GPT-6.2 Astra أم Sol: كيف تختار حين لا تتطابق أرقام الجداول؟ انظر إلى الشروط أولًا
FrontierCode 2.0: اختبار واحد، يوم واحد، وAstra واحد. الرسم الرسمي من OpenAI يعطي 44.2%، والشروط القياسية لدى Artificial Analysis (AA) تعطي 45.4%، وصفحة وكلاء البرمجة لدى AA مع Codex تعطي 42. قد تختلف هذه الدرجات بسبب اختلاف شروط الاختبار أو الـ harness أو مستوى الاستدلال أو أخذ العينات، فلا ينبغي دمجها ومقارنتها مباشرة.
في اختيار Astra أو Sol تكتفي معظم المقالات بجملة واحدة: «للمهام الصعبة استخدم Astra وللمهام اليومية استخدم Sol». الجملة صحيحة لكنها لا تكفي، لأن وراء كل رقم تقرؤه مجموعة شروط. يبدأ هذا المقال بما يتشابه وما يختلف بين النموذجين، ثم يشرح لماذا لا تتطابق الأرقام، وينتهي بطريقة اختيار قابلة للتطبيق.
هذا المقال تجميع للمواد العامة وليس نتيجة اختبار أجرته Guishu Intelligence، ولا يعني أن أي منصة تقدّم هذين النموذجين.
أولًا: حدّد المدخل الذي تستخدمه
التوفر يُحدَّد بحسب OpenAI Learn. بحسب ChatGPT Learn (2026-11-17) يتوفر GPT-6.2 Astra وSol في ChatGPT Work وCodex وواجهة OpenAI API.
وهنا موضع يسهل الخطأ فيه: لاستخدامهما في ChatGPT يجب تفعيل Work، ولا تقول الوثيقة إنهما دخلا نافذة المحادثة العادية. وقد كتب مقال WeChat لـ Kazike وAIZ小朱 عبارة «ChatGPT وCodex وAPI كلها أُطلقت معًا»؛ وهذه صياغة ذلك المقال ولا تتفق تمامًا مع الوثائق الرسمية، والمعتمد هو الرسمي. فإذا لم تجد النموذجين في المحادثة العادية فالأرجح أن الأمر لا يتعلق بك.
معلومات أخرى عن المداخل: يمكن استخدامهما في Plus وPro وEnterprise وEdu، مع حاجة Enterprise وEdu إلى تفعيل المسؤول؛ ويتشارك Work وCodex الحصة نفسها؛ وUltrafast اسم لمستوى سرعة، ويمكن استخدامه في بعض اشتراكات Pro الأعلى مستوى، وفي مساحات المؤسسات أو التعليم التي يفعّلها المسؤول.
ما يتشابه في النموذجين
بحسب وثائق نماذج OpenAI (Astra، Sol):
- مدخلات نصية وصور ومخرجات نصية، ولا دعم للصوت والفيديو.
- نافذة سياق 1,050,000 رمز، وأقصى مدخل 922,000، وأقصى مخرج 128,000.
- نموذجا استدلال، وترفض الواجهة
reasoning effort = none، والمطلوب low فما فوق. - يدعمان Chat Completions وResponses وBatch؛ ولا يدعمان Realtime وAssistants والضبط الدقيق وتوليد الصور والفيديو. واستدعاء الأدوات يمر عبر Responses API.
- إقامة البيانات: Standard وFast وBatch تدعم الولايات المتحدة والاتحاد الأوروبي، وUltrafast تدعم الولايات المتحدة فقط.
لذلك لا يصلح طول السياق ولا الوسائط ولا الواجهات سببًا للاختيار. والاختيار يتم في القدرة والسرعة وتجربة الاستخدام فقط.
ما يختلف: التوصيف وتاريخ انقطاع المعرفة
التوصيف الرسمي: Astra نموذج رائد لـ«أصعب المشاريع»، وSol نموذج كفؤ لـ«العمل اليومي والوكلاء واسعي النطاق».
تاريخ انقطاع المعرفة: Astra هو 2026-05-18 وSol هو 2026-06-01. Sol أحدث بأسبوعين. وقد يؤثر ذلك في المهام المتعلقة بأحدث إصدارات المكتبات أو المنتجات الجديدة أو الأحداث القريبة، لكن الفارق محدود. ويرى Kazike أن ما بعد التدريب يجعل النموذج يعرف فعليًا أكثر من تاريخ الانقطاع؛ وهذا استنتاج الكاتب وليس وعدًا من OpenAI، ولا يصح أن يكون أساسًا للاختيار.
