الذكاء الاصطناعي

هل تستحق مخطوطة GPT-5.3 الخاصة بـ OpenAI كل هذا الضجيج؟

يمثل GPT-5.3-Codex جيلًا جديدًا من نموذج Codex المصمم للتعامل مع العمل الحقيقي الشامل. بدلاً من التركيز فقط على كتابة التعليمات البرمجية، فهو يجمع بين القدرة القوية على البرمجة والتخطيط والتفكير والتنفيذ. يعمل النموذج بشكل أسرع من الإصدارات السابقة ويتعامل مع المهام الطويلة والمتعددة الخطوات التي تتضمن الأدوات والقرارات بشكل أكثر فعالية.

بدلاً من تقديم إجابات معزولة، يتصرف GPT-5.3-Codex كوكيل عامل. ويمكنه البقاء في المهمة لفترات طويلة، وتعديل نهجه في منتصف الطريق، والاستجابة للملاحظات دون فقدان السياق.

معايير الدستور الغذائي 5.3

تضع OpenAI’s GPT-5.3 Codex معايير أداء جديدة بشأن الترميز الحقيقي ومعايير الوكلاء، متفوقة على النماذج السابقة في اختبارات مثل SWE-Bench Pro وTerminal-Bench 2.0 بدقة أكبر. كما يُظهر أيضًا مكاسب كبيرة في تقييمات OSWorld وGDVval، التي تقيس استخدام الكمبيوتر وعمل المعرفة المهنية، بينما يعمل بشكل أسرع بنسبة 25% تقريبًا من GPT-5.2 Codex. يمثل هذا خطوة مهمة نحو الذكاء الاصطناعي الذي يمكنه التعامل مع مهام تطوير أطول ومتعددة الخطوات وسير عمل البرامج الأوسع.

الميزات الرئيسية

إليك ما يجعل OpenAI Codex مثيرًا للاهتمام:

بنيت مع المخطوطة، للمخطوطة

أحد الجوانب الأكثر إثارة للاهتمام في GPT-5.3-Codex هو أن الفريق استخدم الإصدارات المبكرة من النموذج أثناء تطويره. اعتمد المهندسون عليه لتصحيح أخطاء عمليات التدريب والتحقيق في حالات الفشل وتحليل نتائج التقييم. وقد ساعد هذا في تسريع عملية التكرار وكشف المشكلات في وقت سابق من العملية.

هذا الاستخدام الذاتي هو إشارة قوية للنضج. لم يختبر فريق OpenAI النموذج وفقًا للمعايير فحسب، بل وثق به أيضًا في سير العمل الداخلي الحقيقي.

من الصورة المعيارية، يمكننا أن نرى أن GPT-5.3-Codex يحافظ على دقة أعلى مع زيادة رموز الإخراج. يؤدي بشكل أفضل في المهام الأطول والأكثر تعقيدًا. يُظهر هذا اتساقًا أقوى مقارنة بالنماذج السابقة.

أطلقت Anthropic أيضًا نموذج البرمجة الجديد الخاص بها مؤخرًا. اكتشف كل شيء عنها في مدونتنا التفصيلية حول Claude Opus 4.6.

ما وراء كتابة التعليمات البرمجية

تم تصميم GPT-5.3-Codex للتعامل مع أكثر من مجرد إنشاء التعليمات البرمجية. يمكن أن يساعد في تصحيح الأخطاء، وإعادة البناء، ومهام النشر، والتوثيق، وتحليل البيانات، وحتى الأعمال غير البرمجية مثل كتابة المواصفات أو إعداد التقارير.

إنه يعمل بشكل أفضل عندما يتم تحديد الأهداف بدلاً من التعليمات التفصيلية. يمكن للنموذج أن يقرر ما يجب فعله بعد ذلك، وتشغيل الأوامر، وفحص المخرجات، والاستمرار حتى تكتمل المهمة.

مصممة للاستخدام الآمن والعملي

لدعم العمل العملي، يعمل GPT-5.3-Codex داخل بيئات خاضعة للرقابة. افتراضيًا، يعمل في وضع الحماية الذي يحد من الوصول إلى الملفات واستخدام الشبكة، مما يقلل من مخاطر التلف العرضي. يتوقف النموذج أيضًا مؤقتًا ويطلب التوضيح قبل تنفيذ إجراءات قد تكون مدمرة.

تسهل هذه الاختيارات إجراء التجارب، خاصة عند العمل على مشاريع حقيقية أو أنظمة غير مألوفة.

العمل معًا مع النموذج

التفاعل مع GPT-5.3-Codex مستمر وليس لمرة واحدة. أثناء عمله، فإنه يشارك التقدم ويشرح القرارات ويتفاعل مع التعليقات. يمكنك مقاطعة المهمة أو إعادة توجيهها أو تحسينها في أي وقت.

