Qwen3.7‑Max: نموذج الذكاء الاصطناعي من علي بابا لعصر الوكلاء المستقلين

لم تعد نماذج الذكاء الاصطناعي الحديثة تُبنى فقط للإجابة عن الأسئلة. الاتجاه الجديد في الصناعة هو بناء أنظمة تستطيع تنفيذ العمل فعلياً بشكل مستقل. نموذج Qwen3.7‑Max من شركة علي بابا يمثل خطوة واضحة في هذا الاتجاه.

كشفت الشركة عن النموذج خلال قمة Alibaba Cloud عام 2026 باعتباره أساساً لتطوير ما يُعرف بـ وكلاء الذكاء الاصطناعي (AI Agents)—وهي أنظمة قادرة على التخطيط للمهام، كتابة الكود وتصحيحه، استخدام أدوات خارجية، وتنفيذ عمليات متعددة الخطوات لفترات طويلة.

بدلاً من العمل كمجرد روبوت محادثة، يهدف Qwen3.7‑Max إلى تشغيل أنظمة قادرة على إتمام مهام معقدة مثل تطوير البرمجيات، وأتمتة العمل المكتبي، وإدارة عمليات الشركات.

ما هو Qwen3.7‑Max؟

ينتمي Qwen3.7‑Max إلى عائلة نماذج Qwen اللغوية الكبيرة من علي بابا، وقد صُمم خصيصاً لما يسمى أعباء العمل الوكيلة (Agentic Workloads)—أي الحالات التي يحتاج فيها الذكاء الاصطناعي إلى تحليل المشكلة، تقسيمها إلى خطوات، استخدام أدوات، ثم تنفيذ سلسلة طويلة من الإجراءات للوصول إلى النتيجة.

ووفقاً للشركة، يركز النموذج على عدة قدرات رئيسية:

• الاستدلال المتقدم لحل المشكلات متعددة الخطوات
• مهام هندسة البرمجيات مثل كتابة الكود وتصحيح الأخطاء
• استخدام الأدوات والاتصال بالأنظمة الخارجية
• تنفيذ مهام طويلة قد تشمل مئات أو آلاف الخطوات

هذا يعكس تحولاً أوسع في مجال الذكاء الاصطناعي: الانتقال من نماذج تجيب على الأسئلة إلى نماذج تنفذ المهام بنفسها.

القدرة على تنفيذ مهام طويلة المدى

أحد أكثر الأمثلة التي لفتت الانتباه عند الإعلان عن النموذج هو قدرته على تنفيذ مهام طويلة بشكل مستقل.

في تجربة داخلية ذكرتها الشركة وتناقلتها تقارير تقنية، قام النموذج بتنفيذ عملية تحسين لنواة برمجية (Kernel Optimization) استمرت 35 ساعة متواصلة، وخلالها استخدم أكثر من 1000 استدعاء لأدوات مختلفة أثناء كتابة الكود وتشغيل الاختبارات وتحليل النتائج ثم تحسين التنفيذ.

هذا النوع من العمل يعتمد على ما يسمى حلقة الوكيل (Agent Loop)، والتي تتضمن عادةً الخطوات التالية:

1. فهم الهدف المطلوب
2. تقسيمه إلى مهام فرعية
3. إنشاء الكود أو الإجراءات اللازمة
4. تشغيل أدوات أو اختبارات
5. تحليل النتائج وتكرار العملية

الحفاظ على التماسك عبر آلاف الخطوات يمثل تحدياً تقنياً كبيراً لنماذج اللغة. كثير من الأنظمة تفقد الهدف أو تدخل في حلقات تكرار، لذلك تعد هذه التجارب مثيرة للاهتمام—مع ملاحظة أنها نتائج أعلنتها الشركة وتحتاج إلى تأكيد مستقل.

الأداء في الاختبارات العالمية

تشير البيانات الأولية إلى أن Qwen3.7‑Max أصبح ضمن الفئة العليا من نماذج الذكاء الاصطناعي عالمياً، رغم أنه لا يتصدر كل المؤشرات بعد.

مؤشر Artificial Analysis Intelligence

يسجل النموذج حوالي 57 نقطة في مؤشر Artificial Analysis Intelligence Index، وهو مقياس يجمع عدة اختبارات صعبة لتقييم قدرات النماذج.

هذا يضعه قريباً من أفضل الأنظمة في العالم، رغم أن بعض النماذج المتقدمة من شركات مثل OpenAI ما تزال تحقق درجات أعلى قليلاً في نفس المؤشر.

