GPT-6 Luna لمهام الـ80% المملة: ما الذي تفوضه إلى بيئة تشغيل رخيصة؟

انظر إلى ما أنتجه فريقك الأسبوع الماضي. جزء صغير منه كان الميزة التي نوقشت في اجتماع الوقوف اليومي. أما معظمه فكان ما يحيط بها: فرز الأخطاء، والتصنيفات، وسجل التغييرات، وتعليقات المرور الأول على أحد عشر طلب سحب، وهياكل الاختبارات لوحدة لا يريد أحد تحمّل مسؤوليتها، وتحديثات التبعيات، وصفحة توثيق تقادمت عندما تغيّر شكل أحد الردود. حجم كبير، ومجد ضئيل، وحتى هذا الأسبوع كان يكلّف نفس السعر لكل رمز مثل العمل المثير، لأنه كان يعمل على نفس بيئة التشغيل.

أطلقت OpenAI نموذج GPT-6 Luna في 22 سبتمبر بسعر 0.10 دولار لكل مليون رمز إدخال و0.50 دولار لكل مليون رمز إخراج، بمعرّف API هو gpt-6-luna، ونافذة سياق تبلغ مليون رمز. هذه هي الفئة التي تنتمي إليها نسبة الـ80 بالمئة المملة. والسؤال المفيد ليس ما إذا كان Luna جيدًا، بل أي المهام تنتقل إلى هناك، وأيها يجب ألا ينتقل، وكيف تكتب مهمة يمكن لبيئة تشغيل رخيصة إنجازها.

باختصار

وجّه العمل إلى الفئة الرخيصة بناءً على قابلية التحقق، لا على الصعوبة. إذا كان يمكن التحقق من النتيجة دون إعادة تنفيذها، وكانت الإجابة الخاطئة تكلّف المراجع دقيقة لا فترة بعد الظهر، فهي تنتمي إلى Luna. أبقِ الأحكام التقديرية، وأي شيء تعتمد عليه الأتمتة في لوحة المهام، وأي شيء لن يتحقق منه أحد على بيئة التشغيل المكلفة. اكتب معايير قبول يمكن للآلة تقييمها، وأبقِ الجهد متواضعًا للمهام القصيرة، ودع كل نتيجة تعود إلى المهمة حيث يقبلها شخص ما.

ما هو سعر Luna، وما الذي يُقارَن به

المقارنات المنشورة من OpenAI حول Luna هي تكلفة لكل مهمة وليست مراكز في لوحات الصدارة، وهو الإطار الصحيح لهذا العمل.

هناك تحفّظان يرافقان تلك الأرقام. تصف OpenAI كلاً من Sol وLuna بأنهما أرخص بنسبة 50% من تسعير GPT-5.6 الترويجي. وكلمة "ترويجي" هي كلمة OpenAI وهي مهمة: فخط الأساس هو خصم، وليس السعر المعلن. وبالمقارنة مع السعر المعلن لـ GPT-5.6 Luna الذي وثّقته تغطيتنا الخاصة عند الإطلاق، وهو دولار واحد لكل مليون رمز إدخال و6 دولارات لكل مليون رمز إخراج، فإن الانخفاض إلى 0.10 و0.50 دولار أقرب إلى 90% في الإدخال و92% في الإخراج. الانخفاض الحقيقي أكبر من العنوان الرئيسي، والعنوان الرئيسي نفسه مقيس مقابل عرض تخفيض.

وكل مقارنة مع Anthropic في ذلك الجدول هي مقابل Claude Opus 5. فقد استبدلت Anthropic نموذج Opus 5 بـ Opus 5.5 في اليوم نفسه الذي نشرت فيه OpenAI، بسعر 4 دولارات لكل مليون رمز إدخال و20 دولارًا لكل مليون رمز إخراج مقابل 5 و25 دولارًا لـ Opus 5. اقرأ تلك الهوامش على أنها مقيسة مقابل الجيل السابق، لأنها كانت كذلك. ونحن لا ندّعي تفوق أحدهما على الآخر بين الرائدين الحاليين، ولم ينشر أي من المزوّدين تلك المقارنة المباشرة.

وتضع Artificial Analysis، وهي طرف ثالث وليست أيًا من المزوّدين، نموذج Luna عند 37 في مؤشر الذكاء الخاص بها مقابل 58 لـ Opus 5.5. وLuna ليس نموذجًا متقدّمًا في الطليعة ولا يُباع على هذا الأساس. إنه عامل كفء بسعر خدمة مرافقة، وهذا هو بيت القصيد.

