جميع نماذج الذكاء الاصطناعي الرئيسية تسجل صفراً في معيار برمجة Meta الجهنمي

في 7 مايو 2026، أسقطت Meta AI Research قنبلة على مجتمع التعلم الآلي. معيار ProgramBench الجديد — مجموعة بيانات مصممة لاختبار قدرة هندسة البرمجيات الحقيقية بدلاً من ألغاز البرمجة الترفيهية — أنتج نتيجة صارخة لدرجة أنها أعادت تشكيل النقاش حول الذكاء الاصطناعي ومستقبل البرمجة: كل نموذج ذكاء اصطناعي رئيسي سجل صفراً.

ليس درجة منخفضة. ليس درجة مخيبة. صفر مطلق في أكثر فئات المعيار دلالة: إعادة بناء الوحدات على مستوى البنية البرمجية.

ما هو ProgramBench؟

ProgramBench ليس clone آخر لـ LeetCode. باحثو Meta صمموه عمداً لقياس ما يسمونه “الذكاء الهندسي” — القدرة على فهم وإعادة هيكلة وإعادة بناء البرمجيات على مستوى الوحدات الكاملة، وليس الدوال الفردية. المعيار يتكون من ثلاث طبقات:

المستوى 1 — إكمال الدوال (FC): إعطاء توقيع دالة وتوثيقها، أكمل الجسم. هذا يعكس مهام الإكمال التلقائي التي يتعامل معها Copilot و ChatGPT يومياً.
المستوى 2 — إعادة بناء الوحدة (MR): إعطاء قاعدة أكواد متعددة الملفات محذوفة جزئياً (مع بقاء هيكل الوحدة والواردات والواجهات سليمة)، أعد بناء التنفيذات المفقودة. هذا يتطلب فهم أنماط البنية البرمجية، رسوم التبعيات، والاهتمامات المتقاطعة.
المستوى 3 — تخطيط تصميم النظام (SDP): إعطاء مواصفات عالية المستوى، أنتج تحليل وحدات متماسك، تعريف واجهات، وخطة تبعيات. هذا عمل هندسة معمارية.

النماذج أدت بشكل مقبول في المستوى 1. Claude Opus 4.7 حقق 78% في إكمال الدوال. GPT-5.5 وصل إلى 74%. حتى النماذج مفتوحة المصدر مثل DeepSeek-V3 حققت درجات محترمة في نطاق 60–70%.

المستوى 3 شهد انخفاضاً حاداً. GPT-5.5 سجل 23% في تخطيط تصميم النظام. Claude Opus 4.7 حقق 31%. لكن هذه الأرقام، رغم سوئها، لم تكن العنوان الرئيسي.

المستوى 2 — إعادة بناء الوحدة — هو حيث سجل كل نموذج صفراً.

الصفر الذي سمعه العالم

هذه هي الحقيقة المجردة: عندما قُدمت للنماذج قاعدة أكواد متعددة الملفات محذوفة جزئياً وطُلب منها ملء المكونات المفقودة، لم يتمكن أي نموذج — من GPT-5.5 إلى Claude Opus 4.7 إلى Gemini 2.5 Pro إلى DeepSeek-V3 — من إنتاج إجابة صحيحة واحدة عبر مجموعة المعيار بأكملها.

مستوى المعيار	GPT-5.5	Claude Opus 4.7	Gemini 2.5 Pro	DeepSeek-V3	Llama 4
إكمال الدوال	74%	78%	71%	67%	62%
إعادة بناء الوحدة	0%	0%	0%	0%	0%
تخطيط تصميم النظام	23%	31%	19%	14%	9%

المصدر: Meta AI Research، التقرير الفني لـ ProgramBench (مايو 2026)

مهام إعادة بناء الوحدة لم تكن غامضة. تضمنت أنماطاً من العالم الحقيقي: عميل API محدود المعدل مع منطق إعادة محاولة وقاطع دائرة، طبقة تخزين مؤقت مع إبطال متعدد المستويات، ونموذج مجال قائم على الأحداث مع معاملات تعويضية. هذه هي بالضبط أنواع المكونات التي يصممها وينفذها مهندسو البرمجيات متوسطو المستوى كل يوم.

