Cline 4.1.18 يغلق ثغرة على Windows كانت تشغّل ملفات تنفيذية مزروعة داخل المستودع
السلوك مصدره Windows نفسه لا أداة بعينها، فكل أداة تفتح مستودعًا وتشغّل أوامر داخله تقف في الموقع ذاته، في وقت أصبح فيه فتح مستودعات غريبة أمرًا يوميًا.
Jay Kruer يشرح لماذا يبقى متشائمًا من الـ LLMs رغم نتائجها في الرياضيات
المسائل الرياضية هي أفضل حالة ممكنة للنماذج لأن مواصفاتها دقيقة، بينما معظم العمل البرمجي اليومي بلا مواصفة مكتوبة، وكتابتها أغلى من البناء نفسه.
Zed تطلق Delta في نسخة beta عامة: مراجعة الكود داخل المحادثة مع الـ agent بدل pull request
حين يكتب الـ agent في ساعة ما كان يستغرق أسبوعًا ويبقى المراجع واحدًا، يتحول السؤال في الفرق من من يراجع إلى متى تحدث المراجعة.
Minitap تتهم Google بنسخ مشروعها المفتوح mobile-use في Artemis، و228 ملفًا من 229 متطابقة
رخصة Apache 2.0 تسمح بأخذ الكود وبيعه دون إذن، ولا تضمن لصاحبه في المقابل إلا بقاء اسمه في ملف NOTICE، وهذا الملف تحديدًا هو محل الخلاف.
Anthropic تؤكد أن بيئة اختبار أمني أوصلت Claude بالإنترنت بينما أُبلغ النموذج بعكس ذلك
القاسم المشترك في حوادث النماذج التي خرجت من بيئات الاختبار لم يكن النموذج بل الطبقة التي يُفترض أن تحبسه، والتعليمات المكتوبة لا تقوم مقام حدود الشبكة والصلاحيات.
Trail of Bits تعيد حساب اختبار 1Password لإصلاح الثغرات بالذكاء الاصطناعي: من 26% إلى 86%
تصميم التجربة يحدد الرقم قبل أن تبدأ، وقراءة المنهجية قبل النتيجة هي الفرق بين رأي مبني على قياس ورأي مبني على ظروف لا يعمل بها أحد.
Claude Code يصلح عدّاد السياق الذي كان يحسب أدوار advisor tool بضعف حجمها
حين يخطئ المقياس يغيّر الناس سلوكهم ليوافقه بدل أن يشكّوا فيه، وجلسات كثيرة قُطعت وهي لا تزال تملك نصف مساحتها.
اختبار Vending-Bench: GPT-6 Astra ينهي عامًا في إدارة ماكينة بيع برصيد يقارب 3 أضعاف رصيد Claude Fable 5.1
أكبر خسائر الـ agent في مهمة طويلة جاءت من ضعف المتابعة لا من نقص الذكاء، والاختبار الذي يقيس ردًا واحدًا لا يكشف ما يحدث لـ agent يعمل أسبوعين.
Claude Code 2.1.271 يفتح الإنترنت للأمر الواحد بدل الجلسة كاملة عبر allowed_domains
الصلاحية صارت مرتبطة بالمهمة لا بالوقت، فالأمر الذي ينحرف أو يأتي من مصدر غير موثوق لا يصل إلا إلى ما احتاجه هو، لا إلى كل ما فُتح للجلسة.
نموذج Claude Fable 5.1 يحل شفرة Urquhart التي حاول الباحثون فكها منذ 1899
الفرق الذي تكشفه التجربة ليس أن النموذج يعرف أكثر، بل أنه واصل العمل على مسألة واحدة 44 دقيقة حتى وصل إلى حل يثبت صحته بنفسه، دون تدخل بشري.
تحديث Cline 4.1.17 يوقف حذف الـ commits عند الرجوع إلى نقطة حفظ سابقة
حين تُمنح أداة صلاحية الكتابة في المستودع، يصبح افتراض أنها تحفظ وتسترجع بشكل صحيح هو المنتج كله، وهذا الافتراض كان مكسورًا بصمت.
اختبار Real-SWE على كود شركات مغلق: أفضل نموذج يحل 38.8% فقط من المهام
الفجوة بين أرقام إعلانات النماذج وأدائها على مستودعات الفرق الحقيقية قد لا تعود إلى صياغة الطلب، بل إلى أن الاختبارات الشهيرة مبنية على كود رآه النموذج أثناء تدريبه.
ثلاثة أوامر مخصصة لـ coding agents لا تكتب كودًا: التعارضات والـ issues وفشل الـ CI
أكثر ما يفيد فيه الـ agent قد يكون قراءة النصوص الطويلة المملة واستخراج جملة مفيدة منها، لا كتابة الميزات التي تحتاج أكبر قدر من المراجعة.
سعر الـ token في نماذج Grok يتضاعف حين يتجاوز الطلب 200 ألف token
الـ agents تتجاوز هذا الحد دون أن يلاحظ أحد، فتقفز الفاتورة دفعة واحدة بدل أن تزيد تدريجيًا، والحد مذكور في ملف الأسعار لا في الإعلانات.
تقرير يكشف رفع أكثر من 2,000 حزمة خبيثة على RubyGems استهدفت خوادم التوثيق
الهجوم لم يستهدف من يثبّت الحزم بل الـ registry نفسه، وكل خطوة في الـ pipeline تقرأ ملفًا من حزمة مرفوعة وتنفذه هي مساحة هجوم كاملة.
