GPT-5.4 Mini and Nano: OpenAI Just Validated the Multi-Model Agent Architecture

أصدرت OpenAI نموذجي GPT-5.4 mini وnano هذا الأسبوع، وهما أحدث الإضافات إلى مجموعة نماذج أصبحت أكثر تدرجاً بشكل مدروس. الأرقام الرئيسية قوية: يسجل GPT-5.4 mini نسبة 54.4% على مقياس SWE-Bench Pro مقارنة بـ 45.7% لنموذج GPT-5 mini، ويعمل أسرع بأكثر من مرتين، ويقترب من أداء نموذج GPT-5.4 الكامل في تقييمات متعددة. بينما يأتي GPT-5.4 nano في مرتبة أدنى منه، وهو مُحسَّن لمهام التصنيف، واستخراج البيانات، والترتيب، ومهام البرمجة البسيطة بسعر 0.20 دولار لكل مليون رمز إدخال (tokens).

المواصفات مهمة، لكن الإشارة الأكثر أهمية هي صياغة حالات الاستخدام التي اختارتها OpenAI. يصف الإعلان صراحةً هذه النماذج بأنها مصممة لأدوار الوكلاء الفرعيين (subagents) في أنظمة الذكاء الاصطناعي الهرمية؛ حيث يقوم نموذج أكبر بالتخطيط والتنسيق، بينما تنفذ النماذج الأصغر المهام بسرعة وبالتوازي. هذا النمط المعماري يحمل تداعيات حقيقية على كيفية تفكير فرق العمل في المؤسسات بشأن بناء وتشغيل الأنظمة متعددة الوكلاء.

فئة الوكلاء الفرعيين أصبحت صريحة الآن

عاملت الإصدارات السابقة للنماذج النماذج الأصغر كنسخ منخفضة التكلفة من النماذج الأكبر؛ نفس حالات الاستخدام، مع قدرة وسعر أقل. لكن تمت صياغة GPT-5.4 mini وnano بشكل مختلف. تصفهما OpenAI بأنهما مُحسَّنان خصيصاً لدور المنفِّذ في الأنظمة متعددة النماذج: سريعة، وموثوقة مع الأدوات، وقادرة بما يكفي للمهام الفرعية محددة بوضوح، ولكنها ليست مركز التفكير والاستدلال في النظام.

يجعل تكامل Codex هذا الأمر ملموساً. يتولى GPT-5.4 التخطيط والقرار النهائي بينما يفوض المهام إلى الوكلاء الفرعيين لـ GPT-5.4 mini الذين يتعاملون مع مهام أضيق بالتوازي؛ مثل البحث في قاعدة الكود، أو مراجعة ملف كبير، أو معالجة المستندات الداعمة. يستهلك GPT-5.4 mini نسبة 30% من حصة GPT-5.4، لذا يصبح تشغيل وكلاء فرعيين متعددين بالتوازي أمراً ممكناً من حيث التكلفة.

صياغة OpenAI للمفهوم: "بدلاً من استخدام نموذج واحد لكل شيء، يمكن للمطورين تكوين أنظمة تقرر فيها النماذج الأكبر ما يجب فعله وتنفذه النماذج الأصغر بسرعة وبنطاق واسع". هذا يقترب كثيراً من طريقة العمل الفعلية التي تحتاجها الأنظمة متعددة الوكلاء الجاهزة للإنتاج.

ماذا تعني أرقام المعايير المرجعية من الناحية العملية

فجوات الأداء ليست موحدة، وهذا أمر يستحق القراءة بعناية.

في مقياس SWE-Bench Pro، يقترب GPT-5.4 mini بنسبة (54.4%) من GPT-5.4 بنسبة (57.7%) ويتفوق بوضوح على GPT-5 mini بنسبة (45.7%). وفي مقياس OSWorld-Verified لاستخدام الكمبيوتر، يطابق mini بنسبة (72.1%) النموذج الكامل تقريباً بنسبة (75.0%). هذه هي الأرقام المهمة لمهام الوكلاء؛ البرمجة، استخدام الأدوات، والاستدلال متعدد الوسائط.

