نماذج ومنصات الذكاء الاصطناعي

OpenAI تجلب عائلة نماذج GPT-5.6 إلى Kiro من AWS

mm
أضف Unite.AI إلى مصادرك المفضلة على Google

عائلة نماذج GPT-5.6 من OpenAI متاحة الآن داخل Kiro، بيئة التطوير القائمة على المواصفات التي أنشأتها Amazon Web Services. يضع الإعلان الصادر في 24 أغسطس 2026 جميع الأعضاء الثلاثة لسلسلة OpenAI الرائدة الحالية — Sol و Terra و Luna — في الأداة التي تروج لها AWS كإجابة على مساعدين البرمجة القائمين على الطلب والتكرار، حيث أفادت الشركتان أن الاختبار المشترك على Terminal-Bench 2.1 خفض تكلفة المهام المكتملة بنحو 82٪.

تشمل التكامل كامل نطاق تدفقات عمل Kiro: تحويل متطلبات المنتج إلى خطط تنفيذ منظمة، تنفيذ مهام برمجة متعددة الخطوات، مراجعة مخرجات النموذج عند نقاط التفتيش قبل تطبيق التغييرات، والتحقق من التنفيذات باستخدام الاختبار القائم على الخصائص. مساهمة Kiro هي السياق. تقوم البيئة بتحويل النية عالية المستوى إلى مستندات المتطلبات، وتصاميم تقنية، وقوائم مهام قابلة للتنفيذ، وهذا الإطار هو ما يعمل النموذج بناءً عليه بدلاً من مجرد طلب بسيط.

قال Swami Sivasubramanian، نائب رئيس Agentic AI في AWS، في الإعلان: “نحن نسعى دائمًا لجعل أحدث نماذج الأساس متاحة للمطورين وتوسيع خياراتهم لتسريع التطوير الأصلي للذكاء الاصطناعي باستخدام Kiro”.

ما الذي تقيسه فعليًا ادعاء خفض التكلفة بنسبة 82٪

يستحق الرقم الرئيسي قراءة دقيقة، لأنه نتيجة يديرها البائع تتعلق بالتكلفة، وليس بالدقة. اختبرت OpenAI وAWS نموذج GPT-5.6 Terra وهو يعمل في Kiro على Terminal-Bench 2.1 ووجدتا أن المهام الناجحة تم إنجازها بتكلفة أقل بنحو 82٪ تقريبًا. يُعد Terminal-Bench 2.1 معيارًا سطر أوامر استخدمته الشركتان للاختبار المشترك؛ ولا يقدم الإعلان أي وصف إضافي لتكوينه أو أصله.

الآلية التي تُنسب إليها الشركات التوفير هي نهج Kiro القائم على المواصفات: حيث يتلقى النموذج المتطلبات ومستندات التصميم وسياق المهمة قبل أن يبدأ في التوليد، فيصل إلى حلول عمل في عدد أقل من التكرارات ويهدر عددًا أقل من الرموز على الأخطاء. لا يوضح الإعلان مقدار التوفير الذي يأتي من الإطار مقارنةً بكفاءة النموذج الذاتية في استخدام الرموز، ولا يذكر أي فرق في الدقة لتكوين Kiro. كخط أساس، تُظهر تقييم إطلاق GPT-5.6 الخاص بـ OpenAI أن Terra يحقق 87.4٪ على Terminal-Bench 2.1، مقابل 88.8٪ لـ Sol و 85.6٪ للجيل السابق GPT-5.5.

كما يأتي ادعاء التخفيض على خلفية تسعير يتغير بسرعة. عند الإتاحة العامة في 9 يوليو 2026، حدَّدت OpenAI سعر Terra بـ 2.50 دولار لكل مليون رمز مدخل و15 دولار لكل مليون رمز مخرج، بينما كان سعر Sol 5 دولارات و30 دولارًا وLuna 1 دولار و6 دولارات. تُظهر تحديثات منشور الإطلاق أن OpenAI خفضت سعر Luna بنسبة 80٪ وسعر Terra بنسبة 20٪ في 30 يوليو 2026، ثم خفضت أسعار API والاعتمادات الخاصة بـ Sol بأكثر من 20٪ لمدة ثلاثة أشهر في 21 أغسطس 2026 — قبل ثلاثة أيام من إعلان Kiro.

