تحوّل OpenAI Codex من أداة API بسيطة لإكمال الشيفرة إلى وكيل برمجة مستقل يعمل في السحابة ومدمج داخل ChatGPT. يشرح هذا المقال بالتفصيل ما يفعله Codex اليوم، وكيف يقارن مع GitHub Copilot، وما يعنيه ذلك للمطوّرين، وأي أدوات البرمجة بالذكاء الاصطناعي تستحق وقتك في 2027.
مرّت OpenAI Codex بحياتين مختلفتين تمامًا. الأولى كانت واجهة API لتوليد الشيفرة، تدعم GitHub Copilot بهدوء، وأثارت حماس ملايين المطوّرين لكتابة البرمجيات باللغة الطبيعية. أما الحياة الثانية فتجري الآن، وهي أكثر طموحًا بكثير. فاليوم لم يعد Codex مجرد نموذج تستدعيه عبر API. بل صار وكيلًا سحابيًا للبرمجة بالذكاء الاصطناعي مدمجًا مباشرةً في ChatGPT، قادرًا على قراءة مستودعك، وكتابة ميزات جديدة، وإصلاح الأخطاء، وتشغيل الاختبارات، دون أن تلمس لوحة المفاتيح.
إن بحثت عن "what is OpenAI Codex today" وأنت تتوقع واجهة API القديمة الخاصة بالإكمال، فإن هذا المقال سيطلعك على كل شيء.
حين أطلقت OpenAI Codex في أغسطس 2021، قُدّم على أنه GPT-3 مدرَّب خصيصًا على الشيفرة. دُرِّب النموذج على مليارات الأسطر من الشيفرة المصدرية العامة، أغلبها من GitHub، وكان قادرًا على توليد شيفرة Python وJavaScript وTypeScript وRuby وGo تعمل فعلًا، انطلاقًا من أوصاف بسيطة باللغة الإنجليزية.
كانت النتائج مبهرة حقًا بمقاييس 2021. كان بإمكانك أن تكتب "write a function that sorts a list of dictionaries by a nested property" فتحصل على شيء يعمل فعلًا. دمج المطوّرون النموذج عبر OpenAI API وبنوا عليه كل شيء، من أدوات إكمال الشيفرة إلى مولّدات التوثيق وكتّاب الاختبارات الآلية.
أشهر ما بُني على Codex هو GitHub Copilot، أداة اقتراح الشيفرة المضمّنة في المحرر التي أطلقتها Microsoft في 2022 بعد استحواذها على GitHub. ولفترة طويلة، كان Codex وCopilot مترادفين عمليًا في أوساط المطوّرين.
في مارس 2023، أوقفت OpenAI نقاط نهاية Codex API الأصلية. كان السبب بسيطًا: النماذج الأحدث من GPT تفوّقت على Codex في شبه كل اختبار معياري يهم في توليد الشيفرة. كان GPT-3.5 Turbo ولاحقًا GPT-4 أفضل ببساطة في كتابة الشيفرة من نموذج متخصص دُرِّب حصريًا لهذه المهمة.
هذا نمط يتكرر عبر صناعة الذكاء الاصطناعي. فالنماذج المتخصصة المضبوطة بدقة تميل مع الوقت إلى الاندماج في نماذج عامة أكبر. أُوقفت نقاط نهاية Codex API، وحُوّل المطوّرون إلى استخدام واجهة chat completions API مع GPT-4 بدلًا منها.
ولنحو عامين تقريبًا، خمد اسم "Codex" كمنتج.
في مايو 2025، أعادت OpenAI اسم Codex بمنتج مختلف تمامًا. Codex الجديد ليس نموذجًا، بل وكيل برمجة سحابي يعمل في بيئة معزولة خاصة به، ويمكنه الوصول إلى قاعدة شيفرتك، وينفّذ خطوات متعددة لإنجاز مهام هندسة البرمجيات.
التحول الجوهري في البنية كبير. فإن Codex الأصلي كان نموذجًا تطلب منه مرة واحدة فيعيد لك إكمالًا. أما Codex الجديد فهو وكيل:
هذا ليس إكمالًا تلقائيًا. إنه أقرب إلى مطوّر مبتدئ تسند إليه البطاقات البرمجية وتتابعه في نهاية اليوم.
