وكلاء Qwen3.5-Omni المرئيون: الحدود الجديدة لأتمتة تطبيقات المؤسسات

البنية التي تُغيّر الحسابات الوكيلية

ظلّت أتمتة المؤسسات تتأرجح لعقدين بين نصوص RPA الهشة ومنصات الذكاء الاصطناعي الاحتكارية الباهظة. Qwen3.5-Omni، الذي أصدره فريق Qwen من Alibaba في 30 مارس 2026، هو أول نموذج مفتوح المصدر يُخلّ بكلا طرفي هذا الطيف في آنٍ واحد.

تُبنى بنية النموذج على تشعّب “Thinker-Talker”: نظام عصبي فرعي يتعامل مع التخطيط والاستدلال وتنسيق الأدوات؛ وآخر يتعامل مع توليد المخرجات عبر الوسائط — نص أو كلام بـ36 لغة أو استخراجات بيانات منظمة من المدخلات المرئية. يُفعّل تصميم Hybrid-Attention Mixture of Experts 17 مليار فقط من أصل 397 مليار معامل لكل استدعاء استدلال، مما يجعل النشر الإنتاجي على عتاد GPU متوسط المستوى اقتصادياً قابلاً للتحقيق لأول مرة.

ما يُعدّ ذا صلة خصيصاً بالوكلاء المرئيين هو خط أنابيب معالجة الفيديو المدمج. يستطيع Qwen3.5-Omni معالجة ما يصل إلى 400 ثانية من الفيديو بدقة 720p بمعدل أخذ عينة إطار واحد في الثانية — كافٍ لمشاهدة عرض توضيحي كامل لسير عمل برمجي واستخراج تسلسل الإجراءات المنجزة وإعادة إنتاج هذا التسلسل باستقلالية. ويمكنه في آنٍ واحد سماع التعليمات الصوتية من المدير ومشاهدة تسجيل الشاشة لسير العمل المستهدف وتوليد خطة عمل منظمة دون تدخل بشري في هذه الحلقة.

موضعت تحليل InfoWorld للمؤسسات المتغيّر المستضاف Qwen3.5-Plus — بنافذة سياق مليون رمز — بوصفه “أساساً للوكلاء الرقميين القادرين على الاستدلال المتقدم واستخدام الأدوات عبر التطبيقات”. الإصدار المفتوح المصدر يعني أن فرق المؤسسات غير مُقيَّدة بالإصدار المستضاف؛ يمكنها نشر النموذج بـ397 مليار معامل على بنيتها التحتية الخاصة.

ثلاثة نتائج معايير تُحدد الفرصة

تستند فرصة الوكلاء المرئيين إلى ثلاثة نتائج محددة من مجموعة التقييم لـQwen3.5-Omni، مؤكَّدة من التغطية التقنية لـSiliconAngle.

أولاً: تفوّق Qwen3.5-Omni على سلفه Qwen3-VL — نموذج مبني حصرياً لمهام الاستدلال المرئي — في معايير رؤية وبرمجة متعددة. نموذج متعدد الوسائط للأغراض العامة يتفوق على متخصص مخصص للرؤية هو إعلان معماري: خط الأنابيب الموحّد ليس تنازلاً، بل ميزة.

ثانياً: حقق النموذج نتائج متقدمة عبر 215 مهمة صوتية وصوتية مرئية، متفوقاً على Google Gemini 3.1 Pro في فهم الصوت العام والتعرف على الكلام والترجمة. للوكلاء المرئيين العاملين في بيئات المؤسسات الحقيقية — حيث تصل التعليمات صوتياً وتظهر سير العمل على الشاشة وتحتاج المخرجات للتسجيل نصياً — التنسيق الصوتي المرئي بهذه الدقة شرط مسبق.

ثالثاً: نافذة السياق البالغة 256,000 رمز، المؤكَّدة من تغطية معايير MarkTechPost، تُتيح للوكيل الحفاظ على الوعي بسير عمل مؤسسي كامل — بما في ذلك جميع الخطوات السابقة وحالات الخطأ والفروع الشرطية — دون فقدان السياق في منتصف التنفيذ.

ما يجب على فرق أتمتة المؤسسات فعله

1. مراجعة محفظة RPA لتحديد مرشحي الاستبدال بوكلاء مرئيين

نصوص RPA التي تتفاعل مع واجهات الويب أو تطبيقات سطح المكتب أو أنظمة إدارة الوثائق هي أولى المرشحات للاستبدال. تعتمد RPA على استهداف عناصر على مستوى البكسل أو محددات DOM هشة؛ يمكن لـQwen3.5-Omni التنقل في واجهة تطبيق بفهم بنيتها المرئية والدلالية، متحمّلاً تغييرات الواجهة دون انكسار.