الخاصية التي تحدد ما الذي ينتقل

تصنّف الفرق عمل الوكلاء حسب الصعوبة. وهذا هو المحور الخاطئ: فالصعوبة خاصية للمشكلة، بينما تعرّضك للخطر خاصية لحلقة المراجعة. صنّف حسب قابلية التحقق بدلًا من ذلك.

ينتمي العمل إلى الفئة الرخيصة عندما يتحقق الشرطان معًا. يمكن التحقق من النتيجة دون إعادة تنفيذها، عبر اختبار أو فرق أو قاعدة تدقيق أو عشر ثوانٍ من القراءة. وتكلّف النتيجة الخاطئة المراجع دقيقة، لا فترة بعد الظهر، لأن نطاق التأثير محدود بتصنيف واحد أو تعليق واحد أو ملف واحد.

هذا الزوج هو السبب في أن هياكل الاختبارات مؤهّلة بينما المراجعة الأمنية ليست كذلك، رغم أن كليهما توليد نصوص على المستودع نفسه. فالاختبار المولَّد إما يعمل أو لا يعمل، وتعرف ذلك في الدقيقة نفسها. أما ثغرة تصريح مفقودة في تعليق مراجعة فتبدو تمامًا كتعليق نظيف.

ما الذي تسلّمه

الشكل الجامع: كل منها يعيد مخرجًا يقيّمه شخص آخر في ثوانٍ، بناءً على دليل أرفقه الوكيل. ولا شيء منها هو الكلمة الأخيرة في أي أمر، وهو الاختبار الذي تطبّقه عند توسيع القائمة إلى أي شيء يتناوله فريقك لاحقًا.

ما الذي يجب ألا تسلّمه

يجدر ذكر ثلاثة خطوط فاصلة، لأن الفئة الرخيصة تغري بهذه الأخطاء.

المرور الأول ليس مراجعة. فالوكيل الذي ينشر ملاحظات على فرق يولّد مادة قراءة. وهو ليس موافقة، وفي اللحظة التي يتعامل فيها فريق مع مرور أول نظيف كإشارة إلى أن التغيير آمن، يكون قد رقّى الفئة الرخيصة إلى قرار القبول. كن دقيقًا بشأن ما يمكن لوكيل المراجعة التحقق منه وما لا يمكنه، وسمّ التعليق بأنه مرور أول في التعليق نفسه.

التصنيف الذي تعتمد عليه الأتمتة في اللوحة هو قرار، لا ملاحظة. إذا كان نقل مهمة إلى حالة معينة يطلق تشغيلًا، أو كانت الأولوية تحدّد ما يتناوله الفريق لاحقًا، فإن وكيل التصنيف يحدّد الاتجاه. إما أن تُبقي الأتمتة بعيدًا عن تلك الحقول، أو تُبقي التصنيف على الفئة التي تثق بها في تحديد الاتجاه.

العمل الذي لن يتحقق منه أحد لا يصبح أرخص، بل يصبح غير مرئي. فالإجابة الخاطئة الرخيصة تكون رخيصة فقط عندما يلاحظها أحد. وإذا كانت المهمة بلا قارئ، فالحل هو حذف المهمة، لا بيئة تشغيل أرخص.

إذن، زوج القرار. استخدم Luna عندما يكون العمل كبير الحجم ومحدودًا ويمكن التحقق منه بشيء غير الثقة. واستخدم Sol أو Opus 5.5 عندما تحتاج المهمة إلى الاحتفاظ بالسياق على مدى ساعات، أو تعبر عدة وحدات، أو يكون إيقافها في منتصفها أكثر تكلفة من الرموز نفسها. وإذا كنت تشغّل وكيلًا واحدًا على مستودع واحد، فلا تقسّم الفئات إطلاقًا: اختر بيئة التشغيل التي تناسب أصعب أعمالك.

كتابة مهمة يمكن لبيئة تشغيل رخيصة إنجازها

الوكيل في Sharkly هو إعداد عمل محفوظ وليس توجيهًا لمرة واحدة. فأوامره وبيئة التشغيل والمهارات والمستودعات والبيئة وإعدادات التشغيل تصوغ طريقة تعامله مع العمل، لذا فإن الوحدة الصحيحة هي وكيل واحد لكل نوع من المهام المملة، لا وكيل واحد ذكي يقوم بكل المهام السبع. ويمكن للفريق أن يحتفظ بوكلاء منفصلين لتغييرات الكود والمراجعة والاختبار والتوثيق أو الفرز التشغيلي دون إعادة كتابة الأوامر لكل مهمة.

