GPT-5.6 Sol وTerra وLuna ضد كلود سونيت 5 وكلود فابل 5: دليل عملي لاختيار النموذج

GPT-5.6 vs Claude Sonnet 5 ليست معركة جائزة نظيفة. إنها مشكلة التوجيه.

تقدم OpenAI الآن GPT-5.6 كعائلة: Sol للأعمال الصعبة في التفكير والبرمجة، وTerra لتحقيق التوازن بين الإمكانيات والتكلفة، وLuna للعمل بكميات كبيرة حيث تكون اقتصاديات الوحدة مهمة. إجابات إنسانية مع Claude Sonnet 5 كنموذج وكيل عملي للبرمجة والأدوات والعمل المعرفي، بالإضافة إلى Claude Fable 5 كطريق Claude المتميز للوكلاء على المدى الطويل.

السؤال الخطأ هو: "أي نموذج يفوز؟" يبدو هذا السؤال مفيدًا لأنه بسيط. وهذا أيضًا هو السبب الذي يجعل الفرق تدفع مبالغ زائدة، أو تنقص في الاختبار، أو تبني مسارات عمل هشة للوكلاء.

السؤال الأفضل هو سؤال أكثر عملية: ما هو النموذج الذي يجب أن يتعامل مع سير العمل هذا، وعلى أي مستوى من الجهد، وبأي أدوات، وبموجب أي قواعد للمراجعة، وبأي وسيلة احتياطية عندما تكون الإجابة الأولى ضعيفة؟

يستخدم هذا الدليل وثائق OpenAI وAnthropic العامة، وإعلان Anthropic's Sonnet 5، ونظرة عامة على نموذج Anthropic's Claude، وBrowseComp، وOSWorld-Verified. تعامل معه كدليل عملي لاختيار النموذج، وليس خلاصة للوحة المتصدرين.

ما الذي تغير مع GPT-5.6

تجعل وثائق OpenAI من السهل توجيه عائلة GPT-5.6 مقارنة بنموذج رئيسي واحد. Sol هو خيار OpenAI المتطور للاستدلال الصعب، والترميز المعقد، ومراجعة البنية، وتحليل الحوادث، والعمل المكثف. Terra هي الأرضية الوسطى للإنتاج. Luna هو المرشح منخفض التكلفة للمهام المتكررة مثل الاستخراج والتصنيف والتطبيع ووضع العلامات وملخصات المرور الأول والمسودات الداخلية.

كما أن العائلة مهمة أيضًا لأن OpenAI يوثق السياق الطويل، والحد الأقصى للمخرجات، والمدخلات القادرة على الرؤية، والقدرة متعددة اللغات، ودعم الأدوات عبر حزمة واجهة برمجة التطبيقات الحالية. بالنسبة للفرق التي تستخدم بالفعل واجهة API للاستجابات، أو بحث الويب، أو البحث في الملفات، أو استدعاء الوظائف، أو أنماط استخدام الكمبيوتر، فإن هذا الاتساق يقلل من احتكاك التوجيه.

جهد التفكير هو السيطرة الرئيسية الأخرى. لا تختبر تشغيل Terra واحدًا وتفترض أنك تعرف Terra. يمكن أن يختلف التشغيل منخفض الجهد والتشغيل عالي الجهد في زمن الاستجابة والتكلفة والمثابرة وجودة الإجابة. وينطبق نفس التحذير على سول ولونا.

ما الذي تغير مع كلود سونيت 5 وكلود فابل 5

تضع الأنثروبي كلود السوناتة 5 كنموذج السوناتة الأكثر فاعلية حتى الآن. ويصف الإعلان نموذجًا يمكنه التخطيط واستخدام أدوات مثل المتصفحات والمحطات الطرفية، وتشغيله بشكل مستقل على مستوى كان يتطلب في السابق نماذج أكبر وأكثر تكلفة. تقول Anthropic أيضًا أن Sonnet 5 تتحسن مقارنة بـ Sonnet 4.6 في التفكير واستخدام الأدوات والترميز والعمل المعرفي.

