Ultramarine 1 Flash مقابل GPT-5.6 Luna: نموذجان لا يظهران أبدًا على لوحة النتائج نفسها

أول ما يلاحظ في هذا الاقتران هو ما هو غائب من مخطط المورّد نفسه. نشرت Paper Instruments نموذج Ultramarine 1 Flash في 14 أكتوبر 2026 مع ستة جداول معيارية ومخطط للتكلفة والجودة يغطي حوالي ثلاثين تكوينًا للنماذج. GPT-5.6 Luna ليس على المخطط. ليس عند الجهد المنخفض، ولا المتوسط، ولا الأقصى. نظيره GPT-5.6 Sol موجود عند كل مستوى جهد؛ وهناك نموذج يُدعى GPT-6 Luna موجود عند 58.3 مقابل $0.11 للمهمة؛ أما GPT-5.6 Luna فلا يظهر على الإطلاق. وعلى الجانب الآخر، لدى Artificial Analysis مدخل لـ GPT-5.6 Luna — مؤشر الذكاء 37، و$0.18 لكل مهمة مكتملة، و115.4 رمز إخراج في الثانية — ولا يوجد مدخل لـ Ultramarine 1 Flash إطلاقًا. نموذجان صدرا بفارق ثلاثة أشهر، وكلاهما يستهدف العمل الرخيص عالي الحجم، ولم يقس أي طرف ثالث أحدهما على معيار يحتوي على الآخر.

هذا الغياب هو المقارنة. GPT-5.6 Luna هي الطبقة السريعة والموفّرة من عائلة GPT-5.6 لدى OpenAI، صدرت في 9 يوليو 2026، وتحمل درجة مستقلة ضمن مركّب من عشر تقييمات. Ultramarine 1 Flash هو تدريب لاحق عبر التعلم المعزز لـ GLM-5.3 Flash، بسعر $0.15 للمدخلات / $0.50 للمخرجات لكل مليون توكن، ومصمم لإنتاج مصنفات Excel وعروض شرائح ومذكرات Word بدلاً من الإجابات، ولا يحمل سوى أرقام صانعه. كل ما يلي يدور حول ما يمكن وما لا يمكن استنتاجه من ذلك الترتيب.

أين يقع السجلان فعليًا

أرقام Luna هي قياسات Artificial Analysis على واجهة OpenAI API الخاصة. أما أرقام Ultramarine فهي المعدلات المنشورة لدى Paper Instruments وتقييماتها المنشورة الخاصة، مع أخذ رقم سياقها من إعداد التدريب الوارد في تقريرها الفني.

• درجة مستقلة — Intelligence Index عند 37 بأقصى جهد، والمرتبة الرابعة من بين 148 نموذجًا في فئته، لصالح GPT-5.6 Luna مقابل عدم وجود أي تقييم مستقل من أي نوع لـ Ultramarine 1 Flash.

• سعر الإدخال، على بطاقات الأسعار — 0.20 دولار لكل مليون توكن مقابل 0.15 دولار. نموذج Paper Instruments أرخص بنسبة 25% عند الإدخال.

• سعر الإخراج — 1.20 دولار مقابل 0.50 دولار لكل مليون. 2.4 ضعفًا، وهو أوسع فارق في هذه المقارنة الثنائية.

• المدخلات المخزّنة مؤقتًا — 0.02 دولار لكل مليون (خصم 90%) لـ Luna مقابل 0.03 دولار (خصم 80%). بفارق سنت واحد، لصالح OpenAI.

• السياق — 1,050,000 توكن في قائمة أسعار Luna مقابل 131,072 في إعداد تدريب Ultramarine. ثمانية أضعاف النافذة، والسطر الوحيد الذي لا تكون فيه الفجوة ضيقة.

• الحد الأقصى للإخراج — 128,000 رمز مقابل عدم النشر.

• التكلفة المقيسة لكل مهمة مكتملة — 0.18 دولار على Intelligence Index بالنسبة إلى Luna (أقصى جهد) مقابل 0.13 دولار على PI Knowledge Work بالنسبة إلى Ultramarine 1 Flash. مجموعتان مختلفتان، ونوعان مختلفان من المهام، ورقمان يبدوان قابلين للمقارنة وهما ليسا كذلك.

