مراجعة GPT-6.2 Sol: نموذج الاستخدام اليومي يقترب من الرائد، لكنه ليس ترقية شاملة
في رسم FrontierCode 2.0 الذي نشرته OpenAI سجّل Sol نسبة 43.8% وAstra نسبة 44.2%، بفارق 0.4 نقطة فقط. وفي اليوم نفسه، وفي مؤشر وكلاء البرمجة لدى Artificial Analysis (AA)، جاء Sol أقل من الجيل السابق GPT-6.1 Sol بثلاث نقاط.
العبارتان صحيحتان. تضع OpenAI نموذج GPT-6.2 Sol لـ«العمل اليومي والوكلاء واسعي النطاق»: فهو يقترب من Astra في مهام كثيرة، ويتراجع في اتجاهات محددة. ووصفه بأنه «رائد مخفَّف» أو بأنه «نسخة مبتورة» كلاهما غير دقيق.
هذا المقال تجميع للمواد العامة وليس نتيجة اختبار أجرته Guishu Intelligence. الأرقام مفصولة بحسب المصدر والشروط ولا تُخلط.
التوصيف الرسمي والمواصفات
بحسب مقال إطلاق OpenAI، يستهدف Sol العمل اليومي ونشر الوكلاء على نطاق واسع، وتذكر OpenAI أن كثيرين داخلها يستخدمون Sol نموذجًا افتراضيًا. المواصفات من وثائق Sol:
- معرّف API:
gpt-6.2-sol. - مدخلات نصية وصور ومخرجات نصية؛ لا يدعم الصوت ولا الفيديو.
- نافذة سياق 1,050,000 رمز، وأقصى مدخل 922,000، وأقصى مخرج 128,000.
- يدعم الاستدلال، وترفض الواجهة
reasoning effort = none. - يدعم Chat Completions وResponses وBatch؛ ولا يدعم Realtime وAssistants والضبط الدقيق وتوليد الصور والفيديو. واستدعاء الأدوات يمر عبر Responses API.
- تاريخ انقطاع المعرفة 2026-06-01، أحدث من Astra (2026-05-18).
السياق والوسائط مطابقان لـ Astra تمامًا. والفروق في التوصيف وتاريخ الانقطاع وتوزيع القدرات.
التوفر بحسب ChatGPT Learn: ChatGPT Work وCodex وAPI. وفي ChatGPT يجب تفعيل Work أولًا. وفي Enterprise وEdu يلزم تفعيل من المسؤول. Ultrafast اسم لمستوى سرعة، ويمكن استخدامه في بعض اشتراكات Pro الأعلى مستوى، وفي مساحات المؤسسات أو التعليم التي يفعّلها المسؤول.
أين يقترب من Astra
الأرقام أدناه من مواد إطلاق OpenAI (كما لخّصتها VentureBeat)؛ وقد تأخذ الرسوم الرسمية «أفضل نقطة» وقد تختلف مستويات الاستدلال.
| الاختبار (الرسم الرسمي من OpenAI) | Sol مقابل GPT-6.1 Sol |
|---|---|
| FrontierCode 2.0 | 43.8% مقابل 39.0% |
| LifeVal | 83.8% مقابل 79.5% |
| BenchCAD 2.1 Core | 73.1% مقابل 52.6% |
| Terminal-Bench-Science | 68.0% مقابل 57.0% |
| AutomationBench (الرسم الرسمي) | 41.2% مقابل 36.1% |
| Harvey LAB-AA | 11.1% مقابل 6.9% |
| Agents' Last Exam | 73.0% مقابل 72.5% |
بندان يستحقان وقفة منفصلة:
- FrontierCode 2.0. Sol 43.8% وAstra 44.2%. وتذكر OpenAI أيضًا أن Sol في مستوى max يقل عن Astra بنحو 0.5 نقطة.
- LifeVal. سجّل Sol نسبة 83.8%، وهي أعلى لا من جيله السابق فحسب بل من GPT-6 Astra أيضًا (79.8%).
وفي التقييمات المستقلة أدلة تدعم «القرب» كذلك. ففي الشروط القياسية لدى AA لـ FrontierCode 2.0، وبحسب تلخيص Handy AI، سجّل Sol نسبة 44.4% وAstra 45.4% وClaude Fable 5.2 نسبة 48.8%. وفي مؤشر الذكاء AA v5.0 (مستوى max) سجل Sol 57.3، قريبًا من GPT-6 Astra (56.9)، بينما Astra 62.1. أي أن Sol يعادل تقريبًا رائد الجيل السابق، لا رائد هذا الجيل.