ترتيب LM Arena

في منصة LM Arena—وهي منصة تعتمد على تصويت المستخدمين للمقارنة بين نماذج الذكاء الاصطناعي—وصل إصدار Qwen3.7‑Max‑Preview إلى:

• درجة Elo تقارب 1475
• المركز 13 عالمياً في قدرات النصوص

كما أظهرت النتائج الفرعية أداءً قوياً في مجالات محددة:

• حوالي المركز السابع في الرياضيات
• المركز التاسع في الأسئلة المتخصصة
• نحو المركز العاشر في البرمجة

وتشير هذه النتائج أيضاً إلى أن النموذج أصبح أعلى نموذج ذكاء اصطناعي صيني ترتيباً في تلك القائمة وقت الإعلان عنه.

قوة خاصة في البرمجة ووكلاء التطوير

تضع علي بابا Qwen3.7‑Max في موقع نموذج مخصص لوكلاء البرمجة.

تشير التقارير والاختبارات إلى أداء قوي في مهام مثل:

• تطوير برمجيات متعددة الملفات
• تصحيح الأخطاء وتحسين الكود
• تحسين أداء المعالجات الرسومية أو النواة
• تشغيل حلقات اختبار آلية

تم تصميم النموذج ليعمل جنباً إلى جنب مع أدوات مثل المترجمات (Compilers) أو بيئات التطوير أو واجهات البرمجة (APIs)، بحيث يستطيع تعديل الكود وتشغيله واختباره بشكل متكرر حتى يصل إلى النتيجة المطلوبة.

سياق طويل وتحليل مجموعات بيانات كبيرة

تركز عائلة Qwen بشكل متزايد على النوافذ السياقية الطويلة (Long Context)—أي قدرة النموذج على قراءة وتحليل كميات كبيرة من النص أو الكود دفعة واحدة.

تشير وثائق نماذج Qwen الأخرى إلى أن بعض الإصدارات تدعم مئات الآلاف إلى نحو مليون رمز (Token) في السياق الواحد، ما يسمح بتحليل مستودعات كود كاملة أو وثائق ضخمة.

لكن المواصفات الرسمية الدقيقة لطول السياق في Qwen3.7‑Max لم تُؤكد بشكل واضح بعد في الوثائق المتاحة، لذلك يجب التعامل بحذر مع الادعاءات المتداولة حول سياق مليون رمز حتى تظهر وثائق رسمية نهائية.

الاستخدامات العملية المحتملة

تسوق علي بابا النموذج باعتباره بنية أساسية لوكلاء الذكاء الاصطناعي في الشركات عبر عدة مجالات.

تطوير البرمجيات

• إنشاء الكود تلقائياً
• تصحيح الأخطاء وإعادة هيكلة البرامج
• تحليل قواعد كود كبيرة
• تحسين الأداء على مستوى العتاد أو النواة

العمل المكتبي

• تحرير المستندات وتلخيصها
• تنفيذ مهام متعددة الخطوات في أدوات الإنتاجية
• أتمتة العمليات الإدارية

عمليات الشركات

• تحليل البيانات
• أتمتة خدمة العملاء
• إدارة العمليات اليومية

في هذه السيناريوهات لا يكتفي الذكاء الاصطناعي بتوليد النص، بل يقوم بتخطيط العمل واستدعاء الأدوات وتنفيذ سلسلة من الإجراءات لتحقيق الهدف.

موقعه في سباق الذكاء الاصطناعي العالمي

داخل منظومة الذكاء الاصطناعي في الصين، يبدو أن Qwen3.7‑Max من بين أقوى النماذج المحلية عند إطلاقه، متفوقاً على عدة نماذج منافسة في بعض المقارنات المعيارية.

لكن على المستوى العالمي، لا يزال المشهد أكثر تنافسية. فبينما يقترب النموذج من أفضل الأنظمة، تشير بعض المؤشرات إلى أن نماذج من مختبرات أمريكية ما تزال تتصدر بعض التصنيفات.

هذا يعكس المنافسة الشديدة بين شركات التكنولوجيا حول العالم، حيث تقاس التقدمات عبر عدة عوامل مثل:

• القدرة على الاستدلال
• الأداء في البرمجة
• الكفاءة في التكلفة
• قدرات الوكلاء الذكيين

التحول الأكبر: من روبوتات المحادثة إلى الوكلاء

ربما أهم ما يمثله Qwen3.7‑Max ليس مجرد نتائجه في الاختبارات.

بل هو دليل على تحول أكبر في صناعة الذكاء الاصطناعي نحو أنظمة تعمل كوكلاء مستقلين.

هذه الأنظمة مصممة لتقوم بـ:

• التخطيط لمهام متعددة الخطوات
• التفاعل مع الأدوات والبرمجيات
• تنفيذ الإجراءات لفترات طويلة
• تكرار المحاولات حتى تحقيق الهدف

وبهذا المعنى، يمثل Qwen3.7‑Max مثالاً واضحاً على الجيل القادم من الذكاء الاصطناعي: أنظمة لا تكتفي بالرد على المستخدمين، بل تعمل فعلياً لإنجاز المهام.