لماذا نشعر أن الـ AI يتحرك أسرع من قدرتنا على متابعته؟
يصدر نموذج جديد، وقبل أن تنتهي الفرق من اختباره جيداً يكون نموذج آخر قد ظهر.
يتغير المتصدر في الـ Benchmarks، يتحسن الـ Coding، تصبح الـ Agents أكثر قدرة، تكبر الـ Context Windows، وتنخفض الأسعار. والقدرات التي كانت تُعد Frontier قبل أشهر قليلة تبدأ بالظهور في Models أصغر وأسرع.
بحلول 2026، لم تعد متابعة إصدارات الـ AI تشبه متابعة تحديثات منتج واحد؛ بل أصبحت أقرب إلى متابعة سوق يتغير شكله باستمرار.
لكن هناك فرقاً مهماً بين الإحساس بالتسارع وبين قياسه فعلاً.
هل تطلق OpenAI وAnthropic قدرات مؤثرة بوتيرة أسرع مما كان يحدث في 2023؟ هل تقل فعلاً المدة بين الإصدارات المهمة؟ وكم تستمر أي Frontier Capability كميزة متقدمة قبل أن تصبح أرخص أو أسرع أو متاحة على نطاق أوسع؟
تدفّق إصدارات الـ AI
Timeline لأهم إصدارات الـ Models والـ Agents والقدرات من OpenAI وAnthropic بين 2023 وسبتمبر 2026.
استكشف الخط الزمني
اضغط على أي نقطة لترى تفاصيل الإصدار، وعدد الأيام التي مرت منذ آخر إصدار مُدرج للشركة نفسها.
قواعد الإدراج: إصدارات Models رئيسية، upgrades مؤثرة، إطلاقات Agents أو Computer Use، Coding Agents، ونماذج أصغر غيّرت بوضوح العلاقة بين التكلفة والقدرة. استبعدت تحديثات المنتجات الروتينية وأي تغيير في السعر وحده.
دورة الإصدارات تتقلص
أصبح الـ Timeline أكثر ازدحاماً بمرور الوقت، لكن عدد الإصدارات وحده لا يكفي لإثبات أن الوتيرة تتسارع. لذلك حسبت الـ Median لعدد الأيام بين الإصدارات المؤثرة داخل الـ dataset. النتيجة: انخفض الفاصل من 66.5 يوماً في 2023 إلى 15 يوماً في 2026 حتى تاريخ قطع البيانات، أي أن دورة الإصدارات تقلصت بنحو 77%.
لكن النمط ليس واحداً لدى الشركتين. OpenAI تسارعت بوضوح حتى 2025، ثم ارتفع الـ Median لديها في 2026، بينما واصلت Anthropic تقليص الفترات بين الإصدارات المُدرجة.
في الـ dataset المجمعة، انخفض الـ Median للفاصل بين الإصدارات من 66.5 يوماً في 2023 إلى 15 يوماً في 2026 حتى تاريخ قطع البيانات.
الحسابات تشمل فقط الإصدارات التي تنطبق عليها قواعد الإدراج الموضحة في البحث. وبيانات 2026 تتوقف عند 24 سبتمبر، لذلك فهي YTD وليست سنة كاملة.
التسارع لا يحدث في خط مستقيم
انخفاض الـ Median يوضح أن دورة الإصدارات أصبحت أقصر، لكنه لا يعني أن التسارع ثابت من شهر إلى آخر. عند النظر إلى Rolling 90-Day Window تظهر الصورة بشكل أوضح: الإصدارات تأتي في موجات مكثفة، وبينها فترات أهدأ.
عند أعلى كثافة في الـ dataset، ظهر 7 إصدارات مؤثرة من OpenAI وAnthropic داخل نافذة واحدة مدتها 90 يوماً. وتكرر هذا المستوى مرتين، في Windows انتهت في أبريل ومايو 2025؛ أي ما يعادل تقريباً إصداراً مؤثراً كل 13 يوماً.
التسارع يحدث على شكل موجات، وليس بمنحنى ثابت. وفي البيانات المجمعة وصل الـ Peak إلى 7 إصدارات مُدرجة داخل Rolling 90-Day Window أكثر من مرة خلال أبريل ومايو 2025.
عند الـ Peak، ظهر 7 إصدارات مُدرجة خلال 90 يوماً؛ أي ما يعادل تقريباً إصداراً مؤثراً كل 12.9 يوماً.
