Claude Opus 5.5 مقابل GPT-6 Sol: اختيار بيئة التشغيل الافتراضية لفريقك

سطر واحد في ملف إعدادات واحد يحدد أين تذهب معظم رموز فريقك هذا الربع. في 2026-09-22 تغيّر المرشحان لهذا السطر في الوقت نفسه: أصدرت Anthropic نموذج Claude Opus 5.5، وأصدرت OpenAI نموذجي GPT-6 Sol وGPT-6 Luna. إذا كنت تشغّل عدة وكلاء برمجة بالتوازي، فالسؤال ليس أي نموذج أذكى، بل أي نموذج يستخدمه وكلاؤك افتراضيًا، وما الذي يفعله ذلك بطابور العمل المنتظر أن يقبله شخص.

هناك مأخذ في الأدلة يستحق أن تعرفه قبل أن تقرأ أيًا من منشوري الإطلاق. اختبرت OpenAI نموذج Sol مقابل Claude Opus 5، وليس Opus 5.5. لم يكن Opus 5.5 موجودًا حين كتب ذلك المنشور، وأُصدر بعد ساعات بسعر 4 دولارات لكل مليون رمز إدخال مقابل 5 دولارات لـ Opus 5. لذلك فإن كل عبارة من قبيل «يتفوق على Opus 5 بجزء من التكلفة» في منشور OpenAI مقاسة مقابل نموذج استُبدل في اليوم نفسه. هذا لا يجعل الأرقام خاطئة، لكنه يجعلها آخر الأرقام المنشورة لا الأرقام الحالية.

الخلاصة السريعة

بيئة التشغيل الافتراضية هي النموذج الذي يستخدمه وكلاؤك عندما لا يختار أحد غير ذلك، وهو ما يحدث في معظم عمليات التشغيل عمليًا. اخترها وفق ثلاثة محاور: التكلفة لكل مهمة مكتملة، والمدة التي تصمد فيها المهمة قبل أن تحتاجك، وما تفعله حين تتعثر. وفق الأرقام المنشورة يكون Sol أرخص لكل مهمة مكتملة، لكن المقارنة المنشورة الوحيدة هي مقابل Opus 5، في حين أن Opus 5.5 هو الذي يظل على مهمة طويلة دون توقف. لم يُشغّل أحد النموذجين مقابل الآخر على بيئة اختبار مشتركة، لذا تعامل مع منشوري الإطلاق كادعاءات من المُصدِّرين واحسم الأمر على مستودعك الخاص.

ما نشرته كل جهة فعليًا

تذكر Anthropic أن تشغيل Opus 5.5 يكلّف أقل بنسبة 40% من Opus 5، وأنه ينتج مخرجات أسرع بنحو 30%، ويظل على المهمة لمدة 18 ساعة أو أكثر. الحد الأقصى للمخرجات هو 128k رمز، وثمة وضع سريع بسعر منفصل قدره $8 / $40.

تذكر OpenAI أن Sol وLuna أرخص بنسبة 50% لكل منهما من تسعير GPT-5.6 الترويجي. كلمة «ترويجي» من OpenAI نفسها وهي مهمة: فالمقارنة مع سعر مخفّض، وليست مع السعر المعلن لـ GPT-5.6. وتقول OpenAI أيضًا إن GPT-6 Astra «لا يزال أفضل نموذج لدينا في جميع المجالات»، وهو تذكير مفيد بأن Sol هو الفئة الاقتصادية من عائلته، لا الرائد فيها.

المحور الأول: التكلفة لكل مهمة مكتملة، لا لكل مليون رمز

سعر الرموز مجرد مؤشر بديل للرقم الذي تدفعه فعليًا. نموذج بنصف السعر يحتاج ثلاث محاولات يكلّف أكثر من نموذج ينجزها في تشغيل واحد. تنشر OpenAI التكلفة لكل مهمة إلى جانب الدرجة، وهو نهج مباشر بشكل غير معتاد.

الصف الأول هو ما يستشهد به الناس. يحصل Sol عند الاستدلال العالي جدًا على درجة أعلى من Claude Opus 5 عند أقصى استدلال مقابل نحو 9% من تكلفة Opus 5 لكل مهمة. اضرب $0.27 في 11.1 لتحصل على تكلفة Opus 5 عند الحد الأقصى قرب $3 لكل مهمة على تلك البيئة، وهو حسابنا من رقمي OpenAI لا رقم طبعته OpenAI.

