة 0.13 دولار للمهمة

نشرت Paper Instruments Ultramarine 1 Flash في 14 أكتوبر 2026، والرقم الذي تتصدّر به الشركة ليس نتيجة معيارية. إنه سعر: 0.13 دولار لإكمال مهمة واحدة على PI Knowledge Work، المجموعة الداخلية للشركة لأعمال التمويل والقانون والاستشارات والعمليات. أما النموذج الذي تبلغ تكلفته 8.19 دولار لإكمال المهمة نفسها — Claude Fable 5 عند أقصى قدر من الاستدلال — فيسجّل 57.8 هناك. ويسجّل Ultramarine 1 Flash نتيجة 59.3. اقرأ هذين الرقمين بالطريقة التي يطرحها بهما المورّد، وستجد نموذجًا يتفوق على نظام رائد بنحو واحد على ثلاثة وستين من التكلفة. واقرأهما بعناية أكبر، وستجد شيئًا أضيق نطاقًا وأكثر إثارة للاهتمام: نموذج مبني لنوع محدد من المخرجات، ومسعّر بالسعر الذي يتقاضاه نموذجه الأساسي نفسه، مع معيار يقول ذلك كتبته الشركة التي تبيعه.

يجدر ذكر النموذج الأساسي منذ البداية، فهو يفسّر معظم السعر. إن Ultramarine 1 Flash هو تدريب لاحق لـGLM-5.3 Flash، النموذج الأصلي متعدد الوسائط من Z.ai بإجمالي 320 مليار معامل و18 مليار معامل نشط، والذي جرى تحسينه عبر التعلم المعزز واسع النطاق بدلًا من بنائه من الصفر. تبلغ أسعار واجهة برمجة التطبيقات الخاصة به 0.15 دولار لكل مليون رمز إدخال، و0.03 دولار للإدخال المخزَّن مؤقتًا، و0.50 دولار للإخراج — مطابقة لأسعار GLM-5.3 Flash، وهذا ما تعنيه عبارة "the same as GLM-5.3 Flash" في كتلة التسعير الخاصة بالمورّد نفسه.

ما الذي تم إطلاقه، وما الذي لا يزال وعدًا

هناك أمران صحيحان في يوم الإطلاق، والفجوة بينهما هي القصة التي ستسطّحها تغطية كثيرة.

واجهة ‎Ultramarine API‎ متاحة الآن. يمكنك إرسال المهام إليها اليوم والدفع بالأسعار المذكورة أعلاه. وتشير إليها صفحة الهبوط تحت سطر بسيط «‎Ultramarine API →‎».

الأوزان ليست كذلك. تقول الصفحة نفسها "أوزان النموذج قادمة قريبًا"، ويصف التقرير التقني ‏GLM-5.3 Flash‏ بأنه "نموذج أساسي مفتوح قوي" — وهذا تصريح عن الأساس، لا عن النسخة المشتقة. Ultramarine 1 Flash‏ هو، في هذه اللحظة، نقطة نهاية مستضافة مغلقة مع نية لجعل الأوزان مفتوحة. وما إذا كان سيصبح مفتوحًا حقًا في النهاية هو أكبر سؤال مفتوح منفرد بشأنه، وهو السؤال الذي أجابت عنه بالفعل كثير من الملخصات الثانوية بالافتراض لا بالتحقق.

الذي أُتيح مفتوح المصدر في يوم الإصدار هو السقالات البرمجية. إن Feather agent harness، وهو البيئة التي دُرِّب النموذج داخلها ويُقيَّم فيها، قد نُشر كمستودع. وكذلك نُشرت paper-docx وpaper-pptx وpaper-xlsx، وهي النسخ المتفرعة التي أنشأتها Paper Instruments عن مكتبات Python Office القياسية، والتي يستخدمها النموذج لتأليف مصنفات Excel وعروض PowerPoint ومستندات Word. توجد تلك النسخ المتفرعة لأن الوكلاء الذين يشغّلون python-docx وأمثالها، بحسب ما تذكره الشركة نفسها، "يصطدمون بثغرات في واجهات API، ويسقطون إلى OOXML الخام، ويُنشئون تلفًا وانحدارات صامتة."

المعايير الستة، بما في ذلك المعياران اللذان يخسرهما

تم تقييم Paper Instruments على ست مجموعات اختبارية. يتصدّر Ultramarine 1 Flash أربعًا منها ولا يتصدّر اثنتين، وهو ملخّص أكثر فائدة من المتوسط.

• JobBench — 62.9 لـ Ultramarine 1 Flash، متقدّمًا على Gemini 3.8 Flash عند 60.6 وDeepSeek V4.1 Flash عند 60.4، مع Claude Fable 5 عند 57.4 وGPT-5.6 Sol عند 45.4.

• PI Knowledge Work، المجموعة الداخلية — 59.3، متقدّمًا على Claude Fable 5 عند 57.8 وGPT-5.6 Sol عند 55.1.

• FrontierFinance — 53.3، متقدماً على GLM-5.3 Flash عند 50.7 و Gemini 3.8 Flash عند 50.0.

