قبل / بعد
قبل: ترسل مهمة إلى نموذج قوي، ثم تنتظر حتى ينتهي من توليد الإجابة.
بعد: نفس مستوى النموذج تقريبًا يصبح قادرًا على ضخ المخرجات بسرعة أعلى بكثير، وهو ما يفيد خصوصًا في التطبيقات التي تحتاج استجابة شبه فورية.

لكن لا تفهم رقم 14× على أنه يعني أن كل شيء داخل ChatGPT سيصبح أسرع 14 مرة. الرقم الذي أعلنته OpenAI هو مقارنة لأداء Ultrafast مع المعالجة القياسية في هذا المسار، والميزة ما زالت في مرحلة معاينة محدودة عبر API.

وهنا تبدأ القصة الحقيقية.
لماذا أصبحت السرعة مهمة لهذه الدرجة الآن؟
قبل سنوات، كان أغلب استخدامنا للذكاء الاصطناعي يشبه سؤال مدرس خاص.

• تسأل.
• ينتظر.
• يجيب.

ثم تسأل سؤالًا آخر.
لكن الذكاء الاصطناعي يتحرك الآن باتجاه مختلف: الوكلاء أو Agents.
الوكيل لا يكتفي بالإجابة؛ يمكنه تنفيذ مهمة طويلة عبر عدة خطوات وأدوات. وقد وصفت OpenAI هذا التحول بأنه انتقال من تفاعلات قصيرة إلى مهام طويلة يمكن أن يعمل عليها الوكيل لعدة دقائق أو ساعات، مع استخدام أدوات وبيئات مختلفة.
تخيل أنك تعطي موظفًا مهمة بحثية.
بدل أن تقول له: "ابحث لي عن هذه المعلومة"، تقول: "اجمع المصادر، قارن البيانات، حلل النتائج، جهز تقريرًا، ثم راجع الأخطاء."
كل خطوة تحتاج وقتًا.
إذا كانت كل خطوة تستغرق 10 ثوانٍ، فلن تشعر بمشكلة كبيرة في مهمة واحدة. لكن عندما تصبح المهمة 20 أو 30 خطوة، تتحول الثواني الصغيرة إلى انتظار طويل.

قبل / بعد
قبل: الوكيل ينفذ 30 خطوة، وبين كل خطوة وأخرى ينتظر النموذج والأنظمة المرتبطة به.
بعد: إذا انخفض زمن كل خطوة، يمكن للمهمة نفسها أن تنتهي أسرع بكثير، أو يستطيع الوكيل تجربة حلول أكثر خلال الوقت نفسه.

وهذا ليس مجرد تصور نظري. OpenAI أشارت إلى أن مهام Codex الوكيلة تتضمن عشرات التفاعلات بين النموذج والأدوات، وأن تقليل زمن كل دورة يصبح مهمًا جدًا عندما تتكرر هذه الدورات.

طيب... ماذا سيشعر به المستخدم العادي؟

إذا كنت تستخدم الذكاء الاصطناعي فقط لسؤال سريع مثل "ما عاصمة اليابان؟"، فلن تغير السرعة حياتك.
الإجابة أصلًا قصيرة.
لكن تخيل أنك تستخدم AI لكتابة كود، تحليل ملف كبير، البحث في مجموعة مصادر، أو بناء تطبيق.
هنا يصبح الفرق محسوسًا.
تخيل شاشة أمامك عليها مؤشر انتظار صغير. كلما انتهى النموذج من خطوة، يظهر جزء جديد من النتيجة، ثم تبدأ الخطوة التالية.
في نظام سريع جدًا، هذا الشعور يتحول من "أرسلت مهمة وانتظر" إلى شيء أقرب إلى شخص يجلس بجانبك ويعمل معك لحظة بلحظة.

قبل / بعد
قبل: تطلب من وكيل تحليل مشكلة برمجية، تنتظر، ثم ينتقل إلى فحص ملف آخر، ثم ينتظر مرة أخرى.
بعد: يصبح إنتاج المخرجات أسرع، فتقل الفجوات بين المراحل، ويصبح التفاعل مع الوكيل أقرب إلى محادثة عملية مستمرة.

وهذا تحديدًا هو النوع من الاستخدامات الذي تستهدفه OpenAI في Ultrafast؛ فقد ذكرت أمثلة مثل الاستجابة للحوادث البرمجية، البحث المالي، التجارة الإلكترونية، وخدمات الدعم.
السرعة ليست فقط "راحة"... إنها تغير طريقة استخدام AI
وهنا النقطة التي أعتقد أنها أهم من رقم 14.
عندما يكون الذكاء الاصطناعي بطيئًا، تتصرف معه بحذر.
تقول: "هل يستحق أن أطلب منه هذا؟"
لكن عندما تصبح الاستجابة شبه فورية، تبدأ بتجربة أشياء أكثر.
اطلب منه نسخة ثانية.
ثم ثالثة.
غيّر الفكرة.
اختبر سيناريو آخر.
اجعله يقارن.
ثم عدل النتيجة.
كأنك كنت تقود سيارة في طريق مزدحم، وكل دقيقة تحتاج أن تضغط الفرامل. فجأة أصبح الطريق مفتوحًا؛ السيارة لم تصبح بالضرورة أذكى، لكنك أصبحت تتحرك أكثر خلال نفس الساعة.