الـ Rolling Density يحسب كل إصدار ينطبق عليه إطار الدراسة ووقع خلال الـ 90 يوماً السابقة. لذلك تعكس الـ Peaks فترات تركزت فيها الإصدارات المؤثرة، لا إجمالي كل ما أعلنته الشركتان.
كثرة الإصدارات لا تعني بالضرورة تقدماً أكبر
من السهل عدّ كل إعلان جديد، لكن ذلك قد يعطي صورة مضللة. OpenAI وAnthropic تنشران باستمرار Product Updates وتغييرات أسعار وIntegrations وModel Refreshes وResearch Previews. ولو تعاملنا مع كل هذه الإعلانات على أنها متساوية في الأهمية، سنبالغ في تقدير سرعة التقدم.
لذلك استخدمت Inclusion Framework أكثر صرامة. لا يدخل الإصدار إلى الـ dataset إلا إذا أحدث تغييراً واضحاً في قدرات الـ Model، أو الـ Agentic Behavior، أو أداء الـ Coding، أو الـ Multimodality، أو العلاقة بين التكلفة والقدرة.
متى أعتبر الإصدار مؤثراً فعلاً؟
تشمل الـ dataset خمسة أنواع من الإصدارات، وتستبعد تحديثات المنتجات الروتينية والـ Integrations والتغييرات التي تقتصر على السعر.
Frontier model جديد أو جيل رئيسي جديد
عائلة أو جيل جديد يحدث تغييراً واضحاً في الـ Reasoning أو المعرفة أو الـ Multimodality أو الأداء العام.
أمثلة: GPT-4، Claude 3، GPT-5قفزة واضحة داخل عائلة نماذج موجودة
أدرج الـ Upgrade عندما يغيّر بوضوح الأداء أو الـ Context أو الـ Reasoning أو القيمة العملية.
أمثلة: GPT-4 Turbo، Claude Opus 4.1أنظمة تنتقل من الإجابة إلى التنفيذ
أدرج Browser Agents وComputer Use والبحث المستقل عندما توسّع فعلياً نطاق المهام التي يستطيع النظام تنفيذها.
أمثلة: Operator، Deep Research، Computer Useقفزة كبيرة في Software Engineering capability
أدرج Coding Models والـ Agents عندما تمثل نقلة واضحة في قدرة النظام على تنفيذ العمل الهندسي بشكل مستقل.
أمثلة: Codex، Claude Codeعندما تصبح Frontier Capabilities السابقة أرخص أو أسرع
أدرج الـ Models الأصغر عندما تنقل قدرات كانت حكراً على فئة أعلى إلى Tier أرخص أو أسرع بشكل واضح.
أمثلة: GPT-4o mini، Claude Haiku 4.5الهدف ليس عدّ كل مرة تعلن فيها الشركات عن شيء جديد، بل قياس عدد المرات التي يتحرك فيها الـ Frontier فعلاً.
OpenAI وAnthropic تتسارعان بطريقتين مختلفتين
توضح البيانات المجمعة أن دورة الإصدارات أصبحت أسرع، لكن الشركتين لا تتحركان بالإيقاع نفسه. تسارع OpenAI ظهر في موجات كثيفة حول الـ Reasoning والـ Agents وأنظمة الـ Coding، بينما قلصت Anthropic الفترات بين إصداراتها بوتيرة أكثر انتظاماً عبر أجيال Claude المتتالية.
وهذا الفرق مهم لأن Release Velocity لا تعني فقط عدد الإصدارات؛ بل تكشف أيضاً أين تركز كل شركة: Frontier Models جديدة، أنظمة أكثر استقلالية، Coding Workflows، أو نقل قدرات قوية إلى Tiers أرخص.
تسارع عبر موجات مركزة من القدرات
أصبح نمط OpenAI أكثر كثافة، خصوصاً حول Reasoning Models وResearch Agents وأنظمة الـ Coding؛ لذلك ظهر التسارع في موجات واضحة بدلاً من مسار منتظم.
تقلص أكثر انتظاماً بين أجيال Models
أما Anthropic، فتظهر بياناتها تقليصاً أكثر استمرارية للفترات بين الإصدارات، خصوصاً مع تطور Sonnet وOpus وانتقال Frontier Capabilities إلى Tiers أرخص.
OpenAI أقرب إلى موجات تسارع مركزة، بينما Anthropic أكثر تدرجاً في تقليص الفترات. لكن النتيجة في الحالتين واحدة: وقت أقل بين التحولات المؤثرة في القدرات.