• الرمز الأول — 121.46 ثانية لـ Luna عند أقصى جهد على واجهة برمجة تطبيقات OpenAI، مقابل وسيط قدره 1.85 ثانية لفئتها السعرية؛ غير منشور لـ Ultramarine 1 Flash بأي شكل.

أول رمز يستغرق دقيقتين، ولماذا هو إعداد وليس عيبًا

ذلك الرقم البالغ 121.46 ثانية يستحق قسمًا خاصًا به، لأنه من نوع الأرقام التي يُستشهد بها كعيب بينما هي في الواقع معامل.

GPT-5.6 Luna، عند أقصى جهد للاستدلال، يُجري مداولته قبل أن يُصدر أي شيء. وفي Intelligence Index، ينتج 115.4 رمزًا إخراجيًا في الثانية بمجرد أن يبدأ، و150 مليون رمز إخراجي إجمالًا لإكمال مجموعة الاختبارات — أي المرتبة 41 من 60 في فئته من حيث الإسهاب، وقد وصفته Artificial Analysis بأنه مُسهب إلى حد ما مقابل وسيط قدره 95 مليونًا. وتُقاس درجة المؤشر البالغة 37 عند هذا الإعداد الأقصى.

يدعم النموذج جهدًا قابلًا للضبط، ما يعني أن الأوزان نفسها التي تستغرق دقيقتين لتبدأ يمكن ضبطها إلى مستوى يستجيب فورًا، بدرجة أقل. لا تنشر OpenAI أي تفصيل لكل مستوى جهد في سجل Artificial Analysis، لذا فإن مقدار هذا الانخفاض غير معلن — فالاستدعاء الافتراضي يقع في مكان ما دون 37 بمقدار لم يقسه أحد خارج OpenAI. في خطوة التفريع حيث تصوغ مئة استدعاء رخيص كل منها شيئًا قصيرًا، يكون ذلك هو التكوين الصحيح. أما بالنسبة للمهمة الصعبة الوحيدة في نهاية سلسلة، فأقصى جهد هو المناسب. كلاهما النموذج نفسه، ولا أي منهما مُكوَّن بشكل خاطئ.

لا تنشر Ultramarine 1 Flash أي رقم لزمن الاستجابة، ولا رقم لمعدل النقل، ولا زمنًا للوصول إلى أول رمز. يكشف تقريره الفني عن نطاق التشغيل الذي دُرِّب وقُيِّم داخله — 131,072 رمزًا من السياق، وحد أقصى 250 دورة في حلقة الوكيل، وضغط يُفعَّل عند 85% من النافذة أو عندما تبقى 30,000 رمز — وأداة بُنيت لضغط ذاكرتها العاملة هي أداة بُنيت للمهام الطويلة. هذا استنتاج حول شكل المهمة، وليس دليلًا على السرعة، والموقف الصادق هو أن أحد طرفي هذه المقارنة لديه مشكلة استجابة مقيسة والطرف الآخر ليس لديه أي قياس.

ما الذي يقيسه معيار أداء قابل للتسليم ولا يستطيع مؤشر ذكاء قياسه

السبب في عدم التقاء النموذجين قط ليس مصادفةً في الجدولة. فالمعايير تقيس أشياء مختلفة عن قصد.

إن Intelligence Index الذي يمنح Luna الرقم 37 هو مركّب من عشرة تقييمات — AA-Briefcase وGDPval-AA وAutomationBench وغيرها — لكل منها إجابات يستطيع أي مُقيّم التحقق منها. وهذا ما يجعله قابلاً لإعادة الإنتاج، وهو السبب في أن مُقيّمًا لا مصلحة له في أي نموذج يمكنه إجراءه ونشر رقم قابل للمقارنة للجميع.