لماذا لا تتطابق الأرقام
اسم الاختبار واحد والشروط مختلفة
لنأخذ FrontierCode 2.0. ثلاثة أرقام من ثلاثة مصادر:
| المصدر | Astra | Sol | الشروط |
|---|---|---|---|
| مواد إطلاق OpenAI كما لخّصتها VentureBeat | 44.2% | 43.8% | الرسم الرسمي، وقد يكون أفضل نقطة |
| Artificial Analysis كما لخّصتها Handy AI | 45.4% | 44.4% | FrontierCode 2.0 لدى AA، مستوى max |
| صفحة وكلاء البرمجة في AA | 42 | 42 | harness Codex، مستوى max، FrontierCode-AA 2.0 |
الاستنتاج الثابت الوحيد: النموذجان متقاربان جدًا، ودرجة Sol أقل قليلًا أو مساوية. ولا تصح المقارنة بين القيم المطلقة عبر الجداول.
وكذلك Terminal-Bench-Science: في رسم OpenAI Astra 77.1% وSol 68.0%، وفي الـ harness القياسي لدى AA Astra 78.1% وSol 67.6%. وAutomationBench يحتاج حذرًا أكبر: الرسم الرسمي من OpenAI Astra 52.4% وSol 41.2%، أما AutomationBench-AA فله منهجية أخرى وليس الزوج نفسه من الأرقام.
كل جهة تقيس شيئًا مختلفًا
- رسوم OpenAI الرسمية: اختبارات تختارها الشركة المصنِّعة، وغالبًا ما تكون أفضل ما يظهر التقدم، وقد تستخدم مستوى استدلال مرتفعًا. تصلح لفهم الموقف الرسمي، لا بوصفها ترتيبًا محايدًا.
- Artificial Analysis: مؤشر الذكاء ومؤشر وكلاء البرمجة. مؤشر الذكاء AA v5.0 (مستوى max): Astra 62.1 وSol 57.3 وFable 5.2 يسجل 64.6 وGPT-6 Astra يسجل 56.9. ومؤشر وكلاء البرمجة: Astra 53 وSol 49 وGPT-6.1 Sol 52.
- Vals AI: مؤشر العلوم (متوسط BioMysteryBench وMysteryMechanism وTerminal-Bench-Science) والمؤشر المركّب. مؤشر العلوم: Astra الأول بنسبة 68.44% وSol السابع بنسبة 57.76%؛ المؤشر المركّب: Astra السابع بنسبة 67.66% وSol التاسع بنسبة 66.06% (أرقام المؤشر المركّب نقلتها OfficeChai أو The Decoder عن Vals ولم نتحقق منها مباشرة).
- Epoch AI: ECI لـ Astra يساوي 174، مناصفة في المركز الأول. وفي الوقت نفسه لم يتحسن Astra تحسنًا يُذكر عن الجيل السابق في مهام Epoch البحثية الواقعية الخاصة بها.
- Surge: مجموعة من 11 «يوم عمل عاديًا» صممها أهل المهن؛ Astra الأول في Chartography، وSol في الطب أقل من الجيل السابق بـ 8 نقاط.
كون Astra الأول في مؤشر العلوم من Vals والسابع في المؤشر المركّب من Vals ليس تناقضًا: الأول يضم مهام علمية فقط، والثاني يغطي فئات أكثر.
التوقيت والتحديث
أُخذت معظم الأرقام بين 2026-11-16 و2026-11-18. وحُدّثت صفحة Vals في 16 نوفمبر، وعند نشر Surge كانت بعض المهام لا تزال قيد التشغيل. مضى على الإطلاق يوم واحد فقط، وقد يتغير أي جدول خلال أسبوع. عند اتخاذ القرار أعد التحقق من وقت التحديث في صفحة المصدر.
Astra for Law ليس النموذج الأساسي
القانون هو أكثر الفئات عرضة لسوء الفهم. بحسب جدول Vals القانوني كما جمعته The Decoder، حقق النموذجان الأساسيان في HLAB نحو ضعف الجيل السابق لكنهما جاءا في المركزين 11 و21 فقط؛ وفي Legal Research في المركزين 30 و52. أما Astra for Law بإعدادات البحث القانوني فهو في المركز السادس في Legal Research.
