حتى 16 نوفمبر 2026، فتحنا الإعلانات الرسمية ووثائق Claude Code الحالية والتقييمات المستقلة الأصلية ونقاشات عامة متباينة. لم نستدعِ نماذج مدفوعة أو ندخل حسابات أو نقس حدود اشتراكات حقيقية. المطالبات وسجل المهام أمثلة اصطناعية أصلية؛ والحساب المحلي يفحص الحسابات لا أداء النموذج. اخترنا الحالات المجتمعية عمداً لتغطية النجاح والاستياء وإخفاقات محددة، ولذلك لا تصلح لقياس رضا المستخدمين.
النموذج الحالي والمهام التي تستحق الترقية
أحدث إصدار عام تحققنا منه هو Fable 5.2 المعلن في 9 نوفمبر. ما زالت Anthropic توصي بالبدء بـOpus 5.5 لمعظم البرمجة والعمل المعرفي اليومي، واختيار Fable للمشروعات الأصعب والمفتوحة النطاق. زيارة صفحة الأخبار في 16 نوفمبر ليست تاريخ إصدار النموذج.
عند الشراء أو الترحيل، اسأل إن كان النموذج الجديد يقلل أخطاءك الأعلى كلفة: قيد توافق ضاع أثناء ترحيل عدة وحدات، أو هدف فُقد وسط مهمة طويلة، أو إصلاح سُلّم دون فحص السلوك السابق. كثيراً ما تظهر هذه الخسائر في المراحل الأخيرة. سلاسة الحوار لا تثبت موثوقية التسليم. ابدأ بالأعمال التي تتعطل أو تستلزم إعادة العمل أو تدخل زميل خبير، لتبني خط أساس مفيداً لقرار الترقية.
| الخيار | الدور الرسمي أو الحد | سؤال القبول لديك |
|---|---|---|
| Opus 5.5 | نقطة بداية للعمل اليومي | هل تُنجز المهام الحالية بموثوقية؟ |
| Fable 5.2 | عمل تقني أكثر طموحاً | هل تقل إعادة العمل في المهام الصعبة؟ |
| Mythos 5.2 | نفس النموذج الأساسي مع ضوابط وأهلية مختلفة | تحقق من قبول برنامج البحث منفصلاً عن إتاحة Fable |
احفظ هوية التشغيل قبل مقارنة النتائج
لا يشير الاسم المستعار fable دائماً إلى الإصدار نفسه؛ فبوابة Claude apps gateway لها تعيين مستقل. سجّل model ID كاملاً والمزوّد وإصدار العميل والجهد الفعلي وfallback. يصف دليل النماذج وإعداد Code واجهات وصول مختلفة.
أدرج هذه البيانات في سجل كل تشغيل بدلاً من الاكتفاء بكلمة «الأحدث» في العنوان. ثبّت أيضاً commit المستودع والملفات المرئية وصلاحيات الأدوات والمطالبة والمهلة وإضافات الإنسان. أي تغيير يستحق صفاً جديداً، وتبقى صفوف الإخفاق محفوظة. إذا لم يثبت السجل النموذج الفعلي، فوسم هويته بأنها غير مؤكدة بدلاً من نسبة النتيجة إلى نسخة محددة. وعند عدم الإتاحة، شخّص الواجهة والصلاحيات أولاً؛ لا توسّع ضوابط الأمان لمجرد إكمال المقارنة.
task_id,arm,model_id,effort,provider,toolset,commit,attempt,status,api_usd,review_min,fallback
fixture-01,A,claude-opus-5-5,medium,synthetic,offline,fixture-v1,1,accepted,0.40,6,none
fixture-01,B,claude-fable-5-2,high,synthetic,offline,fixture-v1,1,accepted,0.80,3,noneالجهد متغير تجريبي، وmax ليس إعداداً عاماً مناسباً لكل شيء
تحدد وثائق Code الحالية medium بوصفه الجهد الافتراضي لـFable 5.2، وتحذّر من الإفراط في التفكير عند max. وتنشر Artificial Analysis القدرة والزمن لمستويات جهد مختلفة في صفحة النموذج نفسه.