بُني PI Knowledge Work على وجه التحديد لأن الأجزاء القابلة للتكرار من العمل المهني ليست هي الأجزاء التي تهم. فمذكرة العناية الواجبة لا تُجمَّع. وعرض مجلس الإدارة لا يحتوي على اختبارات وحدة. ونموذج تسعير يحتوي على توقعات حيّة بداخله سيكون خاطئًا بطريقة لا يستطيع مُقيّم الاختيار من متعدد رؤيتها. لذلك كتبت Paper Instruments معايير تقييم بدلاً من ذلك، واحدًا لكل مهمة، حيث يُرسم كل معيار كحدّ يحيط بالإجابات المقبولة بدلاً من كونه مطالبة بإجابة واحدة. ويقارن تقريرها معيارًا مفرط التخصيص يرفض إجابتين من ثلاث إجابات صحيحة بمعيار غامض يقبل ثلاث إجابات خاطئة، ثم يُظهر النسخة المعاد كتابتها وهي تطابق الحدّ — وهو برهان منصف على سبب صعوبة هذا، وتحذير منصف بشأن مقدار الوزن الذي ينبغي أن تحمله درجة معيار تقييم واحدة.

ما تعنيه الأرقام الناتجة، بصراحة: يسجل Ultramarine 1 Flash نتيجة 59.3 في تلك المجموعة بتكلفة 0.13 دولار لكل مهمة. ويسجل GPT-5.6 Sol، الشقيق الأكبر لـ Luna، 55.1 بتكلفة 2.09 دولار، ويظهر في جميع جداول Paper Instruments الستة — 45.4 في JobBench مقابل 62.9 لـ Ultramarine، و46.8 في FrontierFinance مقابل 53.3، و51.5 في APEX-Agents 1.1 مقابل 57.0. ويذكر المورّد أن مجموعته ترتبط بمؤشر Artificial Analysis Intelligence Index بمعامل r = 0.81، وهو رقم جاد لكنه منقول. لم يقم أي طرف ثالث بتشغيل Ultramarine 1 Flash على أي شيء.

المقارنة التي تُقاس بالطريقة نفسها على كلا الجانبين

هناك فئة قياس واحدة بالضبط في هذا الاقتران لا يعتمد فيها رقم أيٍّ من الطرفين على منهجية الطرف الآخر: كفاءة الرموز، مقيسةً ضمن مجموعة اختبارات واحدة بواسطة أداة اختبار واحدة.

يُسجّل Artificial Analysis نموذج GPT-5.6 Luna عند 150 مليون رمز مخرجات لإكمال مؤشر Intelligence Index، أي أعلى بنسبة 58% من الوسيط البالغ 95 مليوناً لفئته. ويقف هذا الرقم خلف 0.18 دولار لكل مهمة — فالنموذج السريع الذي يكتب كثيراً ليس أرخص وسيلة لشراء مهمة منجزة، وترتيب الإسهاب يجعل السبب مرئياً.

تقدّم Paper Instruments ادعاءً معاكسًا بشأن نموذجها الخاص، وتفعل ذلك بطريقة قابلة للتحقق بدلًا من مجرد الادعاء. عبر جميع معاييرها الستة، أصدر Ultramarine 1 Flash رموز إخراج أقل بنسبة 6.5% من GLM-5.3 Flash، النموذج الذي دُرِّب لاحقًا انطلاقًا منه — 30.5 مليون مقابل 32.7 مليون، بما في ذلك الاستدلال — بينما سجّل نتيجة أعلى في كل واحد من الستة. كلا طرفي تلك المقارنة يستخدمان أداة الاختبار نفسها على المهام نفسها، لذا فهو ليس عرضة للانتقاد الذي يخيّم على كل شيء آخر هنا. وهو أيضًا الاتجاه الذي لا يأتي مجانًا: فالتدريب اللاحق كثيرًا ما يجعل النماذج أكثر ثرثرة بقدر ما يجعلها أقل كلامًا.

بالنسبة لأي شخص تهيمن رموز الإخراج على فاتورته، فهذه هي الحقيقة الأكثر قابلية للنقل في هذا الإصدار. وهي لا تقول إن Ultramarine 1 Flash أكثر توفيراً من GPT-5.6 Luna. بل تقول إن علاقة «الأقصر بين الاثنين بحسب النموذج الأساسي» قد ثبتت، على مجموعة اختبارات لم يكرّرها أحد خارج الشركة.