وفي المؤشر المركّب من Vals (OfficeChai أو The Decoder تنقلان عن Vals، ولم نتحقق مباشرة من جدول Vals المركّب) جاء Sol تاسعًا بنسبة 66.06%، متأخرًا عن Astra (السابع، 67.66%) بـ 1.6 نقطة.
أين تراجع
وكلاء البرمجة
تستخدم صفحة وكلاء البرمجة في AA الـ harness الخاص بـ Codex ومستوى max:
- مؤشر وكلاء البرمجة: Sol 49 وGPT-6.1 Sol 52، بانخفاض 3 نقاط؛ وAstra 53.
- SWE-Atlas-QnA-AA: Sol 46 وGPT-6.1 Sol 60. ويعزو مقال AA هذا الانخفاض البالغ 14 نقطة سببًا رئيسيًا: Sol يغفل الوقائع الأساسية أكثر.
- Terminal-Bench 4.1: Sol 58 وAstra 64.
- متوسط زمن المهمة: Sol نحو 17.5 دقيقة وAstra نحو 25.1 دقيقة.
وFrontierCode-AA 2.0 لـ Sol هنا يساوي 42 مثل Astra. والاختبار نفسه يعطي 42 في harness Codex، و44.4% في الشروط القياسية لدى AA، و43.8% في الرسم الرسمي. ثلاثة أرقام بثلاثة شروط ولا يحل أحدها محل الآخر.
العلوم
في مؤشر العلوم من Vals (حُدّث في 16 نوفمبر) جاء GPT-6.2 Sol سابعًا بنسبة 57.76%، أقل من GPT-6.1 Sol (59.63%). وتكتب مواد إطلاق OpenAI 58.5% مقابل 59.6%، وهو يختلف قليلًا عن صفحة Vals؛ ويعتمد هذا المقال صفحة Vals. والخلاصة واحدة: انخفاض طفيف.
المهام المهنية
تعطي مجموعة مهام Surge المهنية (11 مهمة صمّمها أطباء ومحاسبون ومحامون ومهندسون كبار) صورة مختلطة:
- تحسّن: البرمجة والرسوم واتباع تعليمات الوكيل. في Chartography سجّل Sol 87.7%، أعلى من GPT-6 Astra (71.0%) وأقل قليلًا من Astra (90.7%).
- تراجع: الطب وPDF والمال. DAYJOB Healthcare: Sol 17.2% وGPT-6.1 Sol 25.2%، بانخفاض 8 نقاط، وهو أكبر تراجع قاسته Surge ذلك اليوم. وفي المهمة نفسها Astra 34.4%.
- في sudo L7 سجل Sol 36.1% وAstra 38.3%، وكلاهما دون Fable (52.2%).
الهلوسة والعوائق
في AA-Omniscience بمستوى max، معدل الهلوسة لدى Sol 55% ولدى Astra 59% (الأقل أفضل). الأسئلة صعبة جدًا ولا تمثل معدل الهلوسة اليومي، ولا تثبت أن Sol أكثر موثوقية.
وتشير بطاقة النظام إلى أن كلا النموذجين أكثر عرضة لإغفال العوائق المعروفة عند إعداد التقارير. وبالنسبة إلى Sol فإن انخفاض SWE-Atlas الذي رصدته AA (إغفال الوقائع الأساسية أكثر) مؤشر مختلف، لكنه إذا وُضع بجوارها كان تذكيرًا بضرورة المراجعة البشرية قبل التسليم.
تجربة شخصية: مراجعة الشيفرة عند Kazike
استخدم Kazike وAIZ小朱 في مقال WeChat مجموعة مراجعة شيفرة من بنائهما وقارنا ثلاثة نماذج بمستوى xhigh: وجد GPT-6.1 Sol نسبة 65% من المشكلات، وGPT-6.2 Sol نسبة 84%، وGPT-6.2 Astra نسبة 96%. هذه مجموعة تقييم بسيطة بناها الكاتب بنفسه، ولم تُعلن أسئلتها ولا حجم العينة. وذكر المقال أيضًا أن Astra أبطأ من Sol بنحو الضعف ووجد أكثر بعشرة أخطاء برمجية أو أكثر. وبناءً على ذلك ينوي الكاتب اعتماد Sol xhigh نموذجًا افتراضيًا للمراجعة. هذا قرار الكاتب وليس توصية عامة.
وهو لا يتعارض مع استنتاج AA: مراجعة الشيفرة هي «قراءة الشيفرة وتحديد المشكلات»، أما مؤشر وكلاء البرمجة فيقيس إنجاز مهمة طويلة داخل Codex، وهما نوعان مختلفان من العمل.
تفكيك «القرب»: أين تقع الفجوة
لـ«Sol يقترب من Astra» معنى يختلف كثيرًا من اختبار إلى آخر. وبحسب الرسوم الرسمية المستشهد بها في المقال يمكن تقسيم الفجوة إلى ثلاث فئات.