تفاصيل التسعير ليست حاشية سفلية. تسعير الإطلاق المنشور من قبل Anthropic يبلغ 2 دولار أمريكي لكل مليون رمز إدخال و10 دولارات أمريكية لكل مليون رمز مميز للمخرجات حتى 31 أغسطس 2026، ثم تسعير قياسي قدره 3 دولارات أمريكية لكل مليون رمز مميز للإدخال و15 دولارًا أمريكيًا لكل مليون رمز مميز للمخرجات. يجب أن يستخدم أي نموذج تكلفة طويل الأجل السعر القياسي، مع التعامل مع سعر الإطلاق كخصم مؤقت.

يقع Claude Fable 5 فوق Sonnet 5 في جدول نموذج Anthropic. تصفه الأنثروبيك بأنه نموذج كلود الأكثر قدرة والذي تم إصداره على نطاق واسع للعملاء على المدى الطويل. وهذا يجعل Fable 5 طريقًا للتصعيد، وليس افتراضيًا لكل مطالبة.

يتوافق ذلك مع درس الحوكمة المستفاد من كتاب قواعد المخاطر لنموذج المؤسسة Claude Fable 5 الخاص بـ Optijara: تساعد القدرة فقط عندما يكون الإصدار والتقييم والاحتياط والضوابط واضحة.

الجدول هو فرضية البداية، وليس الترتيب. يشير العمل طويل الأمد لـ Claude الأصلي إلى Fable 5. يشير العمل الثقيل بأدوات OpenAI إلى Sol. قد يكون العمل المتكرر ذو المخرجات الثقيلة مناسبًا لـ Luna أو Sonnet 5 بشكل أفضل من المسار المتميز.

يتم التعامل مع الأدلة المرجعية بعناية

BrowseComp هو معيار للتصفح الوكيل تم تقديمه في ورقة arXiv. وهو يركز على مهام البحث عن المعلومات الصعبة التي يمكن أن تتطلب تصفحًا واستدلالًا متعدد الخطوات، مما يجعله مناسبًا لوكلاء البحث، والعناية الواجبة، وتحليل المشتريات، ومراجعة الوثائق الفنية، وسير عمل جمع الأدلة.

يقوم OSWorld-Verified بتقييم وكلاء استخدام الكمبيوتر. يصفه إصداره بأنه نسخة نظيفة وأكثر موثوقية من OSWorld، تم تصميمه لمعالجة مشكلات التحقق في تقييم أتمتة سطح المكتب. غالبًا ما يفشل الوكلاء بطرق مملة: أهداف النقر الخاطئة، أو افتراضات واجهة المستخدم التي لا معنى لها، أو خطوات التأكيد الفائتة، أو السرد الذي يبدو مكتملًا عندما لا تكون المهمة مكتملة.

يشير إعلان Anthropic's Sonnet 5 إلى BrowseComp وOSWorld-Verified عند مناقشة منحنيات أداء التكلفة عبر مستويات الجهد. توفر وثائق OpenAI نظرة هيكلية لـ GPT-5.6: السياق الطويل، والحد الأقصى للمخرجات، ودعم الأدوات، وضوابط الجهد.

قاعدة الاختبار بسيطة. قارن بين النماذج ضمن نفس ميزانية الجهد وإعداد الاسترجاع وأذونات الأداة وقاعدة تقييم فشل النجاح. لا ينبغي مقارنة تشغيل Claude عالي الجهد مع الوصول إلى المتصفح مع تشغيل نص OpenAI منخفض الجهد فقط. هذا لا يخبرك بأي شيء تقريبًا.

يمكن أن تقترح لوحات المتصدرين العامة ما يجب اختباره أولاً. لا ينبغي لهم أن يقرروا توجيه الإنتاج. يوضح دليل تقييمات Optijara Arena AI نفس النقطة: التصنيفات هي مدخلات، وليست أدلة تشغيلية.

إطار عمل Optijara ROUTE لاختيار النموذج

يجب أن يكون اختيار النموذج قرارًا توجيهيًا. يقوم إطار عمل Optijara ROUTE بتحويل ذلك إلى خمسة فحوصات: المخاطر، وتكلفة المخرجات، واستخدام الأدوات، وعمق المهام، وأدلة التقييم.

يساعد ROUTE على تجنب العادة المكلفة: إرسال كل مهمة إلى النموذج الأقوى لأنه يشعر بمزيد من الأمان. عادةً ما تأتي السلامة من التوجيه الأكثر إحكامًا والأدوات الأضيق والسجلات الأفضل والاختبارات وقواعد التصعيد.

