الإجاباتمنشور18 المصادر
DeepSeek V4 Pro وHarness: لماذا قد تكون بيئة تشغيل الوكلاء أهم من النموذج نفسه؟
أطلقت DeepSeek في 13 أغسطس 2026 نموذج V4 Pro بالتزامن مع Harness v0.1، وهي نسخة تجريبية للمطورين بترخيص MIT وليست منتجًا نهائيًا للمستخدمين. تعتمد Harness على بنية Cordis التي تجعل النماذج والأدوات والجلسات والتخزين وحلقة الوكيل وواجهة المستخدم مكونات قابلة للاستبدال عبر الإضافات.
نشر بواسطةتم التحرير باستخدام GPT-5.6 Lunaتم إنشاء الصور باستخدام GPT Image 1.5
إجابة البحث
الوجبات السريعة الرئيسية
- أطلقت DeepSeek في 13 أغسطس 2026 نموذج V4 Pro بالتزامن مع Harness v0.1، وهي نسخة تجريبية للمطورين بترخيص MIT وليست منتجًا نهائيًا للمستخدمين.
- تعتمد Harness على بنية Cordis التي تجعل النماذج والأدوات والجلسات والتخزين وحلقة الوكيل وواجهة المستخدم مكونات قابلة للاستبدال عبر الإضافات.
- في اختبار Composio، نجح DeepSeek V4 Flash في 129 مهمة من أصل 240، لكن عدد المهام الناجحة تراوح بين 14 و20 بحسب بيئة التشغيل المستخدمة.
- تمنح سجلات الجلسات القابلة للتتبع وأدوات Trajectory أساسًا للتقييم والتطوير التكراري، لكنها لا تثبت وحدها أن النظام يحقق تعلمًا مستمرًا أو تطورًا ذاتيًا موثوقًا.
موجّه الذكاء الاصطناعي
openai.comCreate a landscape editorial hero image for this Studio Global article: What were DeepSeek’s August 13, 2026 announcements of the official DeepSeek V4 Pro and the MIT-licensed developer preview of DeepSeek Harnes. Article summary: On August 13, DeepSeek paired the official release of DeepSeek V4 Pro—its agent-work-oriented flagship—with Harness v0.1, an MIT-licensed, source-available developer preview for people building agent runtimes rather than. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
لم يكن إعلان DeepSeek في 13 أغسطس 2026 مجرد إطلاق نموذج جديد. فقد جمعت الشركة بين طبقتين مختلفتين من منظومة الذكاء الاصطناعي: DeepSeek V4 Pro، النموذج الرسمي الجديد الموجّه بدرجة كبيرة إلى مهام الوكلاء، وDeepSeek Harness v0.1، وهي نسخة تجريبية للمطورين لبناء بيئات تشغيل الوكلاء وتعديلها. 32
20
وتكمن أهمية الخطوة في رسالة استراتيجية أوسع: عندما يعمل النموذج كوكيل قادر على تنفيذ مهام متعددة الخطوات، فإنه لا يعمل منفردًا. بل يحتاج إلى نظام يزوّده بالسياق والأدوات والذاكرة وسياسات التنفيذ وآليات استعادة الأخطاء والتقييم. وتشير اختبارات Composio إلى أن هذه الطبقة المحيطة قد تغيّر معدل النجاح والتكلفة بشكل ملموس، حتى مع بقاء النموذج الأساسي نفسه. 3
ماذا أعلنت DeepSeek في 13 أغسطس؟
أطلقت DeepSeek النسخة الرسمية من V4 Pro بالتوازي مع Harness v0.1. وتُوزَّع Harness باسم dsh، وهي مقدَّمة بوصفها بنية تحتية للمطورين الذين يبنون بيئات تشغيل للوكلاء، لا بوصفها بديلًا ناضجًا وجاهزًا للمستخدم النهائي عن منتجات مثل Claude Code أو Codex. 32
20
كما أن اختيار الترخيص له دلالة مهمة. فقد أتاحت DeepSeek النسخة التجريبية للمطورين تحت ترخيص MIT، وهو ترخيص مفتوح ومرن يسمح بفحص الشيفرة وتعديلها وتوسيعها. وتصف وثائق المشروع بنية غير مرتبطة بنموذج واحد، بحيث يستطيع المطورون التعامل مع مزوّدين مختلفين للنماذج بدل الارتهان إلى نموذج بعينه. 22
28
لماذا تجعل نتائج Composio من Harness مشروعًا مهمًا؟
شغّلت Composio النموذج نفسه، DeepSeek V4 Flash، عبر ثماني بيئات تشغيل للوكلاء، واختبرته على 30 مهمة متعددة الخطوات. ومن أصل 240 تشغيلًا، نجح 129 تشغيلًا، أي بمعدل نجاح إجمالي بلغ 53.8%. ولم تُنجَز سوى ستة من أصل 30 سير عمل بنجاح عبر جميع البيئات المختبرة. 3
وكان الفارق بين البيئات واضحًا:
- أنجز Pi Agent عددًا من 20 مهمة من أصل 30.
