استخدم وكلاء الكود لديّ Claude Fable 5 وعائلة OpenAI المكوّنة من GPT-5.4 وGPT-5.5 وGPT-5.6 في عمل حقيقي طوال عام 2026: مواقع ويب، وتطبيقات iOS، وتجارة إلكترونية، وأنظمة CRM، وأدوات موسيقية، وأنظمة SEO، وسير عمل الوكلاء الخاصة بي. عندما جمعت سجلات الجلسات المحلية المتبقية على جهاز Mac الخاص بي، بلغ الرقم 21.54 مليار توكن.
هذا الرقم خيالي. وهو أيضًا يحتاج إلى سياق.
معظم هذا الرقم ليس 21.5 مليار كلمة جديدة كُتبت لأجلي. جلسات الوكلاء الطويلة ترسل قواعد أكواد كبيرة وتعليمات عبر السياق عدة مرات. جزء كبير منها يُقرأ من الذاكرة المؤقتة (cache). عدد التوكنات يوضح بشكل أساسي مقدار السياق الذي عملت خلاله وكلاء الكود لديّ.
استنتاجي بعد هذه الفترة لا يزال واضحًا: لقد ارتقينا بمستوانا. يمكن للنماذج الآن الحفاظ على تماسك المهام الأطول، واستخدام الأدوات، وإصلاح الأخطاء بمستوى كان يبدو بعيدًا قبل عام. ومع ذلك، فإن النموذج نفسه لا يزال هو الجزء الأقل إثارة للاهتمام في نظام موثوق.
ما يقوله 21.5 مليار توكن عن وكلاء الكود
قمت بحساب استخدام OpenAI من كل قيمة `last_token_usage` في سجلات Codex المحفوظة. وحسبت استخدام Fable من رسائل المساعد الفريدة في سجلات Claude، باستخدام المدخلات العادية، وإنشاء الذاكرة المؤقتة، وقراءتها، والمخرجات. النتيجة هي قياس للنشاط المحلي — وليس فاتورة من OpenAI أو Anthropic.
| النموذج | توكنات النشاط المسجّلة | أحداث الاستخدام الفريدة / ردود النموذج |
|---|---|---|
| --- | ---: | ---: |
| GPT-5.5 | 12.96 مليار | 95,930 |
| GPT-5.6 Sol وTerra وLuna | 1.88 مليار | 12,370 |
| GPT-5.4 بما في ذلك Mini | 3.43 مليار | 26,624 |
| Claude Fable 5 | 3.27 مليار | 16,878 |
| الإجمالي | 21.54 مليار | 151,802 |
باستخدام طريقة الحد الأقصى (high-water method)، شكّل GPT-5.4 حوالي 3.21 مليار توكن مدخلات مخبأة، وGPT-5.5 حوالي 12.30 مليار، وعائلة GPT-5.6 حوالي 1.82 مليار. احتوت سجلات Fable على حوالي 3.05 مليار قراءة من الذاكرة المؤقتة و181 مليون توكن لإنشاء الذاكرة المؤقتة.
لهذا السبب فإن مقارنة الإجمالي بكمية النص التي يمكن للإنسان قراءتها أمر مضلل. عمل الوكيل يعيد استخدام سياقات كبيرة. السؤال ذو الصلة هو هل قام النظام بالشيء الصحيح بها.
قاعدة الكود وراء الاستخدام: 59 مشروعًا على GitHub
في وقت القياس، كان لدى حسابي على GitHub 59 مستودعًا: 50 خاصة و9 عامة. تتوزع تقريبًا كالتالي:
في مستودعات GitHub الـ 26 التي كان لديها نسخة محلية (checkout) بنفس الاسم تمامًا، وجدت 6.90 مليون سطر مصدر متتبّع بعد تصفية ملفات البائعين والبناء والذاكرة المؤقتة والملفات المصغّرة (minified). يهيمن على هذا الرقم ثلاث منصات PHP قديمة وكبيرة. إذا أزلتها، يتبقى حوالي 357,000 سطر في السطح الأكثر حداثة والمبني ذاتيًا بشكل أكبر، والذي يتضمن TypeScript وPython وSwift وShell وAstro.
هذه ليست محاولة للفوز بمنافسة عدد أسطر الكود. مليون سطر سيئ لا يزال دينًا تقنيًا. تُظهر الإحصائيات اتساع البيئة التي اختُبرت فيها النماذج: الجوال، والخلفية (backend)، والواجهة الأمامية (frontend)، والأتمتة، والمحتوى، والعمليات، ومنطق الأعمال.
Fable 5 وGPT-5.6 أفضل — بطرق مختلفة
تصف Anthropic نموذج Fable 5 بأنه نموذجها لمشاريع الكود الكبيرة، والترحيل (migrations)، وجلسات العمل الذاتي الطويلة. وتصف OpenAI نموذج GPT-5.4 بأنه دمج بين البرمجة المتقدمة، والعمل المعرفي، واستخدام الحاسوب. دفعت عائلة GPT-5.6 التركيز أبعد نحو عمل الوكلاء طويل الأمد.
هذا يتطابق جيدًا مع تجربتي. غالبًا ما يكون Fable أفضل في فهم شكل المشكلة الصعبة قبل البدء في تغيير الكود. بينما من المرجح أن يمسك GPT-5.6 Sol بالمشكلة، ويستخدم الأدوات، ويقود العمل قدمًا.