| effort | درجة المؤشر | دقائق لكل مهمة في المؤشر |
|---|---|---|
| low | 54 | 5.5 |
| high | 62 | 15.3 |
| max | 65 | 41.8 |
هذه سجلات تقييم عامة للإعدادات المقابلة، بما فيها تسميات Default Fallback. درجة الذكاء ليست نسبة نجاح البرمجة اليومية، ولا يمكن اشتقاق عدد رسائل الاشتراك من زمن max. توصيتنا الهندسية أن تبدأ بإعداد مقبول وترفع الجهد للمهام الفاشلة فقط. التفكير الأطول دون تحسّن في القبول الخارجي يضيف انتظاراً بلا قيمة مثبتة. ثبّت النموذج عند مقارنة الجهد، وثبّت الجهد عند مقارنة النماذج، ثم اختبر الإعداد الأنسب لكل نموذج على حدة؛ فهذه أسئلة مختلفة.
Artificial Analysis: Fable 5.2 · Artificial Analysis: منهجية مؤشر الذكاء
أربع نتائج مستقلة تقيس أربعة أشياء مختلفة
| المصدر | موضوع القياس | حدود القراءة |
|---|---|---|
| Artificial Analysis | قدرات عامة وكفاءة | احتفظ بإصدار المؤشر وتسمية fallback |
| Snorkel | عمل صعب في الطرفية | مهام متطابقة واختيار التشغيلات السليمة |
| Vals | مجالات مهنية موزونة | الأوزان وعدم اليقين يؤثران في الترتيب |
| Plotly | سير عمل لوكيل تحليل بيانات | تشغيل واحد وإطار تنفيذ محدد |
Artificial Analysis: Fable 5.2 · Snorkel: تقييم مهام Fable الطرفية · Vals Index: المنهجية والنتائج · Plotly: تقييم تحليل البيانات
تتكامل هذه المصادر، لكن لا يمكن جمعها في نسبة نجاح كلية واحدة. يغطي المؤشر العام أنواعاً أوسع من العمل، بينما يقترب اختبار منتج متكامل من أدوات ذلك المنتج. اسأل أولاً هل يشبه الاختبار عملك، ثم هل الفارق كبير بما يكفي. الإعدادات وسياسات التخزين المؤقت وميزانيات الوقت غير المعلنة تظل مجهولة؛ ملؤها بالتخمين يخلق قابلية مقارنة زائفة.
لـAA Coding Agent Index v2.1 ثلاثة مكونات وقواعد تقييم خاصة به، منفصلة عن Intelligence Index v5.0.1. حتى جهة واحدة قد تدير عدة «مؤشرات». احتفظ بالاسم الكامل للمقياس عند نقل الرسوم كي لا يصبح الاستدلال العام والعمل في الطرفية وتعديلات الكود المقبولة شيئاً واحداً قابلاً للاستبدال.
Snorkel: تحسّن التنفيذ لا يلغي التراجع في اختيار الاستراتيجية
أعلنت Snorkel في 12 نوفمبر ارتفاع pass@1 الموزون بحسب المهمة من 53.1% إلى 71.4% على 26 مهمة متطابقة. بلغ عدد التشغيلات السليمة المشمولة 106 و121 على الترتيب، بعد استبعاد أعطال البيئة أو نقطة الخدمة.
لذلك لا تعيد قسمة المحاولات الناجحة على جميع المحاولات بالضرورة إنتاج النتيجة الموزونة؛ فعدد التكرارات الصالحة يختلف بين المهام. التمييز الهندسي الأهم هو بين انخفاض الأخطاء الآلية وفهم الهدف فهماً صحيحاً. ما زال تحليل الإخفاق يعرض وكيلاً يفحص بعناية عملاً مبنياً على تفسير خاطئ. عندما تشترك الشيفرة والاختبارات الذاتية في الافتراض نفسه، قد تواصل الاختبارات تأكيد معيار خاطئ.
