Fable 5 يتصدر المشهد… ولكن ماذا عن GPT-5.5 وGrok 4.3؟ مقارنة شاملة لأقوى 6 نماذج ذكاء اصطناعي

الفئة الثانية: المتخصصون ونماذج السرعة الفائقة

Claude Opus 4.8 من Anthropic

قبل وصول Fable 5، كان Opus 4.8 هو الملك بلا منازع. تم إطلاقه في أواخر مايو 2026، وهو الآن القائد الثاني القوي في Anthropic ويظل نموذجاً من الطراز الأول بحد ذاته .

• الأداء العام والموجه: كان أول نموذج يتصدر مؤشر الذكاء من Artificial Analysis بتقييم 61.4 ويتصدر لوحة GDPval-AA بتقييم 1890 Elo، قبل أن يتجاوزه Fable 5 .
• البرمجة: يحقق 69.2% في SWE-bench Pro و 88.6% في SWE-bench Verified .
• الرياضيات: أظهر قفزة تاريخية بمقدار 27 نقطة في اختبار USAMO 2026 للرياضيات التنافسية، قافزاً من 69.3% إلى 96.7% في 41 يوماً .
• الصدق: النموذج لديه أقل معدل "هلوسة" (تخمين حقائق خاطئة) بين أقرانه، بشكل أساسي من خلال الامتناع عن الإجابة عند عدم اليقين بدلاً من التخمين .

GPT-5.5 من OpenAI

تم إطلاق GPT-5.5 في أواخر أبريل 2026، وكان أول نموذج في هذا الجيل يستعيد صدارة الأداء العام لـ OpenAI، ولكن بمجموعة مهارات أكثر تخصصاً .

• الاستدلال الرياضي: إنه النموذج البارز في الرياضيات، بتسجيله 51.7% في FrontierMath Tier 1-3 و 35.4% في المستوى الرابع (Tier 4) شديد الصعوبة - وهو تقدم واضح على المنافسين .
• التحكم الذاتي بالجهاز (CLI): يتصدر أيضاً في Terminal-Bench 2.0 مسجلاً 82.7% لمهام سطر الأوامر المعقدة، مقارنة بـ 69.4% لـ Claude Opus 4.7 .
• السياق الطويل: حقق GPT-5.5 قفزة هائلة بـ 37 نقطة في استرجاع السياق الطويل (MRCR v2)، مسجلاً 74.0% عند سياق مليون رمز، تاركاً نتيجة الجيل السابق 36.6% في الخلف بفارق شاسع .
• تحفظ في البرمجة: على الرغم من كونه نموذجاً شاملاً قوياً، فإن درجته في SWE-Bench Pro البالغة 58.6% تتخلف الآن بشكل كبير عن نماذج Anthropic .

Gemini 3.5 Flash من Google

ظهر لأول مرة في مؤتمر Google I/O 2026، هذا النموذج هو من فئة 'Flash'، مما يعني أنه مصمم للسرعة وكفاءة التكلفة دون التضحية بالقدرة على المنافسة بقوة .

• السرعة والقيمة: يُقال إنه أسرع بـ 4 مرات من Gemini 3.1 Pro في المهام الموجهة والبرمجية، مع أسعار تنافسية .
• المهام الموجهة واستخدام الأدوات: يسجل 83.6% قوية في MCP Atlas، وهو معيار لاستخدام الأدوات متعدد الخطوات .
• البرمجة والرؤية: في SWE-Bench Pro، تتجاوز نتيجته البالغة 55.1% بشكل طفيف سابقه الأكبر، Gemini 3.1 Pro، ويسجل 84.2% في معيار CharXiv للاستدلال البصري .
• مراجعة نقدية للبرمجة: تشير بيانات مستقلة من Artificial Analysis إلى أن نتائج برمجته أضعف بكثير مما تشير إليه مقارنات Google الخاصة، لذا لا يزال يتم التحقق من فائدته الواقعية للمطورين .

Grok 4.3 من xAI

تم إطلاقه بهدوء في نهاية أبريل 2026، يلعب Grok 4.3 على وتر كفاءة التكلفة والسرعة ويتفوق في مجالات متخصصة .

