VOL104: OpenAI Launches GPT-5.6 🚀
أعلنت OpenAI عن عائلة GPT-5.6 الجديدة، والمكوّنة من 3 موديلات: Sol و Terra و Luna فالمرحلة الجاية مش هتكون منافسة بين الموديلات وبس.
لا تنسوا أهلنا من صالح الدعاء,اللهم إنّا استودعناك اياهم، اللهم كُن عوناً لهم، اللهم انصرهم واحفظهم. 🇵🇸 🇸🇩
أهلًا وسهلًا بكم في العدد 104 من النشرة الأسبوعية لاقرأ-تِك 🚀
سواء كنت مهندس برمجيات مبتدئ أو محترف، فنشرتنا هتساعدك على مواكبة أحدث تطورات عالم البرمجة بمواضيع جديدة كل أسبوع، هتلاقى كمان محتوى عملي بيشمل أفضل الممارسات، ونصائح مفيدة، وترشيحات لمقالات مختارة من اقرأ-تِك.
🌟 مواضيع النشرة لهذا الأسبوع 🌟
إنطلاق إستبيان مجرة | أول استبيان سنوي يرسم صورة المجتمع التقني 🎉
الـ AI في سطور: OpenAI Launches GPT-5.6 🔥
شروحات رسومية بالورقة والقلم: Prompt Caching Explained 🚀
أدوات وتقنيات ومشاريع عربية: ملتقى إتقان لتقنيات القرآن ✨
إنطلاق استبيان مجرة | أول استبيان سنوي يرسم صورة المجتمع التقني 🎉
بالتعاون مع مجرّة — أول استبيان سنوي يرسم صورة المجتمع التقني 🎉
أخر 3 سنين المجتمع العربي في مجال البرمجيات عامل شغل رائع وبيتطور وبينمو بسرعة كبيرة و المبرمجين بيقدموا سواء بشكل فردي أو في شركات منتجات عظيمة ومفيدة وبيتم تبنيها واستخدامها في الحياة اليومية ولكن!
مع كل دا بيفضل المجتمع مفيش أي أرقام أو بيانات تقدر ترسم صورة حقيقية ليه تساعدنا نطوره ونتواصل أكتر من كدا.
مجرة بتقدم الاستبيان كمبادرة سنوية بإذن الله تساعدنا دايمًا كمبرمجين نفهم المجال كتقنية بيستعمل إيه ورايح فين و كسوق ووظائف وضعه عامل إزاي ورايح فين.
الاستبيان مفتوح وتقدروا تشاركوه فيه الآن , وقت ملأ الاستبيان لا يتعدي ال ١٠ دقائق ولكنه فعلًا هيعكس صورة الوضع الحالي في الوطن العربي ، شاركوا كمان الاستبيان مع كل اللي تعرفوه وساعدوا في نشره علشان كل ما العدد زاد كل ما البيانات كانت أدق وأوقع ✨
OpenAI Launches GPT-5.6 🔥
الموديلات مبقتش بتجاوبك بس… بقت بتقسّم الشغل على نفسها! 🌞
أعلنت OpenAI عن عائلة GPT-5.6 الجديدة، والمكوّنة من 3 موديلات:
Sol للمهام المعقدة اللي محتاجة أعلى مستوى من التفكير.
Terra لتحقيق توازن بين الجودة والتكلفة.
Luna للمهام السريعة والـ workloads الكبيرة.
بس بعيدًا عن أرقام الـ benchmarks المعتادة، أكتر حاجة مثيرة للاهتمام في GPT-5.6 مش إنه «أذكى شوية» من الجيل اللي قبله ، ولكن الفكرة إن OpenAI بتحاول تغيّر المقياس اللي بنحكم بيه على الموديلات أصلًا.
بدل ما تسأل: الموديل عرف يحل كام سؤال؟
السؤال بقى: قدر يكمّل كام مهمة حقيقية؟ استخدم كام Tool Call؟ استهلك كام Token؟ واحتاج منك تدخل كام مرة؟
OpenAI بتقول إن GPT-5.6 بقى أفضل في المهام الطويلة اللي محتاجة تخطيط، استخدام أدوات، مراجعة النتيجة والاستمرار لحد ما المهمة تخلص، مع استهلاك Tokens ووقت أقل في عدد من الاختبارات. وفي تجارب Lovable مثلًا، الموديل احتاج خطوات وTool Calls أقل، وقلّل عدد المهام اللي بتقف في النص.
