Kimi K3 يتفوق على Claude Fable 5 و GPT 5.6 Sol في معيار توليد كود Next.js

يُظهر معيار علني جديد لقياس وكلاء AI البرمجيين في مهام إنشاء وترحيل كود Next.js فائزًا واضحًا، وهو ليس من المختبرات التي تهيمن عادةً على هذه المقارنات. حقق Kimi K3، الذي يعمل بعامل OpenCode، أعلى معدل نجاح على اللوحة بنسبة 92%، متعادلاً مع Claude Fable 5 (high) على Claude Code، و Cursor Composer 2.5، و GPT 5.6 Sol (ultra) على Codex. ما يميز Kimi K3 هو الساعة: فقد سجل أسرع متوسط وقت إكمال بين القادة عند 199.89 ثانية، أي أسرع بأكثر من نصف دقيقة من 231.83 ثانية لـ GPT 5.6 Sol.

آخر تحديث في 17 يوليو 2026، يغطي التقييم 24 مجموعة من العامل والنموذج تم اختبارها على مجموعة تشمل بناء التطبيق، توليد المكونات، إنشاء مسارات API، والترحيل من أنماط Next.js الأقدم. تتحدى النتائج افتراضًا شائعًا بأن نوافذ السياق الأعمق ومستويات الاستدلال الأكثر تكلفة تنتج تلقائيًا كودًا أفضل. تمتد أفضل أربعة وكلاء عبر مستويات تسعير وبنى وكيل مختلفة تمامًا، لكنهم انتهوا ضمن نقطة واحدة من بعضهم البعض.

AGENTS.md: المعادل العظيم

أبرز نمط في البيانات هو تأثير ملف واحد: AGENTS.md، وهو وثيقة مرجعية لـ Next.js تم تزويد الوكلاء بها أثناء جولة التقييم الثانية. بدونها، تختلف معدلات النجاح من 21% (Kimi K2.5) إلى 92% (القادة الأربعة). معها، ارتفع 15 من أصل 24 إدخالاً، بما في ذلك كل نموذج بمعدل أساسي 75% أو أعلى، إلى 96%. فقط النماذج الأربعة الأدنى (Kimi K2.5 بنسبة 58%، MiniMax M2.7 بنسبة 63%، وثلاثة آخرين في نطاق 79%-83%) فشلت في الوصول إلى ذلك السقف.

القفزة دراماتيكية للنماذج المتوسطة. ارتفع Claude Opus 4.7 (max) من 75% إلى 96%. ارتفع Cursor Composer 2.0 من 75% إلى 96%. قفز Grok 4.5 على OpenCode من 83% إلى 96%. ملف الوثائق يمحو بشكل أساسي الفجوة بين نموذج بقيمة 200 دولار في الساعة ونموذج ميزانية، طالما أن استرجاع العامل الأساسي يمكنه قراءة ملف markdown.

هذا له آثار عملية للفرق التي تقيّم وكلاء البرمجة. النجاح بدون وثائق يقيس معرفة النموذج الخاصة بـ Next.js، ومدى دمج واجهة برمجة التطبيقات للإطار في بيانات تدريبه. النجاح مع الوثائق يختبر مهارة مختلفة: قدرة العامل على اتباع تعليمات صريحة في ملف مرجعي. بالنسبة لمعظم العمل الواقعي، يهم الأخير أكثر، حيث يمكن للفرق إرسال AGENTS.md الخاص بهم يغطي الأنماط الداخلية، واجهات برمجة التطبيقات المهملة، واتفاقيات الأسلوب.

المقايضة بين السرعة والأداء

تتفاوت المدة بشكل كبير عبر الجدول. سجل Cursor Composer 1.5 أسرع وقت إجمالي عند 115.52 ثانية لكنه وصل فقط إلى دقة 67%. استغرق GPT 5.5 Pro، باستخدام عامل Codex في أعلى مستوى استدلال، 771.63 ثانية، أكثر من أي إدخال آخر، مقابل معدل نجاح 83%، مما وضعه خلف نماذج أنهت المهمة في أقل من 150 ثانية. كانت درجة AGENTS.md البالغة 83% أيضًا الأدنى بين أي نموذج بدأ عند 75% أو أعلى.

كان أداء Gemini مختلطًا: حقق Gemini 3.1 Pro Preview على Gemini CLI 75% في 247 ثانية، بينما جاء Gemini 3.0 Pro Preview بنسبة 67% و 260 ثانية. قفز كلاهما إلى 83% و 83% على التوالي عند تلقي الوثائق، لكن لم يخترق أي منهما المستوى الأعلى.

كان MiniMax M3 مفاجأة من حيث السرعة، 181.88 ثانية بنسبة 75%، صاعدًا إلى 96% مع الوثائق، مما يشير إلى أن حلقة العاملة الخاصة به فعالة حتى لو كانت معرفته الأولية بـ Next.js غير ملحوظة.

ماذا يعني هذا لاختيار وكيل برمجي

يوضح المعيار بعض الأمور بوضوح. أولاً، أكبر تمايز بين الوكلاء ليس في دقتهم القصوى في المهام الخام، ولكن في مدى رخص وسرعة وصولهم إلى نتيجة جيدة بما يكفي عند توفير السياق المناسب. ثانيًا، النماذج الأربعة الأولى (Kimi K3، Claude Fable 5، GPT 5.6 Sol، Cursor Composer 2.5) لا يمكن تمييزها في النتيجة، جميعها عند 96% مع الوثائق، جميعها ضمن نطاق مدة 37 ثانية باستثناء Cursor الذي يبلغ 149 ثانية. الاختيار بينهم يعود إلى التكلفة، تحمل زمن الاستجابة، والتكامل مع النظام البيئي بدلاً من جودة الكود الخام.

ثالثًا، الجدول هو تحذير من اختيار وكيل بناءً على مقياس واحد. GPT 5.5 Pro يكلف أكثر ويعمل لفترة أطول من أي نموذج آخر هنا للحصول على نتيجة في منتصف الجدول. يتعادل Claude Opus 4.6 و 4.7 بنسبة 75% بدون وثائق لكنهما يصلان إلى 96% معها، نفس سقف أفضل النماذج. الفجوة بين الأفضل والمتوسط في البرمجة بمساعدة AI أضيق مما يرغب العديد من البائعين في أن تصدقه، وملف markdown غالبًا ما يكون القطعة المفقودة.