السباق لم يعد سباق Models فقط
في 2023 كانت أكبر إعلانات الـ AI مرتبطة غالباً بإطلاق Model جديد. بحلول 2025 و2026 تغيّر مركز الثقل: Reasoning وTool Use وCoding Agents وComputer Use والـ Long-Running Work أصبحت كلها إصدارات مهمة بحد ذاتها.
وهذا يغيّر معنى «التقدم في الـ AI». اسم الـ Model لم يعد وحدة القياس الوحيدة؛ فالقدرات المحيطة به — ما الذي يستطيع أن يراه ويستخدمه وينفذه وينجزه بشكل مستقل — أصبحت بنفس الأهمية.
وحدة قياس التقدم نفسها تتغير.
اضغط على كل مرحلة لترى كيف انتقلت دورة الإصدارات من إطلاق Models جديدة إلى بناء Systems أقدر على تنفيذ العمل.
في البداية، كان أسهل شكل لفهم التقدم هو ظهور Model جديد.
وكان السؤال بسيطاً: ما الذي يستطيع الـ Model الجديد فعله ولا يستطيع الجيل السابق فعله؟
سباق الـ AI ينتقل من إجابات أفضل إلى مساحة أكبر من العمل الذي يستطيع النظام إنجازه.
الـ Half-Life لميزة الـ Frontier
توضح لنا Release Velocity عدد المرات التي يتحرك فيها الـ Frontier. لكن هناك سؤالاً قد يكون أهم: كم تستمر القدرة الجديدة كميزة عند الـ Frontier قبل أن تصبح شيئاً عادياً؟
وتشير الأمثلة إلى أن هذه المدة أصبحت أقصر. ففي أكتوبر 2025 قالت Anthropic إن Claude Haiku 4.5 يقدم Coding Performance قريباً من Claude Sonnet 4، الذي كان State of the Art قبل خمسة أشهر فقط، بثلث التكلفة وأكثر من ضعف السرعة. وفي فبراير 2026 قالت إن Sonnet 4.6 نقل مستوى Performance كان يحتاج سابقاً إلى Opus-class Model إلى Sonnet Tier الأقل تكلفة. مصدر Haiku 4.5 ↗ · مصدر Sonnet 4.6 ↗
ويظهر الاتجاه نفسه لدى OpenAI من زاوية مختلفة. عند إطلاق GPT-4o mini في يوليو 2024، قدمته كنموذج أصغر وأقل تكلفة مع قدرات قوية في الـ Multimodality والـ Reasoning، وذكرت أن تكلفة الـ Tokens انخفضت 99% مقارنة بـ text-davinci-003، مع تحسن في القدرات.
ما يُعد Frontier اليوم قد يصبح Baseline الغد.
الـ Frontier Capability لا تتحرك إلى الأمام فقط؛ بل تنتقل أيضاً إلى Models أسرع وأرخص وأسهل في التوسع.
أصبح لأي Capability جديدة مقياسان للزمن: كم تستغرق السوق حتى يظهر شيء أفضل منها؟، و وكم تستغرق القدرة نفسها حتى تنخفض تكلفتها وتتحول إلى Commodity؟
ضغط قدرات الـ Frontier
الـ Frontier Capability لا تختفي عندما يظهر Model أقوى؛ غالباً تنتقل إلى أسفل الـ Stack، من Premium Models إلى Tiers أصغر وأسرع وأرخص.
شرحت Anthropic هذا الاتجاه بوضوح مع Claude Haiku 4.5: Coding Capability كانت State of the Art قبل خمسة أشهر فقط أصبحت متاحة بثلث التكلفة وأكثر من ضعف السرعة. ثم كرر Sonnet 4.6 النمط نفسه، بنقل مستوى Performance كان يحتاج سابقاً إلى Opus-class Model إلى Sonnet Tier. Anthropic
وهنا يظهر نوع آخر من المنافسة: الشركات لا تتسابق فقط للوصول إلى الـ Frontier التالي، بل أيضاً لنقل قدرات Frontier الأمس إلى مستويات تكلفة تسمح باستخدامها على نطاق أوسع.
قدرات الـ Frontier تنتقل تدريجياً إلى أسفل الـ Stack.
Model أفضل → Tier أرخص → استخدام أوسع → Frontier جديد
تكلفة الذكاء تنخفض بسرعة لا تقل أهمية عن تحسن قدراته
غالباً ما نصف سباق الـ AI بأنه سباق نحو قدرات أعلى. لكن بالنسبة للـ Builders والشركات، قد يكون المنحنى الأهم هو تكلفة الحصول على «ذكاء مفيد» في منتج حقيقي.
