البرمجة — ذكاء اصطناعي يكتب شيفرة إنتاجية

الملك الجديد للبرمجة الوكيلية. نموذج Anthropic من فئة Mythos لا يتصدّر المعايير فحسب — بل يعيد كتابتها. SWE-Bench Pro 80.3% يسحق الميدان. FrontierCode Diamond 29.3% يفوق GPT-5.5 بخمس مرات. Stripe هاجرت 50 مليون سطر من Ruby في يوم. كفوء بالرموز، أصلي بالرؤية، ومبني لنوع العمل الهندسي طويل الأفق الذي يفصل الأدوات عن زملاء الفريق.

SWE-Bench Pro 80.3% (SOTA — يتقدم على GPT-5.5 بـ 21.7 نقطة). FrontierCode Diamond 29.3% (5× أكثر من GPT-5.5 بنتيجة 5.7%، 2× أكثر من Opus 4.8 بنتيجة 13.4%). CursorBench SOTA. Senior Engineer Benchmark 91/100 (مقابل 62/100 لـ GPT-5.5). ترحيل قاعدة أكواد من 50 مليون سطر في يوم واحد. إتمام ألعاب بالرؤية فقط. تكامل مع Claude Code. سياق مليون رمز.

تسعير متميز بواقع $10/$50 لكل مليون رمز (2× مقارنة بـ Opus 4.8). حواجز أمان متحفظة تُحوّل أقل من 5% من الجلسات إلى Opus 4.8 (مواضيع الأمن السيبراني والبيولوجيا). المعايير المستقلة لا تزال تظهر. حدود استخدام أثناء الطلب المرتفع على خطط Pro/Max. أفضل تجربة عبر Claude Code أو بيئات التطوير المتوافقة.

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.

المعيار الذهبي الجديد لهندسة البرمجيات الوكيلية — أسرع، وأكثر صدقاً، وأفضل بشكل كبير في البقاء على المسار خلال المهام المعقدة طويلة الأمد. SWE-Bench Pro 69.2% لا يتفوق فقط على كل نموذج آخر — بل يتفوق على سلفه بما يقارب 5 نقاط. Dynamic Workflows تطلق مئات الوكلاء المتوازيين. ونظام تحقق ذاتي أقل احتمالاً بـ 4 مرات لتمرير كود معيب. ليست ترقية تدريجية — إنه النموذج الذي كان يجب أن يكونه Opus 4.7.

SWE-Bench Pro 69.2% (SOTA الجديد — يتفوق على GPT-5.5 بنسبة 58.6% وعلى Opus 4.7 بنسبة 64.3% بفارق هائل). CursorBench الأقوى عبر جميع مستويات الجهد. 100% end-to-end على معيار Super-Agent (النموذج الوحيد). Dynamic Workflows لمهام قواعد الأكواد الكبيرة. نفس أسعار Opus 4.7 ($5/$25). متاح في كل مكان: Claude.ai، API، Bedrock، Vertex، GitHub Copilot.

لا يزال بأسعار متميزة ($5/$25 لكل مليون رمز — مثل 4.7، لكن الإخراج أرخص من $30 لـ GPT-5.5). مسارات التفكير الأطول في المشاكل الصعبة تزيد زمن الاستجابة واستهلاك الرموز. المرمّز قد يضخّم التكاليف 15–35% على الاستعلامات الثقيلة بالكود. حواجز الأمان تبقى صارمة. GPT-5.5 لا يزال يتصدر Terminal-Bench (78.2% مقابل 74.6%). أفضل تجربة في Claude Code أو بيئات التطوير المتوافقة.

نموذج Zhipu AI مفتوح الأوزان احتل المركز الأول في Design Arena — أول نموذج مفتوح يتصدر تلك القائمة. SWE-bench Pro 62.1%، Terminal-Bench 82.7، FrontierSWE 74.4% (1% فقط خلف Opus 4.8). AkitaOnRails قفز من 46/100 إلى 87/100 — أكبر تحسن ضمن عائلة واحدة في تاريخ المعيار. ترخيص MIT، سياق مليون رمز، ومستويان للتفكير.

Design Arena المركز 1 (Elo 1360 — تفوق على Claude Fable 5)، AkitaOnRails 87/100 Tier A (+41 نقطة)، SWE-bench Pro 62.1% (يتفوق على GPT-5.5 و Qwen 3.7 Max)، Terminal-Bench 82.7 (Claude Code — يتفوق على Opus 4.8)، FrontierSWE 74.4%. أعلى نموذج مفتوح المصدر تصنيفاً. ترخيص MIT بلا قيود.

متأخر عن القادة المغلقين في معايير العمق — Opus 4.8 يتصدر SWE-bench Pro (69.2 مقابل 62.1) و NL2Repo (69.7 مقابل 48.9). بنية 744B MoE تتطلب أجهزة قوية. لا رؤية أصلية. lmarena عام: موقع متوسط-عالي.