في 9 أغسطس، كشف مستخدم X يُدعى ChrisGPT، الذي يتابع عن كثب تطورات نماذج OpenAI، أن OpenAI تُقدّم نموذجًا تدريبيًا ضخمًا جديدًا تحت اسم رمزي "Doug".
وفقًا لقوله، سيكون Doug أكبر مشروع تدريب مسبق على الإطلاق لـ OpenAI، وهو ليس نفس نموذج GPT-6.
في الردود اللاحقة، أوضح ChrisGPT أن GPT-6 هو على الأرجح النموذج الأقوى ذاتيًا الذي أوقفت OpenAI إصداره بشكل طارئ بسبب مشاكل أمنية، وهو Astra.
أما دوغ، فيتوقع أن يتم إطلاقه في أقرب وقت ممكن قبل نوفمبر.
ChrisGPT ليس المصدر الأول الذي ذكر دوغ علنًا.
في 7 أغسطس، نشرت SemiAnalysis، وهي مؤسسة بحثية في قطاع أشباه الموصلات والذكاء الاصطناعي، مذكرة بحثية كانت قد أُرسلت سابقًا للعملاء المؤسسيين في مقال يناقش Gemini وGoogle Cloud. تاريخ هذه المذكرة هو 9 يوليو.
رابط المقال: https://newsletter.semianalysis.com/p/gemini-is-cooked-but-gcp-is-cooking
يوجد جملة مهمة جدًا: لقد تجاوزت OpenAI المشكلات المتعلقة بالتدريب المسبق، ويتم تطوير نموذج أكبر بكثير يحمل اسم رمزية "Doug" بنشاط كبير.
إذا كانت الرسالة ذات صلة، فقد يعني دوغ أنه بعد أن اعتمدت OpenAI بشكل رئيسي على التدريب بعد التدريب، والتعلم المعزز، وحساب وقت الاستنتاج لدفع النمو على مدار近两年، فإنها تعيد إطلاق دورة كبيرة من نماذج أساسية جديدة.
يجب أن تبدأ القصة من GPT-4o.
OpenAI تعطي مزيدًا من النمو لـ RL
في 13 مايو 2024، أطلقت OpenAI GPT-4o ووصفته كنموذج رئيسي جديد.
بعد ذلك بقرابة عامين، لم تُكمل OpenAI، على الرغم من تدريبها وإطلاقها نماذج تدريبية جديدة مثل GPT-4.5، دورة تدريبية كاملة يمكن نشرها على نطاق واسع كنموذج حدودي رئيسي من الجيل التالي.
في الوقت نفسه، يبدأ نمو قدرات نماذج OpenAI في الاعتماد بشكل متزايد على مسار آخر.
في 12 سبتمبر 2024، أصدرت OpenAI o1-preview.
بالمقارنة مع الاعتماد السابق على التدريب المسبق بحجم أكبر لدفع نمو القدرات، يُظهر o1 طريقة مسح أخرى: من خلال التعلم المعزز على نطاق واسع، مما يُمكّن النموذج من تعلم تخصيص موارد حسابية أكبر للتفكير. منذ ذلك الحين، أصبحت ما بعد التدريب، والتعلم المعزز، والحساب أثناء الاستدلال أكثر أهمية في نظام نماذج OpenAI.
في أبريل 2025، تم إصدار o3 رسميًا. وأكدت OpenAI مرة أخرى أن قدرات الاستدلال في سلسلة o تأتي من التعلم المعزز على نطاق واسع.
في أغسطس 2025، تم إصدار GPT-5. لم يعد مجرد نموذج واحد، بل أصبح بنية موحدة مكونة من نماذج سريعة، ونماذج استدلال عميقة، ونظام توجيه.
تعتقد SemiAnalysis أن سلسلة o1 وo3 وحتى GPT-5 لا ترافقها قفزة جديدة في جيل نموذج أساسي مماثلة لتلك التي شهدتها GPT-4o، بل إن النماذج ذات الصلة لا تزال مبنية على نظام النماذج الأساسية من عصر GPT-4o.
لم تؤكد OpenAI هذا الخطاب التدريبي، لكن إذا كانت معلومات SemiAnalysis صحيحة، فإن المسار الذي تم اتباعه على مدار العامين الماضيين يصبح واضحًا جدًا: لم يحدث انتقال جيل مماثل في الأساس، بل كان النمو في القدرات مدفوعًا بشكل رئيسي بتحسينات ما بعد التدريب والـ RL المتزايدة القوة.
يتم توسيع تكبير النموذج أيضًا من الاعتماد السابق بشكل رئيسي على التدريب المسبق ليشمل ثلاثة أبعاد: التدريب المسبق، والتعلم المعزز، وحساب وقت الاستنتاج.