الفئة الأولى، بلا فجوة تقريبًا: FrontierCode 2.0 (43.8% مقابل 44.2%) وLifeVal (83.8% مقابل 86.1%، بفارق 2.3 نقطة). هذه مهام ذات طابع عام، وزيادة ميزانية الاستدلال تعطي فيها عائدًا محدودًا.
الفئة الثانية، فجوة واضحة: في BenchCAD 2.1 Core سجّل Sol 73.1% وAstra 82.5%؛ وفي Terminal-Bench-Science 68.0% مقابل 77.1%؛ وفي AutomationBench (الرسم الرسمي) 41.2% مقابل 52.4%؛ وفي Harvey LAB-AA 11.1% مقابل 15.0%. وفي العلوم وCAD والأتمتة المعقدة، أي المشاريع «الأصعب»، تبلغ ميزة Astra نحو 9 نقاط، وعلى هذا الأساس قسّمت OpenAI الأدوار بين النموذجين.
الفئة الثالثة، حيث لم يتقدم Sol: مؤشر العلوم من Vals أقل من الجيل السابق، وSWE-Atlas QnA لدى AA انخفض 14 نقطة، والطب لدى Surge تراجع 8 نقاط.
وبجمع الفئات الثلاث تكون الخلاصة: قوة Sol في «السرعة والكفاية» لا في «التفوق على النموذج القديم في كل اتجاه». وفي صفحة مؤشر العلوم من Vals أرقام تسند «السرعة»: في هذا المؤشر يستغرق Sol في المتوسط نحو 19 دقيقة وAstra نحو 22 دقيقة و15 ثانية، وتبلغ رموز Sol نحو 3.21 مليون وAstra نحو 3.48 مليون. وهذه متوسطات Vals على ثلاث مهام علمية ولا تنطبق على كل المهام.
لماذا تهم المقارنة بالجيل السابق
يسأل كثيرون: هل تستحق الترقية من GPT-6.1 Sol إلى 6.2 Sol؟ الرسوم الرسمية تجيب بإيجابية: من بين سبع مقارنات رسمية يتفوق Sol على الجيل السابق في كلها، وفي GDPval v2 زيادة +5.3 نقطة. أما التقييمات المستقلة فتجيب بإجابة مختلطة: في مؤشر ذكاء AA يقترب Sol من GPT-6 Astra، لكن مؤشر وكلاء البرمجة انخفض، ومؤشر العلوم من Vals انخفض قليلًا، ورصدت Surge تراجعًا في عدة اتجاهات.
يمكن أن يصح الجوابان معًا، فاختيار الاختبارات ومستوى الاستدلال المعتمد وطريقة الاحتساب في الرسوم الرسمية تختلف عنها لدى الجهات المستقلة. والترقية من عدمها تتوقف على قرب حمل عملك من أي الطرفين: إذا كانت مهامك تشبه FrontierCode وLifeVal وBenchCAD فأدلة الترقية أوفر؛ وإذا كانت تشبه الوثائق الطبية أو استخراج PDF أو الأسئلة والأجوبة البحثية فقارن الجيلين على عيّنتك أولًا قبل القرار.
قائمة تحقق دنيا قبل التشغيل
- خذ نحو 30 مهمة حقيقية، وشغّل Sol القديم والجديد، مع تثبيت مستوى الاستدلال نفسه.
- سجّل لكل مهمة هل فاتت واقعة أساسية، لأن AA رصدت تراجع Sol في هذه النقطة.
- احسب مهام الطب والمال وPDF على حدة، ولا تأخذ متوسطها مع المهام العامة.
- اطلب من النموذج سرد العوائق التي واجهها عند التسليم وراجعها بالعينات؛ فبطاقة النظام تحذر من أن النموذجين أكثر عرضة للإغفال.
- إذا كنت تستخدم API فاستدعِ الأدوات عبر Responses وحدد مستوى الاستدلال وفق الوثائق، ولا تستخدم none.
من يناسبه اعتماد Sol افتراضيًا
بحسب الأدلة أعلاه يناسب Sol:
- الأسئلة اليومية ومعالجة الوثائق والشؤون الحياتية والمكتبية (اتجاه LifeVal)؛
- مراجعة الشيفرة وتوليد الرسوم والوكلاء الدفعيين الذين يحتاجون إلى زمن استجابة منخفض؛
- الفرق التي تريد إبقاء Astra للمهام الصعبة وإسناد الباقي إلى نموذج أسرع.