أجرِ مراجعة منظمة: صنّف نصوص RPA الخاصة بك حسب معدل الفشل خلال الـ12 شهراً الماضية. أي نص يتجاوز 3 إخفاقات شهرياً بسبب تغييرات الواجهة هو مرشح قوي لوكيل مرئي يستحق الأولوية. قدّر تكلفة صيانة هذه النصوص (ساعات المهندسين × التعريفة الساعية)، ثم قارن مع تكلفة استدلال GPU لوكيل Qwen3.5-Flash يتعامل مع نفس سير العمل. في البيئات ذات الكثافة العالية من الواجهات المتغيرة — أنظمة ERP وبوابات العملاء وتطبيقات الويب القديمة — يُفضّل الاقتصاد عادةً الوكيل في غضون 6-9 أشهر.

2. بناء أول وكيل مرئي حول سير عمل منظم ومتكرر

حدّدت تحليل InfoWorld صراحةً “مطابقة الفاتورة بالعقد” و”فرز مدخلات الموردين” كنقطتي انطلاق عالية القيمة ومنخفضة المخاطر. هذه سير عمل منظمة (حالات دخل وخرج محددة) ومتكررة (حجم عالٍ وتباين منخفض) وقابلة للقياس (سهل التحقق من الصحة).

ابنِ أول وكيل مرئي في بيئة محمية باستخدام Qwen3.5-Flash لا Plus. صُمِّم Flash للاستدلال عالي الإنتاجية ومنخفض الكمون — مناسب لأتمتة سير العمل حيث يهم وقت الاستجابة. احتفظ بـPlus لحالات الاستخدام التي تستلزم سلاسل استدلال ممتدة. تحقق من دقة الوكيل على 200 نموذج تاريخي لسير العمل قبل الانتقال إلى الإنتاج.

3. إنشاء بنية نقاط تحكم بشري في الحلقة قبل التوسيع

ستصادف الوكلاء المرئية العاملة باستقلالية في تطبيقات المؤسسات حالات حافة — حالات واجهة غامضة وأخطاء صلاحيات وتعارضات بيانات — تستلزم حكماً بشرياً. نمط الفشل الواجب تجنّبه هو وكيل يتعامل بصمت مع الحالات الحافة بافتراضات، ينشر الأخطاء في اتجاه المجرى قبل أن يلاحظ أي أحد.

البنية الصحيحة: تحديد عتبات ثقة صريحة يتوقف عندها الوكيل ويُحيل إلى مراجع بشري بدلاً من الاستمرار. بالنسبة لعمليات نشر Qwen3.5-Omni، هذا يعني بناء قائمة تصعيد في غلاف وكيلك — واجهة خفيفة يعرض فيها الوكيل الحالة الغامضة وأفضل خيارَي إجراء ويتوقع قرار بشري قبل المتابعة.

ميزة المصدر المفتوح للقطاعات الحذرة من الذكاء الاصطناعي

الخدمات المالية والرعاية الصحية والتصنيع المنظَّم هي القطاعات الأكثر مقاومةً للارتباط بمورد ذكاء اصطناعي احتكاري — وهي أيضاً القطاعات ذات الكثافة الأعلى من سير العمل المنظمة والقابلة للأتمتة. توافر Qwen3.5-Omni المفتوح المصدر يُغيّر الحسابات لهذه الصناعات بطريقة محددة.

النشر داخلي لوكيل مرئي يعني أن البيانات لا تغادر أبداً البنية التحتية الخاضعة لسيطرة المؤسسة. لا سجلات مرضى تُوجَّه عبر نقطة استدلال خارجية. لا بيانات معاملات مالية تنتقل إلى خط تدريب مورد تجاري. تحتفظ المؤسسة بقدرة تدقيق كاملة على ما رآه الوكيل والقرارات التي اتخذها والإجراءات التي نفّذها.

أكّد تقرير SiliconAngle أن النموذج متاح على Hugging Face تحت رخصة مفتوحة المصدر تُجيز صراحةً النشر التجاري. للمؤسسات المنظَّمة التي كانت تنتظر قدرة متعددة الوسائط مفتوحة المصدر بجودة الإنتاج، 30 مارس 2026 هو التاريخ الذي انتهى فيه الانتظار.

الأسئلة الشائعة

المصادر والقراءات الإضافية

• فريق Qwen من Alibaba يُصدر Qwen3.5-Omni — MarkTechPost
• Qwen3.5 من Alibaba يستهدف سير عمل وكلاء المؤسسات — InfoWorld
• Alibaba تُصدر نموذج Qwen3.5 متعدد الوسائط — SiliconAngle
• Qwen3.5 يستهدف سير عمل وكلاء المؤسسات — Computerworld
• إطلاق Qwen3.5-Omni متعدد الوسائط من Alibaba — eWeek