• AutomationBench — المركز الثاني. ينتزعها DeepSeek V4.1 Flash بنتيجة 51.3 مقابل 50.2 لـ Ultramarine.

• DiligenceBench — الثالث. يتصدّر Gemini 3.8 Flash بنتيجة 53.1، ويحلّ Claude Fable 5 في المرتبة الثانية بنتيجة 52.9، ويأتي Ultramarine 1 Flash عند 50.6.

• APEX-Agents 1.1 — المركز الثالث. يسجّل Gemini 3.8 Flash نسبة 64.3 وClaude Fable 5 نسبة 63.6، وكلاهما يتجاوزه؛ بينما يقع Ultramarine 1 Flash عند 57.0، ولا يزال متقدّمًا بفارق كبير على GPT-5.6 Sol عند 51.5 وDeepSeek V4.1 Flash عند 39.5.

النمط في الخسائر ثابت ويستحق التسمية: يكون Ultramarine 1 Flash في أقوى حالاته عندما يكون المُخرَج مستندًا، وأضعفها عندما تكون المهمة حلقة وكيل حية تعمل عبر الأنظمة. إن DiligenceBench هو تقييم لوكيل أبحاث الأسهم؛ وAPEX-Agents مجموعة عمل وكيلية. أما AutomationBench فهو معيار للأتمتة. المعياران اللذان بناهما ناشره نفسه حول المخرجات المكتبية هما المعياران اللذان يفوز فيهما بأوسع هامش.

لماذا تبدو النتائج هكذا

كل العمل المهني تقريبًا غير قابل للتحقق بواسطة محلل. مذكرة العناية الواجبة لا تُصرَّف، وعرض مجلس الإدارة لا يحتوي على اختبارات وحدة، لذا لا يوجد تعبير نمطي يقول ما إذا كانت إحداها صحيحة. تلك هي المشكلة التي شرعت Paper Instruments في مهاجمتها، وإجابتها إجابة قابلة للاقتباس حرفيًا: "نحن نوسّع نطاق توليف المهام غير القابلة للتحقق عبر العمل المعرفي القائم على الوكلاء."

الآلية هي منهج. تتوسع أربعة مجالات — التمويل والقانون والاستشارات والعمليات — إلى 19 مجال ممارسة و88 نوعًا مختلفًا من البيئات، كل منها يعاين تصنيفًا للمحاور: صيغة المُخرَج، وتعارضات المصادر، وأصحاب المصلحة، ومرحلة الصفقة. وتضع الشركة فضاء التكوين الاسمي عند نحو ما بين 10⁷ و10¹⁰ تركيبة لكل مجال ممارسة، وهو دفاع ضد انهيار الأنماط بقدر ما هو ادعاء بالحجم. وكل بيئة هي مساحة عمل حقيقية: نظام ملفات مبني من إيداعات SEC EDGAR وتقارير المحللين وعقود مُصطنعة، بالإضافة إلى أنظمة سجلات حية — ERP وCRM وWMS وMES وGRC — يتم الوصول إليها عبر MCP وHTTP وCLI.

التقييم هو الموضع الذي يصبح فيه الأمر غير معتاد. تأتي كل مهمة مرفقة بمعايير تقييم، ويُصاغ كل معيار منها ليرسم حدودًا تحيط بالإجابات المقبولة بدلًا من أن يطالب بإجابة واحدة بعينها. يضع المثال العملي الوارد في التقرير نفسه مقابلة بين معيار مفرط التخصيص يرفض اثنتين من ثلاث إجابات صحيحة، ومعيار غامض يقبل ثلاث إجابات خاطئة، ثم يُظهر النسخة المعاد كتابتها وهي تطابق الحدود. تُحلَّل المخرجات وتُسلَّم إلى مُقيّم معايير — حزمة الشركة مفتوحة المصدر، مع GPT-5.6 Terra بوصفه نموذج الحكم. أُجري التدريب على سياق من 131,072 توكنًا، مع حد أقصى للوكيل قدره 250 دورة، وضغط عند 85% من النافذة.

هذا التصميم هو مصدر النتيجة والمأخذ معًا. وهو السبب في أن نموذجًا بهذا الرخص يمكنه تحقيق نتيجة قريبة من نظام رائد في العمل على المستندات: فقد صُنّع توزيع المهام ليشبه العمل على المستندات. وهو أيضًا السبب في أن الأرقام تحتاج إلى ملصق يُرفق بها. هذه معايير البائع نفسه، قيّمها حكم البائع نفسه، على مهام كتبها البائع. تُفيد Paper Instruments بأن PI Knowledge Work يرتبط بمؤشر Artificial Analysis Intelligence Index بمعامل ارتباط r = 0.81، وهو رقم جدي وإجابة جزئية — لكن الارتباط الواقع على جانب البائع من السياج يبقى على جانب البائع من السياج. لم ينشر أي طرف ثالث تقييمًا مستقلًا لـ Ultramarine 1 Flash بعد، وعمر النموذج يوم واحد.