تحتاج بيئة التشغيل الرخيصة إلى نطاق ضيّق وخط نهاية آلي:

SH-312  Triage: 9 unassigned bug reports from this week
Assignee: Triage Agent (Codex Runtime, gpt-6-luna)

For each report, return on the Task:
  - one-sentence restatement of the observed behavior
  - the suspected component, with the file or module that led you there
  - whether you could reproduce it locally, and the exact command you ran
  - a priority suggestion with one reason

Do not change files. Do not close or merge anything.
Finish with any question that must be answered before implementation.

ثلاثة أمور في تلك المهمة تقوم بالعمل. النطاق هو مرور واحد على تسعة عناصر، لذا فإن الفشل رخيص التخلّص منه. وكل ادّعاء يحمل دليله، لذا فإن التحقق هو قراءة وليس إعادة تحقيق. والسطران الأخيران يضعان الحد: هذا الوكيل يُبلّغ، ولا يتصرّف.

هناك إعداد واحد يجدر حسمه عن قصد. فانتكاسات Luna المنشورة تقع عند جهد الاستدلال العالي والأقصى، والجهد قرار تكلفة وزمن استجابة وليس مقبض جودة تتركه في أعلى مستوى. وقاست Artificial Analysis، وهي مرة أخرى طرف ثالث، النسخة ذات الاستدلال الأقصى عند 153.9 رمز إخراج في الثانية لـ Luna مع نحو 124 ثانية حتى الرمز الأول. [VERIFY] ومهما كان الرقم الحالي، فإن الشكل يبقى: عند الجهد الأقصى ليست النماذج الرخيصة هي سريعة البدء. فمهمة تصنيف تفكّر دقيقتين تبدو معلّقة على لوحة المهام. شغّل المهام القصيرة بجهد متواضع، واحفظ الإعدادات العالية للمهام التي تستحقها.

ملاحظتان عن الوصول، لأن هذه الفئة هي نقطة انطلاق الفرق. يعمل Luna في Codex وChatGPT Work لخطط Plus وPro وBusiness وEnterprise وEdu، وتحصل حسابات Free وGo عليه في تطبيق سطح المكتب. وهو ليس في Chat بعد. وفي Sharkly يُضبط النموذج في إعدادات أداة Runtime أو Computer، وليس على الوكيل أبدًا، ولن تعرض لك Sharkly اسم النموذج مرة أخرى.

الجزء الذي لا يصلحه خفض السعر

تسعة ملخصات فرز بأسعار Luna تكلّف ما يقارب لا شيء. ومع ذلك تنتج تسعة أشياء يجب على شخص قراءتها. والفريق الذي ينقل كل ما يحيط بعمله إلى فئة رخيصة لم يقلّل القرارات المنتظرة لإنسان، بل جعل توليدها أرخص فحسب، وهذا ليس الشيء نفسه كأن يكون قبولها أرخص. ولهذا السبب يبقى طابور المراجعة هو السقف مهما فعل سعر الرموز.

ما يمكنك تغييره هو مدى وضوح ذلك الطابور. أبقِ الهدف والتشغيل والدليل والعوائق والمراجعة البشرية على المهمة من الطلب حتى الإصدار، بحيث يكون تعليق المرور الأول مرورًا أول بشكل واضح، ويحمل ملخص الفرز الأمر الذي أنشأه، وتكون العناصر المنتظرة منك فعلًا قابلة للفصل عن العناصر التي هي مجرد تشويش. الوكلاء يبحثون وينفّذون ويختبرون ويبلّغون. والناس يحدّدون الاتجاه ويمنحون الصلاحية ويقبلون النتيجة.

إذا كنت تشغّل عدة وكلاء وعلى وشك أن تتضاعف أعداد الرخيصة منها، تمنحك Sharkly مكانًا واحدًا لتعيين مهامهم، ورؤية ما أنتجه كل تشغيل، وتحديد ما الذي يُطلَق. اربط جهاز Computer واحدًا، وأنشئ وكيلًا لأكثر مهامك مللًا، وكلّفه بمهمة حقيقية واحدة.