وده مهم لأن تكلفة الـ AI Agent مش سعر الـ Token بس، ولكن التكلفة الحقيقية هي:
عدد المحاولات + الوقت الضايع + تدخل الإنسان + المهام اللي فشلت واضطريت تبدأها من الأول.
من وكيل واحد — لفريق من الوكلاء
GPT-5.6 بيقدّم كمان وضع جديد اسمه Ultra، بيشغّل 4 Agents بالتوازي بشكل افتراضي، وكل Agent يشتغل على جزء مختلف من المشكلة قبل ما النتائج تتجمع في إجابة أو تنفيذ واحد.
يعني بدل ما الـ Agent يعمل:
بحث → انتظار → تحليل → انتظار → مراجعة
يقدر يقسّم البحث والتحليل والمراجعة على أكتر من Agent في نفس الوقت.
وده تقريبًا نفس اللي بنعمله في فرق البرمجيات: مش بنحاول نخلي مهندس واحد يعمل كل حاجة أسرع، لكن بنقسّم المشكلة لمسارات شغل مستقلة. وده بقى الاتجاه السائد نوعًا ما من كل الـ Agentic Workflows اللي موجودة وازاي يخلوا الـ SDLC موجود من خلال الـ Agents.
لكن الاستقلالية الأعلى محتاجة رقابة أعلى
القوة دي ليها جانب تاني مهم.
في الـ System Card هنلاقي إن OpenAI قالت إن GPT-5.6 أحيانًا بيكون أكثر إصرارًا على إكمال المهمة لدرجة إنه ممكن يتجاوز نية المستخدم أو ينفذ تصرفات لم تُطلب منه بوضوح، رغم إن المعدلات المطلقة ما زالت منخفضة.
ولكن ده معناه إن كل ما الـ Agents تبقى أقدر على التنفيذ، تصميم الصلاحيات والـ approvals والـ audit logs والـ rollback mechanisms هيبقى أهم من كتابة الـ Prompt ذات نفسه.
الخلاصة:
GPT-5.6 مش مجرد موديل قوي؛ بل هو خطوة إضافية مهمة في تصميم أنظمة الـ AI اللي بقت بتستلم هدف كبير، تقسّمه لمهام أصغر، وتستخدم الأدوات المتاحة، وتراجع نفسها، وتسلّم نتيجة شبه جاهزة للمستخدم.
وكالعادة علشان كده المرحلة الجاية مش هتكون منافسة بين الـ Models وبس… وده اللي شايفينه من بعد Claude Opus للـ Fable وكذلك من باقي الشركات .. ولكن المنافسة الحقيقية بقت بين الـ Agent Harnesses والأنظمة اللي بتعرف توظّف الموديلات دي بأمان وكفاءة أفضل.
Prompt Caching Explained 🚀
الـ Prompt Caching معناه إنك بتخلي مزود الـAPI يحتفظ مؤقتًا بجزء ثابت ومتكرر من الـprompt، بدل ما تبعته ويتحسب عليك بالكامل مع كل request. مثلًا لو عندك system prompt طويل فيه قواعد المشروع، أو documentation، أو أجزاء ثابتة من الـcodebase، وتستخدمهم مع كل سؤال جديد؛ أول مرة بتبعتهم عادي، وبعد كده الطلبات التالية بتشير لنفس المحتوى المخزّن. النتيجة إن تكلفة الـinput tokens المتكررة بتقل، وأحيانًا ال latency كمان يتحسن.
مثال بسيط: لو عندك prompt ثابت حجمه 100 ألف token، وكل مرة بتضيف له سؤال جديد حجمه 500 token. من غير caching، هتدفع تكلفة الـ100,500 token في كل طلب. مع caching، بتدفع تكلفة إنشاء الـcache في البداية، وبعدها تدفع سعر أقل بكثير على الـ100 ألف token المخزنين، بالإضافة لتكلفة السؤال الجديد.
فرتّب دايمًا الـ prompts بحيث المحتوى الثابت ييجي الأول، والمحتوى المتغيّر ييجي في الآخر. لو أكتر من 50% من الـ input tokens بتتكرر بين الطلبات، يبقى الأفضل تفعّل الـ caching.
