Claude Haiku 5.5: فهم نتيجة OSWorld ضمن سياقها
أعلنت Anthropic عن Claude Haiku 5.5 في 7 أكتوبر 2026، وذكرت معرّف واجهة API claude-haiku-5-5. وتصفه الشركة بأنه موجه، ضمن استخدامات أخرى، إلى المهام المتكررة ذات الحجم الكبير والحساسة للتكلفة. يلخص هذا المقال صفاً واحداً من جدول الشركة ويقترح طريقة للتقييم. لم يشغّل ConverteArq النموذج.
الإعلان ونطاقه
تصف Anthropic نموذج Haiku 5.5 بأنه نموذج صغير للمهام المتكررة والحساسة للتكلفة، وتذكر معرّف API. هذا وصف الشركة المنتجة لموقع المنتج، وليس تقييماً مستقلاً بحد ذاته.
نتيجة واحدة مع شروطها
اخترنا OSWorld 2.1 ضمن المجموعة الفرعية غير المتصلة، كما تظهر في جدول إعلان 7 أكتوبر 2026. القيم الثلاث أدناه من منشور Anthropic نفسه. يساعد ذلك على عدم خلط إصدارات الاختبار، لكنه لا يحول إعلان الشركة إلى تحقق مستقل. يقيس OSWorld قدرة الوكلاء على إنجاز مهام طويلة متعددة الخطوات على حاسوب حقيقي.
اختبر مهمة من عملك
اقتراحنا هو البدء بعشرة طلبات افتراضية محددة، مثل تصنيف نص أو العثور على تاريخ مذكور صراحة أو سرد الحقول الناقصة. اكتب الإجابة المتوقعة قبل استخدام الخدمة، وكرر بعض الطلبات لملاحظة التغير. سلاسة الصياغة ليست دليلاً على صحة الإجابة.
متى تفكر في تغيير النموذج؟
انظر إلى قائمة العمل باعتبارها قرارات تختلف كلفة الخطأ فيها. يمكن تعديل عنوان مسودة؛ أما حقل يطلق عملية فيحتاج معياراً أشد. حدد أولاً ما ينبغي فعله عند عدم اليقين، مثل إحالة الحالات الملتبسة للمراجعة بدلاً من فرض تصنيف. هذه طريقة يقترحها ConverteArq وليست ميزة إضافية أعلنتها Anthropic.
معيار أداء ضمن سياقه
OSWorld · 2.1 — المجموعة الفرعية غير المتصلة (offline subset)
معدل النجاح المُعلن (%)
| النموذج | النتيجة المُعلنة |
|---|---|
| Claude Haiku 5.5 | 72.4% |
| Claude Haiku 4.5 | 15.7% |
| GPT-6 Luna | 48.9% |
Anthropic، إعلان 7 أكتوبر 2026. نتائج أبلغت عنها الشركة المنتجة؛ وليست اختبارات مستقلة أجراها ConverteArq.
لا تخلط هذه المجموعة الفرعية مع OSWorld كاملاً أو إصدار آخر من الاختبار. التقرير والمنهجية متاحان في المصدر. المصدر الذي تمت مراجعته.
المصدر الذي تمت مراجعته
تمت مراجعة الإعلان الرسمي في 12 أكتوبر 2026. تظل أرقام المعيار منسوبة إلى Anthropic، ولا تُعرض على أنها قياسات مستقلة.
الأسئلة الشائعة
ما المقصود بالمجموعة الفرعية غير المتصلة؟
هو النطاق الذي يذكره جدول Anthropic لاختبار OSWorld 2.1. لا تخلطه بالاختبار الكامل.
هل تحقق ConverteArq من هذه النتائج؟
لا. ننسبها إلى إعلان Anthropic، ولم يشغّل ConverteArq النموذج.
كيف أقيّم النموذج لاستخدامي؟
جهز أمثلة قريبة من المهمة الحقيقية وإجابات متوقعة، وسجل الأخطاء ووقت المراجعة، ثم قارن الإعدادات ضمن الشروط نفسها.
تعليق ConverteArq
قد تكمن الفرصة في تقليل الجهد للمهام المحددة بدقة. لتقييم ذلك، احسب التكلفة لكل نتيجة مقبولة مع احتساب المراجعة. إذا أجاب نموذجان عن مئة طلب لكل منهما، لكن احتاج أحدهما إلى تصحيح عشرين إجابة والآخر إلى خمس، فلن يصف سعر الرمز وحده الجهد الكامل. هذا لا يتنبأ بجودة النموذج في حالتك؛ لكنه يساعد على تصميم اختبار مناسب.
كما نتجنب استخدام الرسم كترتيب عام بين العلامات. فقد تختلف التكلفة وإمكانية الوصول والإعدادات. يعتمد القرار العملي على ما تريد إنجازه باللغة العربية والأخطاء التي تستطيع اكتشافها. الفائدة الحقيقية هي إنجاز العمل بجهد أقل ونتيجة قابلة للتحقق، لا مجرد عمود أعلى.