ويلزم الحذر في:
- مسارات العمل الطبية والمالية الكثيفة بملفات PDF، حيث تظهر Surge أن Sol تراجع عن الجيل السابق؛
- الأسئلة والأجوبة البحثية التي تشترط «ألا تفوت أي واقعة»، وانخفاض SWE-Atlas لدى AA تحذير؛
- الاختبارات العلمية. ففي مؤشر العلوم من Vals يقل Sol قليلًا عن الجيل السابق.
سوء فهم شائع في نقطتين
الأولى: لا تنقل استنتاجات مستوى xhigh إلى المستوى الافتراضي. مقارنة مراجعة الشيفرة عند Kazike بمستوى xhigh، ووكلاء البرمجة في AA بمستوى max، والرسم الرسمي «أفضل نقطة». والمستوى الذي تستخدمه في Work أو Codex قد يكون أدنى. وكلما انخفض المستوى سهل عادةً أن تظهر الفجوة بين Sol وAstra في المسائل الصعبة، وهذا يحتاج إلى قياس بنفسك.
الثانية: لا تلخّص النموذج كله بجدول واحد. اقتراب Sol من Astra في FrontierCode لا يغيّر 17.2% في مهمة Surge الطبية؛ وانخفاضه قليلًا عن الجيل السابق في مؤشر Vals العلمي لا يمنعه من تجاوز GPT-6 Astra في LifeVal. كل رقم يجيب عن سؤال واحد فقط.
ما قيل عن Sol في اليوم الأول
تركز النقاش العام في اليوم الأول على Astra. والتقييمات المباشرة لـ Sol أقل: يعدّه Kazike مرشحًا للمراجعة اليومية؛ وتقول OpenAI إن كثيرين داخلها يستخدمونه افتراضيًا؛ وخلاصة Surge «فيه ما يسر وما يسوء». ويجب التنبيه إلى اختلاف طبيعة هذه الأقوال: كلام OpenAI موقف الجهة المصنِّعة، وKazike مجموعة شخصية من بنائه، وSurge مجموعة مستقلة. ولم نجد تقارير كافية عن استخدام Sol الطويل بسيناريوهات محددة، لذلك لا يقدم المقال حكمًا شاملًا على «هل Sol سهل الاستخدام»، بل يبيّن فقط أين يقوى وأين يضعف في الأدلة العامة.
طريقة ممكنة لتقسيم الأدوار
إن أمكن للفريق استخدام النموذجين فالأدلة العامة تدعم تقسيمًا متحفظًا: الطلبات اليومية والمراجعة الدفعية والرسوم والأعمال المكتبية العامة لـ Sol؛ وحين تكون المهمة من الحسابات العلمية أو CAD أو الأتمتة المعقدة، أو حين تظهر عينات الفحص أن Sol يغفل كثيرًا، يُنتقل إلى Astra. ولذلك ثلاثة أسباب: توصيف OpenAI الرسمي للنموذجين يقسم الأدوار هكذا أصلًا؛ والفجوة في FrontierCode وLifeVal صغيرة جدًا؛ وفي BenchCAD وTerminal-Bench-Science تتركز الفجوة حول 9 نقاط.
وفي المقابل لا يُنصح بإسناد الطب أو المال أو الأسئلة البحثية إلى Sol افتراضيًا لمجرد أنه «لحق بالرائد» في اختبار واحد. فهذه هي المجالات التي رصدت فيها Surge وAA تراجعًا، ويجب التحقق منها أولًا بعينتك. وهذا التقسيم مجرد قراءة ممكنة للبيانات العامة وليس استنتاجًا تحققت منه Guishu Intelligence.
القيود
مضى على الإطلاق يوم واحد. وكانت بعض مهام Surge لا تزال قيد التشغيل ذلك اليوم، وستتحدث جداول أخرى لدى Epoch وVals. وكل ما هنا بيانات أطراف ثالثة وتجارب شخصية وليس نتيجة اختبار أجرته Guishu Intelligence. وللمفاضلة بين Sol وAstra انظر أيضًا دليل الاختيار.
بجملة واحدة
Sol هو النسخة الكفؤة التي أعدتها OpenAI للعمل اليومي والوكلاء واسعي النطاق. في FrontierCode وLifeVal يقترب من رائد الجيل السابق أو يتجاوزه، وفي وكلاء البرمجة ومؤشر Vals العلمي وطب Surge تراجع. فاعتبره «النموذج الافتراضي الكافي لمعظم المهام» لا «الإصدار الجديد المحسَّن في كل اتجاه».
المصادر
- OpenAI: مقال الإطلاق، وثائق نموذج Sol، ChatGPT Learn.
- التقييمات المستقلة: Artificial Analysis، صفحة وكلاء البرمجة في AA، Vals AI، Surge.
- تلخيصات إعلامية: VentureBeat، The Decoder، Handy AI، OfficeChai.
البيانات حتى 2026-11-18.