Agentic AI News 2 أغسطس، 2026

ذكاء بمستوى مارس 2026. يحقق DeepSeek V4 Flash (0731) درجة مؤشر ذكاء تبلغ 50، قريبة من 51 للنماذج الحدودية قبل خمسة أشهر. على الأجهزة الاستهلاكية، يعمل بسرعات قابلة للاستخدام: 44 رمزًا/ثانية على RTX PRO 6000 eGPU، و15 رمزًا/ثانية على ثلاث MI50، وحتى 4.5 رمز/ثانية على RTX 3060 المزدوجة مع تفريغ للذاكرة، بفضل التكميم الذكي والتفريغ الجزئي.

• DeepSeek-V4-Flash-0731: Models you can run locally now have the intelligence score of the top frontier model from March 2026(يفتح في علامة تبويب جديدة)
• DeepSeek-V4-Flash-0731 on Bosgame M5 with RTX PRO 6000 Max-Q eGPU(يفتح في علامة تبويب جديدة)
• Ran DS V4-Flash-0731 Locally on 3xMI50 32GB @ ~15 t/s TG(يفتح في علامة تبويب جديدة)
• DeepSeek V4 Flash 0731 IQ2_M benchmark for Dual 3060 and 96GB RAM ≈ 3.5 tok/s.(يفتح في علامة تبويب جديدة)

إصلاح استدعاء الأدوات، واتباع القواعد ما زال غير موثوق. بعد تقارير المجتمع حول استدعاءات الأدوات المعطلة، تم دمج إصلاح لـ llama.cpp، وتم مشاركة حلول بديلة لـ Unsloth Studio. ومع ذلك، يجد المستخدمون أن النموذج غالبًا ما يتجاهل التعليمات والمهارات النظامية، ويخزنها كملخصات مضغوطة بدلاً من الالتزام الصارم بها، مما يقوض موثوقيته في مهام الوكيل التي تتطلب اتباعًا دقيقًا للتعليمات.

• Fix for Deep Seek v4 Flash 0731 tool calling has been added to llama cpp(يفتح في علامة تبويب جديدة)
• DeepSeek V4 Flash 0731 local setup gotcha: model, tool call & config setting(يفتح في علامة تبويب جديدة)
• Deepseek v4 flash 0731 still not holding up.(يفتح في علامة تبويب جديدة)

معايير مجتمعية لوكلاء Hermes. يناقش مستخدمو LocalLLaMA أفضل المعايير لتقييم النماذج القادرة على العمل كوكلاء مثل Hermes، حيث يرى الكثيرون أن لوحات الصدارة الراسخة مثل SWE-bench لا تنطبق على سير عمل المساعد المنزلي أو معالجة المستندات.

• What’s the community’s favorite benchmark to validate performance?(يفتح في علامة تبويب جديدة)

انتقاد لوحات الصدارة المقتصرة على البرمجة. دعوة إلى معايير أكثر تنوعًا تجادل بأن لوحات الصدارة الأخيرة تركز بشكل غير متناسب على مهام البرمجة، مما يترك تعلم اللغات والكتابة الإبداعية والاستدلال في العلوم والتكنولوجيا والهندسة والرياضيات ممثلة تمثيلًا ناقصًا، مما يصعب قياس أداء النموذج في حالات استخدام الوكلاء غير البرمجية.

• Why are almost all new benchmarks and leaderboards coding focused?(يفتح في علامة تبويب جديدة)

عدة معايير مخصصة لمجال معين DIY. قام أحد مستخدمي Reddit ببناء مجموعة تضم أكثر من 30 اختبارًا صغيرًا خاصًا بمجال معين (مثل الحس السليم، محاكاة غسيل السيارات) وأداة ويب لمقارنة استجابات النماذج، بهدف سد الفجوة بين المعايير الواسعة وحالات الاستخدام الشخصية.

• A collection of small domain-specific benchmarks for local models (30+ and growing)(يفتح في علامة تبويب جديدة)

Astra تحل مسائل رياضيات عمرها عقد. عائلة النماذج التالية من OpenAI، Astra، حلت عشر مسائل مفتوحة سابقًا في الرياضيات وعلوم الحاسوب النظرية، مع براهين رسمية بـ Lean وتكلفة أقل من 2000 دولار لكل حل. تمتد النتائج عبر الهندسة ونظرية الترميز والتعقيد الكمومي، وقد ألهمت بالفعل المزيد من الأبحاث البشرية.