وهذا يجعلها تبدو أقل كأداة تعتمد على الأوامر وأكثر شبهاً بالمتعاون الذي تشرف عليه.

كيفية الوصول إلى الدستور الغذائي 5.3؟

والآن بعد أن أصبحت الصورة عالية المستوى واضحة، فقد حان الوقت للانتقال من الوصف إلى العمل.

في القسم التالي، سنجرب عملية Codex. سنبدأ بتنزيله وإعداده، ثم نسير عبر سير عمل بسيط خطوة بخطوة. سيوضح هذا كيف يتصرف GPT-5.3-Codex عمليًا وكيفية العمل معه بفعالية في المهام الحقيقية.

دعونا نرى الخطوات:

1. اسحب رمز Codex إلى مجلد التطبيق الخاص بك

تثبيت GPT-5.3-Codex

2. افتح الدستور الغذائي

الصفحة الرئيسية لـ GPT-5.3-Codex

3. قم بتسجيل الدخول باستخدام ChatGPT

GPT-5.3-تسجيل الدخول إلى Codex

4. بعد تسجيل الدخول، حدد مجلدًا أو مستودع git على جهاز الكمبيوتر الخاص بك حيث سيعمل Codex

GPT-5.3-اختيار مشروع الدستور الغذائي

5. ابدأ مهمتك الأولى

صفحة المهام GPT-5.3-Codex

5. قم باختيار النموذج من هنا والسبب حسب اختيارك.

GPT-5.3-نموذج الدستور الغذائي والمنطق

المهمة 1: تحويل النص إلى مولد مشهد ثلاثي الأبعاد

كانت المهمة الأولى التي عملت عليها مع Codex هي إنشاء منشئ مشهد بسيط لتحويل النص إلى ثلاثي الأبعاد. وكان الهدف الحد الأدنى عمدا. كنت أرغب في اختبار مدى قدرة Codex على قبول فكرة غير محددة وتحويلها إلى مشروع مرئي عملي دون المبالغة في الهندسة.

الموجه الأولي

كانت المطالبة الأولى التي قدمتها إلى Codex واضحة ومباشرة:

قم ببناء مولد مشهد بسيط لتحويل النص إلى ثلاثي الأبعاد.

وكانت المتطلبات واضحة ولكنها محدودة. يجب أن يكون ملف HTML واحدًا، واستخدام Three.js من خلال CDN، وتشغيله مباشرةً في المتصفح بدون أدوات إنشاء. يحتاج المشهد إلى إدخال نص حيث يمكن للمستخدم وصف شيء مثل “3 أشجار ومنزل”، ويجب أن يكون الإخراج مشهدًا أساسيًا ثلاثي الأبعاد باستخدام الأشكال البسيطة والإضاءة والتدوير البطيء. لقد طلبت منه أيضًا أن يبدأ بإصدار عمل بسيط.

كان المقصود من هذه المطالبة اختبار الأساسيات، وليس التحسين.

نسخة العمل الأولى

أنشأ الدستور الغذائي ملف Index.html نظيفًا من البداية. لقد قام بإعداد مشهد Three.js بكاميرا وأضواء ومستوى أرضي وحلقة رسوم متحركة بسيطة. تمت إضافة زر إدخال النص وإرساله. تم تحليل الكلمات الرئيسية الأساسية مثل الشجرة والمنزل والسحابة والشمس وتعيينها إلى أشكال بسيطة. وكان التركيز على الصواب. تم تحميل المشهد، وظهرت الأشياء، وتم تدوير كل شيء بسلاسة. وكانت النتيجة صالحة للاستعمال بالفعل.

التكرارات

لقد كررت خطوة بخطوة. لقد قمت بتحسين عملية التحليل بحيث تعمل عبارات مثل “3 أشجار” بشكل صحيح، مع استخدام كائن واحد بشكل افتراضي. بعد ذلك، قمت بإصلاح تباعد الكائنات لمنع التداخل وأضفت تنظيف المشهد بحيث يقوم كل إرسال بإعادة بناء المشهد بدلاً من تكديس الكائنات. وفي مقطع آخر، ركزت على سهولة القراءة من خلال تبسيط التعليقات وتوضيح البنية للمبتدئين. كان كل تغيير صغيرًا وسريع التنفيذ.

نتيجة

بحلول الإصدار الثالث، تم عرض كائنات متعددة بشكل صحيح، لكن الأمر استغرق وقتًا أطول من المتوقع وكانت النتيجة لا تزال غير قوية جدًا. تم توضيح المشهد وإعادة بنائه عند كل إرسال، لكن السلوك كان غير متسق. في الفيديو، يمكنك أيضًا أن ترى أنه عندما دخلت “المخروط”، لم يتغير شيء في المشهد. تم تشغيل الإخراج النهائي في المتصفح، لكنه أظهر بوضوح أن Codex يمكنه فعل المزيد وأن الحل كان بعيدًا عن إمكاناته الكاملة.