يعيش Codex الجديد كميزة داخل ChatGPT، ومتاح لمشتركي Plus و Pro. تتفاعل معه عبر لوحة جانبية تسند فيها المهام باللغة الإنجليزية البسيطة. ولا تحتاج إلى أن تكون في المحرر نفسه، بل ولا في التطبيق نفسه.
حين تسند مهمة إلى Codex، يُنشئ بيئة معزولة (sandbox) بنسخة جديدة من مستودعك، وينجز عمله داخلها، ثم يقترح التغييرات أو يرسلها لمراجعتك. تعمل هذه البيئة المعزولة في السحابة، ما يعني أنها لا تستخدم قدرة حوسبة جهازك ولا تعتمد على بقاء الطرفية مفتوحة.
💡 يستحق الملاحظة: تُعاد تهيئة البيئة المعزولة بين المهام. لا يملك Codex ذاكرة دائمة لجلسات البرمجة السابقة تتجاوز حالة المستودع نفسه.
يعتمد النموذج الذي يشغّل وكيل Codex الجديد على o3، عائلة نماذج الاستدلال من OpenAI. وهذا يفسّر تفوقه الكبير في مهام البرمجة متعددة الخطوات مقارنةً بنموذج إكمال مباشر. تتيح بنية الاستدلال له أن يتتبّع سلاسل منطقية معقدة قبل أن يلتزم بتنفيذ معين.
يبقى الاستخدام الأساسي كما كان دائمًا: تصف ما تريد فيكتبه Codex. لكن التنفيذ اختلف تمامًا عن 2021.
بدلًا من إكمال دالة واحدة، يستطيع Codex الآن أن:
على سبيل المثال، قد تطلب من Codex: "أضف تحديدًا لمعدل الطلبات إلى نقطة الوصول /api/upload. اسمح بعشرة طلبات في الدقيقة لكل عنوان IP للمستخدم، وأعد الحالة 429 مع ترويسة Retry-After عند التجاوز، وأضف اختبارًا لسلوك تحديد المعدل." سيقرأ Codex شيفرة نقطة الوصول الموجودة، ويحدد الوسيط البرمجي أو المكتبة التي يستخدمها مشروعك أصلًا، ثم ينفّذ حلًا يناسب مجموعة أدواتك التقنية بعينها بدلًا من قالب عام.
هذا يختلف نوعيًا عن الحصول على مقطع شيفرة في نافذة محادثة. فإن Codex يقرأ سياق مشروعك الفعلي قبل أن يكتب حرفًا واحدًا.
من السلوكيات الأكثر إثارة للدهشة الكشف الاستباقي عن الأخطاء. فحين ينفّذ Codex شيئًا، يشغّل مجموعة اختباراتك (إن كانت مُعدّة)، ويلتقط الإخفاقات قبل أن يعرض النتيجة عليك.
إذا فشلت الاختبارات، يكرر Codex المحاولة. لا يسلّمك شيفرة معطوبة مع شرح لما يجب إصلاحه. بل يقرأ مخرجات الخطأ، ويعدّل تنفيذه، ويعيد تشغيل الاختبارات. وقد تتكرر هذه الحلقة عدة مرات قبل أن تشاهد أي نتيجة. ترى العمل المكتمل، لا التجربة والخطأ.
وهذا ما يجعل توصيف الوكيل دقيقًا. أداة إكمال الشيفرة تعطيك الشيفرة. أما وكيل البرمجة فيتحمّل مسؤولية أن تعمل الشيفرة فعلًا.
تهم بنية البيئة المعزولة لثلاثة أسباب مختلفة:
💡 نصيحة عملية: يعمل Codex بأفضل شكل حين يملك مستودعك سكربت إعداد واضحًا (مثل Makefile أو سكربتات
package.json) واختبارات تعمل. يستخدم الوكيل هذه الأدوات للتحقق من مخرجاته. أما المشروع الخالي من الاختبارات فلا يمنح Codex شيئًا يتحقق منه، فتنخفض ثقته بمخرجاته بشكل ملحوظ.