قبل / بعد
قبل: تنتظر 30 ثانية بعد كل تجربة، فتكتفي بتجربة واحدة أو اثنتين.
بعد: إذا أصبحت الاستجابة أسرع بكثير، تستطيع إجراء عدة محاولات ومقارنات خلال الفترة نفسها.
وهذا يفسر لماذا تصف OpenAI الفكرة بأنها "عمل مفيد أكثر في الثانية"، وليس مجرد انتظار أقل.

وهل السرعة تعني أن الذكاء أصبح أقل أهمية؟

لا.
وهذه نقطة يجب ألا نضيعها وسط الحماس.
الذكاء الاصطناعي السريع الذي يعطيك إجابة خاطئة بسرعة لا يفيدك كثيرًا.
بل قد يكون أسوأ.
المشكلة أن المنافسة بدأت تتغير من سؤال "من لديه النموذج الأذكى؟" إلى سؤال أكثر تعقيدًا:
من يستطيع تقديم ذكاء قوي، بسرعة، وبتكلفة مناسبة، داخل سير عمل كامل؟
وهذا واضح في طريقة تطوير OpenAI للأنظمة الوكيلة نفسها؛ الشركة تعمل على تقليل عدد دورات النموذج، إعادة استخدام العمل السابق، وتنفيذ بعض العمليات بالتوازي لتقليل الزمن والتكلفة.

قبل / بعد
قبل: نموذج قوي جدًا، لكنه يحتاج وقتًا طويلًا لإنهاء مهمة متعددة المراحل.
بعد: نموذج قوي + أدوات أسرع + تنفيذ متوازٍ + إدارة أفضل للسياق = إنجاز المهمة في وقت أقل.
هنا لا تصبح السرعة بديلًا عن الذكاء.
تصبح مضاعفًا لقيمة الذكاء.

فهل بدأ السباق القادم على السرعة؟

على الأغلب، نعم... لكن ليس بدل الذكاء.
بل الاثنين معًا.
تخيل سباق سيارات. في البداية كان السؤال: من لديه المحرك الأقوى؟ ثم اكتشف الجميع أن المحرك وحده لا يكفي؛ تحتاج ناقل حركة جيدًا، تبريدًا أفضل، وإطارات تجعل القوة تصل إلى الطريق.
الذكاء هو المحرك.
السرعة هي مدى سرعة تحويل ذلك الذكاء إلى نتيجة.
واللافت أن OpenAI نفسها كانت تعمل قبل Ultrafast على تقليل زمن الوكلاء من خلال تحسين الاتصال والبنية التحتية. وفي أبريل 2026 أعلنت أن تحسينات على Responses API جعلت بعض حلقات عمل الوكلاء أسرع بنسبة 40% من البداية إلى النهاية، مع قفزة في سرعة الاستدلال من نحو 65 إلى قرابة 1,000 رمز في الثانية في سياق الاختبار الذي عرضته.
هذا يعني أن Ultrafast ليس حادثة منفصلة.
إنه جزء من اتجاه أكبر.

لكن... هل يجب أن نهتم بـUltrafast الآن؟
إذا كنت مستخدم ChatGPT عاديًا، ليس بالضرورة.
لأن Ultrafast حاليًا ليس زرًا يمكنك تشغيله في ChatGPT ثم تحصل على سرعة 14×. الإعلان الحالي موجه أولًا إلى مستخدمي API والعملاء الذين يبنون منتجات وسير عمل تعتمد على النموذج، والوصول ما زال محدودًا في مرحلة المعاينة.
أما إذا كنت مطورًا أو شركة تبني وكيلًا يعتمد على عشرات الخطوات، فالقصة مختلفة تمامًا.

قبل / بعد
بدون سرعة عالية: الوكيل قد يقضي وقتًا طويلًا في الانتقال بين التحليل والأدوات والنتائج.
مع سرعة أعلى: تصبح نفس البنية أكثر استجابة، ويمكن تنفيذ عدد أكبر من دورات العمل خلال الوقت نفسه.
وهنا قد تظهر قيمة Ultrafast الحقيقية.
ليس في كتابة رسالة بريد إلكتروني أسرع.
بل في جعل أنظمة كاملة تعمل بوتيرة أقرب إلى الإنسان.

إذن... من سيفوز: الأذكى أم الأسرع؟

ربما السؤال نفسه بدأ يصبح قديمًا.
المنافسة القادمة لن تكون بين نموذج ذكي ونموذج سريع.
ستكون بين نموذج ذكي وسريع وقادر على العمل.
لأننا عندما انتقلنا من مرحلة "اسأل الذكاء الاصطناعي" إلى مرحلة "فوّضه بالمهمة"، أصبحت كل ثانية داخل سلسلة العمل لها قيمة.
وUltrafast يقدم إشارة واضحة إلى الاتجاه الذي تتحرك فيه الصناعة: الذكاء الاصطناعي لا يريد فقط أن يعرف أكثر، بل يريد أن ينجز أكثر خلال وقت أقل.
فإذا كان الجيل الأول من AI قد جعل الآلة تفكر معك، والجيل التالي جعلها تعمل بدلًا عنك في بعض المهام...

فالسؤال الآن ليس: من يملك الذكاء الأكبر؟
بل: من يستطيع تحويل هذا الذكاء إلى إنجاز أسرع، دون أن يخسر الدقة في الطريق؟