تتسع الفجوات في المهام ذات السياق الطويل. ففي مقياس MRCR v2 مع سياق يتراوح بين 128 ألفاً و256 ألفاً، ينخفض أداء mini إلى 33.6% مقابل 79.3% لـ GPT-5.4. يوضح لك هذا أين لا يكون mini هو الخيار الأنسب: المهام التي تتطلب استدلالاً عميقاً عبر مستندات طويلة جداً. أما بالنسبة للمهام الفرعية الأضيق والمحددة جيداً (دور الوكيل الفرعي)، فإن مظهر الأداء يظل قوياً.

يتنازل GPT-5.4 nano عن المزيد من القدرات مقابل السرعة والتكلفة. بسعر 0.20 دولار لكل مليون رمز إدخال، فإنه مسعر لمهام التصنيف والتوجيه ذات الحجم الكبير. ومع ذلك، فإن نسبته البالغة 52.4% على مقياس SWE-Bench Pro لا تزال تتفوق على ما كان عليه GPT-5 mini، مما يجعله ترقية قوية لمهام البرمجة الفرعية البسيطة حتى مع تسعير nano.

استخدام الأدوات هو القدرة التي لم تقدّر حق قدرها

هناك رقم واحد يستحق الانتباه: استدعاء الأدوات. يسجل GPT-5.4 mini نسبة 93.4% على مقياس τ2-bench مقابل 74.1% لـ GPT-5 mini، ونسبة 57.7% على MCP Atlas مقابل 47.6%. بالنسبة إلى وكلاء الذكاء الاصطناعي في المؤسسات، غالباً ما تكون موثوقية استخدام الأدوات هي القيد الأساسي. فالوكيل الذي يستدل جيداً ولكنه يستدعي الأدوات بشكل خاطئ يتسبب في أخطاء يصعب رصدها ومصادفتها وأصعب في تصحيحها. ومن المرجح أن يكون التحسن في دقة استدعاء الأدوات مع زمن استجابة mini أكثر أهمية من الناحية العملية لمعظم سير العمل الإنتاجي مقارنة بالمعايير المرجعية الرئيسية للبرمجة.

التسعير والتوافر

GPT-5.4 mini: بقيمة 0.75 دولار لكل مليون رمز إدخال، و4.50 دولار لكل مليون رمز إخراج. نافذة سياق تبلغ 400 ألف رمز. متاح اليوم في واجهة برمجة التطبيقات (API)، وCodex، وChatGPT. يدعم إدخال النصوص والصور، واستخدام الأدوات، واستدعاء الوظائف، والبحث في الويب، والبحث في الملفات، واستخدام الكمبيوتر، والمهارات.

GPT-5.4 nano: بقيمة 0.20 دولار لكل مليون رمز إدخال، و1.25 دولار لكل مليون رمز إخراج. متاح عبر واجهة برمجة التطبيقات (API) فقط.

على سبيل المقارنة، يمثل GPT-5.4 mini خفضاً كبيراً في التكلفة مقارنة بتشغيل كل شيء على GPT-5.4، مع الحفاظ على تكافؤ شبه كامل في مهام الوكلاء الأكثر صلة بأتمتة المؤسسات.

ماذا يعني هذا لمعمارية الذكاء الاصطناعي في المؤسسات

النتيجة العملية هي أن الحجة لصالح معماريات الوكلاء المتعددين الهرمية أصبحت أقوى الآن. إن تشغيل منسق عالي القدرة إلى جانب منفذين أسرع وأرخص يحظى الآن بدعم أفضل من قدرات النماذج الأساسية؛ وتم اعتماده صراحةً كنمط تصميمي بواسطة OpenAI. بالنسبة للفرق التي تقوم بتشغيل وكلاء الذكاء الاصطناعي في بيئة الإنتاج، فإن هذا يعزز بعض مبادئ التصميم: حدد نطاق المهام الفرعية بدقة كافية بحيث يمكن للنماذج الأصغر تنفيذها بموثوقية، واحتفظ بالاستدلال المعقد والقرار النهائي لدى المنسق، وصمم واجهات الأدوات لتكون مستقلة عن النموذج حتى تتمكن من توجيه المهام إلى الفئة المناسبة مع تطور القدرات.

إن مشهد النماذج يتحرك بسرعة. ما يفعله GPT-5.4 mini اليوم بتسعير mini كان سيتطلب نموذجاً بالحجم الكامل قبل اثني عشر شهراً. الفرق التي تصمم معماريات وكلائها بناءً على فئات القدرات (بدلاً من نماذج محددة) سيكون لديها مساحة أكبر للاستفادة من هذا المسار الصاعد.