ملاحظات المشرفين حول تكافؤ GPT-5.5 / Codex

تشرح هذه الملاحظة كيفية مراجعة برنامج تكافؤ GPT-5.5 / Codex بوصفه أربع وحدات دمج دون فقدان معمارية العقود الستة الأصلية.

# وحدات الدمج

# PR A: التنفيذ الوكيلي الصارم

يمتلك:

• executionContract
• متابعة GPT-5 أولاً ضمن نفس الدور
• update_plan كتتبع تقدم غير نهائي
• حالات حظر صريحة بدلاً من توقفات صامتة قائمة على الخطة فقط

لا يمتلك:

• تصنيف إخفاقات المصادقة/وقت التشغيل
• صدق الأذونات
• إعادة تصميم إعادة التشغيل/المتابعة
• قياس التكافؤ

# PR B: صدق وقت التشغيل

يمتلك:

• صحة نطاق OAuth في Codex
• تصنيف مكتوب لإخفاقات المزوّد/وقت التشغيل
• توفر /elevated full الصادق وأسباب الحظر

لا يمتلك:

• تطبيع مخطط الأداة
• حالة إعادة التشغيل/الحيوية
• بوابات القياس

# PR C: صحة التنفيذ

يمتلك:

• توافق أدوات OpenAI/Codex المملوك للمزوّد
• معالجة المخطط الصارم الخالي من المعاملات
• إظهار عدم صلاحية إعادة التشغيل
• وضوح حالة المهام الطويلة المتوقفة مؤقتاً، والمحظورة، والمتروكة

لا يمتلك:

• المتابعة ذاتية الاختيار
• سلوك لهجة Codex العامة خارج خطافات المزوّد
• بوابات القياس

# PR D: حزمة اختبار التكافؤ

يمتلك:

• حزمة سيناريوهات الموجة الأولى لمقارنة GPT-5.5 مع Opus 4.6
• توثيق التكافؤ
• تقرير التكافؤ وآليات بوابة الإصدار

لا يمتلك:

• تغييرات سلوك وقت التشغيل خارج QA-lab
• محاكاة المصادقة/الوكيل/DNS داخل حزمة الاختبار

# الربط بالعقود الستة الأصلية

العقد الأصلي	وحدة الدمج
صحة نقل/مصادقة المزوّد	PR B
توافق عقد/مخطط الأداة	PR C
التنفيذ ضمن نفس الدور	PR A
صدق الأذونات	PR B
صحة إعادة التشغيل/المتابعة/الحيوية	PR C
بوابة القياس/الإصدار	PR D

# ترتيب المراجعة

1. PR A
2. PR B
3. PR C
4. PR D

PR D هي طبقة الإثبات. ينبغي ألا تكون سبباً في تأخير PRs صحة وقت التشغيل.

# ما الذي يجب البحث عنه

# PR A

• تشغيلات GPT-5 تتصرف أو تفشل بإغلاق آمن بدلاً من التوقف عند التعليق
• لم يعد update_plan يبدو كتقدم بحد ذاته
• يبقى السلوك موجهاً إلى GPT-5 أولاً ومحصوراً في Pi المضمّن

# PR B

• تتوقف إخفاقات المصادقة/الوكيل/وقت التشغيل عن الانهيار إلى معالجة عامة من نوع "فشل النموذج"
• لا يوصف /elevated full بأنه متاح إلا عندما يكون متاحاً فعلاً
• تكون أسباب الحظر مرئية لكل من النموذج ووقت التشغيل المواجه للمستخدم

# PR C

• يعمل تسجيل أدوات OpenAI/Codex الصارم بشكل قابل للتنبؤ
• لا تفشل الأدوات الخالية من المعاملات في فحوصات المخطط الصارم
• تحفظ نتائج إعادة التشغيل وCompaction حالة حيوية صادقة

# PR D

• حزمة السيناريوهات مفهومة وقابلة لإعادة الإنتاج
• تتضمن الحزمة مسار سلامة إعادة تشغيل مُعدِّلاً، وليس تدفقات قراءة فقط
• التقارير قابلة للقراءة من البشر والأتمتة
• ادعاءات التكافؤ مدعومة بالأدلة، لا بالانطباعات

المخرجات المتوقعة من PR D:

• qa-suite-report.md / qa-suite-summary.json لكل تشغيل نموذج
• qa-agentic-parity-report.md مع مقارنة إجمالية وعلى مستوى السيناريو
• qa-agentic-parity-summary.json مع حكم قابل للقراءة آلياً

# بوابة الإصدار

لا تدّعِ تكافؤ GPT-5.5 أو تفوقه على Opus 4.6 حتى:

