إعدادا واجهة برمجة التطبيقات ضاعفا نتائج GPT-5.6 على ARC-AGI-3
أدى تمكين إعدادين محددين لواجهة برمجة التطبيقات لـ GPT-5.6 إلى مضاعفة نتائج أدائه ثلاث مرات على معيار ARC-AGI-3.
Z.ai تطلق GLM-5.3 مع تدريب ما بعد الامتداد
أعلنت Z.ai عن GLM-5.3، وهو نموذج جديد يحقق أداءً متقدمًا في معايير برمجة الوكلاء من خلال توسيع تدريب ما بعد النموذج الأساسي GLM-5.2. يتفوق النموذج ذو ~750B معلمة حاليًا على Kimi K3 ويساوي أو يتجاوز Claude Fable 5 و GPT-5.6-Sol في معايير مختلفة.
DeepSeek-V4 Flash 0731 مقابل GPT-5.6 Luna على DeepSWE: التكلفة والبرمجة
يكشف مقارنة بين DeepSeek-V4 Flash 0731 وGPT-5.6 Luna على معيار DeepSWE أن GPT-5.6 Luna هو المهندس الأقوى، إلا أن استراتيجية التسلسل التي تستخدم كلا النموذجين تحقق دقة أعلى بتكلفة أقل.
أليبابا تعلن عن Qwen3.8-Max بـ 2.4T معلمة وأوزان مفتوحة قادمة
أعلنت أليبابا عن Qwen3.8-Max كنموذجها الرائد الجديد، واصفة إياه بأنه بنية متفرغة تحتوي على 2.4T معلمة تركز على العمل الوكيل طويل المدى، والبرمجة، والاستدلال متعدد الوسائط. وأكدت الشركة أن الأوزان المفتوحة لـ Qwen3.8-Max ستُطلق الأسبوع المقبل جنباً إلى جنب مع النسخة ذات الأوزان المفتوحة Qwen3.8-27B.
تحديثات DeepSeek V4 Flash بتحسين نتائج Terminal Bench وToolathlon
قامت DeepSeek بتحديث نموذجها V4 Flash، بإصدار نسخة جديدة في 2026-07-31 تُظهر مكاسب أداء كبيرة مقارنة بالإصدار التجريبي السابق. يُدخل التحديث نتائج لمعايير تقييم جديدة بينما يحسّن النتائج على المعايير الحالية.
كيمي K3 يتفوق على جي بي تي-5.6 سول في DeepSWE pass@4 ويقلل التكلفة بنسبة 64%
تكشف مقارنة بين كيمي K3 وجي بي تي-5.6 سول على معيار DeepSWE أنه بينما يتصدر جي بي تي-5.6 سول في جودة المحاولة الواحدة (72.7% مقابل 68.5%)، يحقق كيمي K3 نتائج أعلى في درجات pass@k لـ k > 1 بتكلفة أقل بكثير.
أنثروبيك تطلق كلود أوبوس 5، مما يشعل جدلاً حول المقاييس
أطلقت أنثروبيك نموذج كلود أوبوس 5، مما أدى إلى تدقيق أدائه في مقاييس البرمجة والقدرات العامة، بالإضافة إلى تجديد النقاش حول تقييم النماذج المتقدمة.
أنثروبيك تطلق كلود أوبوس 5 بمؤشر قدرات يبلغ 159
أطلقت أنثروبيك نموذج كلود أوبوس 5، وهو نموذج حدودي جديد أثار نقاشاً كبيراً حول نتائج الاختبارات والأداء العملي. أفادت التقييمات المستقلة من Epoch AI بأن مؤشر قدرات Epoch (ECI) للنموذج الجديد يبلغ 159، ومؤشر SWE-ECI يبلغ 161.
يُطابق Kimi K3 أداء Claude Fable 5 على DeepSWE بتكلفة ثلث التكلفة
يحقق Kimi K3، وهو نموذج ذو أوزان مفتوحة من Moonshot AI، أداءً مماثلاً لـ Claude Fable 5 من Anthropic على معيار DeepSWE بينما تكلفته أقل بكثير لكل مهمة. في تقييم بتاريخ 16 يوليو 2026، وصل Kimi K3 إلى نسبة نجاح 68.5% في pass@1 مقارنة بـ 69.9% لـ Fable 5، لكنه تفوق عليه في السيناريوهات متعددة المحاولات وقدم كفاءة تكلفة أعلى.
يُصلح τ-bench 1.0.1 تقييم banking_knowledge لمنع معاقبة سلوك الوكيل الحذر
أصدرت Sierra Research الإصدار τ-bench 1.0.1، الذي يصحح مخطط تقييم مهمة `banking_knowledge` لوقف معاقبة الوكلاء على قراءات التحقق الحذرة، ويُصلح عدة تناقضات في البيانات. يضمن التحديث أن إعادة التقييم لمسارات لوحة المتصدرين تزيد الدرجات فقط، دون فشل أي محاكاة كانت قد نجحت سابقاً.
