البرمجة — ذكاء اصطناعي يكتب شيفرة إنتاجية

نموذج البرمجة الوكيلي الذي لا يكتفي بالإكمال التلقائي — بل يخطط ويستخدم أدوات ويصحح الأخطاء عبر الملفات ويُنهي مهمة المستودع الفوضوي بينما تتمشى. Terminal-Bench 82.7% ليس خطأ مطبعياً.

Terminal-Bench 2.0 82.7% (يسحق 69.4% لـ Opus 4.7)؛ Expert-SWE 73.1% في مهام 20 ساعة؛ FrontierMath Tier 4 35.4%؛ ~40% رموز إخراج أقل؛ سياق بمليون رمز مع استخدام أصلي للأدوات وتكامل Codex.

سعر API مضاعف (5$/30$ لكل مليون رمز)؛ متأخر عن Claude Opus 4.7 في SWE-Bench Pro (58.6% مقابل 64.3%)؛ API غير متاحة عند الإطلاق؛ تقارير هلوسة مبكرة تحتاج تحققاً.

وحش الاستدلال الهجين من Anthropic — النموذج الذي لا يكتب الكود فحسب، بل *يهندسه*. SWE-Bench Pro 64.3% يسحق كل نموذج آخر على أصعب معيار برمجة واقعي. CursorBench 70%. رؤية عالية الدقة تقرأ لقطات شاشتك. ووضع جهد 'xhigh' يتيح له التفكير أعمق من أي نموذج سبقه.

SWE-Bench Pro 64.3% (SOTA الجديد — يتفوق على GPT-5.4 بنسبة 57.7% وKimi K2.6 بنسبة 58.6% بفارق هائل). CursorBench 70% في جلسات IDE حقيقية. OSWorld 78%. رؤية عالية الدقة حتى 3.75 ميغابكسل. نفس أسعار Opus 4.6 ($5/$25). متاح في كل مكان: Claude.ai، API، Bedrock، Vertex، GitHub Copilot.

ليس كله ورداً وعسلاً. استهلاك الرموز أعلى بشكل ملحوظ (المرمّز الجديد يزيد التكاليف 15–35% على الاستعلامات الثقيلة بالكود). الاستدلال التكيّفي يجعله يبدو 'أكسل' على الاستعلامات البسيطة. بعض المستخدمين يبلّغون عن تراجعات في استدعاء السياق الطويل بعد 100 ألف رمز.

النموذج الرائد من Alibaba للبرمجة الوكيلية — مُصمَّم خصيصاً لمهام البرمجة التي تستغرق ساعات لا دقائق. أجرى Qwen 3.7 Max جلسة تحسين نواة استمرت 35 ساعة مع 1,158 استدعاء أدوات دون أي تدخل بشري. SWE-Bench Pro 60.6%، ونافذة سياق بمليون Token، وتوافق مع أُطر العمل المتعددة يتيح لك دمجه في Claude Code أو أي إطار وكيلي قياسي فوراً.

SWE-Bench Pro 60.6%، Terminal-Bench 2.0 Terminus 69.7، Code Arena WebDev ~1541 Elo (ضمن أفضل 4). أول نموذج صيني مملوك يُنافس باستمرار النماذج الغربية الرائدة في معايير البرمجة الإنتاجية. أكثر من 210 Token مُخرَج/ثانية يجعله من أسرع النماذج الرائدة المتاحة.

متاح عبر API فقط بدون أوزان مفتوحة (حتى الآن). جلسات الوكيل المكثفة تصبح مكلفة بسرعة — أفاد أحد المستخدمين بإنفاق $43 في 15 دقيقة من البرمجة الذاتية. التقييمات المستقلة تُظهر تبايناً أكبر مما توحي به المعايير الرسمية. ليس الخيار الأقوى لأعمال واجهات المستخدم والتصميم البحتة.