الآن طبّق المأخذ. تقول Anthropic إن تشغيل Opus 5.5 يكلّف أقل بـ 40% من Opus 5، لذا فإن رقم $3 قديم. وهو لا ينخفض بالضرورة بنفس نسبة 40%، لأن التكلفة لكل مهمة تتحرك مع عدد الرموز التي يستهلكها النموذج للوصول، لا مع السعر المعلن وحده. كانت الفجوة المنشورة كبيرة، وتحرك أحد طرفيها في اليوم نفسه بمقدار معلن، ولم يُعد أحد إجراء المقارنة. إذا أردت ذلك الرقم لقاعدة شيفرتك، فـ أجرِ المقارنة على مستودعك الخاص بدل انتظار مختبر يجريها لك.

وللتوضيح: تذكر OpenAI أن وسيط باحثيها ينفق أكثر من 600 دولار يوميًا على وكلاء البرمجة، وأن الشريحة المئوية التسعين تنفق 7,000 دولار يوميًا. التكلفة لكل مهمة تكف عن كونها مجرد مفهوم نظري بسرعة.

المحور الثاني: كم تصمد المهمة

أجابت الجهتان عن المشكلة نفسها من موقعين مختلفين.

أجابت Anthropic عنها في النموذج. يظل Opus 5.5 على المهمة لمدة 18 ساعة أو أكثر. عملية تشغيل تتجاوز يوم عملك تغيّر الإشراف: تكف عن مراقبتها وتبدأ بالرجوع إليها، وهذا لا ينجح إلا إذا أبلغت العملية عن نفسها في مكان ليس طرفية أغلقتها.

أجابت OpenAI عنها في الذاكرة المخزّنة مؤقتًا. يمنح GPT-6 خصمًا بنسبة 90% على قراءات الإدخال المخزّنة، ويرفع معدلات الإصابة افتراضيًا، والأهم لعمل الوكلاء: لم يعد يفسد الذاكرة المخزّنة عند تغيير جهد الاستدلال أو مجموعة الأدوات المتاحة. تتيح لك نقاط التوقف الصريحة اختيار مكان انتهاء بادئة مخزّنة. تذكر GitHub أن أكثر من 50% أقل من رموز التوجيه تحتاج معالجة جديدة عبر مليارات الطلبات. عملية تشغيل وكيل طويلة هي في معظمها السياق نفسه يُقرأ مرات عديدة، لذا هذا إصلاح لتكلفة المدة لا للمدة ذاتها.

استخدم Opus 5.5 كافتراضي عندما تكون مهمتك المعتادة ترحيلًا أو إعادة هيكلة واسعة أو أي شيء تكلّف التوقف في منتصفه أكثر من الرموز. استخدم Sol كافتراضي عندما تكون مهمتك المعتادة محدودة، وتتكرر مرات عديدة يوميًا، وإعادة المحاولة فيها رخيصة. معظم الفرق لديها النوعان، ولهذا يهم الافتراضي أقل من أن تكون متعمّدًا بشأن الاستثناءات.

المحور الثالث: ما تفعله حين تتعثر

هذا المحور بلا معيار قياس، وهو الذي يولّد إشعارات الدعم.

قاست Artificial Analysis، وهي طرف ثالث لا أحد المُصدِّرين، متغيرات الاستدلال «القصوى» عند 115.2 رمز إخراج في الثانية لـ Sol مع 102.15 ثانية حتى الرمز الأول، و153.9 رمز في الثانية لـ Luna مع 124.23 ثانية. تلك إعدادات بأقصى جهد، وينبغي أن تتأكد منها مقابل الإدراج الحالي قبل الرهان عليها. الشكل هو ما يهم: عند جهد استدلال عالٍ، النماذج الرخيصة ليست النماذج سريعة البدء.

الوكيل الذي يفكر لمدة 102 ثانية والوكيل الذي تجمّد يبدوان متطابقين في الطرفية. وكذلك الذي أنهى قبل 40 دقيقة والذي توقف ليسأل سؤالًا لم يره أحد. لا إصدار نموذج يعالج ذلك. لكن حالة تعود إلى المهمة تفعل: قيد التقدم، بانتظار إنسان، فشل، جاهز للإصدار، مع السجل والسؤال مرفقين. يبحث الوكلاء وينفذون ويختبرون ويقدمون تقارير. أما البشر فيحددون الاتجاه ويمنحون الصلاحية ويقبلون النتيجة.

