⁦Caelum⁩ على هاتف ⁦Android⁩: يقرأ بطاقة شحنة، ويتعثر في الوقائع والمنطق (وتعثّرت نماذج ذكاء اصطناعي أخرى في المنطق أيضًا)

يدرج دليل ⁦PromptQuorum⁩ تطبيق ⁦Caelum⁩ تطبيق دردشة مجانيًا مغلق المصدر لنظام ⁦Android⁩، يقول إنه يشغّل الذكاء الاصطناعي دون اتصال، مع أسئلة عن المستندات وبحث اختياري في الويب. ولا يسجّل اسم نموذج، ويذكر موقعًا إلكترونيًا لم يعد يعمل، وأكثر من ⁦10K⁩ تنزيل على ⁦Play⁩، ونظام ⁦Android 7.0+⁩، ولا تحديثًا منذ ⁦14⁩ أغسطس ⁦2025⁩ (بيانات قُرئت في ⁦19⁩ أكتوبر ⁦2026⁩؛ وتاريخ التحديث أقدم من سنة).

تقرأ الشاشة الأولى ⁦'downloading needed data...'⁩، و⁦41 Mo/1020 Mo⁩، والوقت المتبقي ⁦3m 8s⁩، مع صندوق نصائح و⁦'Tap to see other tips...'⁩. ورقم ⁦5.60 MB/s⁩ هو مؤشر شريط الحالة نفسه.

لا يذكر التطبيق أبدًا أي نموذج لغوي كبير ينزّله: تعرض الشاشة ⁦'downloading needed data...'⁩ فقط.

تُظهر لقطة الشاشة التالية، عند ⁦10:39⁩، شاشة الدردشة الرئيسية. ولم تُلتقط نهاية التنزيل، لذا فإن "نحو ثلاث دقائق" مستنتجة من الساعتين.

وصف المختبِر الشاشة بأنها ⁦'very colorful, very beautiful'⁩ ومنطقة الإدخال بأنها ⁦'a little bit crowded'⁩.

الوحدة المعروضة هي ⁦'Mo'⁩، وهو الاختصار الفرنسي للميغابايت، بينما بقية النص الظاهر بالإنجليزية. ويسمّي المختبِر التنزيل "غيغابايت واحد"؛ و⁦1,020 Mo⁩ تساوي نحو ⁦1.0 GB⁩.

⁦'How can I help you today?'⁩، ومطالبتان مقترحتان (⁦'What are the benefits of meditation?'⁩، ⁦'Explain quantum physics in simple terms'⁩)، وصف إدخال: حقل نص، وزر كرة أرضية أزرق، وزر مجلد أخضر، وسهم إرسال أصفر.

يُفترض أن زر المجلد هو ما أُرفقت به الصورة؛ ولا تقول الملاحظات ذلك.

أرسل المختبِر صورة لبطاقة شحنة ⁦DHL⁩ مع المطالبة ⁦'what is the picture about'⁩. وكانت الإجابة: طرد ⁦DHL⁩، بوزن ⁦4.7 kg⁩، ورقم تتبع، و⁦'sent from Germany to Switzerland'⁩.

أعجبه أن تطبيقًا بهذا الصغر يقرأ الصور، وكتب: ⁦'Switzerland, not sure where it got that idea.'⁩.

لم يُسجَّل ما إذا كان الوزن ورقم التتبع والمسار يطابق البطاقة: فالبطاقة نفسها ليست في الملاحظات. ولم يُشكَّك إلا في الوجهة.

يقرأ عنوان الدردشة ⁦'where is paris?'⁩ بينما الرسالة الظاهرة هي ⁦'what is the picture about'⁩. والعنوان هو أول سؤال في الدردشة: فقد أضاف المختبِر سؤالين آخرين، منهما سؤال الصورة، إلى الدردشة نفسها.