يظهر النقاش على منصة X نفس الانقسام:
هذا النقد عادل. يمكن لنموذج أفضل أن يخلق يوم عمل أسوأ إذا كان التوجيه (routing)، أو التسعير، أو حدود السياق، أو سياسة الأمان صعبة الفهم.
النموذج هو المحرك، وليس السيارة
يمكن لنموذج لغوي أن يستدل حول الكود. لكن وكيل الكود يجب أيضًا أن يعمل داخل نظام حقيقي.
يبدو مكدسي العملي كالتالي:
كل جزء يحل مشكلة مختلفة. المهارة بدون أدوات هي مجرد توثيق. الأداة بدون سياسة هي خطر. الذاكرة بدون تحكم في المصدر تصبح فولكلورًا قديمًا. البناء بدون فحوصات مباشرة يمكن أن يترك الإنتاج معطلاً.
تعتبر سير عمل مطوري MCP: طبقة التحكم الحقيقية→ مهمة بشكل خاص لأنها تنقل التكامل بعيدًا عن المطالبات المخصصة (custom prompts) إلى عقد يمكن لعملاء متعددين فهمه. يمكن لـ MCP الخاص بصفحتي الشخصية، على سبيل المثال، إجراء بحث، وإنشاء مسودة، وتوليد صور، وتحليل SEO، والنشر. لا يزال نفس الوكيل بحاجة إلى معرفة متى يتوقف عند مسودة غير منشورة.
القفزة الكبيرة هي سلاسل عمل أطول
في اختباري السابق لـ GPT-5.5 في Codex→، رأيت نفس التحول. قبل عام، كانت جلسة البرمجة الجيدة غالبًا: اسأل، احصل على كتلة كود، انسخها، واختبرها بنفسك. الآن يمكن للوكيل قراءة قواعد المشروع، والعثور على المستودع الصحيح، وفحص مسار (route)، وتغيير الكود، والبناء، وحل تعارض، والدفع (push)، والتحقّق من الإنتاج.
هذا تحول نوعي.
في الوقت نفسه، رأيت نماذج:
الخطوة الأخيرة لا تزال هي الأغلى: إثبات أن النتيجة موجودة في المكان الصحيح وتعمل لمستخدم حقيقي.
ما لا يزال ينقصنا
توجيه تلقائي أفضل للنماذج
لا أريد اختيار أسماء النماذج ومستويات الاستدلال لكل مهمة فرعية. يجب على النظام إرسال مراجعة البنية المعمارية إلى النموذج الأفضل في رؤية الصورة الكاملة، والتغييرات الميكانيكية إلى نموذج أسرع، والتحقّق النهائي إلى مدقّق منفصل.
ذاكرة عمل محمولة
لا يزال السياق عالقًا داخل عميل معين، أو نموذج، أو ملف جلسة. تقلل المهارات وMCP من الألم، لكن يجب أن يتمكن الوكيل من تبديل النماذج دون فقدان طريقة العمل المثبتة للمشروع.
التحقّق كميزة من الدرجة الأولى
معظم وكلاء العروض التجريبية يكافئون إنتاج الكود. أريد قياس نسبة المهام التي تنتهي بحالة خارجية صحيحة ومُتحقّق منها: مسار مباشر، أو صف في قاعدة البيانات، أو تطبيق مثبت، أو رسالة مرسلة، أو بناء معتمد.
تكلفة أوضح
التوكنات المخزنة أرخص ويتم الإبلاغ عنها أحيانًا بشكل مختلف، لكن المستخدم غالبًا ما يرى فقط شريطًا يختفي بسرعة. يجب أن يتمكن الوكيل من القول: استخدمت هذه المهمة X توكن مدخلات جديدة، وY قراءة من الذاكرة المؤقتة، وZ توكن مخرجات، وأنشأت النتيجة المُتحقّق منها التالية.
توصيتي: ابنِ النظام قبل المطالبة الفائقة (super-prompt)
ابدأ بمهمة ضيقة يمكن التحقّق منها. امنح الوكيل مجموعة صغيرة من الأدوات، واكتب مهارة لسير العمل، وعرّف ما يُعتبر مكتملاً. ثم أضف الذاكرة والمزيد من الأدوات عندما ترى حاجة متكررة.
وكيل الكود المفيد لا يحتاج إلى وصول حر لكل شيء. إنه يحتاج إلى الوصول الصحيح، والترتيب الصحيح، وقاعدة للإيقاف.
أنا الآن أستخدم نماذج Fable وOpenAI أقل مثل العرّافين وأكثر مثل المكونات. يمكن لـ Fable مراجعة تصميم صعب. يمكن تقسيم GPT-5.6 Sol وTerra وLuna→ حسب ملف تعريف العمل، ويمكن لـ GPT-5.6 قيادة تدفق أدوات طويل. يمكن لنموذج أصغر الترجمة أو التصنيف. يربطهم MCP بالأنظمة الحقيقية. تمنح المهارات Codex طريقة عمل قابلة لإعادة الاستخدام→. يقرر Git والاختبارات ما إذا كانت النتيجة يمكن أن تتقدم.
بعد 21.54 مليار توكن، التحسن الأكبر ليس أن النماذج تكتب كودًا أجمل. يمكنها البقاء في العمل لفترة أطول. مهمتنا هي بناء حواجز حماية، وذاكرة، وتحقّق تجعل ذلك الوقت ذا قيمة.