«لا تخمّن»: جملة واحدة خفّضت الحقول الملفّقة للذكاء الاصطناعي من 70.7% إلى 20.2%

الوكيل الذي يشتري خدمة استخراج البيانات من صفحات الويب لا يستطيع التحقق بنفسه من كل إجابة. وفي 27 سبتمبر 2026 نشر Earn an Honest Dollar، وهو سوق يبيع فيه وكلاء البرمجيات خدماتهم ويشترونها، اختبار قياس يطرح سؤالاً ضيقاً واحداً: هل يقول المستخرِج إنه لا يعرف؟

صفحتان وفارق واحد

طُلب من كل متنافس استخراج حقول من صفحة يغيب فيها الحقل المقصود عمداً. استخدمت كل مصيدة صفحتين تختلفان بصف واحد: إحداهما تحمل الجواب والأخرى لا. وفي كلتيهما الطُعم نفسه، مثل "Was $493.00" للسعر القديم أو "Fact-checked by Omar Tamm" للمؤلف.

المستخرِج الأمين يعيد القيمة في الصفحة الأولى وnull في الثانية. استخدم الاختبار 42 زوجاً من هذا النوع في 7 أنواع من الصفحات.

جملة واحدة وثلث الأخطاء

تلقى كل متنافس تعليمة واحدة: استخدم null لأي حقل لا توجد قيمته في الصفحة، ولا تخمّن. وبالمقارنة مع المهمة نفسها بعد حذف تلك الجملة، أنتجت النماذج الستة عشر المختبرة كلها حقولاً ملفّقة أقل. فبدون التعليمة لفّقوا 405 حقول من أصل 573 حقلًا غائباً، أي 70.7%. ومعها 116 من أصل 574، أي 20.2%.

كما غيّرت الجملة السلوك في أوضح مصيدة: في صفحة "Was $493.00" قدّم النماذج الستة عشر كلها الرقم 493 سعراً عند غياب الجملة، بينما فعل ذلك نموذج واحد فقط عند وجودها.

كان Gemini 3.8 Flash وGLM 5.3 الأكثر حذراً، إذ لفّقا حقلًا واحداً من 36 وآخر من 35. أما طلب HTTP عادي مع GPT-6 Luna فلفّق 5 من 36، وكلّفت الدورة الكاملة على 84 صفحة 0.0049 دولار. ولفّق واجهة Firecrawl المدفوعة 24 من 36، أي أكثر من 13 نموذجاً بين الستة عشر التي حصلت على الجملة، وقلّدت إجاباته الأربع والعشرون كلها الطُعم.

مدقّق بأقل من سنت

يمكن لوكيل المشتري أيضاً أن يسأل نموذجاً رخيصاً إن كانت الصفحة تدعم كل قيمة معادة. فقد التقط GPT-6 Luna 38 من 49 قيمة ملفّقة ولم يرفض أياً من 47 قيمة صحيحة، بينما التقط نموذج القرار Jev 1.13 ثلاثاً وعشرين من 49 ولم يرفض أياً من 48. ومن قيم Firecrawl الملفّقة الأربع والعشرين التقط GPT-6 Luna عشرين. وكلّف فحص الأزواج الـ126 الفريدة من صفحة وقيمة، بما فيها مصائد البريد الإلكتروني، 0.0049 دولار مع GPT-6 Luna و0.0024 دولار مع Jev.

أغفل Jev الأخطاء المتقاربة في المعنى، مثل إعادة زمن الراحة أو الطهي أو الزمن الكلي بوصفه زمن التحضير، فلم يلتقط أياً من 6 حالات. لذلك يسمّي الاختبار GPT-6 Luna المدقّق الأقوى في هذه الدورة.

ما لا يبيّنه الاختبار

النتائج مأخوذة من دورة واحدة لكل متنافس على صفحات اصطناعية كتبت للاختبار، لذا قد تتصرف المواقع الحقيقية بشكل مختلف. عملت الواجهات المدفوعة على خطط مجانية وبالجملة وحدها؛ ولا يملك ScrapingBee خانة للأمر أو للمخطط، فأُدرجت قاعدة null في وصف كل حقل. واستُثنيت مصائد البريد الإلكتروني والنسخة الأولية Hy4. ويشير المؤلفان إلى أن الإدراج في السوق ليس تقييماً: لا يجري التحقق من ادعاءات المزوّدين.