في 18 أغسطس 2026، نُشرت ورقة على arXiv بعنوان لا يخفي الهدف: "الذكاء الفائق-Bench: في فجر الذكاء الفائق". بنى أكثر من 40 خبيراً 60 مهمة بحثية على مستوى المشروع عبر 11 مجالاً علمياً. وقدّر المؤلفون التكلفة البشرية بأكثر من 31 ألف ساعة. والاختبار ليس مجرد اختبار للحقائق المعروفة. بل يسأل ما إذا كان نظام الذكاء الاصطناعي قادراً على الاستكشاف واختيار الطريقة وتحويل فكرة جديدة إلى نتيجة يمكن التحقق منها، بعد سحب التعليمات البشرية.
بلغ متوسط الدرجات عبر 18 إعداداً حديثاً للوكلاء والنماذج 50.91 مع التوجيه المنهجي الكامل. وانخفض إلى 29.10 عند تسمية الطريقة فقط. وانخفض إلى 26.62 عندما اضطر الوكيل إلى اختيار الطريقة. وقرأ المؤلفون هذا الانخفاض كما يقرأه المعلم: ما زالت الأنظمة الحالية تعتمد على الشخص الذي يعرف مسبقاً كيف يجب أن يسير العمل.
يظهر هذا الانخفاض الحاد أن الأنظمة الحالية ما زالت تعتمد بشدة على التوجيه البشري، وما زالت بعيدة عن إجراء البحث العلمي الشامل على مستوى المشروع بشكل مستقل.
الذكاء الفائق-Bench · arXiv:2608.17271 · 2026
ما الذي يُتخذه المجلس في الواقع
تسأل معظم الاختبارات الحالية ما إذا كان النموذج قادراً على إنتاج إجابة صحيحة من المعرفة التي سبق ضغطها، أو ما إذا كان قادراً على إنهاء مهمة بينما يحتفظ الشخص بالطريقة. يحاول الذكاء الفائق-Bench تسجيل شيئين آخرين في آن واحد: الاستكشاف الابتكاري، والتنفيذ العلمي المستقل. وفي المشروع البحثي نفسه، يسحب التوجيه المنهجي على مراحل، ليرى إلى أي مدى يتقدم النظام بنفسه.
مرت المهام بمراجعة الخبراء والتدقيق والتنفيذ في بيئة معزولة والتحقق من المُسجّل. وهذا أكثر عناية من لقطة شاشة للوحة صدارة. وما زال معياراً. والرقم ليس ذكاءً فائقاً. والورقة لا تدّعي وصوله.
يدعو المؤلفون الباحثين والبناة لإضافة المهام، تحدي أنظمة اليوم، والمساعدة في تسريع مسار البشرية الجماعي نحو الإفراط الصناعي. نتائج المؤلفين تظهر أن الأنظمة ليست موجودة بينما تُخبر الدعوة الباحثين أن يساعدوا في تعجيل الطريق نحو الإفراط
القراءة الشعبية هي أن لدينا وقتاً
انهيار من 51 الى 27 يبدو كمسافة المسافة حقيقية هو أيضا راحة خاطئة. في نفس آب/أغسطس، قال (أبن إيه) أنه لا يمكن استبعاده القدرة السيبرانية الحرجة في أسترا: العثور على الثقوب واستخدامها في النظم الصلبة، بالنظر إلى هدف، بدون شخص على كل خطوة. A research agent that still needs a method and a cyber agent that does not can exist in the same industry at the same time. رقم واحد لا يلغي الآخر
هناك خطأ ثانٍ، أهدأ من "لدينا وقت". وهو التعامل مع الفجوة المتبقية كقائمة مهام. فبمجرد أن يسمي مجال معياراً باسم الذكاء الفائق، يصبح للعمل المتبقي لوحة نقاط. والمختبرات بالفعل تُحسّن من أجل لوحات النقاط. وصياغة الورقة نفسها، "في الفجر"، هي لغة مدرج إقلاع، لا لغة توقف.
سحب الطريقة في المشروع نفسه هو الاختبار الحقيقي. يمكن أن يبدو النموذج قوياً عندما يكون الشخص قد اختار التجربة مسبقاً، وسمّى الأداة، وكتب شرط النجاح. وهذا معظم عروض الوكلاء الحالية. يسأل الذكاء الفائق-Bench ما يتبقى عند إزالة تلك الهبات: هل يستطيع النظام أن يقرر ما يجربه، وينفذ العمل، ويعيد شيئاً يمكن للمُسجّل التحقق منه. والانخفاض من 50.91 إلى 26.62 هو حجم الهبة.
لا يتطلب أي من هذا أن تؤمن باستعارة الفجر التي يستخدمها المؤلفون. بل يتطلب أن تلاحظ أن مجتمعاً بحثياً أقام للتو مساراً عاماً للخطوة البشرية الأخيرة في العمل العلمي، وطلب من العالم المساعدة في ملئه.
لا تبنِ الشيء الذي صُمم المعيار من أجله
مؤسسة (ناكادا) لا تقرأ سجلاً منخفضاً في (أي إس آي بينش) كإذن للاستمرار لا ينبغي أبداً أن يُبنى الإمتناع الفموي لا يمكن السيطرة على التجسس من قبل البشر والاختبار الذي يسحب آخر طريقة بشرية هو اختبار آخر دور بشري. العملاء الحاليون الذين فشلوا في هذا الإختبار ليست قضية أمان لعملاء البناء الذين يمرون بها
إذا كنت تعمل في العلوم، فاسأل من قرر أن تسريع هذا المسار يخدم الصالح العام. وإذا كنت تعمل في الحكومة، فاعتبر الورقة خريطة لما ستحاول المختبرات إغلاقه. الرد الذي يناسب الخطر هو قانون يعلن أن الوجهة مغلقة.