- أنجز Oh My Pi عددًا من 17 مهمة.
- أنجز كل من Claude Code وCodex وDeepAgents عددًا من 16 مهمة.
- أنجز Hermes Agent عددًا من 15 مهمة.
- أنجز OpenCode عددًا من 14 مهمة.
كما اختلفت التكلفة التقديرية لكل مهمة ناجحة. فقد أبلغت Composio عن نحو 0.195 دولارًا مع Claude Code، و0.081 دولارًا مع Codex، و0.045 دولارًا مع DeepAgents. أما Pi Agent فسُجّلت تكلفته عند نحو 0.028 دولارًا، مع ضرورة قراءة هذه المقارنات في ضوء منهجية الاختبار واختلاف طريقة عمل كل بيئة تشغيل. 3
لا تعني هذه النتائج أنها تصنع ترتيبًا نهائيًا أو شاملًا لمنتجات الوكلاء. لكنها تدعم خلاصة أضيق وأكثر أهمية: اختبارات النماذج وحدها لا تصف أداء الوكيل بالكامل. وأصبحت وحدة المقارنة العملية أقرب إلى تركيبة النموذج وبيئة التشغيل معًا، لا النموذج منفردًا.
ما الذي صُممت Harness لتنفيذه؟
بُنيت Harness فوق Cordis، وهو إطار تُعرض فيه قدرات بيئة التشغيل على شكل إضافات. ووفق وثائق DeepSeek المعمارية، فإن محوّل النموذج وسجل الأدوات وسجل الجلسة وحلقة الوكيل كلها مكونات قابلة للاستبدال. 17
وتشمل حدود الإضافات الأخرى المعلنة أو الموصوفة للمشروع:
- محوّلات النماذج ومزوّدي الخدمة؛
- الأدوات والمهارات؛
- الجلسات والتخزين؛
- البيئات المعزولة وبيئات التنفيذ؛
- الجدولة والتنسيق بين الوكلاء الفرعيين؛
- حلقة الوكيل؛
- واجهة المستخدم.
يفصل هذا التصميم بين نموذج اللغة وبين الآليات التي تحول الاستجابة إلى عملية وكيلية مستمرة. وبذلك يستطيع المطور تغيير طريقة جمع السياق أو استدعاء الأدوات أو حفظ الحالة أو إعادة المحاولة بعد الفشل أو عرض النتائج، من دون إعادة كتابة بيئة التشغيل بأكملها. 17
20
وعليه، فإن عبارة «كل شيء إضافة» ليست مجرد تفصيل متعلق بتغليف البرمجيات. فهي تضع طبقة الـHarness، أي الطبقة الواقعة بين النموذج وبيئة العمل، في قلب التجريب والتطوير.