أنماط التوجيه الموصى بها

استخدم GPT-5.6 Sol عندما يكون عمق التفكير وأدوات OpenAI مهمة. اختبره فيما يتعلق بالترميز المعقد، ومراجعة البنية، وتوليف الأحداث، وتحليل السياسات، ومساعدي الطيارين ذوي المخاطر العالية، وسير العمل الذي يعتمد على بحث الويب OpenAI، أو البحث عن الملفات، أو استدعاء الوظائف، أو استخدام الكمبيوتر. مشاهدة حجم الإخراج. يصبح التفكير المتميز مكلفًا عندما يقوم الوكلاء بإعادة المحاولة أو تكرار استخدام الأدوات.

استخدم GPT-5.6 Terra كمرشح إنتاج OpenAI الافتراضي. يعد Terra طريقًا أوليًا جيدًا لمساعدي المعرفة، والأتمتة الداخلية، ودعم الترميز متوسط ​​التعقيد، وصياغة المقترحات، والتحليل المنظم، وفرز الدعم، وسير العمل المعزز بالاسترجاع. إذا أزال تيرا الحاجز، احتفظ بـ Sol للتصعيد.

استخدم GPT-5.6 Luna للحجم الحساس للتكلفة. تشمل المرشحين الجيدين الاستخراج والتصنيف وتلخيص التمرير الأول ووضع العلامات والتطبيع وإنشاء المسودة ومراجعة السجل والتحويلات الداخلية منخفضة المخاطر. لا تحكم على لونا من خلال السعر الرمزي وحده. إذا تسبب في المزيد من عمليات إعادة المحاولة أو قام بإنشاء ملخصات تضلل الخطوات اللاحقة، فقد يكلف ذلك المزيد في سير العمل الكامل.

استخدم Claude Sonnet 5 للتشفير الفعال وكفاءة استخدام الأدوات. يجب اختبار Sonnet 5 لوكلاء الترميز، ووكلاء البحث المعتمدين على المتصفح، وسير العمل بمساعدة المحطة الطرفية، والعمل المعرفي، وتنفيذ المهام المستقلة حيث تكون المتابعة مهمة. تعد مناقشة BrowseComp وOSWorld-Verified ذات صلة بشكل خاص عندما يشبه عملك البحث الوكيل أو التشغيل الآلي لاستخدام الكمبيوتر.

استخدم Claude Fable 5 عندما يكون عبء العمل ذا قيمة كافية للدفع مقابل المسار المميز. يتضمن ذلك الوكلاء الذين يعملون لفترة طويلة، والأبحاث المعقدة، والتحديث العميق للتعليمات البرمجية، والتوليف عالي السياق، والتخطيط متعدد الخطوات، والأتمتة الأصلية لـ Claude حيث يفتقد Sonnet 5 عتبة القبول. قم بشرائه فقط عندما يظهر المكسب في تقييماتك.

قائمة مرجعية للتقييم العملي

يتضمن التقييم المفيد المهام الروتينية، وحالات الحافة، وحالات الخصومة، والحالات باهظة الثمن. يُظهر هذا المزيج الإنتاجية والحكم والتحكم في السلامة وتكلفة الاستخدام الحقيقية.

كفاءة الرمز المميز والتسعير

سعر الرمز ليس سوى جزء واحد من اقتصاديات النموذج. يمكن أن يكلف النموذج الأرخص تكلفة أكبر إذا كان يحتاج إلى إعادة المحاولة، أو يكتب إجابات أطول، أو يفشل في استدعاءات الأداة، أو ينشئ عملية تنظيف بشرية. يمكن أن يكلف النموذج الأعلى سعرًا أقل عندما ينتهي في تمريرة واحدة.

تتبع رموز الإدخال، ورموز الإخراج، وإعدادات الجهد، واستدعاءات الأدوات، ووقت الاستجابة، وإعادة المحاولة، والتحريرات البشرية، ومعدل القبول النهائي. المقياس الرئيسي هو التكلفة لكل مهمة مقبولة.

الضمانات والضوابط التشغيلية

تعمل النماذج القادرة على استخدام الأدوات على توسيع ما يمكن للفرق تشغيله تلقائيًا. كما أنها ترفع نطاق الانفجار عندما تكون الأذونات فضفاضة.