في الترحيل، ينبغي للمسؤول تحديد الثوابت مسبقاً وفحصها باختبارات منفصلة، بدلاً من الاكتفاء بطلب تأكيد أن كل شيء سليم. احتفظ بالمهام التي نجحت قبل الترقية وفشلت بعدها. اختيار مكاسب النموذج الجديد فقط يخفي التراجعات. كما يحد اختيار التشغيلات السليمة وعدم اكتمال الإعدادات المنشورة من تعميم التحسّن على مشروعات أخرى.
Vals: الصدارة المركبة لا تحسم المجالات أو عدم اليقين
| الإعداد أو الموضوع | القراءة المنشورة | القيد الواجب حفظه |
|---|---|---|
| Fable 5.2 high | 71.31 ±0.96 | نتيجة Vals Index المركبة |
| Sonnet 5.5 max | 70.85 ±0.93 | الفارق الصغير لا يُحسم بالترتيب وحده |
| مزيج المجالات | مال وبرمجة وقانون وضرائب | الترجيح بالناتج المحلي افتراض منهجي |
Vals: صفحة نموذج Fable 5.2 · Vals Index: المنهجية والنتائج · Vals: صفحة نموذج Sonnet 5.5
يحدد المؤشر الموزون أولاً نوع العمل المهم، ثم يقرر النموذج المتقدم. على فريق البرمجة دراسة إخفاقاته ذات الصلة قبل تبني أوزان قطاعات اقتصادية. ويهم عدم اليقين عند تقارب النتائج: الترتيب وحده لا يثبت تفوقاً مستقراً عبر الأعمال، ولا يثبت التكافؤ وحده أيضاً. هنا يستخدم Fable مستوى high وSonnet مستوى max؛ لذا ليست تجربة بنفس الجهد تعزل أثر النموذج وحده.
وجدنا اختلافاً في درجة فرعية للترحيل بين صفحة النموذج وتفصيل المؤشر في الموقع نفسه، لذلك لا نعيد نشرها. فحص الاتساق الداخلي أنفع من إضافة منازل عشرية توحي بالدقة. عند التعارض احتفظ باللقطات المؤرخة وانتظر توضيح المصدر؛ اختيار الرقم الأعلى يحوّل مسألة غير محسومة إلى ادعاء.
Plotly: الدرجة الكاملة قد ترافق فاتورة أعلى للاختبار كله
| النموذج | الأسئلة المجتازة | تكلفة الاختبار كله USD |
|---|---|---|
| Fable 5.2 | 43/43 | 35.74 |
| Opus 5.5 | 41/43 | 13.31 |
| GPT-6.1 Sol | 43/43 | 2.61 |
هذا تشغيل واحد بمزوّد وأدوات محددة، ويشير المؤلف إلى تغير الدرجات مع التكرار. لا يصح تحويل فارق سؤالين إلى تفوق ثابت، ولا فاتورة الاختبار كله إلى سعر رسالة. الدرس العملي أن انخفاض سعر الرمز المعلن قد يرافق تكلفة مهمة أعلى إذا زاد السياق أو كتابة الذاكرة المؤقتة أو ناتج الاستدلال.
افصل حالتي شراء. قد يبرر التحليل الذي تكون أخطاؤه مكلفة مراجعة إضافية ومعدل إكمال أعلى. أما التقارير الروتينية الكثيرة سهلة التدقيق فتهتم أكثر بتكلفة الناتج المقبول. في الحالتين احفظ سجل التنفيذ وافحص معنى الرسم: نجاح إنشاء رسم يثبت أن البرنامج أنتج رسماً، لا صحة المرشحات أو الوحدات أو الاستنتاج التجاري.