سجلات قابلة للتتبع لبناء دورة تطوير أفضل
تقول DeepSeek إن Harness تسجل ما يراه النموذج وما ينفذه في سجل جلسة لا تُحذف منه الأحداث، بما في ذلك تعليمات النظام والاستدلال واستدعاءات الأدوات ونتائجها وجدولة الوكلاء الفرعيين وعمليات حقن السياق. وتتيح واجهة Trajectory فحص هذا التسلسل، بينما تعتمد وظائف الاستئناف والتفريع والبحث وإعادة التشغيل على السجل نفسه. 22
ويمنح ذلك المطورين عدة مزايا عملية:
- سهولة تصحيح الأخطاء: يمكن تحليل الفشل باعتباره سلسلة من تغيّرات السياق والإجراءات، بدل الاكتفاء بالنظر إلى الإجابة النهائية.
- قابلية إعادة الإنتاج: يمكن إعادة تشغيل سير العمل أو استعادته للمقارنة بعد تعديل مطالبة أو أداة أو إضافة.
- تجارب متفرعة: يستطيع المطور تفريع مسار سابق واختبار استراتيجية بديلة من دون خسارة التشغيل الأصلي.
- بيانات للتقييم: يمكن تحويل المسارات الناجحة والفاشلة إلى مادة لاختبار أدوات أو مطالبات أو سياسات أو حلقات وكلاء جديدة.
وقد تدعم هذه القدرات دورة تحسين مستمرة: تشغيل المهمة، فحص مسارها، تحديد سبب الفشل، تعديل إحدى الإضافات، ثم إعادة التشغيل وحفظ النتيجة. لكن تسجيل المسارات وإعادة تشغيلها لا يجعلان النظام تلقائيًا نظامًا يتعلم ذاتيًا. فالأدلة المتاحة تدعم اعتبار Harness قاعدة قابلة للتدقيق للتطوير التكراري، لا دليلًا على تطور ذاتي مستقل وموثوق. 22
الذاكرة والتطور الذاتي: ضرورة التمييز بين الأساس والإضافات
تضم منظومة Harness المحيطة بها مشاريع من جهات خارجية تعلن عن ذاكرة تمتد عبر الجلسات وعن تطور ذاتي يعمل في الخلفية. 18
19
وتوضح هذه المشاريع أن بنية الإضافات قادرة على استيعاب الذاكرة المستمرة وتاريخ المشروع والمراجعة الذاتية وإدارة المهارات. لكنها لا تثبت أن الإصدار الأساسي v0.1 يحقق، بأمان وبصورة عامة، تحسينًا ذاتيًا مستمرًا.
وهذا التفريق مهم: فالإضافات الاختيارية والتكاملات التجريبية والقدرات الأساسية للمنتج ليست شيئًا واحدًا. وقبل استخدام النظام في بيئة إنتاجية، ستحتاج الفرق إلى تقييم الاحتفاظ بالبيانات، والصلاحيات، وعزل بيئات التنفيذ، والتعامل مع بيانات الاعتماد، وإمكانية التراجع، ومخاطر أن يغيّر النظام الآلي أدواته أو إجراءاته بنفسه.
الرهان الاستراتيجي: امتلاك بوابة المطورين
تستطيع DeepSeek المنافسة على مستوى النماذج عبر V4 Pro وV4 Flash. أما Harness فتمنحها وسيلة للمنافسة على المستوى الذي يقرر فيه المطورون كيفية استخدام هذه النماذج.
وتتحكم هذه الطبقة في أمور مثل:
- اختيار النموذج؛
- جمع السياق وضغطه؛
- الأدوات والصلاحيات المتاحة؛
- استئناف المهام طويلة الأمد؛
- اكتشاف الإخفاقات ومعالجتها؛
- تقييم مسارات التنفيذ؛
- الإضافات التي تصبح جزءًا من سير عمل الوكيل.
