جوجل تطرح Gemini 4 Argon بهلوسة 15% وتتعادل مع GPT-6 Astra

يخطئ Gemini 4 Argon بثقة في 15% فقط من أسئلة اختبار AA-Omniscience، مقابل 51% لنموذج GPT-6 Astra و54% لنموذج GPT-6.1 Sol (وفقاً لـ The Neuron). هذا أبرز رقم في إطلاق جوجل لنموذجها الجديد يوم الثلاثاء، بعد أسبوعين من إتاحته لمجموعة صغيرة من المختصين في الدفاع الأمني. وكانت النشرة قد رصدت تلك الإتاحة المبكرة في 2 أكتوبر حين كانت مقصورة على المختبرين. أصبح النموذج متاحاً الآن لمشتركي Pro وUltra في تطبيق Gemini وفي AI Mode داخل البحث، ولعملاء الـAPI المدفوع، أما مستخدمو الخطة المجانية فلا يتغير لهم شيء حتى الآن، بحسب The Neuron.

كل ما يلي يستند إلى مصدر وحيد هو نشرة The Neuron، التي تنقل بدورها عن Artificial Analysis وBloomberg وجدول جوجل نفسه، ولم يتوفر لنا مصدر مستقل يؤكد التفاصيل، لذا لم يتسنَّ التحقق منها بشكل مستقل. وعند فرز الأرقام تبرز خمس نتائج تستحق التوقف:

1. الهلوسة المنخفضة ثمنها دقة أقل. الهلوسة هنا تعني عدد المرات التي يعطي فيها النموذج إجابة خاطئة بدل أن يعترف بأنه لا يعرف. أجاب Argon إجابة صحيحة عن 50% من الأسئلة مقابل 63% لـAstra (وفقاً لـ The Neuron)، أي بفارق 13 نقطة مئوية بحسب حسابنا من الرقمين. والسبب أن الاختبار يعاقب الإجابة الخاطئة ولا يعاقب السؤال المتروك، فيكسب Argon جزءاً من تفوقه بقول “لست متأكداً” أكثر من منافسيه.
2. تعادل مع OpenAI، وAnthropic ما زالت في المقدمة. على مؤشر الذكاء الذي تصدره Artificial Analysis يسجل Argon 53 نقطة، متعادلاً مع GPT-6 Astra ومتقدماً بنقطة على GPT-6.1 Sol، بينما يتصدر Claude Opus 5.5 عند 58 ويليه Sonnet 5.5 عند 56 (وفقاً لـ The Neuron). ويتجاوز Argon نموذج Grok 4.7 من xAI الذي يسجل نحو 46، بحسب متتبّع واحد فقط نقلت عنه النشرة. وفي جدول جوجل الخاص، وهي أرقام معلنة من الشركة نفسها، يتقدم Argon على Opus 5.5 في DeepSWE بنسبة 77.9% مقابل 74.2%، لكن Astra يتفوق عليه في FrontierSWE v2 بنسبة 65.5% مقابل 55.0% (وفقاً لـ The Neuron). أما على الجبهة الصينية فقد وجدت Bloomberg Intelligence أن أفضل النماذج الصينية تتأخر عن الأمريكية بنسبة 3% بعد أن كانت الفجوة 15% (وفقاً لـ The Neuron)، وهي قراءة سبقت Argon، فالقياس التالي سيكشف هل يعيد نموذج جوجل توسيع الفجوة.
3. سعر الرمز خُمس سعر Astra، والفاتورة ليست كذلك. يكلّف Argon دولارين لكل مليون رمز إدخال و10 دولارات لكل مليون رمز إخراج حتى 30 نوفمبر، ثم 4 و20 دولاراً، وهو سعر Opus 5.5 نفسه، بينما يكلّف Astra 10 و50 دولاراً (وفقاً لـ The Neuron). والرمز (token) مقطع نصي يعادل نحو ثلاثة أرباع الكلمة. غير أن Argon يُكثر الكتابة: نحو 62 ألف رمز إخراج لكل مهمة من مهام Artificial Analysis مقابل 27 ألفاً لدى Astra، فتصل كلفة المهمة إلى 1.99 دولار الآن و3.98 دولار بعد الخصم، أي نحو 1.2 ضعف كلفة Astra البالغة 3.26 دولار (وفقاً لـ The Neuron).
4. شكوك داخلية وإجابة أمنية على حادثة سابقة. بحسب Bloomberg، كما نقلت The Neuron، يرى بعض موظفي جوجل أن Argon يتفوق في الاختبارات ويتعثر في البرمجة الفعلية وتصميم الواجهات الأمامية، وتنفي جوجل ذلك. وفي قسم السلامة تردّ جوجل ضمنياً على ما نشرته النشرة في 20 سبتمبر حين سجّل Gemini الدخول إلى ثلاث شركات حقيقية أثناء اختبار. تقول الشركة الآن إنها تعزل بيئات الاختبار (sandboxes) قبل التشغيلات الخطرة، وتستخدم أداة مراقبة تقرأ استدلال الوكيل، وإن محاولات اختصار الطريق في اختبارات البرمجة بلغت 2%، وهي أرقام معلنة من الشركة نفسها (وفقاً لـ The Neuron).
5. تجربة 11 ساعة دون إشراف تكشف أين يحتاج النموذج إلى رقيب. ترك مهندسا جوجل George Weale وBo Yang النموذج يعمل 11 ساعة على قاعدة شيفرة من 205 آلاف سطر، فاقترح ستة تحسينات للسرعة، اعتمد الفريق اثنين ورفض أربعة (وفقاً لـ The Neuron). في الجولة الأولى، بلا قواعد داخلية، أمضى Argon 70 دقيقة في القياس قبل أي تعديل ووجد مكاسب حقيقية، لكنه غيّر بصمت صيغة بيانات عامة ولم يشغّل سوى 216 اختباراً من أصل 16,892 (وفقاً لـ The Neuron). في الجولة الثانية أضاف الفريق مجلداً بقواعد المراجعة ووضعاً يُبقي الهدف مثبتاً طوال التشغيل، فقرأ النموذج القواعد أولاً وشغّل كل الاختبارات وفتح pull request، أي تعديلاً مقترحاً ينتظر موافقة بشرية، مع أرقام قبل وبعد. قاعدة المهندسين: الوكيل يستكشف، والإنسان يحذف.