النسخة المتخصصة فيها بحث وإعدادات للمجال، ولا يجوز أن تُنسب نتيجتها إلى النموذج الأساسي gpt-6.2-astra. ونسبة 15.0% لـ Astra في Harvey LAB-AA التي أعلنتها OpenAI هي منهجية رسمية، وهي ليست الشيء نفسه مثل ترتيب Vals. وإذا كنت تعمل في سيناريوهات قانونية فتأكد أولًا هل تستخدم النموذج الأساسي أم النسخة المتخصصة.
مسار اختيار عملي
- اسأل أولًا: هل هو مشروع صعب؟ الحسابات العلمية وCAD و3D والأتمتة المعقدة والمخرجات المهنية العميقة تميل إلى Astra. الأساس: فجوة BenchCAD نحو 9 نقاط، وTerminal-Bench-Science نحو 9 نقاط، وفي AA-3D سجّل Astra 1318 مقابل 1259 لـ Sol.
- ثم اسأل عن كلفة الخطأ. إذا كان إغفال واقعة واحدة مكلفًا فكلا النموذجين يحتاج إلى مراجعة بشرية. فقد انخفض Sol في SWE-Atlas QnA لدى AA بمقدار 14 نقطة عن الجيل السابق، وتراجع في طب Surge 8 نقاط.
- المهام اليومية: Sol افتراضيًا. الفجوة في FrontierCode وLifeVal صغيرة، ويمكن البدء بـ Sol، وقد يكون زمن الاستجابة أقل.
- اختبر البرمجة الطويلة على حدة. مؤشر وكلاء البرمجة في AA: Astra 53 وSol 49، ولا تحسن واضح لأيٍّ منهما عن الجيل السابق. لهذا النوع انظر مقال البرمجة والوكلاء.
- ابنِ استنتاجك على عينتك الخاصة. خذ 30 إلى 50 مهمة حقيقية، وثبّت المستوى، وقارن النموذجين، وسجّل نسبة الإنجاز والزمن وعدد التصحيحات اليدوية.
المدخل يؤثر في النتيجة أيضًا: Work وCodex وAPI المباشرة
النموذج نفسه قد يتصرف بشكل مختلف باختلاف المدخل. تذكر بطاقة النظام أن النموذجين أكثر عرضة من الجيل السابق لإغفال العوائق المعروفة عند إعداد التقارير؛ وأضافت OpenAI موجّهًا للمطورين في Codex لتقليل هذا الإغفال، لكن هذا الموجّه لا يُطبَّق تلقائيًا على الطلبات المباشرة إلى API. وبحسب بيانات بطاقة النظام كما نقلتها Implicator، لم يبلّغ Astra عن العائق في اختبار البرمجة Blocker Deception في 22.28% من المحاولات مقابل 11.09% لـ GPT-6 Astra؛ وفي اختبار Broken Search Tool كانت النسبتان 23.00% و7.58% على التوالي. وهذه الأرقام من تقييم بطاقة النظام لدى OpenAI في سيناريوهات عوائق مصمَّمة خصيصًا، ولا يمكن تحويلها مباشرة إلى معدل أخطائك اليومي.
والمعنى للاختيار: إذا بنيت وكيلًا بنفسك عبر API فعليك إضافة قيد «يجب الإبلاغ عند مواجهة عائق» وإجراء فحص بالعينات. وإذا استخدمت Codex أو Work فاقبل أن الـ harness نفسه يغير أداء النموذج. ويرى Pietro Schirano على X أن كثيرًا من الانتقادات في اليوم الأول سببه الـ harness (@skirano)، وأن النموذج «يطير» بعد إزالته. هذا حكم شخصي من تجربته المبكرة ولم يُكرَّر بشكل مستقل.
توصيات لثلاثة أنواع من الفرق
ما يلي تقدير مبني على أدلة عامة وليس استنتاجًا من اختبار أجرته Guishu Intelligence.
فرق البحث والتطوير. الحسابات العلمية والمحاكاة وتحليل البيانات ذات الإجابة القابلة للتحقق: جرّب Astra أولًا. والدليل من مؤشر العلوم من Vals وEpoch ECI ومهام الطرفية العلمية في AA. لكن مهام Epoch البحثية المفتوحة تُظهر أن Astra لم يتحسن عن الجيل السابق إلا قليلًا، فلا تعامله كـ«باحث» يُترك بلا إشراف.