عندما أطلقت OpenAI نموذج GPT-4o mini في يوليو 2024، كان السعر 0.15 دولار لكل مليون Input Tokens و0.60 دولار لكل مليون Output Tokens. كما ذكرت أن تكلفة الـ Tokens انخفضت 99% مقارنة بـ text-davinci-003، مع تحسن في القدرات. مصدر OpenAI ↗
وهذا مهم لأن انخفاض Inference Cost يغيّر ما يمكن تنفيذه اقتصادياً. فالـ Workflow الذي كان يعتمد على Model Call واحدة مرتفعة التكلفة يمكن أن يتحول إلى System يستخدم عدة Parallel Calls وAgents وRetries وVerification وBackground Automation.
الـ Frontier لا يصبح أقوى فقط؛ يصبح أرخص في إعادة إنتاج قدراته أيضاً.
انخفاض Inference Cost يغيّر Architecture منتجات الـ AI. وبدلاً من بناء النظام حول Call واحدة مرتفعة التكلفة، يصبح من الممكن استخدام Parallel Agents وVerification Loops وMulti-step Workflows.
التسارع الـ Agentic
الـ Agents تغيّر معنى Release Velocity نفسه. تحسن الـ Model يرفع جودة الإجابة، أما تحسن الـ Agent فقد يزيد حجم العمل الذي يستطيع النظام إنجازه قبل أن يحتاج إلى تدخل بشري.
تعكس Deep Research وCodex من OpenAI، وClaude Code وComputer Use من Anthropic، هذا الانتقال من إجابات منفصلة إلى Systems تستطيع البحث والتخطيط واستخدام Tools وتنفيذ عمل متعدد الخطوات. Deep Research ↗ · Codex ↗ · Claude Code ↗ · Computer Use ↗
وهذا يقترح طريقة مختلفة لقياس التقدم: ليس فقط بعدد الـ Tokens أو نتائج الـ Benchmarks، بل بطول الـ Workflow المفيد الذي يستطيع الـ AI إكماله بشكل موثوق.
كم من العمل يستطيع الـ AI إنجازه قبل أن يحتاج الإنسان للتدخل من جديد؟
الـ Tokens تقيس حجم المخرجات، والـ Benchmarks تقيس جوانب من القدرة. لكن «العمل المُنجز» قد يصبح المقياس الأهم.
ماذا يعني ذلك للشركات؟
إذا استمرت دورة الإصدارات في التقلص، يصبح اختيار Model واحد وبناء Strategy طويلة المدى حوله مخاطرة أكبر. فالـ Model الذي يبدو متفوقاً اليوم قد يلحق به منافس أو يتجاوزه، أو تتحول ميزته إلى Commodity قبل أن تنتهي الـ Product Roadmap المبنية حوله.
الأكثر استدامة هو أن تبني حول Capabilities وWorkflows، لا حول أسماء Models. اسأل: أي المهام تحتاج Reasoning؟ أين تكون الـ Speed أهم؟ ما الذي يمكن تشغيله على Model أصغر؟ أين نحتاج Tools؟ وأين تظل Human Review ضرورية؟
في سوق يتحرك بهذه السرعة، تصبح الـ Adaptability جزءاً من AI Architecture نفسها.
للاطلاع على تطبيقات عملية لهذا التحول، راجع قسم Insights ، ومعه Tools والـ Frameworks الموجودة في Resources.
ابنِ النظام بحيث تستطيع تبديل الـ Model، لا على افتراض أن الاختيار الحالي سيظل الأفضل.
لا تربط الـ Business Logic بمزود واحد أو بجيل واحد من الـ Models.
استخدم Frontier Models فقط عندما تحقق الزيادة في القدرة قيمة فعلية.
افتراضاتك عن التكلفة والقدرة قد تصبح قديمة خلال بضعة أشهر.
قيّم الـ Systems بنتائج الأعمال، لا باسم الـ Model أو الضجة حول الـ Benchmarks.
ماذا يعني ذلك للـ Builders؟
الـ Moat لم يعد مجرد الوصول إلى أفضل Model
كلما أصبحت Frontier Capabilities أرخص ومتاحة على نطاق أوسع، قلت قيمة مجرد الوصول إلى Model قوي كـ Moat.
الـ Moats الأصعب في التقليد أصبحت في أماكن أخرى: Proprietary Context، Workflow Design، Evaluation Systems، Distribution، ثقة المستخدم، عمق الـ Integrations، والمعرفة التشغيلية التي تجعل الـ Agents أكثر موثوقية.