Moonshot AI تطلق Kimi K3، نموذج MoE بـ 2.8 تريليون معلمة
في 16 يوليو، أطلقت Moonshot AI أحدث طراز لها، Kimi K3، وهو بنية Mixture of Experts (MoE) تحتوي على 2.8 تريليون معلمة. وعدت الشركة بنشر أوزان النموذج في 27 يوليو.
مونشوت تطلق كيمي K3، نموذج صيني مفتوح الأوزان يتمتع بقدرات برمجية وكفاءة عالية
أطلقت مونشوت كيمي K3، وهو نموذج مفتوح الأوزان أحدث إعادة تقييم لقرب النماذج الصينية من الطليعة. يتميز الإصدار بأداء قوي في البرمجة، والمهام الوكيلية، وأعمال المعرفة طويلة المدى.
Moonshot AI تطلق Kimi K3، نموذج حدودي مفتوح بملياري معلمة 2.8T
أعلنت Moonshot AI عن إطلاق Kimi K3، وهو نموذج جديد من فئة الحدود المفتوحة الأوزان، يتميز بـ 2.8 تريليون معلمة إجمالاً وقدرات إدخال متعددة الوسائط بشكل أصيل. يُصنّف رسمياً تحت مسمى "ذكاء الحدود المفتوح"، ويدعم نافذة سياق بحجم مليون توكن، ويستفيد من مكونات معمارية مبتكرة مثل Kimi Delta Attention (KDA) وAttention Residuals لتعزيز الكفاءة.
Moonshot AI تعلن عن Kimi K3، نموذجًا بـ 2.8 تريليون معلمة وبأسعار مرتفعة
أعلنت مختبر الذكاء الاصطناعي الصيني Moonshot AI عن Kimi K3، واصفة إياه بأنه أقوى نموذج لديها حتى الآن مع 2.8 تريليون معلمة. يتوفر النموذج حاليًا عبر الموقع الإلكتروني وواجهة برمجة التطبيقات (API)، مع وعد بإصدار الأوزان المفتوحة بحلول 27 يوليو 2026.
DharmaOCR يتفوق على النماذج الأحدث في البرتغالية البرازيلية عبر التخصص
يحقق DharmaOCR جودة استخراج واستقرار أعلى من Mistral OCR4 وUnlimited-OCR في البرتغالية البرازيلية من خلال التدريب المخصص للمجال.
إطلاق Qwen لنموذج Qwen3.8-27B على ModelScope وHugging Face
أطلقت Qwen نموذج Qwen3.8-27B، المتاح للتحميل على ModelScope وHugging Face.
تحديث Gemini 3.7 Flash يعيد GDM إلى المقدمة
تسلط المقالة الضوء على رسم بياني من تحديث Gemini 3.7 Flash يُظهر أن الإصدارات السابقة، وتحديداً 3.5 و 3.6 Flash، قد تأخرت مقارنة بنماذج السلاسل الأحدث Claude 4.8+ و GPT 5.5+.
DeepSeek DSv4 Flash 0731 يحقق أداءً عالياً على أجهزة ميسورة التكلفة
يبرز مستخدم في Reddit نموذج DeepSeek DSv4 Flash 0731، مشيراً إلى قدراته القوية في الأداء مقارنة بتكلفته. يشير المنشور إلى Artificial Analysis Intelligence Index v4.1.1 لدعم الادعاء بأن النموذج يؤدي أداءً استثنائياً.
يتطابق VITA السريري المعزز بالاسترجاع أو يتفوق على نماذج اللغات الكبيرة المتقدمة في HealthBench
تم تقييم نظام مُصمم خصيصًا لتوليد النصوص المعزز بالاسترجاع يُدعى VITA، والمُعدّ للبيئات ذات الدخل المنخفض والمتوسط، مقابل نماذج لغوية كبيرة لأغراض عامة على معيار HealthBench. تُظهر الدراسة أن التصميم المخصص للمجموعة النصية يمكنه الحفاظ على أداء تنافسي حتى مع إصدار نماذج متقدمة جديدة.
يتطابق VITA الخاص بمجموعة البيانات أو يتفوق على نماذج اللغات الكبيرة المتقدمة في HealthBench
يحتل VITA، وهو نظام توليد مدعوم بالاسترجاع مصمم للبيئات ذات الدخل المنخفض والمتوسط، المرتبة الأولى في المجموعة الفرعية باللغة الإنجليزية من HealthBench، متفوقًا على GPT-5.4 و o4-mini و Gemini 3.1 Pro و Claude Sonnet 4.6.