GPT-6 Astra يحدد أخطاء تجميع أثاث إيكيا بدقة 80 بالمئة

أصبح نموذج GPT-6 Astra من OpenAI يكتشف معظم الأخطاء التي يرتكبها الناس أثناء تجميع أثاث إيكيا. يسجل النموذج دقة 80 بالمئة في اختبار Furniture Assembly Benchmark (FAB) من Epoch AI، الذي نشرته مجموعة البحث في 23 سبتمبر. في نوفمبر 2025 كانت أفضل نتيجة 28 بالمئة وحققها Claude Opus 4.5 من Anthropic.

يطرح الاختبار سؤالاً ضيقاً لكنه عملي: هل يستطيع النموذج ربط تعليمات التجميع الورقية بجسم حقيقي وشرح ما جرى بشكل خاطئ؟ ويعتبره Epoch AI مؤشراً على التفكير البصري والمكاني.

ما الذي يختبره الاختبار

اشترى Epoch AI ثلاث قطع من أثاث إيكيا اختيرت وفق IKEA Complexity Index: رف أحذية STÄLL، وإطار سرير TONSTAD، وخزانة أدراج GULLABERG. صوّر الباحثون عملية التجميع وارتكبوا أخطاء متعمدة واقعية، وغالباً واصلوا التجميع بعد الخطأ لجعل اكتشافه أصعب.

يتلقى النموذج 60 صورة، بعضها لتجميع صحيح وبعضها فيه أخطاء، إضافة إلى دليل التعليمات وأداة تكبير ومفسّر Python ضمن ميزانية وكيل من 80 خطوة. وللحصول على النقطة يجب أن يحدد النموذج كل خطوة فيها خطأ وأن يصف الخطأ، ثم يتحقق GPT-5.6 Sol من الوصف.

المنافسون والفجوة

يأتي Claude Fable 5.1 في المرتبة التالية بنسبة 70 بالمئة، وClaude Opus 5 بنسبة 61 بالمئة. وتتخلف النماذج الصينية المفتوحة الأوزان عن الطليعة: يتأخر Kimi K3 بسبعة أشهر في FAB، مقابل 4.4 أشهر في مؤشر Capabilities Index العام لدى Epoch. ويشير Epoch AI إلى أن دعم الصور ما زال نادراً في النماذج الصينية: فهو غائب في DeepSeek V4 Pro وDeepSeek Flash وGLM 5.3 من Z.ai.

لماذا يهم ذلك

يقول الباحثون إن تجميع الأثاث يمثل مؤشراً بديلاً لأعمال الصيانة التي تتطلب المهارات نفسها، مثل إصلاح سيارة أو جهاز منزلي. كما أن Astra أسرع نموذج جرى اختباره: ثلاث دقائق وسيطة لكل صورة، أي أسرع بمقدار مرتين إلى عشر مرات من المتصدرين السابقين، لكنه لا يزال بطيئاً للتوجيه في الوقت الحقيقي. ويغطي الاختبار 60 صورة فقط من ثلاث عمليات تجميع، لذا ليس واضحاً مدى انطباق النتائج على مهام مادية أخرى.