• الترتيب العام: يسجل 53 في مؤشر الذكاء من Artificial Analysis. يضعه هذا فوق نماذج الفئة المتوسطة مثل Claude Sonnet 4.6 ولكنه أدنى بكثير من نماذج الفئة الأولى مثل GPT-5.5 و Claude Opus 4.7 و Gemini 3.1 Pro .
• ملك اتباع التعليمات: يحتل المركز الأول في IFBench بنسبة 81%، متغلباً على GPT-5.5 و Gemini 3.1 Pro و Claude Opus 4.7 .
• قفزة في المهام الموجهة: يظهر Grok 4.3 قفزة هائلة بمقدار +321 نقطة Elo في معيار المهام الموجهة GDPval-AA مقارنة بالإصدار السابق، ليصل إلى 1500 نقطة . كما يسجل 98% في معيار τ²-Bench Telecom، وهو من بين الأعلى في المجال .
• شيطان السرعة: تسرد التقارير المبكرة سرعته بـ 159 رمزاً في الثانية، مع معايير أخرى تظهر سرعات تتراوح بين 78.4 و 196 رمزاً في الثانية .
• السعر والحدود: بسعر تنافسي يقدر بـ 1.25$/2.50$ لكل مليون رمز (إدخال/إخراج)، هو خيار ذو قيمة ممتازة لمجالات محددة ولكنه ليس منافساً في الذكاء العام الشامل .

المنافس مفتوح المصدر: DeepSeek V4 Pro من DeepSeek AI

تم إطلاقه في أبريل 2026، وهو أقوى منافس مفتوح المصدر، يقدم قيمة برمجية لا تصدق ولكن مع ملاحظة نقدية من جهة مستقلة.

• رائد القيمة البرمجية: يسجل 80.6% مبهرة في SWE-bench Verified و 93.5% في LiveCodeBench، مما يضعه على مسافة شعرتين من Claude Opus 4.6 في البرمجة بجزء بسيط من السعر (يقدر بـ ~3.48 دولار/مليون رمز إخراج) .
• حكم جهة CAISI: وجد تقييم مستقل أجرته وكالة حكومية أمريكية (CAISI) أن قدرات DeepSeek V4 تتخلف عن أحدث التقنيات بحوالي 8 أشهر. بينما قارنت بيانات DeepSeek الخاصة به بـ GPT-5.4، فإن CAISI تصنف أداءه أقرب إلى GPT-5 من أغسطس 2025 .
• الترتيب العام: يتخلف في مهام المعرفة العامة والاستدلال المعقد مقارنة بالعمالقة المغلقة المصدر، حيث يحتل المرتبة #39 من أصل 123 نموذجاً في إحدى لوحات المتصدرين الأوسع .

السلامة والتقييمات المستقلة

لا يزال اختبار السلامة المستقل والموحد نادراً وغير منشور في كثير من الأحيان.

• DeepSeek V4 Pro (تقييم CAISI/NIST): يظل تقييم الحكومة الأمريكية هو الإشارة الأبرز للسلامة، حيث خلص إلى أن قدراته كانت متأخرة بحوالي 8 أشهر عن أحدث ما توصلت إليه التكنولوجيا .
• GPT-5.5 (معهد أمن الذكاء الاصطناعي): أفاد معهد أمن الذكاء الاصطناعي في المملكة المتحدة أن GPT-5.5 حقق معدل نجاح 71.4% في مهامه الإلكترونية على مستوى الخبراء، مشيراً إلى أنه "قد يكون أقوى نموذج اختبرناه" على هذا المقياس .

كيف تقرأ هذه النتائج؟

من المغري تتويج فائز واحد، لكن البيانات ترسم صورة أكثر عملية:

• لقدرات البرمجة البحتة والمهام الموجهة (Agentic)، فإن Claude Fable 5 في فئة خاصة به.
• للاستدلال الرياضي المكثف والعمل الذاتي على سطر الأوامر، فإن GPT-5.5 هو الأداة المثلى.
• إذا أردت نموذجاً متوازناً وفعالاً من حيث التكلفة وسريعاً وموثوقاً، فإن Gemini 3.5 Flash خيار مقنع، لكن يجب أن تتحقق من صحة أدائه البرمجي لحالة الاستخدام الخاصة بك.
• إذا كنت بحاجة إلى متخصص في الاستدلال القانوني أو المالي أو اتباع التعليمات بسعر منخفض، فإن Grok 4.3 هو خيار قوي بشكل مفاجئ.
• إذا كنت تبني بميزانية محدودة وتحتاج لبرمجة من الطراز الأول مع رخصة مفتوحة المصدر، فإن DeepSeek V4 Pro لا يضاهى في القيمة، لكن تطوره في العالم الحقيقي قد لا يضاهي الأفضل على الإطلاق.

تذكر دائماً أن ظروف الاختبارات تختلف (طريقة كتابة الأوامر، استخدام الأدوات، جهد الاستدلال) وليست مؤشراً مثالياً لأداء تطبيقك الخاص.