لماذا يجتمع الإعجاب وخيبة الأمل في المجتمع
| المصدر الأصلي | التجربة المروية | حد الدليل |
|---|---|---|
| منشور Reddit إيجابي | نتائج جيدة مع max واستهلاك سريع | قال الكاتب لاحقاً إنه لم يستخدم Code؛ ليس اختبار CLI |
| منشور Reddit سلبي | استنتاجات متسرعة وتخطيط سطحي | لا توجد مقارنة مضبوطة بالإعداد نفسه |
| تعليق تقني على HN | حدود وأداء تعقيدي في وحدة regex | لم نعد إنتاجه؛ ليس ثغرة مؤكدة |
| مشروع لعبة NotesByLex | أدوات أنجزت مشروعاً طويلاً قابلاً للعب | نموذج أولي سابق ثم لعب بشري وتعديلات |
Reddit: تجربة max إيجابية · Reddit: تجربة تخطيط سلبية · Hacker News: تعليق وحدة regex · NotesByLex: مشروع لعبة
تختلف الحالات الأربع في المهمة والواجهة ومعيار الإكمال. إنها تقترح فرضيات للاختبار، ولا تقدّر نسبة من تحسنت تجربتهم أو تثبت إضعاف النموذج. صرّح مؤلف اللعبة بأنه لم يقارن Opus 5.5؛ إنجاز المشروع وإثبات أن النموذج الجديد وحده قادر عليه استنتاجان مختلفان. ولا تكشف الأعمار النسبية للمنشورات توقيت UTC دقيقاً، لذا نستخدم تاريخ الجمع دون اختلاق وقت النشر.
حوّل الصفات إلى أسئلة قابلة للملاحظة. هل «كسول» يعني تجاهل المتطلبات أم فشل أداة أم توقفاً مبكراً أم نقصاً في القبول النهائي؟ وهل «مذهل» يتضمن استدعاءات كثيرة وإعادات وتعديلات بشرية؟ بعد تسجيل هذه المتغيرات يصبح الوصف العاطفي مدخلاً لتصميم التجربة التالية.
Advisor والتحويل البديل يغيّران النظام الذي تقيسه
يقرأ Advisor التجريبي المحادثة كاملة ويضيف تكلفة استدعاءات، كما يختلف دعم المزوّدين. تشغيله يجعل المقارنة بين أنظمة مركبة؛ لذلك لا يمكن نسبة النتيجة إلى النموذج الرئيسي وحده.
سجّل أيضاً التحويلات المرتبطة بالسلامة أو عدم الإتاحة. تناقش البطاقة النظامية الرسمية ووثائق Code الحالية الضوابط والسلوك المرتبط بها. اختيار نموذج رئيسي لا يثبت أنه نفّذ كل خطوة. حفظ هذه الأحداث يفسر اختلاف الإكمال والزمن والرفض؛ وإزالة «متغير مربك» لا تبرر تجاوز وسائل الحماية.
Claude Code: إعداد النماذج · البطاقة النظامية لـFable/Mythos 5.2
يجب أن يبقى الحد الأدنى اللازم من سياق المستشار ضمن التفويض. قد تحتوي المحادثة كاملة على مخرجات أدوات ومواد عمل؛ أزل البيانات الحساسة وقلّصها قبل تمكين قارئ إضافي. تسلسل مفيد للمقارنة: نموذج منفرد، ثم جهد أعلى له، ثم إضافة مستشار. غيّر متغيراً واحداً كل مرة لمعرفة مقابل الزيادة. وإذا لم توفر السجلات شفافية كافية، فأرشف نتائج النظام المركب منفصلة.
تطبيق أول: عقد قبول لمستودع غير متصل
استخدم المطالبة مع نسختك المحلية أو نسخة مخوّل بها فقط. يجب ألا تتصل بالإنتاج أو الخدمات البعيدة أو بيانات العملاء الحقيقية. ثبّت commit وأنشئ بيانات اصطناعية صغيرة أولاً، ويحتفظ المسؤول بمجموعة القبول منفصلة. يرى النموذج عقد المهمة وأمثلة التطوير. يمكن أن تبدأ الجولة الأولى بخطة للقراءة فقط، ثم بإذن صريح للتعديل على فرع قابل للتخلص منه.
تعمل في مستودع Python غير متصل وقابل للتخلص منه. لا تستخدم الشبكة أو تثبّت اعتماديات أو تقرأ خارج النسخة.
الهدف: تنفيذ normalize_rows(rows). تحتوي عناصر الإدخال على sku وquantity.