• يتم دمج PR A وPR B وPR C
• يشغّل PR D حزمة تكافؤ الموجة الأولى بنظافة
• تبقى حزم انحدار صدق وقت التشغيل خضراء
• يُظهر تقرير التكافؤ عدم وجود حالات نجاح زائف وعدم وجود انحدار في سلوك التوقف

flowchart LR
    A["PR A-C merged"] --> B["Run GPT-5.5 parity pack"]
    A --> C["Run Opus 4.6 parity pack"]
    B --> D["qa-suite-summary.json"]
    C --> E["qa-suite-summary.json"]
    D --> F["qa parity-report"]
    E --> F
    F --> G["Markdown report + JSON verdict"]
    G --> H{"Pass?"}
    H -- "yes" --> I["Parity claim allowed"]
    H -- "no" --> J["Keep runtime fixes / review loop open"]

حزمة اختبار التكافؤ ليست مصدر الأدلة الوحيد. أبقِ هذا الفصل صريحاً في المراجعة:

• يمتلك PR D المقارنة القائمة على السيناريوهات بين GPT-5.5 وOpus 4.6
• لا تزال حزم PR B الحتمية تمتلك أدلة صدق المصادقة/الوكيل/DNS والوصول الكامل

# سير عمل دمج سريع للمشرف

استخدم هذا عندما تكون جاهزاً لدمج PR تكافؤ وتريد تسلسلاً قابلاً للتكرار ومنخفض المخاطر.

1. أكّد أن حد الأدلة مستوفى قبل الدمج:
   • عرض قابل لإعادة الإنتاج أو اختبار فاشل
   • سبب جذري متحقق منه في الكود الملموس
   • إصلاح في المسار المعني
   • اختبار انحدار أو ملاحظة تحقق يدوية صريحة
2. فرز/وسم قبل الدمج:
   • طبّق أي تسميات إغلاق تلقائي r:* عندما لا ينبغي أن يندمج PR
   • أبقِ مرشحي الدمج خاليين من نقاشات الحظر غير المحلولة
3. تحقق محلياً على السطح الملموس:
   • pnpm check:changed
   • pnpm test:changed عندما تتغير الاختبارات أو تعتمد الثقة بإصلاح العلة على تغطية الاختبارات
4. ادمج باستخدام تدفق المشرف القياسي (عملية /landpr)، ثم تحقق من:
   • سلوك الإغلاق التلقائي للمشكلات المرتبطة
   • حالة CI وما بعد الدمج على main
5. بعد الدمج، شغّل بحث التكرارات لـ PRs/المشكلات المفتوحة ذات الصلة، وأغلق فقط بمرجع قانوني.

إذا كان أي عنصر من عناصر حد الأدلة مفقوداً، فاطلب تغييرات بدلاً من الدمج.

# خريطة الهدف إلى الدليل

عنصر بوابة الإكمال	المالك الأساسي	أثر المراجعة
لا توقفات قائمة على الخطة فقط	PR A	اختبارات وقت التشغيل الوكيلي الصارم وapproval-turn-tool-followthrough
لا تقدم زائف أو إكمال أداة زائف	PR A + PR D	عدد حالات النجاح الزائف في التكافؤ مع تفاصيل تقرير مستوى السيناريو
لا إرشاد خاطئ لـ /elevated full	PR B	حزم صدق وقت التشغيل الحتمية
تبقى إخفاقات إعادة التشغيل/الحيوية صريحة	PR C + PR D	حزم دورة الحياة/إعادة التشغيل مع compaction-retry-mutating-tool
يطابق GPT-5.5 أو يتفوق على Opus 4.6	PR D	qa-agentic-parity-report.md وqa-agentic-parity-summary.json

# اختصار المراجع: قبل مقابل بعد

المشكلة المرئية للمستخدم قبل	إشارة المراجعة بعد
توقف GPT-5.5 بعد التخطيط	يبيّن PR A سلوك التصرف أو الحظر بدلاً من إكمال قائم على التعليق فقط
بدا استخدام الأدوات هشاً مع مخططات OpenAI/Codex الصارمة	يحافظ PR C على قابلية التنبؤ في تسجيل الأدوات والاستدعاء الخالي من المعاملات
كانت تلميحات /elevated full مضللة أحياناً	يربط PR B الإرشاد بقدرة وقت التشغيل الفعلية وأسباب الحظر
كانت المهام الطويلة قد تختفي في غموض إعادة التشغيل/Compaction	يصدر PR C حالات صريحة: متوقف مؤقتاً، محظور، متروك، وإعادة تشغيل غير صالحة
كانت ادعاءات التكافؤ انطباعية	ينتج PR D تقريراً مع حكم JSON وتغطية السيناريو نفسها على كلا النموذجين

# ذو صلة

• تكافؤ GPT-5.5 / Codex الوكيلي