لماذا تفشل النماذج بشكل كامل؟

نمط الفشل مفيد. النماذج لم تنتج أخطاء نحوية أو كوداً مكسوراً بشكل واضح. أنتجت كوداً يبدو معقولاً لكنه كان خاطئاً بنيوياً — كود يترجم ويشتغل ويبدو صحيحاً للوهلة الأولى، لكنه انتهك الثوابت التصميمية الأساسية، وأدخل اقتراناً خفياً بين مكونات منفصلة، وتجاهل اهتمامات متقاطعة مثل انتشار الأخطاء وحدود المعاملات وضمانات التناسق.

هذا يكشف حقيقة عميقة حول كيفية عمل النماذج اللغوية الكبيرة حالياً. إنها مطابقة أنماط مدربة على نوافذ سياق محلية — بارعة في إكمال الأسطر القليلة التالية من دالة، لكنها غير قادرة جوهرياً على التفكير في كيفية تناسب هذه الأسطر ضمن نظام من المكونات المترابطة. قاعدة الأكواد ليست سلسلة من الرموز. إنها رسم بياني من التبعيات والقيود والثوابت. البنى الحالية لا تصمم ذلك الرسم البياني.

باحثو Meta صاغوا تمييزاً مفيداً: النماذج لديها ذكاء نحوِيّ (القدرة على إنتاج كود سليم الشكل) لكنها تفتقر للذكاء المعماري (القدرة على إنتاج نظام سليم). الفجوة بين الاثنين واسعة.

الذكاء الهندسي: الحدود التالية

مصطلح “الذكاء الهندسي” يكتسب زخماً كخليفة لـ “AGI” في الخطاب العملي. لا يتعلق الأمر بما إذا كان النموذج يمكنه كتابة دالة فيبوناتشي تكرارية أو حل لغز برمجة ديناميكية — كل نموذج رئيسي تجاوز ذلك الحاجز منذ سنوات. الذكاء الهندسي يتعلق بما إذا كان النموذج يمكنه:

فهم لماذا يوجد تجريد معين في قاعدة الأكواد
التعرف على متى سيكسر تغيير في وحدة واحدة ثوابت في وحدة أخرى
تصميم أنظمة قابلة للصيانة والاختبار والمرونة تحت قيود العالم الحقيقي
اتخاذ قرارات مقايضة بين الأداء والوضوح والصحة

ProgramBench يشير إلى أنه لا يوجد نموذج من نماذج اليوم لديه حتى شكل بدائي من الذكاء الهندسي. إنها أدوات للتسريع — كتابة الكود التكراري، توليد حالات الاختبار، شرح الكود — لكنها لا تستطيع التفكير في البرمجيات كنظام.

ماذا يعني هذا لمهندسي البرمجيات

لملايين المطورين الذين يراقبون ثورة الذكاء الاصطناعي بمزيج من الإثارة والقلق، يقدم ProgramBench نقطة بيانات توضيحية. الذكاء الاصطناعي لا يأتي ليهدد وظيفتك — ليس الجزء الذي يتضمن التفكير في البنية البرمجية، اتخاذ مقايضات التصميم، وضمان أن الأنظمة صحيحة تحت جميع الظروف. ما يفعله الذكاء الاصطناعي هو ضغط الطرف السفلي من توزيع المهارات: المهام التي كانت تتطلب من مطورين مبتدئين كتابة مئات سطور الكود التكراري أصبحت الآن تُنجز في ثوانٍ.

وظيفة مهندس البرمجيات تتطور نحو ما كانت عليه دائماً في جوهرها: تصميم الأنظمة، وليس كتابة الكود. الكتابة لم تكن الجزء الصعب أبداً. ProgramBench فقط أثبت ذلك بأكثر الطرق صرامة.

السباق الآن جارٍ لبناء أول نموذج يمكنه تسجيل أكثر من صفر في إعادة بناء الوحدات. من يكسر هذه المشكلة لن يكون قد بنى محرك إكمال تلقائي أفضل — سيكون قد بنى آلة يمكنها حقاً هندسة البرمجيات.