القواعد: احذف الفراغات المحيطة بـsku مع الحفاظ على حالة الأحرف؛ ويجب أن يكون quantity نص عدد صحيح غير سالب. ارفض الصفوف غير الصالحة ولا تتجاوزها بصمت.
اجمع الكميات لقيم sku المتطابقة، واحفظ ترتيب أول ظهور، ولا تغيّر الإدخال.
افحص التنفيذ الحالي للقراءة فقط أولاً، ثم اذكر المجهول والملفات المتأثرة وخطة إصلاح صغيرة وانتظر الإذن بالتعديل.
سلّم شرح التغييرات والفحوص المنفذة فعلياً والمخاطر غير المغطاة. لا تعدّل اختبارات القبول ولا تدّع نجاح فحوص لم تُنفذ.هذا تصميم مواصفات وليس قياساً لأداء Fable. في المقارنة الحقيقية، أعط المجموعتين العقد والملفات والأدوات نفسها، ونفّذ المهام المزدوجة بترتيب عشوائي. سجّل المهلات والرفض وفشل الأدوات منفصلة، وحدد مسبقاً ما يعد إخفاقاً في التسليم. إذا حصلت مجموعة على مهام أسهل، تفقد التكلفة ونسبة النجاح معناهما المقارن.
تطبيق ثانٍ: افصل القبول عن ثقة الوكيل بنفسه
| مجال الاختبار | صفة الإدخال | الفحص المطلوب |
|---|---|---|
| المواصفات | فراغات وقيم sku مختلفة في حالة الأحرف | قص الفراغات فقط وعدم دمج المعرّفات المختلفة |
| مسار الخطأ | كميات سالبة أو كسرية أو فارغة | فشل صريح دون ناتج جزئي صامت |
| الثوابت | تكرارات وإعادة استخدام كائنات الإدخال | ترتيب دمج ثابت وبقاء الإدخال دون تغيير |
| الحجم | زيادة تدريجية لعدد الصفوف الاصطناعية | مراقبة اتجاه الموارد مع حد توقف مسبق |
راجع فقط عقد المهمة والتعديل المقترح ومخرجات الاختبارات المستقلة. لا تقرأ التقييم الذاتي للوكيل الأول.
اربط كل مطلب بمسار في الكود وتوكيد اختباري.
افصل بين الإخفاقات المرصودة والفرضيات القابلة للتكرار والمجهول حالياً.
افحص ابتلاع الإدخال غير الصالح بصمت وتغيير الإدخال وحالة الأحرف وترتيب أول ظهور.
صف أمثلة مضادة اصطناعية دنيا. دون دليل تنفيذ، لا تقل إن المشكلة أُعيد إنتاجها.
لا تغيّر معايير القبول لتناسب التنفيذ. تظل المراجعة البشرية مطلوبة.قد يغفل نموذج المراجعة العيوب أيضاً، لذلك تحتاج البوابة النهائية إلى توكيدات حتمية وعينات يفحصها إنسان. النجاح يغطي مجموعة الاختبار فقط، واتجاه استهلاك الموارد لا يثبت ثغرة وحده. إذا تحسنت تفسيرات النموذج للأسئلة المفتوحة لكنه ظل يفشل عند الحدود نفسها، فالإبقاء على النهج الحالي غالباً أفضل.
احسب تكلفة الناتج المقبول بدلاً من تكلفة الإجابة
المجموعتان أدناه افتراضيتان، لكل منهما 10 مهام. تقبل A عدد 8 بتكلفة API قدرها 4 USD ومراجعة 60 دقيقة. وتقبل B عدد 9 بتكلفة 8 USD ومراجعة 30 دقيقة. تقدير وقت المراجعة بـ30 USD في الساعة مجرد معامل توضيحي، وليس توصية بالأجور أو قياساً لأي نموذج.