السؤال البديهي حين أعلنت OpenAI عن Codex الجديد كان: ما الفرق بينه وبين GitHub Copilot؟ ولهذا الالتباس ما يبرره. فقد بُني Copilot على Codex الأصلي. وكلاهما أداة ذكاء اصطناعي تكتب الشيفرة. وكلاهما مرتبط مع OpenAI عبر علاقات تنظيمية متنوعة. لكنهما منتجان مختلفان فعلًا في هذه المرحلة، يخدمان أجزاء مختلفة من سير العمل البرمجي.
| القدرة | GitHub Copilot | OpenAI Codex (2025) |
|---|---|---|
| الاقتراحات الفورية أثناء الكتابة | نعم | لا |
| التكامل مع بيئة التطوير | عميق (VS Code، JetBrains، وغيرها) | محدود |
| المهام المستقلة متعددة الملفات | محدودة | نعم |
| يشغّل شيفرته ويختبرها بنفسه | لا | نعم |
| يعمل دون أن تكون بيئة التطوير مفتوحة | لا | نعم |
| المهام غير المتزامنة والمتوازية | لا | نعم |
| طريقة الوصول | اشتراك GitHub | ChatGPT Plus أو Pro |
التوصيف الأبسط: يساعدك Copilot على كتابة الشيفرة بسرعة أكبر أثناء عملك. ويتولى Codex المهمة وينجزها بينما تنشغل بأمر آخر تمامًا.
Copilot أداة قوية في يديك. Codex وكيل تفوّض إليه العمل.
هناك فئة محددة من أعمال هندسة البرمجيات مملة فعلًا ومحددة بوضوح: نوع المهام التي تعرف فيها تمامًا ما يجب أن يحدث، لكن تنفيذها يستغرق ساعة من الكتابة الآلية، والبحث عن الملفات المناسبة، وتحديث الاختبارات، وإنشاء طلب الدمج. Codex مناسب تمامًا لهذه الفئة بالتحديد.
تشمل مهام Codex الجيدة:
تشترك هذه المهام في سمة واحدة: إنها مملة للإنسان لكنها محددة النطاق وقابلة للتحقق بالاختبارات. ويتفوّق Codex هنا لأنه يستطيع تحديد معايير النجاح (اختبارات تمر، ومخرجات صحيحة) والتقدم نحوها بشكل منهجي.
Codex ليس بديلًا عن الحكم الهندسي. هناك فئات من العمل يكون فيها تسليم المهمة إلى وكيل خطأً، مهما بلغت قدرة ذلك الوكيل.
القرارات المعمارية تبقى من اختصاص البشر. هل ينبغي أن يكون هذا خدمات مصغّرة (microservice) أم تطبيقًا متكاملًا (monolith)؟ سينفّذ Codex ما تطلبه، لكنه لن يلاحظ أن نهجك بأكمله غير مناسب للمشكلة المطروحة.
المتطلبات الغامضة تنتج نتائج متضاربة. إن لم تستطع أن تصف بدقة ما يعنيه الإنجاز، فسينتج Codex شيئًا ما، لكنه غالبًا لن يكون الشيء الصحيح. ينطبق المبدأ الحاسوبي القديم: مدخلات فاسدة، مخرجات فاسدة، لكن الآن بسرعة أكبر.
التغييرات الحساسة أمنيًا تحتاج إلى مراجعة بشرية بغض النظر عمّن كتب المسودة الأولى. فتدفقات المصادقة ونماذج الصلاحيات والتطبيقات التشفيرية تستدعي فحصًا دقيقًا حتى حين يكتب الذكاء الاصطناعي التطبيق بشكل صحيح.
تحسين الأداء المدفوع ببيانات التحليل (profiling) يتطلب فهم الجزء الذي يبطئ النظام فعلًا، وهو أمر لا يستطيع Codex تحديده دون الوصول إلى أدوات قياس وقت التشغيل.