الادعاء الذي لا يصح على الرسم البياني

أكثر ما يمكن الدفاع عنه في الإصدار هو أيضًا الأقل اقتباسًا: يولّد النموذج رموز إخراج أقل بنسبة 6.5% من نموذجه الأساسي عبر اختبارات الأداء الستة جميعها. 30.5 مليون مقابل 32.7 مليون، بما في ذلك الاستدلال. وعلى أساس الفاتورة لكل مهمة، هذا هو الفرق بين نموذج أرخص ونموذج أرخص وأقل تكلفة في التشغيل أيضًا، وهو نوع الهندسة الذي يظهر في الفاتورة لا في لوحة الصدارة.

إن الادعاء الذي لا يصمد تمامًا هو حدود التكلفة-الجودة. في PI Knowledge Work، يسجّل GPT-6 Luna عند أقصى مستوى استدلال 58.3 بتكلفة 0.11 دولار للمهمة. أما أفضل نتيجة لـ Ultramarine 1 Flash فهي 59.3 مقابل 0.13 دولار. والفارق بين نقطة واحدة وسنتين ضيق بما يكفي ليصبح القول "يقع على حدود التكلفة-الجودة عند أكثر نقاط السعر جاذبية" عبارة تموضع لا حقيقة — وهو ما يعرضه، ويُحسب له ذلك، مخطط المورّد نفسه لمن يقرأ ما بعد المدخل الرئيسي. ونموذج متأخر بنقطة واحدة وبسنتين أقل هو بديل حقيقي للعمل الكثيف، والنسخة الصادقة من هذا الإصدار هي أن Ultramarine 1 Flash في مقدمة مجموعة صغيرة لا وحده على حدود.

حيثما كان مناسبًا، إن أردت أن تسميه بذلك

Ultramarine 1 Flash ليس نموذجًا متعدد الأغراض، ولا يدّعي أنه كذلك. فهو نص يُدخل، ويخرج منه مصنف Excel أو عرض PowerPoint أو مستند Word، مع القدرة على التصرف داخل نظام أعمال أثناء قيامه بذلك. إذا كان عبء عملك مستندًا، فهذه الآن إحدى أرخص الطرق الموثوقة لإنتاجه.

Ultramarine 1 Flash ليس ضمن كتالوجنا. النموذج الذي دُرّب عليه تدريبًا لاحقًا هو: يُقدَّم GLM-5.3 Flash على OrcaRouter بسعر $0.15 لكل مليون رمز إدخال و$0.50 لكل مليون رمز إخراج مع عدم إضافة أي شيء لكل رمز، والسعر هو سعر القائمة لدى المزوّد ويُمرَّر مباشرةً، لذا إذا غيّر Z.ai الرقم، يتحرّك الرقم المقدَّم معه في اليوم نفسه. وهذا يهم أكثر من المعتاد لإصدار مثل هذا، لأن الحجة الكاملة لـ Ultramarine 1 Flash هي عملية حسابية تُجرى مقابل بطاقة أسعار النموذج الأساسي. وبشكل منفصل، أربعة من النماذج التي يُقاس عليها — GPT-5.6 Sol وDeepSeek V4.1 Flash وGemini 3.8 Flash وKimi K3 — يمكن الوصول إليها من نقطة النهاية نفسها، ما يعني أنه يمكنك أن تضع مقارنة المورّد موضع الاختبار على مستنداتك أنت بدلًا من مستنداته.

ما الذي سيغيّر التقييم؟

ثلاثة أمور، بترتيب تنازلي حسب مدى أهميتها.

تقييم واحد مستقل على مجموعة اختبارات لم يكتبها أحد في Paper Instruments. وقد دعا المورّد إلى هذا بنشر الارتباط بمؤشر طرف ثالث؛ والخطوة التالية هي أن ينشر شخص آخر الدرجة.

الأوزان. «قريبًا» عنصر نائب، وإلى أن يتحقق، فإن «نموذج مفتوح» وصفٌ للنيّة لا يسنده هذا الإصدار. وإذا وصلت الأوزان فعلًا، يصبح نموذج بـ18B معامل نشط مُهيّأ للعمل على المستندات شيئًا يمكنك تشغيله بنفسك، ويتوقف رقم 0.13 دولار عن كونه السبيل الوحيد لشراء هذه القدرة.

معيار لا يفوز به بحكم بنيته. المجموعات الأربع التي يتصدرها تخبرك بأنه بارع في الشيء الذي دُرِّب عليه. أما المجموعتان التي يتخلف فيهما فتخبرك أين لا يزال الوكيل العام يتفوق على المتخصص. وعلى كل من يخطط لخط أنابيب وكلاء في المجال القانوني أو المالي أن يقرأ هذين الصفين وصف $0.13 معًا، وأن يقرر أيهما يصف عبء العمل لديه.

المقارنات مثل هذه هي أيضًا حيث تظهر أنماط الفشل: الحوادث الموثّقة للذكاء الاصطناعي وإخفاقات الوكلاء الكامنة وراء النماذج في هذه الفئة تُجمع في OrcaRouter AI Incident Archive، حيث يحمل كل مُدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محل خلاف.