runs = [
{"arm": "A", "tasks": 10, "accepted": 8, "api_usd": 4, "review_min": 60},
{"arm": "B", "tasks": 10, "accepted": 9, "api_usd": 8, "review_min": 30},
]
hourly_usd = 30
for run in runs:
accepted = run["accepted"]
api = run["api_usd"] / accepted
total = (run["api_usd"] + run["review_min"] / 60 * hourly_usd) / accepted
print(run["arm"], f"{api:.2f}", f"{total:.2f}")تطبع A تكلفة API مقدارها 0.50 USD لكل ناتج مقبول و4.25 USD مع المراجعة؛ وتطبع B مقدار 0.89 و2.56 USD. المثال يوضح فقط أن القرار قد ينقلب بتغير تعريف التكلفة. يجب أن يشمل السجل الحقيقي تكلفة كل الإخفاقات والإعادات، بينما يحسب المقام النتائج المقبولة باستقلال فقط. إعادة تسليم المهمة نفسها ليست نجاحات متعددة. سجّل الانتظار والمواعيد النهائية منفصلة، ولا تحوّل الزمن المنقضي كله تلقائياً إلى عمل بشري مدفوع.
هل تشتري أو ترقي؟ تحقّق من الحمل وحدود الاستحقاق أولاً
تدرج صفحة الخطط الفردية الرسمية الحالية Fable في Pro ضمن usage credits، مع حد فرعي لـFable يبلغ نصف الحد الأسبوعي في Max وUltra. وإلغاء حد الخمس ساعات في Ultra مشروط بحساب verified. لا تعني هذه القواعد Fable بلا حدود أو رصيداً واحداً لكل الواجهات.
إذا اجتاز العمل اليومي القبول بالفعل، فاحتفظ بإعداده واستخدم Fable عند أغلى نقاط الإخفاق. إذا كانت السعة هي العائق، فسجّل الاستهلاك الفعلي والواجهة أولاً. وإذا غاب القبول أو الإذن، فالترقية وحدها لا تضمن حلاً. تحقّق منفصلاً من فوترة API والاستخدام المشمول في الاشتراك وشروط تسليم هذا الموقع. صفحة المنتج الحية هي المرجع لسعر الموقع ومخزونه ونطاق تسليمه الحالي.
| العائق المرصود | التجربة الأولى | شرط الترقية |
|---|---|---|
| فهم المتطلبات أو أخطاء بين الوحدات | نفس الإدخال والقبول مع نماذج مختلفة | إعادة عمل أقل دون تراجعات حرجة |
| عمق غير كافٍ | قارن مستويات الجهد على نموذج واحد | تحسّن القبول الخارجي يبرر الزيادة |
| جودة طويلة غير مستقرة | ثبّت الأدوات والمهلة وسجّل fallback | تسليم موثوق عبر تكرار المهام |
| حدود السعة أو الواجهة | افحص الخطة الرسمية والسجلات الفعلية | تغطية واضحة لواجهة الاستخدام المطلوبة |
حوّل الترقية إلى دورة تقييم قابلة للرجوع
استخدم الدورة التالية. وسّع العمل فقط عندما يحقق القبول الخارجي والتكلفة الكلية عتبات محددة مسبقاً. احتفظ بالنموذج السابق والمدخلات وسجلات الإخفاق. عند ظهور نسخة جديدة أعد الحالات الصعبة المعروفة واختبارات التراجع أولاً. تساعد التقييمات العامة في اختيار التجربة، بينما تحدد مهامك المزدوجة إن كان التوسع مبرراً.
- ثبّت المهام وcommit والأدوات والقبول
- سجّل النموذج كاملاً والجهد والواجهة وfallback
- رتّب المهام المزدوجة عشوائياً وغيّر متغيراً واحداً
- قيّم باستقلال واحفظ الإخفاقات والإعادات
- احسب تكلفة الناتج المقبول والمواعيد النهائية
- توسّع بعد بلوغ العتبات وإلا احتفظ بخط الأساس
النطاق القابل للمراجعة: الصفحات الرسمية الحالية والتقييمات المستقلة الأصلية والحالات العامة المذكورة. لم نأخذ عينة لقياس شعور المجتمع أو نعد اختبارات نماذج مدفوعة. تظل الإعدادات غير المنشورة والدرجات الفرعية المتعارضة وإتاحة حساب معين مجهولة؛ وينبغي تحديث الاستنتاجات بإعدادات محفوظة وقبول خارجي.