النموذج الذهني الأنسب: تعامل مع Codex كمقاول ماهر يحتاج إلى مواصفات واضحة. كلما حددت المهمة بدقة أكبر، كانت المخرجات أفضل.
ساحة الذكاء الاصطناعي البرمجي ليست لعبة بلاعبين اثنين. توجد عدة بدائل قوية، كثير منها متاح دون اشتراك مدفوع في أي منصة واحدة.
أصبح DeepSeek v3 خيارًا جادًا لمهام توليد الشيفرة. فالنموذج مفتوح الأوزان ينافس في الاختبارات المعيارية للبرمجة نماذج من فئة GPT-4، ويمكن تشغيله محليًا أو الوصول إليه عبر منصات مثل Picasso IA. أما خلفه DeepSeek v3.1 فيدفع الأداء أبعد، ويُظهر قوة خاصة في مهام إعادة الهيكلة متعددة اللغات حيث يكون السياق عبر الملفات مهمًا.
Kimi K2 Instruct من Moonshot AI خيار قوي آخر، صُمّم بالبرمجة الوكيلية أولوية أساسية. يتعامل جيدًا مع تحليل الشيفرة ذات السياق الطويل، وهذا مهم حين تطلب من نموذج أن يستدل عبر مستودع كبير فيه ملفات كثيرة مترابطة. ويواصل Kimi K2.6 هذا المسار بقدرات أوسع في استخدام الأدوات للوكلاء.
و**Granite 8B Code Instruct 128K** و**Granite 20B Code Instruct 8K** من IBM نموذجان مصممان خصيصًا للشيفرة، موجهان لقواعد الشيفرة المؤسسية، ويتمتعان بترخيص متساهل يناسب الاستخدام التجاري.
إن كنت أصلًا في منظومة ChatGPT، فأحدث نماذج OpenAI تتعامل مع الشيفرة بقدرة حقيقية. يتعامل GPT-5 مع الاستدلال المعقد عبر ملفات متعددة، وهو النموذج الذي يلجأ إليه معظم المطوّرين حين تكون المهمة أكبر أو أدق من أن تُعالَج بأداة أكثر تقييدًا. أما GPT-4.1 فيبقى خيارًا عمليًا لمهام البرمجة اليومية بتكلفة أقل.
من جهة Anthropic، اكتسب Claude 4 Sonnet سمعة قوية بين المطوّرين لإنتاجه شيفرة نظيفة ومنظمة جيدًا. ويفضّله كثيرون تحديدًا لمهام إعادة الهيكلة، لأنه يميل إلى الحفاظ على النية الأصلية مع تحسين سهولة القراءة والبنية. أما Claude 4.5 Sonnet فيوسّع هذا بقدرات وكيلية أقوى، ما يجعله بديلًا مقنعًا للفرق التي تريد التكامل عبر API بدلًا من استخدام ChatGPT مباشرةً.
أما للمهام الثقيلة في الاستدلال، فيبرز o4-mini و**DeepSeek R1**. تفكّر هذه النماذج في المشكلة قبل أن تلتزم بإجابة، وهذا يقلل الأخطاء بشكل ملموس في المهام الخوارزمية المعقدة أو في التصحيح حين لا يكون الأسلوب الصحيح واضحًا من الوهلة الأولى.
💡 للفرق التي تبني تطبيقات مدعومة بالذكاء الاصطناعي: كل هذه النماذج متاحة عبر مجموعة النماذج اللغوية الكبيرة في Picasso IA، ما يعني أن بإمكانك اختبارها في واجهة واحدة دون إعداد حسابات API منفصلة لكل مزوّد.
جعل نموذج Codex الأصلي المطوّرين الأفراد أسرع. أما Codex الجديد فيفعل شيئًا مختلفًا من حيث البنية: إنه يفصل فعل كتابة الشيفرة عن قرار الشيفرة التي ينبغي كتابتها.
حين يسند المطوّر مهمة إلى Codex ويراجع المخرجات بدلًا من كتابة كل سطر بنفسه، يتغير دوره. يقضي وقتًا أكبر في التوصيف والمراجعة والحكم المعماري، ووقتًا أقل في التنفيذ الآلي. وهذا ليس تغييرًا صغيرًا. فهو يؤثر في طريقة تحديد الفرق لنطاق العمل، وطريقة تقدير الجهد، وأي المهارات تخلق أكبر قيمة.