يجب أن يتضمن الحد الأدنى من عناصر التحكم أذونات الأدوات المحددة النطاق، والافتراضيات للقراءة فقط، وبوابات الموافقة على الكتابة الخارجية، وجلسات المتصفح المعزولة، والمحطات الطرفية المعزولة، وتنقيح الأسرار، واختبارات الحقن الفوري، والتحقق من صحة المخرجات، وسجلات التدقيق. إضافة موافقة الإنسان على الإجراءات التي لا رجعة فيها.

تقول Anthropic إن تقييمات السلامة الخاصة بـ Sonnet 5 وجدت معدلًا إجماليًا أقل للسلوكيات غير المرغوب فيها مقارنة بـ Sonnet 4.6 وأن Sonnet 5 أكثر أمانًا بشكل عام في السياقات الوكيلة. سياق مفيد، ولكنه ليس بديلاً عن اختباراتك الخاصة.

يحتاج دعم أدوات OpenAI عبر GPT-5.6 أيضًا إلى تصميم دقيق. يجب أن يكون استدعاء الوظائف واستخدام الكمبيوتر مقيدًا بالمخططات والأذونات وخطوات التأكيد. يجب أن يؤدي البحث عن الملفات والبحث على الويب إلى ظهور الأدلة، وليس فقط النص بطلاقة.

المحاذير والقيود

تعتمد هذه المقارنة على وثائق البائعين العامة وسياق المعايير العامة. ولا تطالب بنتائج معيارية خاصة، أو نتائج عميل Optijara غير المنشورة، أو عائد استثمار مضمون. استخدم أحدث المستندات المباشرة والاختبارات الخاصة بك لاتخاذ قرارات الإنتاج.الأدلة المعيارية تحتاج إلى سياق. يقوم BrowseComp بتقييم مهام التصفح والبحث عن المعلومات الصعبة. يقوم OSWorld-Verified بتقييم وكلاء استخدام الكمبيوتر. إنها وكلاء مفيدون للسلوك الوكيل، ولكنها لا تغطي كل سير عمل المؤسسة، أو اللغة، أو حدود الامتثال، أو نمط التفكير الخاص بالمجال.

التسعير يحتاج أيضا إلى السياق. لا تشمل أسعار الرموز العامة التنسيق أو الاسترجاع أو التسجيل أو وقت المراجعة أو التخزين المؤقت الفوري أو خصومات الدفعات أو اختلافات النظام الأساسي السحابي أو حدود الأسعار أو عمليات التشغيل الفاشلة.

خطة قياس لبدء الإنتاج

قم بتشغيل نفس الحالات عبر Luna وTerra وSol وSonnet 5 وFable 5 حيثما كان ذلك مناسبًا. معرف نموذج السجل، ومستوى الجهد، وأذونات الأداة، والإصدار الفوري، ومجموعة مصادر الاسترجاع، ومخطط الإخراج، ونتائج المراجع.

ملخص التوجيه المقروء آليًا

{
  "default_route": "gpt-5.6-terra_or_claude-sonnet-5",
  "low_cost_route": "gpt-5.6-luna",
  "openai_premium_route": "gpt-5.6-sol",
  "claude_premium_route": "claude-fable-5",
  "evaluate_on": ["quality", "latency", "cost_per_accepted_task", "tool_success_rate", "evidence_accuracy", "safety_incident_rate"],
  "escalate_when": ["low confidence", "failed tool completion", "high consequence decision", "ambiguous requirements", "failed automated test", "human reviewer flags output"],
  "block_when": ["missing source evidence", "unsafe tool request", "private data boundary violation", "irreversible action without approval"]
}

التوصية النهائية

لا تتويج فائز واحد. بناء نظام موجه.

GPT-5.6 Sol هو نموذج OpenAI لاختبار التفكير المعقد والترميز والعمل المهني عالي المخاطر. GPT-5.6 Terra هو خط الأساس العملي لـ OpenAI. GPT-5.6 Luna هو المرشح للتحكم في التكلفة للمهام كبيرة الحجم. يعد Claude Sonnet 5 منافسًا جادًا للتشفير الوكيل واستخدام الأدوات والعمل المعرفي. Claude Fable 5 هو طريق Claude المتميز للعملاء ذوي الخبرة الطويلة.

الخيار الأفضل هو المسار الذي يجتاز التقييمات التمثيلية، ويبقى داخل مظروف التكلفة، ويحترم حدود السلامة، ويفشل بطريقة يمكن للفريق اكتشافها والتعافي منها. هذه ليست علامة تجارية. إنها عمليات.