• Ten advances in mathematics and theoretical computer science(يفتح في علامة تبويب جديدة)
• OpenAI announces its "next major model" Astra by dropping ten previously unsolved math solutions(يفتح في علامة تبويب جديدة)

وكلاء البرمجة يحيون برمجيات بحثية قديمة. دراسة ميدانية مع OpenAI وشركاء أكاديميين تُظهر أن وكلاء البرمجة بالذكاء الاصطناعي مثل GPT-5.5 وClaude Code يمكنهم تحديث البرمجيات العلمية الهشة، محققين تسريعًا يتجاوز 60 ضعفًا في بعض الحالات، لكن العمل ينقل العبء إلى التحقق من الصحة—فالوكلاء لا يمكنهم الحكم على العلم.

• AI coding agents can modernize research software but can't judge if the science is right(يفتح في علامة تبويب جديدة)

دودة حقن تعليمات ذاتية الانتشار تهاجم Copilot. أظهر باحث أمني دودة تستخدم نصًا مخفيًا أبيض على أبيض في مستندات Word لحقن تعليمات ضارة في Microsoft Copilot، والتي تنسخ بعد ذلك الحمولة إلى ملفات جديدة. أكدت Microsoft السلوك لكنها لم تصلحه بعد 144 يومًا.

• A security researcher built a self-spreading worm that hides inside Word docs and hijacks Microsoft Copilot(يفتح في علامة تبويب جديدة)

بدء تفويض وضع العلامات في قانون الذكاء الاصطناعي الأوروبي. اعتبارًا من 2 أغسطس 2026، يطلب الاتحاد الأوروبي وضع علامات واضحة على الصور والفيديو والصوت والنص المولدة بالذكاء الاصطناعي. قد تؤثر اللائحة على الوكلاء الذين ينشرون المحتوى أو ينشئون الوسائط بشكل مستقل.

• EU AI Act takes effect tomorrow, August 2, 2026. 🤡(يفتح في علامة تبويب جديدة)

حظر مينيسوتا لـ 'nudify' يصمد أمام التحدي القانوني من xAI. رفض قاضٍ فيدرالي محاولة xAI لمنع مؤقتًا قانون مينيسوتا ضد التطبيقات التي تولد صورًا صريحة غير توافقية، مشيرًا إلى أن xAI انتظرت ثلاثة أشهر لرفع الدعوى. يسري القانون بينما تستمر الدعوى القضائية.

• Judge denies xAI’s request to block Minnesota ban on ‘nudify’ apps(يفتح في علامة تبويب جديدة)

Kimi K3 يعمل على معالج واحد ببطء. كتب مطوران بشكل مستقل محركي استدلال بسيطين بلغة C لتشغيل نموذج MoE الضخم Kimi K3 بسعة 1.56 تيرابايت من القرص دون GPUs. حقق أحدهما رمزًا كل 30 ثانية باستخدام 8 جيجابايت من الذاكرة وبث NVMe؛ وحصل الآخر على 0.5 رمز/ثانية مع 29 جيجابايت، مع قراءة جميع الخبراء عند الطلب.

• I pushed Kimi K3 onto one CPU with 8 GB of RAM(يفتح في علامة تبويب جديدة)
• Weight-Aware Streaming Tensor Engine: run Kimi K3 using 29 GB of RAM at 0.50 tok/s(يفتح في علامة تبويب جديدة)

LongCat-Flash-Lite-Sparse متاح الآن. يستبدل هذا الإصدار الجديد الانتباه الكثيف بـ LongCat Sparse Attention (LSA) ويدعم حتى مليون رمز من السياق بشكل أصلي، مما يجعله مناسبًا لمهام الوكلاء ذات المستندات الطويلة.

• LongCat-Flash-Lite-Sparse Is Now Available for Download(يفتح في علامة تبويب جديدة)

Laguna S 2.1 يحدّث السياق والتكميم. أصدرت Poolside نقاط تفتيش جديدة FP8 وNVFP4 لـ Laguna S 2.1، مما يرفع حجم السياق الافتراضي إلى مليون رمز، على أمل إصلاح مشكلة التكرار التي أعاقت سير عمل التطوير.

• New official weights for Laguna S 2.1 FP8 & NVFP4 are now available(يفتح في علامة تبويب جديدة)