تشغيل الاختبار بنفسك

GPT-5.6 Luna يُقدَّم على OrcaRouter بسعر 0.20 دولار للمدخلات و1.20 دولار للمخرجات لكل مليون رمز، مع ضبط مستوى الجهد لكل طلب. هذا هو سعر القائمة لدى المزوّد ويُمرَّر كما هو مع عدم إضافة أي شيء لكل رمز، وهو أمر مهم لنموذج سبق أن تحرّك سعره مرة واحدة بالفعل — تخفيض 80% الذي طبّقته OpenAI في وقت سابق من العام ينعكس هنا دون أن يعيد أي أحد التفاوض على عقد. تصل النقطة الطرفية نفسها إلى GPT-5.6 Sol، وClaude Fable 5، وDeepSeek V4 Flash، وGLM-5.3 Flash، وآخرها هو الأساس الذي دُرِّب منه Ultramarine 1 Flash ويُقدَّم ببطاقة السعر ذاتها 0.15 / 0.50 دولار.

Ultramarine 1 Flash ليس في كتالوجنا؛ فالطريق إليه هو API الخاصة بالمورّد نفسه والمنصات الخارجية التي تعيد بيعه. هذا التفاوت هو الشكل العملي لهذه المقارنة. أحد هذين النموذجين يمكنك وضعه في مسار إنتاجي اليوم مع بديل موجّه خلفه وp50 مقيس أمامك. والآخر تجرّبه على نقطة نهاية المورّد وتحكم عليه بمخرجه وحده.

ما الاختبار الذي يستحق التنفيذ، وهو رخيص: أرسل دفعة المستندات نفسها إلى كليهما، عند الجهد الافتراضي لدى Luna وعند الحد الأقصى له، وقارن المخرجات والفواتير. حجة المتخصص كلها هي أن مخرجاته تحتاج إلى إعادة عمل أقل. وهذا قابل للقياس في غضون فترة بعد الظهر، وهو الدليل الوحيد الذي قد يحسم اقترانًا لم ينشر فيه أحد لوحة نتائج مشتركة.

الموقف، كما هو مبيَّن من حيث ما هو معروف وما هو غير معروف

معروف، مع مصدر: GPT-5.6 Luna يسجل 37 على مؤشر مبني من عشرة تقييمات قابلة للتحقق، بتكلفة $0.18 لكل مهمة مكتملة، مع نافذة من 1,050,000 توكن، وأول توكن قد يستغرق ما يزيد قليلاً على دقيقتين عند مستوى الجهد الذي يمنح الـ37. إنه رخيص لكل توكن، وقادر بمستوى فئته، و — وفق قياس Artificial Analysis نفسه — يميل إلى الكتابة أكثر من أقرانه بنسبة 58%.

مُبلَّغ عنه من صانعه، دون إعادة إنتاج: يسجّل Ultramarine 1 Flash نتيجة 59.3 في مجموعة مُقيَّمة وفق معيار من مخرجات التمويل والقانون والاستشارات والعمليات بتكلفة $0.13 لكل مهمة، مقابل $8.19 لـ Claude Fable 5 عند 57.8 و$2.09 لـ GPT-5.6 Sol عند 55.1، كما يتفوق على نموذجه الأساسي في المجموعات الست كلها مع توليده رموزًا أقل بنسبة 6.5%.

غير معروف: ما إذا كان أيٌّ من ذلك سيصمد في مستند لم يكتبه أحد في Paper Instruments، وكيف يبدو زمن استجابة النموذج تحت الحمل، وما إذا كان سطر «أوزان النموذج قادمة قريبًا» على صفحة المورّد سيفضي إلى إصدار فعلي.

أي مقال يختار فائزًا من ذلك يكون قد اختلق فائزًا. ما يمكن قوله بوضوح هو أنه إذا كنت بحاجة إلى نتيجة موثّقة قبل أن تلتزم، فإن GPT-5.6 Luna هو النموذج الوحيد في هذه الثنائية الذي يملك واحدة، وإذا كان عملك مُخرَجًا قابلًا للتسليم وليس إجابة، فإن الادعاء المثير يقع بالكامل على الجانب الآخر، ولم يختبره أحد لم يُدفع له لاختباره.

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.