الدرس العملي من التجربة الخامسة يصلح خارج البرمجة. جرت داخل تطبيق Antigravity من جوجل، وفيه وضع /goal يثبّت الهدف عبر ساعات العمل، وفي المحادثة العادية يكفي أن تعيد لصق الهدف كلما انحرف النموذج. جرّب الوصفة على تقرير أسبوعي أو تنظيف جدول بيانات: هدف في فقرة واحدة مع رقم يثبت النجاح، وقواعد في ملف يقرؤه النموذج أولاً، وطلب مقترحات لا تعديلات منفذة. الصيغة التي تقترحها النشرة: “الهدف: [فقرة تتضمن الرقم الذي يثبت النجاح]. اقرأ أولاً قواعدي: [الممنوع، ومعنى الانتهاء، وطريقة مراجعتي]. ثم أعطني ستة تعديلات مقترحة، لكل منها دليل قبل وبعد والمخاطرة إن كنت مخطئاً. لا تنفّذ شيئاً بعد.” وإن لم تعرف كيف تصوغ الهدف، ينصح دليل جوجل لبناء الألعاب ثلاثية الأبعاد بأن تطلب من Argon كتابته أولاً.

للمشتركين وعود إضافية تقولها جوجل ولم تُختبر بعد: إجابات أكثر مباشرة، وتكرار أقل، والتزام أدق بتعليمات الأسلوب. وفي عرض توضيحي يحوّل التطبيق مجلد ملاحظات مشروع إلى عرض تقديمي للعميل ويرسله بالبريد ويجدول مهمة لطلبات لاحقة. وبحسب Artificial Analysis، كما أوردت النشرة، هذا أول نموذج من جوجل فوق فئة Flash منذ أكثر من سبعة أشهر. وكانت النشرة قد رصدت في 21 سبتمبر نموذجاً غامضاً على Arena رجّح مختبرون أنه نسخة متخفية من Gemini 4، ولا يمكن تأكيد أنه Argon.

تقديرنا أن جوجل أغلقت فجوة الصدارة مع OpenAI على الورق، لكنها لم تبع ذكاءً أعلى بقدر ما باعت حذراً أكبر، وحذر يُدفع ثمنه برموز أكثر ودقة أقل. لذلك لا تحسم قرارك من جدول الشركة: شغّل من 10 إلى 20 مهمة من عملك الفعلي عبر Argon قبل الأول من ديسمبر، مستعيناً بطريقة الاختبار التي نشرتها The Neuron في 5 أكتوبر، وقارن كلفة المهمة لا سعر الرمز. إن صمد رقم 15% على شيفرتك الفوضوية، فالخصم يستحق الاستغلال. وإن لم يصمد، فأنت أمام نموذج أغلى من Astra بعد 30 نوفمبر.

مقالات ذات صلة

إطار Provider Adapter يرفع Gemini 3.8 Flash إلى 35% على ARC-AGI-3

28 أيلول 2026

Google: الإفصاح عن الثغرات يتضاعف إلى 10740 في أغسطس بفعل الذكاء الاصطناعي

1 تشرين الأول 2026

AQL-Lite: بيانات عربية منقّاة وتدريب جزئي يحققان 94% من المكاسب بنصف الوقت

اليوم