الـ Model ما زال عنصراً أساسياً، لكن كلما تقاربت القدرات بين الـ Models، زادت أهمية طبقة الـ Product المحيطة به.
ماذا لو استمرت دورة الإصدارات في التقلص؟
هناك بالتأكيد حدود عملية لسرعة تقدم قدرات الـ AI: Training وEvaluation وSafety وInfrastructure وDeployment كلها تفرض قيوداً. لكن استمرار التسارع لا يتطلب إطلاق Model Generation جديدة كل بضعة أسابيع.
يمكن أن تستمر الدورة في التقلص عبر أكثر من طبقة في الوقت نفسه: Frontier Models جديدة، Upgrades لنماذج موجودة، Variants أرخص، Tools جديدة، Agents، Coding Systems وتحسينات في Inference Efficiency.
لذلك قد لا يكون السؤال الأهم في المرحلة القادمة: «متى يصدر الـ Model الجديد؟» بل: «كم Capability Shift مهم يمكن أن يحدث قبل أن يصل الجيل التالي أصلاً؟»
خمس إشارات تدل على أن دورة الإصدارات ما زالت تتقلص:
فترات أقصر بين الإصدارات التي تقدم قفزات حقيقية في القدرات.
Frontier Capabilities تنتقل إلى Models أصغر بسرعة أكبر.
تكلفة أقل لكل وحدة من العمل المفيد.
الـ Agents تنجز Workflows أطول مع تدخل بشري أقل.
تفوق أي Model يستمر لفترة أقصر قبل أن يلحق به المنافسون.
الـ Frontier يتحرك أسرع… ومدة التفوق أصبحت أقصر
أوضح ما تقوله هذه البيانات ليس أن OpenAI وAnthropic تطلقان منتجات أكثر، بل أن التحولات المهمة في القدرات أصبحت أقرب زمنياً، وفي الوقت نفسه تنتقل Frontier Capabilities السابقة إلى Tiers أرخص وأسرع بوتيرة أعلى.
هذا المزيج يغيّر اقتصاديات الـ AI. كلما قصرت دورة الإصدارات، أصبح التفوق عند الـ Frontier أقصر عمراً، وانتقلت مزايا التكلفة إلى السوق بسرعة أكبر، وزاد حجم العمل الذي تستطيع الـ Agents إنجازه. وبالتالي تصبح المدة التي يمكن الاعتماد فيها على ميزة Model واحد أقصر.
دورة إصدارات الـ AI لم تعد مجرد Timeline لنماذج جديدة؛ بل أصبحت أقرب إلى Compression Loop: Capability جديدة تصل إلى الـ Frontier، ثم تنتقل إلى أسفل الـ Stack، وتصبح أقل تكلفة وأسهل في الاستخدام على نطاق واسع، ثم تفتح الباب للموجة التالية من الـ Systems.
الـ Frontier ما زال يتحرك إلى الأمام، لكن التغيير الأهم قد يكون السرعة التي تلحق بها القدرات الأقل تكلفة بما كان يُعد Frontier قبل فترة قصيرة.
المصادر والمنهجية
يعتمد هذا التحليل أساساً على إعلانات الإصدارات الرسمية من OpenAI وAnthropic. وتتوقف الـ dataset عند 24 سبتمبر 2026؛ لذلك لا يدخل أي إصدار بعد هذا التاريخ في الحسابات. كما أن Metrics الخاصة بالفاصل بين الإصدارات والـ Rolling Density مبنية فقط على الأحداث التي تنطبق عليها الـ Inclusion Framework الموضحة في البحث.
- OpenAI — GPT-4o mini: Cost-efficient intelligence
- OpenAI — Introducing Deep Research
- OpenAI — Introducing Codex
- OpenAI — تقديم GPT-5.3-Codex
- OpenAI — تقديم GPT-5.4
- OpenAI — تقديم GPT-5.5
- OpenAI — GPT-5.6
- OpenAI — GPT-6 Astra
- Anthropic — Claude 3.5 Sonnet وComputer Use
- Anthropic — Claude 3.7 Sonnet وClaude Code
- Anthropic — Claude Haiku 4.5
- Anthropic — Claude Sonnet 4.6
- Anthropic — Claude Fable 5 وClaude Mythos 5
- Anthropic — Claude Sonnet 5
- Anthropic — Claude Fable 5.1 وClaude Mythos 5.1
- Anthropic Newsroom — أرشيف الإصدارات، بما في ذلك Claude Opus 5.5