و كمان حاليًا كل الشركات الكبيرة بقت بتدعمه بشكل تلقائي لأنه ممكن يوفر لحد 50% من التكلفة و يسرع وقت الاستجابة بنسبة 80%.
OpenAI تدعمه بشكل تلقائي
Anthropic بشكل صريح
Google Gemini بشكل ضمني أو صريح
DeepSeek بشكل تلقائي.
ليه الـ Prompt Caching مهم؟
في حاجتين بيأثروا على مشاريع الـ LLM في بيئة الإنتاج: التكلفة ووقت الاستجابة. والـ Prompt Caching بيعالج الاتنين.
معظم الفرق بتكتشف ده بالطريقة الصعبة. الـ proof of concept بيشتغل بشكل ممتاز، وبعد كده الترافيك بيزيد، والفاتورة بتوصل وبنُصدم بالأرقام!
والأصعب إن أغلب تطبيقات الـ LLM في ال Production بتعيد معالجة نفس الـ context آلاف المرات يوميًا: نفس الـ system prompt، ونفس تعريفات الأدوات، ونفس المستندات المرجعية. وكل طلب بيدفع التكلفة الكاملة على tokens النموذج شافها قبل كده.
كيف يعمل الـ Prompt Caching؟
خلينا متفقين إن الـ Prompt Caching مش بيخزن إجابات النموذج ولا بيعمل Semantic Caching هو بيخزن (حسابات ال Key-Value Pairs) للأجزاء الثابتة من ال Prompt بتاعك وبيعيد النموذج استخدامها وقت ما يجد تشابه بين جزء من الطلب الجديد والقيم المتخزنة عنده بالفعل فيقسم ال Prompt لجزءين:
جزء ثابت (Static): بيحصل علي قيمته من ال Cache بدون استخدام.
جزء متغير (Dynamic): بيقوم بحسابه واستخدام tokens جديدة في هذه العملية.
ملتقى إتقان لتقنيات القرآن ✨
يوم الجمعة 10 يوليو كان بداية لأكبر تجمع للتقنيات القرآنية في القاهرة في موسمه الثاني واللي كان بيضم فعاليات مثمرة واللي نتمنى تكرار مثل هذه الفعاليات الجميلة في الوطن العربي والمشاركة فيها .. الملتقى كان بيضم:
عروض لـ 10 مشاريع قرآنية مشاركة
جلسات تعارف ونقاش مفتوح بين الحضور
استعراض أبرز إنجازات المجتمع في التقنيات القرآنية
بفضل الله أصبح متاح حالياَ دعمنا من خلال الرعاة والشراكات وفعلنا الـ Sponsorship, بنرحب بجميع الشراكات مع المؤسسات والشركات وأصحاب الأعمال لبناء مجتمع عربي يشجع على القراءة والتعلم ومشاركة التجارب والخبرات العملية في هندسة البرمجيات.
دورك كشريك أو راعي هيكون محوري في دعم المحتوى وتوسيع نطاق تأثيره. فانضم لرحلتنا وكن جزءًا من صناعة مستقبل التكنولوجيا في المنطقة 🚀
تقدروا تشوفوا التفاصيل كاملة من هنا والـ Analytics بتاعتنا من خلال اقرأ-تِك والنشرة الأسبوعية 👇
رؤيتنا هي إثراء المحتوى التقني العربي وجعل التعلم من خلال القراءة أمتع، وذلك من خلال إثراء المحتوى التقني باللغة العربية وتشجيع المبرمجين على القراءة بلغتهم الأم والتفكير أيضًا بها.
لذلك اتحنا الفرصة أمام الجميع للمساهمة ومساعدتنا في نشر واثراء المحتوى التقني باللغة العربية, من خلال كتابة المقالات التقنية في مختلف مجالات هندسة البرمجيات.
وجب التنويه أنه لن يتم نشر كافة الأعمال التي تصل إلينا، وإنما سيتم الانتقاء منها ما يحقق هدفنا بإثراء المحتوى التقني العربي، ولذلك قد تُطلب بعض التعديلات من الكاتب قبل النشر.
لمعرفة المزيد بخصوص :
💬 المعايير العامة لكتابة ونشر المقالات
⚡️ كيفية الإرسال
🔥 التزامات اقرأ-تِك تجاه الكتاب
يمكنكم قراءة كافة التفاصيل من هنا 👇