أزرار الإجراءات: التعديل وإعادة التوليد والحذف تحت رسالة المستخدم؛ والنسخ والقراءة بصوت عالٍ تحت الإجابة. كانت الشاشة بالمظهر الداكن عند ⁦10:43⁩ وبالمظهر الفاتح عند ⁦10:39⁩؛ ولم يُسجَّل كيف تغيّر المظهر. وقال المختبِر: ⁦'it has a dark theme. Nice.'⁩.

بينما يقول صندوق بإطار قوس قزح ⁦'Searching the web...'⁩، يكون زر الكرة الأرضية أزرق أغمق ويتحول سهم الإرسال إلى مربع أصفر. وفي حالة السكون تكون الكرة الأرضية بأزرق أفتح.

رأى أنه غير واضح إطلاقًا متى يكون البحث في الويب قيد التشغيل أو الإيقاف وماذا يفعل: ⁦'two different shades of blue'⁩.

الكرة الأرضية أغمق أيضًا في لقطة رواندا عند ⁦10:47⁩، مما يوحي بأن البحث في الويب بقي قيد التشغيل.

في دردشة جديدة بعنوان ⁦'what is the politi...'⁩ يقول الجزء الظاهر من الإجابة إن رواندا ⁦'has been experiencing significant political instability following the assassination of President Paul Kagame in July 2023'⁩، مستشهدًا بـ ⁦'reputable news sources (like Reuters and BBC)'⁩. ولا تظهر روابط في لقطة الشاشة. ولم يُلتقط السؤال الكامل؛ ويُفترض أنه سؤال عن الوضع السياسي في رواندا.

يقول ⁦Google AI Overview⁩، الذي التقطه المختبِر، إن ⁦Kagame⁩ في منصبه منذ ⁦22⁩ أبريل ⁦2000⁩ وفاز بإعادة الانتخاب في يوليو ⁦2024⁩؛ وتنبّه ملاحظة ⁦Google⁩ نفسها إلى أن ردود الذكاء الاصطناعي قد تتضمن أخطاء. ويعرض ⁦Overview⁩ صورة لشخص حقيقي، لذا لا تُنشر لقطة الشاشة هنا.

عثر بحث إضافي في الويب أجرته ⁦PromptQuorum⁩ في ⁦21⁩ أكتوبر ⁦2026⁩ على موقعه الرسمي وتقرير عن الانتخابات، ولم يعثر على أي تقرير عن اغتيال. وهذا فحص محدود.

أنتج ⁦ChatGPT⁩ مطالبة بعنوان ⁦'Advanced Logic Stress Test: The Blackout Protocol'⁩، توصف بأنها تختبر القيود والاستدلال الزمني والتناقضات والاستنتاج متعدد الخطوات. ولصقها المختبِر في ⁦Caelum⁩.

كتب ⁦Caelum⁩ ⁦'a big report'⁩ وبعد دقيقة كان لا يزال يكتب؛ وانتهى بعرض تعمّق أكبر. ولم يُلتقط نص إجابته؛ والمقتطف الظاهر الوحيد، في معاينة ملصقة، يبدأ بـ ⁦'1. Feasibility Ve...'⁩ و⁦'The plan is highly improbable to...'⁩.

لصق المختبِر الإجابة في ⁦ChatGPT⁩. وحكمه: ⁦'The AI sounds analytical, but it makes several serious logical errors. I would score this response quite poorly'⁩، مع ⁦'correct-looking conclusion — no valid plan — without establishing the actual contradiction'⁩. ودرجاته: ⁦5/25⁩ إجمالًا (فهم القيود ⁦2/5⁩، والاستنتاج الصوري ⁦1/5⁩، والاستدلال الزمني ⁦1/5⁩، وجودة البرهان ⁦0/5⁩، واتباع التعليمات ⁦1/5⁩)، ⁦'not a standardized benchmark score'⁩. وكتب ⁦ChatGPT⁩ أيضًا: ⁦'One important correction to my own earlier analysis'⁩.