ومن خلال فتح بيئة التشغيل، تشجع DeepSeek المطورين الخارجيين على بناء محوّلات وأدوات وأنظمة ذاكرة وأنماط عمل حول بنيتها. وفي الوقت نفسه، تستطيع الشركة الحفاظ على نفوذها في نقطة دخول المطور، حتى عندما تدعم Harness مزوّدين متعددين للنماذج. وقد يكون هذا الموقع أكثر استدامة من المنافسة على أوزان النماذج أو أسعار واجهات البرمجة وحدها.
كما يفتح النهج طريقًا نحو تطوير الذكاء الاصطناعي بمساعدة الذكاء الاصطناعي. فقد يساعد الوكيل في إنشاء إضافة، وفحص مسارات فاشلة، واقتراح تعديل، وتشغيل تقييم، ثم حفظ تسلسل هذه التجارب. والأدق فهم ذلك على أنه بنية تحتية لحلقة تغذية راجعة هندسية، لا دليل على اكتمال وكيل يتعلم ويتحسن ذاتيًا.
لماذا يهم وصف الإصدار بأنه v0.1؟
تُعدّ صفة «نسخة تجريبية للمطورين» جزءًا أساسيًا من فهم الإطلاق. فهي دعوة إلى التجربة والمشاركة في التطوير، لكنها تعني أيضًا أن واجهات البرمجة والتكاملات وضوابط الأمان والسلوك التشغيلي قد تتغير. 20
لذلك ينبغي للمطورين تقييم Harness باعتبارها إطارًا مفتوحًا ومنصة بحث وتجريب، لا افتراض أنها توفر بالفعل مستوى الاعتمادية والصقل ووسائل الحماية الموجود في منتجات وكلاء البرمجة الناضجة.
الخلاصة
ربطت إعلانات DeepSeek في 13 أغسطس بين إطلاق نموذج واستراتيجية للبنية التحتية. يوفر V4 Pro النموذج الرائد، بينما تكشف Harness بيئة التشغيل التي تحدد كيف يعمل النموذج مع الأدوات والسياق والذاكرة والمهام طويلة الأمد. 32
20
وتشرح نتائج Composio سبب أهمية هذا الفصل: فقد أنجز نموذج DeepSeek V4 Flash نفسه ما بين 14 و20 مهمة من المهام المختبرة، وفق بيئة التشغيل المستخدمة، كما تفاوتت التكاليف المعلنة تفاوتًا كبيرًا. 3 أما بنية Harness القائمة على الإضافات ومسارات التنفيذ القابلة للتتبع، فتمنح DeepSeek أساسًا مقنعًا للتجريب والتقييم والهندسة المدعومة بالذكاء الاصطناعي.
لكن هذه العناصر لا تثبت وحدها أن النظام حقق تعلمًا مستمرًا يمكن الاعتماد عليه. ما تثبته هو أن طبقة بيئة تشغيل الوكيل قد تصبح ساحة المنافسة المركزية في المرحلة المقبلة من تطوير الوكلاء.
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
يسأل الناس أيضا
ما هي الإجابة المختصرة على "DeepSeek V4 Pro وHarness: لماذا قد تكون بيئة تشغيل الوكلاء أهم من النموذج نفسه؟"؟
أطلقت DeepSeek في 13 أغسطس 2026 نموذج V4 Pro بالتزامن مع Harness v0.1، وهي نسخة تجريبية للمطورين بترخيص MIT وليست منتجًا نهائيًا للمستخدمين.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
أطلقت DeepSeek في 13 أغسطس 2026 نموذج V4 Pro بالتزامن مع Harness v0.1، وهي نسخة تجريبية للمطورين بترخيص MIT وليست منتجًا نهائيًا للمستخدمين. تعتمد Harness على بنية Cordis التي تجعل النماذج والأدوات والجلسات والتخزين وحلقة الوكيل وواجهة المستخدم مكونات قابلة للاستبدال عبر الإضافات.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
في اختبار Composio، نجح DeepSeek V4 Flash في 129 مهمة من أصل 240، لكن عدد المهام الناجحة تراوح بين 14 و20 بحسب بيئة التشغيل المستخدمة.