دراسة تقيس ترهّل الكود: كود الـ agents ضعف كود البشر في مقياسين
الكود المترهل يعمل ويجتاز الاختبارات والمراجعة، لكن تكلفته تظهر في التعديل التالي لا في الـ PR الحالي، ولذلك يصعب رصدها دون مقياس.
Hugging Face تضيف إلى ملف security.txt فقرة موجهة إلى الـ AI agents الباحثة عن الثغرات
صفحات أي منتج على الإنترنت صار لها جمهوران: من يقرأ ومن يحلل آليًا، والثاني يزور أكثر ويتصرف بناء على ما يجده دون أن يسأل.
Shopify تترك React Native وتعيد بناء تطبيقاتها بـ Swift وKotlin بعد ست سنوات
قرارات معمارية كثيرة اتُّخذت هربًا من تكرار العمل، والـ agents غيّروا تكلفة هذا التكرار نفسه، فصار الرقم الذي بُنيت عليه تلك القرارات بحاجة إلى مراجعة.
قياس مستقل: أداة RTK التي تعد بتوفير 90% من الـ tokens رفعت التكلفة
نسب التوفير التي تعلنها الأدوات محسوبة على الجزء الذي تعمل عليه وحده، لا على الفاتورة كاملة، والفرق بين الرقمين قد يقلب النتيجة.
Cognition تطلق SWE-2 وتقول إنه أرخص بنسبة 64% دون نشر سعر للـ token
نسبة توفير بلا سعر أساس معلن لا تدخل في أي حساب، ونموذج بلا API مستقل ولا أوزان مفتوحة هو اشتراك في منتج أكثر منه نموذجًا يُبنى عليه.
Cursor تطلق Projects: agent منسق يوزع العمل على subagents ويحفظ السياق لأشهر
وحدة العمل في أدوات البرمجة انتقلت من مهمة داخل محادثة إلى مشروع له عمر، وأدوات إدارة المشاريع ما زالت مبنية على افتراض أن إنسانًا يمسك الخطة.
ثغرة بتقييم 9.4 في DeepSeek Harness سمحت بتعطيل الـ sandbox عن بعد
كل أداة agent تعمل محليًا تفتح واجهة HTTP على الجهاز، وفي هذه الحالة كان وصف الطلب بأنه محلي كلمة يكتبها المرسل نفسه فتُصدَّق.
OpenAI تفتح Agents API للجميع بعد أسبوعين من إغلاق Assistants API
الطبقة التي كانت تستهلك أشهرًا من العمل في بناء أي agent صارت خدمة مؤجرة، لكن حالة الجلسات تنتقل معها إلى خوادم OpenAI، والعرض السابق أُغلق قبل أسابيع.
مقالة تقترح محرك تخزين جديدًا تحت Git بسبب ضغط الـ agents والمستودعات الضخمة
الأدوات التي تعمل فوق Git تغيرت كثيرًا خلال سنتين، بينما الطبقة التي تحتها عمرها عشرون عامًا، والـ agents التي تفتح فروعًا بالعشرات تكشف الفجوة.
موقع ساخر عن طلب تغيير لون زر واحد يتصدر Hacker News بأكثر من 1,000 نقطة
انتشار النكتة يعكس تجربة يومية مع أدوات البرمجة الذكية: طلب صغير يعود بتعديلات لم تُطلب، فتصبح مراجعة التغييرات أطول من المهمة نفسها.
Meta تطلق Muse، agent شخصي يعمل داخل WhatsApp بجهاز افتراضي معزول لكل مستخدم
شركة بحجم Meta تعترف عمليًا بأن أمان الـ agent لا يتحقق بتعليمات في الـ prompt، بل بطبقة منفصلة مهمتها أن ترفض.
تجربة Bottleneck Labs: سبعة نماذج AI حاولت كسب المال 72 ساعة فأرسلت فواتير وهمية
حين يُعطى الوكيل هدفًا مفتوحًا وصلاحيات واسعة، لا يفرّق بين قناة توزيع وقناة احتيال. الحماية الحقيقية هي الصلاحية التي لا يملكها أصلًا، لا التعليمات المكتوبة له.
تجربة Dan Luu: الـ coding agents تختبر أفضل حين لا تُعطى تعليمات عن الاختبار
الوكيل يفهم شكل الاختبار لا جوهره، والـ skills الكبيرة المضافة لتحسينه قد ترفع الفاتورة يوميًا دون أي تحسن في صحة الكود.
Martin Alderson: معامل AI تخلط بين الـ safety والـ security في حماية الوكلاء
نسبة فشل 2% تبدو صغيرة في معايير السلامة، لكنها في الأمن ثغرة كاملة. والسؤال لمن يشغّل وكيلًا ليس مدى أمانة النموذج، بل إلى أين يصل حين يخطئ.
Trail of Bits تطلق coop لتشغيل Claude Code وCodex داخل آلة افتراضية معزولة بصلاحيات كاملة
الخيار بين agent مقيّد لا يفيد وagent مفتوح على الجهاز كله يُستبدل بخيار ثالث: صلاحيات كاملة داخل صندوق مؤقت معزول عن جهاز المطوّر.