امنح كيفية إبلاغ كل بيئة تشغيل عن التقدم والفشل الوزن نفسه الذي تمنحه لجدول المعايير. ستقرأ الحالة مئة مرة أسبوعيًا وتقرأ المعيار مرة واحدة.

لا تضع جدولي المعايير جنبًا إلى جنب

نشرت الجهتان رقم AutomationBench هذا الأسبوع. ذكرت OpenAI أن Sol عند الاستدلال العالي جدًا سجّل 33.2% على AutomationBench 1.0.6. وذكرت Anthropic أن Opus 5.5 سجّل 40.0% على AutomationBench. وذكر كلاهما OSWorld 2.0، بنسبة 60.5% و81.8% على التوالي، ورقم OpenAI على مجموعة دون اتصال.

تلك ليست مواجهة مباشرة. إعدادات استدلال مختلفة، ونسخة معيار مختلفة على الأقل، وبيئات اختبار مختلفة، ولا رقم مشترك للتكلفة لكل مهمة، وكل منها أجراه الطرف المستفيد. المنشورات التي تقارن Opus 5.5 بـ GPT-6 Astra على أرقام محددة هي تغريدات، لا بيانات جهات. تنشر Artificial Analysis مؤشرًا مشتركًا واحدًا، يضع Opus 5.5 عند 58 وفي المرتبة الأولى من 212 نموذجًا، وSol عند 48، وLuna عند 37، وذلك تجميع من طرف ثالث لا قياس لقاعدة شيفرتك.

القرار الذي يبقى بعد الإطلاق التالي

اكتب الافتراضي. لا كتفضيل يحمله أحد، بل كقاعدة مرتبطة بالوكيل: هذا الوكيل يشغّل بيئة التشغيل هذه، وهذه المهام تذهب إليها، وهذا هو الوكيل الأرخص الذي يتولى المهام الروتينية. شيء من هذا القبيل، محفوظ حيث يقرأه الفريق:

Default Runtime: Claude Code on claude-opus-5-5
  Tasks: migrations, wide refactors, anything that fails badly halfway
Second Runtime: Codex on gpt-6-sol
  Tasks: bounded, repeated many times a day, cheap to retry
Escalation: a Sol Task that fails twice returns to the Task for a person,
  it does not silently re-run on the expensive Runtime

هذا ما يحوّل أي نموذج لأي مهمة إلى إنتاجية، وهو يبقى بعد الإطلاق التالي، لأنك حين تتغير الإجابة تعدّل قاعدة واحدة بدل سؤال ستة أشخاص عما كانوا يستخدمونه. أصدر مختبران أقوى فئاتهما الاقتصادية في يوم واحد، وأجرى أحدهما اختبارًا مقابل نموذج انتهى صلاحيته بعد ساعات. بيئة تشغيل افتراضية يمكنك تغييرها في مكان واحد تستحق أكثر من الاختيار الصحيح هذا الأسبوع.

الشيء الذي لم يغيّره أي من الإطلاقين هو الطابور. انخفضت التكلفة لكل مهمة مكتملة بقوة على الجانبين، لذا صارت ميزانية ثابتة تشتري الآن أعمال وكلاء منجزة أكثر بعدة أضعاف مما كانت عليه الأسبوع الماضي. لكنها تشتري صفرًا من ساعات المراجعين الإضافية. قدرة المراجعة هي السقف، وتخفيض السعر يدفع الحجم نحوها بدل أن يخفف عنها. أبقِ الهدف، وعملية التشغيل، والعوائق، والفروقات، والمراجعة البشرية ظاهرة في مكان واحد من الطلب إلى الإصدار، وحينها تصبح بيئة التشغيل الافتراضية إعدادًا لا رهانًا.

Sharkly لا تشغّل النموذج ولا تختاره لك. إنها طبقة المهمة والجهاز والسياق والمراجعة المشتركة حول الأدوات التي تفعل ذلك. إذا أردت الاستمرار في استخدام عدة وكلاء برمجة بدل الالتزام بمنظومة واحدة، فذلك هو المشكلة المصمَّمة من أجلها. اربط جهازًا واحدًا، وأنشئ وكيلًا على كل بيئة تشغيل، وأعطهم المهمة المملة نفسها.