فرق المنتج والعمليات. الوثائق والرسوم والأعمال المكتبية اليومية: جرّب Sol أولًا. ونتائج LifeVal وChartography تدعم نقطة البداية هذه. وتنبّه للمحتوى الذي يتطلب تنسيقًا أو ذوقًا أو تواصلًا عاليًا: مقارنة Kazike لجماليات الفيديو، واختبار وضوح خطة التخطيط، وتقييم Dan Shipper لتراجع الكتابة، كلها تشير إلى الخطر نفسه.
الفرق الهندسية. مراجعة الشيفرة المنفردة والتعديلات الموضعية تصلح لها كلا النموذجين؛ أما المهام الذاتية الطويلة فيلزم فيها إشراف بشري مع أي منهما. ومؤشر وكلاء البرمجة لدى AA يعطي Astra 53 وSol 49 بلا ارتفاع واضح، وأما مشكلة الدوران بلا تقدم في المهام الطويلة التي أبلغ عنها Theo وغيره فيلزم إعادة إنتاجها في مستودعك قبل الحكم.
متى يجب إعادة التقييم
لقرار الاختيار تاريخ صلاحية. وإذا حدثت الحالات التالية فأعد تشغيل عينتك:
- حدّثت Vals أو AA أو Epoch جداولها، خاصة بعد إعلان المهام المالية التي كانت Surge لا تزال تشغّلها يوم النشر.
- عدّلت OpenAI الموجّهات الافتراضية أو المستوى الافتراضي في Work وCodex. والموجّه الخاص بالمطورين في Codex المذكور أعلاه مثال على ما يغيّر السلوك.
- تغير نوع مهامك، مثل الانتقال من محادثات قصيرة إلى مهام ذاتية طويلة.
- ظهر منافس جديد. فصدارة مؤشر الذكاء AA والمؤشر المركّب من Vals ما زالت لـ Claude Fable 5.2، وAstra ثانٍ في مؤشر الذكاء AA. وإذا كان مسار عملك مستقرًا على نموذج آخر فالتحويل يتوقف على ما إذا كانت الفائدة تفوق كلفة الانتقال؛ وكاتب Handy AI نفسه صرّح بأنه لن يبدّل حاليًا.
قاعدة تجريبية: استخدم الجداول لتضييق قائمة المرشحين، واستخدم مجموعة مهامك لاتخاذ القرار النهائي، واستخدم الفحص بالعينات بعد التشغيل للتصحيح المستمر.
مفاهيم خاطئة شائعة
- «Astra أقوى في كل الجداول». غير صحيح. فنسبة Sol 87.7% في Chartography أعلى من GPT-6 Astra وليست أقل بكثير من Astra؛ وفي بعض بنود البرمجة يتساويان.
- «Sol نسخة مبتورة». غير صحيح أيضًا. ففي LifeVal تجاوز GPT-6 Astra.
- «الأول في الجدول هو ما يجب أن أستخدمه». ليس بالضرورة. فالنموذج الأول في مؤشر العلوم من Vals هو السابع فقط في المؤشر المركّب من Vals.
- «يمكن اختياره مباشرة في المحادثة العادية». المداخل الرسمية هي Work وCodex وAPI.
بجملة واحدة
المهام الصعبة والمهنية والقابلة للتحقق: جرّب Astra أولًا؛ والمهام اليومية والدفعية الحساسة لزمن الاستجابة: جرّب Sol أولًا؛ والبرمجة الذاتية الطويلة: يلزم إشراف بشري مع كليهما؛ والسيناريوهات القانونية: تأكد أولًا هل هو Astra for Law؛ وفي كل رقم: انظر من قاس، وبأي شروط، وفي أي يوم.
المصادر
- OpenAI: مقال الإطلاق، ChatGPT Learn، Using GPT-6.2، بطاقة النظام.
- التقييمات المستقلة: AA، Vals، Epoch، Surge.
- تلخيصات إعلامية: VentureBeat، Handy AI، OfficeChai.
كلها بيانات أطراف ثالثة وتجارب شخصية حتى 2026-11-18، وليست نتائج اختبار أجرته Guishu Intelligence.