لاختبار ما إذا كانت المطالبة نفسها غير منصفة، شغّلها المختبِر على ⁦Grok⁩ (النسخة المجانية) و⁦Claude Opus 5.5 (medium)⁩ و⁦Claude Fable 5.1 (high)⁩ وعرض كل إجابة على ⁦ChatGPT⁩. وقيّم ⁦ChatGPT⁩ الإجابات اللاحقة بأنها أفضل (⁦'substantially better'⁩، و⁦8/10⁩ في الاستنتاج المنطقي في إحدى الحالات) ومع ذلك وجد أخطاء في كل منها، مثل عدّ ⁦12⁩ جدولًا صالحًا هي ⁦'are actually 13'⁩، وبرهان إصلاح أدنى ⁦'not yet rigorous enough'⁩.

أجاب ⁦Opus⁩ ⁦'in less than one minute'⁩؛ وكان ⁦Grok⁩ لا يزال يعمل بعد نحو ثلاث دقائق. ولم يُقَس الزمن في أي منهما.

قاعدته: قارن دائمًا، ولا تثق بنموذج واحد، ⁦'especially not the smaller one'⁩. ويقول أيضًا إن ⁦Fable⁩ كان الأول في شرح المهمة.

يلخّص المختبِر: قراءة الصور ⁦'incredible'⁩ لنموذج صغير؛ والبحث في الويب غير شائع بين التطبيقات المشابهة (لم تتحقق ⁦PromptQuorum⁩ من ذلك)؛ والجودة متفاوتة، ولا غرابة في ذلك من نموذج بحجم ⁦1 GB⁩. أما الطبيعة المحلية للذكاء الاصطناعي فـ ⁦'is actually not stressed at all'⁩، ويشكّ في أن المستخدم سيعرف أن النموذج يعمل محليًا.

هل سيحتفظ به؟ ⁦'No, I don't see the point.'⁩. فالخدمات المجانية على النماذج الحدودية تفعل أكثر بكثير، لذا فالملف لا يستحق المساحة.

⁦10:36⁩: الشاشة الأولى، نُزّل ⁦41 Mo⁩ من ⁦1,020 Mo⁩، والوقت المتبقي ⁦3 m 8 s⁩، و⁦5.60 MB/s⁩، و⁦5G⁩، والبطارية ⁦70%⁩.

⁦10:39⁩: شاشة الدردشة الرئيسية، المظهر الفاتح، أيقونة ⁦Wi-Fi⁩، البطارية ⁦67%⁩.

⁦10:43⁩: سؤال الصورة، المظهر الداكن، بدء البحث في الويب، البطارية ⁦66%⁩ و⁦65%⁩.

⁦10:47⁩: إجابة رواندا، البطارية ⁦64%⁩.

⁦10:49⁩: يكتب ⁦ChatGPT⁩ المطالبة المنطقية (في تطبيق ⁦ChatGPT⁩)، البطارية ⁦63%⁩. من ⁦10:55⁩ إلى ⁦10:56⁩: يحكّم ⁦ChatGPT⁩ على إجابة ⁦Caelum⁩ المنطقية (في تطبيق ⁦ChatGPT⁩)، البطارية ⁦59%⁩.

انخفضت البطارية من ⁦70%⁩ إلى ⁦59%⁩ في ⁦20⁩ دقيقة والشاشة مضاءة وتطبيق ⁦ChatGPT⁩ قيد الاستخدام جزءًا من ذلك الوقت، فلا يمكن نسبة أي منه إلى ⁦Caelum⁩. وبين ⁦10:39⁩ و⁦10:47⁩، وأغلبه داخل ⁦Caelum⁩، انخفضت من ⁦67%⁩ إلى ⁦64%⁩. ولا يمكن رسم مخطط للذاكرة لأن استخدام التطبيق للذاكرة لم يُسجَّل (والهاتف بذاكرة ⁦12 GB⁩). وقراءات الإنتاجية في شريط الحالة (من ⁦0.03⁩ إلى ⁦0.58 KB/s⁩ في لقطات الدردشة) لقطات منفردة لا سجل حركة، ولا تُظهر ما إذا كان التطبيق دون اتصال.