تعميق العلاقة بين OpenAI وAWS

يُعد Kiro رهانًا متعمدًا على فلسفة مختلفة لتطوير البرمجيات المدعومة بالذكاء الاصطناعي. عندما قدمت AWS البيئة، صَفَّت المواصفات والهوكات كحل لمشكلة إنتاجية برمجة “vibe coding”: يتحول الطلب إلى قصص مستخدم مع معايير قبول رسمية، ثم إلى مستند تصميم يحتوي على مخططات تدفق البيانات والواجهات، ثم إلى قائمة مهام متسلسلة، مع أتمتة مدفوعة بالأحداث تُجري الاختبارات وفحوصات المعايير في الخلفية. بُنيت على Code OSS، وتحافظ على إعدادات VS Code والإضافات المتوافقة. إن تزويد هذا الإطار بعائلة نماذج Frontier، بدلاً من نماذج Nova الخاصة بأمازون أو الخيارات الطرفية، هو التغيير الجوهري في هذا الإعلان.

إنه أيضًا أحد المنتجات الظاهرة لعلاقة تصاعدت من عقد سحابي إلى اعتماد متبادل عميق خلال أقل من عام. وقعت OpenAI وAWS اتفاقية حوسبة متعددة السنوات بقيمة 38 مليار دولار في نوفمبر 2025. في 27 فبراير 2026، وسعت الشركتان الاتفاقية بمقدار 100 مليار دولار على مدى ثماني سنوات، حيث استثمرت Amazon 50 مليار دولار في OpenAI، والتزمت OpenAI باستهلاك نحو 2 جيجاواط من سعة Trainium، وأصبحت AWS الموزع السحابي الطرف الثالث الحصري لمنصة Frontier للمؤسسات التابعة لـ OpenAI، وتعاون الطرفان في تطوير نماذج مخصصة لتطبيقات المستهلك الخاصة بـ Amazon. إن تحسين نماذج OpenAI لـ Kiro هو التزام أصغر من أيٍ من تلك الالتزامات، لكنه هو الأول الذي سيتعامل معه المطورون.

تتوفر عائلة GPT-5.6 في Kiro بدءًا من 24 أغسطس 2026، مع إمكانية الوصول عبر موقع Kiro. وتؤكد الشركتان أن عمل التحسين المشترك لأداء النماذج في البيئة سيستمر.

جوناس ريف هو محلل منشأ بالذكاء الاصطناعي في Unite.AI، يركز على الذكاء الاصطناعي الإدراكي والذكاء الاصطناعي العام (AGI) والأسس النظرية للذكاء الآلي. يعمل على كيفية ظهور التعلم والاستدلال والذاكرة والاستخراج في الأنظمة البيولوجية والاصطناعية، ورسم الصلات بين هياكل الذكاء الاصطناعي الحديثة والأسئلة القديمة في العلوم الإدراكية وفلسفة العقل.
مع نهج概念ي واعٍ، يبحث جوناس في الإطارات مثل نماذج الاستدلال والأنظمة الوكيلية والاعتراف الناشئ ونظرية التوجيه، بهدف توضيح ما يعنيه التقدم نحو AGI بالفعل - وما لا يعنيه. بدلاً من مطاردة الجداول الزمنية أو الهياج، يؤكد على المبادئ الأولى والصقل المفاهيمي وحدود النماذج الحالية.
المقالات التي كتبها جوناس ريف هي منشأة بالذكاء الاصطناعي ومراجعة بواسطة فريق تحرير Unite.AI لضمان الدقة والوضوح والمناقشة المسؤولة للمفاهيم المتقدمة للذكاء الاصطناعي.