أكثر المستفيدين من هذا التحول هم المطوّرون القادرون على العمل كمراجعين تقنيين فاعلين: يطرحون الأسئلة الصحيحة حول الحالات الحدية، ويلتقطون الأخطاء الدقيقة في المنطق، ويعرفون متى يعترضون على تطبيق مقترح يعمل تقنيًا لكنه يخلق مشكلات طويلة الأمد.
شيء واحد يغيّره Codex الجديد بحسم: الاختناق في تطوير البرمجيات ينتقل من الكتابة إلى المراجعة. فحين يصبح توليد الشيفرة سريعًا، يصبح القيد هو قدرتك على تقييم صحة الشيفرة المولّدة وقابليتها للصيانة وأمانها.
يضع هذا قيمة كبيرة على مهارات الفهم القرائي، وانضباط الاختبار، ومهارات مراجعة الشيفرة. كما يخلق أنماطًا جديدة للتعاون. فبدلًا من أن يكتب مطوّران الشيفرة معًا، قد يكون لديك مطوّر واحد ووكيل يكتبان الشيفرة بينما يراجع المطوّر ويوجّه الاتجاه. ولا تزال الفرق تكتشف كيف تجعل هذا يعمل بشكل جيد عبر أنواع مختلفة من المشاريع وتركيبات الفرق.
تفيد بعض المؤسسات بالفعل بأن المهام محددة النطاق التي كانت تستغرق يومًا كاملًا من عمل المطوّر باتت تُنجز في أقل من ساعة مع سير العمل المدعوم بالوكلاء. وهذا التحسن ليس موزعًا بالتساوي، فهو يعتمد بشدة على جودة قاعدة الشيفرة وتغطية الاختبارات ومدى دقة توصيف المهمة. لكن الاتجاه العام متسق بما يكفي لأخذه بجدية.
ما لا يختفي في هذا النموذج: الحاجة إلى أشخاص يفهمون البرمجيات على مستوى الأنظمة. يستطيع Codex أن يكتب دالة، لكنه لا يستطيع أن يخبرك بأن نموذج بياناتك خاطئ من أساسه، أو أن الميزة التي طلبتها للتو ستخلق حالة تسابق (race condition) عند التوسع. ويبقى الحكم على هذا المستوى من اختصاص البشر.
Codex جزء واحد من صورة أوسع بكثير. فالموجة نفسها من قدرات الذكاء الاصطناعي التي حوّلت واجهة API لإكمال الشيفرة إلى وكيل برمجة مستقل، أعادت تشكيل توليد الصور، وإنتاج الفيديو، وتوليد الأصوات، وكل أنواع العمل الإبداعي.
إن أردت تجربة النماذج الذكية التي ستحدد عام 2027 دون إدارة عشرات الحسابات المنفصلة، فإن Picasso IA يجمعها في مكان واحد. من النماذج اللغوية الكبيرة مثل GPT-5 و**Claude 4 Sonnet**، إلى مولّدات الصور التي تضم أكثر من 91 نموذجًا للاختيار بينها، مرورًا بأدوات تحويل النص إلى فيديو ورفع الدقة وتوليد الموسيقى بالذكاء الاصطناعي ومزامنة الشفاه، تتيح لك المنصة الانتقال بين القدرات دون تبديل الأدوات أو السياقات.
المطوّرون والمصممون وصنّاع المحتوى الذين يحصدون أكبر فائدة من هذه المرحلة هم من يبنون إلمامًا بقدرات ذكاء اصطناعي متعددة، لا من يعرفون فقط كيف يوجّهون مساعد برمجة. اختر نموذجًا، وولّد شيئًا، وانظر ما الذي تفعله هذه الأدوات فعلًا حين تدفعها إلى ما هو أبعد من الاستخدامات الواضحة.
جرّبها على Picasso IA وانظر ما الذي ستبنيه.
اختر لغتك