المهمة 2: رحلة الفضاء الرملية

ركزت هذه المهمة على بناء صندوق رمل لرحلات الفضاء في الوقت الحقيقي مع التركيز القوي على الهيكل والأداء. كان الهدف هو إنشاء تجربة سلسة وقابلة للتصديق حيث يمكن للنظام التوسع دون انقطاع.

طريقة اللعب الأساسية

يطير اللاعب بسفينة في الفضاء المفتوح بحركة بالقصور الذاتي. يتحكم إدخال الماوس في درجة الصوت والانعراج، بينما تتعامل لوحة المفاتيح مع الدفع والقصف والتدحرج والعكس. يحيط حقل كويكب كبير باللاعب ويتدفق باستمرار أثناء تحرك السفينة. يمكن للاعب إطلاق أشعة الليزر لتدمير الكويكبات التي تنقسم إلى قطع أصغر عند ضربها.

الأداء والهيكل

تم التعامل مع الأداء باعتباره عائقًا صعبًا. تم عرض الكويكبات باستخدام InstancedMesh وتم إعادة تدويرها للحفاظ على عدد ثابت من المثيلات. اعتمدت عمليات فحص التصادم على شبكة مكانية للحفاظ على فعاليتها. تم تشغيل الفيزياء وفقًا لخطة زمنية محددة، بينما ظل العرض سلسًا ومنفصلاً. لم يتم استخدام أي محركات أو أطر فيزيائية خارجية.

تصميم النظام

اتبع المشروع تصميمًا معياريًا نظيفًا. كان كل نظام رئيسي يعيش في ملفه الخاص، حيث يتعامل main.js مع المشهد والحلقة، ويدير ship.js فيزياء الطيران، ويتعامل asteroids.js مع المثيلات والتدفق، ويدير Arms.js أشعة الليزر والاصطدامات، ويتعامل control.js مع المدخلات. ظل هذا الهيكل دون تغيير طوال فترة التطوير.

ردود الفعل الصوتية

تمت إضافة الصوت لتحسين الوضوح والتأثير. تؤدي طلقات الليزر إلى إطلاق صوت حاد، كما تؤدي ضربات الكويكبات إلى إحداث صوت قوي يشبه الانفجار. يستخدم كل الصوت Three.js Audio ويتم توصيله بالكاميرا ليظل متسقًا مع منظور اللاعب.

نتيجة

صندوق الحماية النهائي قابل للعب بشكل كامل ومستقر، لكن بناءه استغرق وقتًا أطول بكثير من المتوقع. تشعر السفينة بالثقل والاستجابة، وتتدفق الكويكبات إلى ما لا نهاية دون انخفاض الأداء، وتبدو أشعة الليزر قوية ومرئية. ومع ذلك، كان وقت التطوير مرتفعًا بشكل ملحوظ، ربما بسبب نموذج التفكير الذي اخترته. بعد رؤية النتيجة، لم أكن سعيدًا جدًا بها، حيث أن النماذج الأخرى تعمل بشكل أفضل بكثير، أو كان من الممكن جعل هذا أفضل بكثير بشكل عام.

خاتمة

يُظهر GPT-5.3-Codex نقاط قوة واضحة في المهام الطويلة والمعقدة والأداء القياسي. إنه يتصرف كوكيل أكثر من كونه مولد أكواد بسيط. فهو يخطط وينفذ ويتكيف مع مرور الوقت. تشير المعايير إلى اتساق قوي على نطاق واسع. ومع ذلك، كشف العمل العملي عن فجوات. استغرقت بعض المهام وقتًا أطول من المتوقع. ولم تكن النتائج دائما قوية كما كان يمكن أن تكون. ومن الناحية العملية، تباينت سرعة التكرار وجودة المخرجات. على الرغم من أن النموذج قوي وناضج، إلا أن سير العمل لم يكن دائمًا مثاليًا. مع خيارات أفضل أو ضبط أفضل، من المحتمل أن يتم تنفيذ نفس المهام بشكل أسرع وأفضل.

جانفي كوماري

مرحبًا، أنا جانفي، متحمس لعلوم البيانات وأعمل حاليًا في Analytics Vidhya. بدأت رحلتي إلى عالم البيانات بفضول عميق حول كيفية استخلاص رؤى ذات معنى من مجموعات البيانات المعقدة.

قم بتسجيل الدخول لمواصلة القراءة والاستمتاع بالمحتوى الذي ينظمه الخبراء.


Source link

مقالات ذات صلة

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *

زر الذهاب إلى الأعلى