المشكلة هي أنه إذا لم يحدث تحديث من نفس المستوى للنموذج الأساسي على المدى الطويل، واعتمد فقط على التدريب اللاحق وحسابات الاستنتاج للتوسع، فستواجه حتمًا انخفاضًا في العائد الحدي.
لكن ظهور Gemini 3 حوّل هذه المشكلة المحتملة في مسار التدريب إلى ضغط تنافسي واقعي.
Garlic: بدأ التدريب المسبق في العمل مرة أخرى
في 18 نوفمبر 2025، أطلقت Google Gemini 3.
بعد عشرة أيام، طرح SemiAnalysis في تحليل TPUv7 حكمًا أثار نقاشًا واسعًا: منذ GPT-4o، لم تُكمل OpenAI أي تدريب كامل ناجح يمكن نشره على نطاق واسع كنموذج حدودي جديد.
عندما أطلقت Google Gemini 3، تحول هذا الفرق من مشكلة في مسار التدريب إلى ضغط تنافسي مباشر.
في 1 ديسمبر، أفادت وسائل إعلام متعددة أن سام ألتمان أعلَن داخل OpenAI عن "كود ريد"، وطلب من الفريق إعطاء الأولوية لتحسين ChatGPT وإعادة توزيع بعض الموارد.
After one day, more critical training information came to light.
في 2 ديسمبر 2025، أفادت مجلة "The Information" أن OpenAI تطور نموذجًا تدريبيًا جديدًا تحت الاسم الرمزي Garlic. ونقلت التقارير مصادر داخلية تفيد بأن Garlic أظهر أداءً جيدًا في تقييمات البرمجة والاستدلال، مع استخدام مجموعة من تصحيحات الأخطاء التي اكتشفتها OpenAI خلال عمليات التدريب السابقة.
الأهم من ذلك، يُزعم أن مارك تشين، كبير مسؤولي الأبحاث في OpenAI، أبلغ الفريق أن الشركة قد حلت بعض المشكلات الرئيسية التي كانت موجودة في مرحلة التدريب المسبق. كما أشار التقرير إلى أن هذه التحسينات في التدريب تسمح للنماذج الأصغر باستيعاب المعرفة التي كانت تتطلب في السابق نماذج أكبر.
في نفس التقرير، هناك جملة أخرى أصبحت ذات أهمية كبيرة لاحقًا: لقد بدأت OpenAI في تطوير نموذج "أكبر وأفضل حتى" بناءً على الخبرات المكتسبة من Garlic.
قصة دوغ بدأت فعلاً من هنا.
في 6 يناير 2026، تحدثت SemiAnalysis مرة أخرى عن خريطة طريق نماذج OpenAI. هذه المرة، كتبت مباشرة: لقد حلت OpenAI مشكلة التدريب المسبق.
بمعنى آخر، وفقًا للمعلومات التي تمتلكها SemiAnalysis، تم حل المشكلات التي كانت تعاني منها OpenAI في التدريب التنبؤي الكامل المقياس.
من المحتمل أن يكون Garlic قد تولى دور التحقق من فعالية هذه الإصلاحات، بينما قد يكون Doug هو النتيجة الحقيقية لتوسيع هذه الأساليب التدريبية إلى نطاق أكبر.
قد تستعد OpenAI لإعادة تشغيل توسعة القاعدة
إذا كانت الرسالة أعلاه دقيقة، فإن OpenAI قد تكون تمضي قدمًا بشكل متواصل في على الأقل جولتين من مشاريع النماذج الهامة: Astra، التي دخلت مرحلة التقييم المتقدمة، وDoug، الذي يُزعم أنه أكبر حجمًا.
أما دوغ فيشير إلى شيء آخر: إعادة دفع توسعة القاعدة نفسها.
على مدار العامين الماضيين، أثبتت OpenAI أنه يمكن لا يزال دفع القواعد القديمة للأعلى باستخدام RL والتفكير وحساب وقت الاستنتاج.
ديوغ يجيب على سؤال آخر: بعد أن تعيد القاعدة نفسها إجراء قفزة كبيرة، أين يمكن لهذه المنظومة المدربة لاحقًا والتي تم دفعها إلى أقصى حدودها أن تأخذ القدرة؟
قد يكون هذا هو البداية الحقيقية لمنافسة النموذج التالي من OpenAI.
رابط المرجع:
https://x.com/ChrisGPT/status/2086220662264250764
https://newsletter.semianalysis.com/p/gemini-is-cooked-but-gcp-is-cooking
https://newsletter.semianalysis.com/p/rl-environments-and-rl-for-science
https://www.theinformation.com/newsletters/ai-agenda/openai-developing-garlic-model-counter-googles-recent-gains
هذا المقال من حساب ويشات الرسمي "ماشين سينس" (ID: almosthuman2014)، المؤلف: ماشين سينس التي تتابع نماذج اللغة الكبيرة