مقارنة Claude Computer Use و ChatGPT Agent و Browser Use: ثورة وكلاء الحاسوب في 2026

من الإجابة على الأسئلة إلى تحريك الماوس وتنفيذ الأعمال

انتقل الصراع في قطاع الذكاء الاصطناعي خلال عام 2026 من بناء نماذج تكتفي بتوليد النصوص إلى تطوير وكلاء مستقلين (Computer-Using Agents - CUA) يمتلكون القدرة على رؤية الشاشة، تحريك مؤشر الفأرة، النقر على الأزرار، كتابة الأوامر في الطرفية، وإنجاز المهام البرمجية والمكتبية تماماً كما يفعل الموظف البشري. ووفقاً للدراسة الهندسية المعمقة التي نشرتها مؤسسة Particula Tech والوثائق الرسمية لمنصة Claude Platform Docs، فإن اختيار الأداة المناسبة لأتمتة الأعمال في أكتوبر 2026 يتطلب فهماً دقيقاً للفروق المعمارية بين ثلاثة حلول رئيسية تتصدر السوق: أداة Claude Computer Use من أنثروبيك، ومنظومة ChatGPT Agent من أوبن إيه آي، وإطار العمل مفتوح المصدر Browser Use.

ومن أهم الحقائق التقنية التي يجب على مديري التقنية والمطورين الانتباه إليها هذا العام هي أن منتج OpenAI Operator المستقل الذي أُطلق في مطلع عام 2025 لم يعد موجوداً كخدمة منفصلة على نطاق فرعي خاص به؛ إذ قامت شركة أوبن إيه آي بدمج قدراته بالكامل داخل منظومة موحدة تحمل اسم ChatGPT Agent، والتي تجمع بين المتصفح الافتراضي السحابي والبحث العميق (Deep Research) والمحادثة التفاعلية بالاعتماد على نسخة مطورة من نموذج CUA المبني على سلسلة o3 و GPT-5.2.

الفروق المعمارية الجوهرية: قراءة الـ DOM في مقابل الرؤية البكسلية

رغم أن الأدوات الثلاث تعد المستخدم النهائي بنفس النتيجة — وهي تشغيل البرمجيات والمواقع نيابةً عن الإنسان — إلا أنها تعمل بطرق هندسية مختلفة جذرياً، وهذا الاختلاف هو الذي يحدد أين ينجح كل وكيل وأين يخفق:

• إطار Browser Use (قراءة شجرة DOM مباشرة): هو إطار عمل مفتوح المصدر بترخيص MIT يعمل حصرياً داخل متصفح الويب. بدلاً من التقاط صور للشاشة، يقوم هذا الإطار بتحليل شجرة عناصر الصفحة (DOM) برمجياً، وتحديد الأزرار والروابط وحقول الإدخال التفاعلية، ثم يقدم هذه الخريطة المهيكلة لأي نموذج لغوي تختاره (سواء كان GPT-5.2 أو Claude أو نموذجاً محلياً). هذه الطريقة تجعله سريعاً للغاية، وموفراً جداً لاستهلاك التوكنز، ودقيقاً في المواقع ذات الكود البرمجي النظيف، لكنه عاجز بطبيعته عن الخروج من نافذة المتصفح إلى سطح المكتب.
• منظومة ChatGPT Agent / CUA (رؤية البكسلات داخل متصفح سحابي): يعتمد وكيل أوبن إيه آي على التقاط صور متتالية لشاشة المتصفح السحابي المعزول، ثم يحلل الصورة بصرياً ليقرر إحداثيات النقر بالماوس أو الكتابة بلوحة المفاتيح. ورغم أن هذا النهج أبطأ ويستهلك حجماً أكبر من التوكنز مقارنة بقراءة الـ DOM، إلا أنه ينجح في التعامل مع المواقع المعقدة وتطبيقات الويب المرسومة عبر Canvas التي تخفي عناصرها البرمجية.
• أداة Claude Computer Use (التحكم الشامل في سطح المكتب): تنفرد أداة أنثروبيك بكونها الأداة الوحيدة بين الثلاثة التي لا تقتصر على المتصفح؛ فهي تعمل عبر واجهة برمجة التطبيقات (API) داخل بيئة معزولة (Sandbox) يديرها المطور، وتجمع بين قراءة لقطات الشاشة (Pixels) والتحكم الكامل في نظام التشغيل، شريط المهام، تطبيقات سطح المكتب التقليدية، محرر الملفات، ونافذة الأوامر الطرفية (Terminal)، مما يسمح للوكيل بتثبيت البرامج وتشغيل السكربتات وتعديل الملفات المحلية بحرية.

نتائج الاختبارات القياسية في 2026: لماذا لم يعد WebVoyager كافياً؟

عند تقييم أداء وكلاء الذكاء الاصطناعي، كثيراً ما تستشهد الشركات بنتائج اختبار WebVoyager الذي يقيس قدرة الوكيل على تنفيذ 586 مهمة حية عبر مواقع ويب حقيقية. في هذا الاختبار، يتصدر إطار Browser Use الترتيب بنسبة نجاح تبلغ 89.1%، يليه محرك أوبن إيه آي CUA بنسبة 87.0%. إلا أن خبراء هندسة النظم يؤكدون أن معيار WebVoyager قد وصل إلى مرحلة التشبع في عام 2026 بعد أن تجاوزت عدة أنظمة حاجز 90%، مما يعني أنه أصبح يقيس الحد الأدنى من الكفاءة في المواقع المتعاونة ولا يكشف الفروق الحقيقية في المهام المؤسسية الصعبة.

تظهر الحقيقة الهندسية بوضوح عند الانتقال إلى اختبارين أكثر قسوة وواقعية هما WebArena و OSWorld. يحاكي اختبار WebArena بيئات التجارة الإلكترونية وإدارة المحتوى والعمليات المالية متعددة الخطوات، وهنا يسجل محرك أوبن إيه آي CUA نسبة 58.1% فقط مقارنة بالمعدل البشري البالغ نحو 78%، مما يوضح وجود فجوة موثوقية لا يزال القطاع يعمل على ردمها. أما في اختبار OSWorld-Verified الذي يقيس التحكم الكامل في نظام التشغيل وسطح المكتب، فقد حققت أنثروبيك قفزة تاريخية مذهلة؛ إذ ارتفعت النتيجة من 14.9% فقط في الجيل الأول (Claude 3.5 Sonnet أواخر 2024) لتصل إلى 82.3% مع نموذج Claude Opus 4.7 في عام 2026، متفوقة بفارق شاسع على محرك أوبن إيهي الذي سجل 38.1% في نفس المعيار.

مقارنة التكلفة الاقتصادية ومخاطر التشغيل الفعلي في الشركات

تختلف اقتصاديات التشغيل بين هذه الحلول الثلاثة اختلافاً جذرياً يؤثر على قرار الاعتماد المؤسسي:

• تكلفة Browser Use: مجاني تماماً للاستضافة الذاتية (Self-Hosted)، ولا تدفع المؤسسة سوى تكلفة استدعاء الـ API للنموذج اللغوي الذي تختاره. وبفضل مرونته، يمكن توجيه الخطوات البسيطة إلى نموذج رخيص جداً مثل DeepSeek V4 Flash وتخصيص النماذج الكبرى للخطوات المعقدة، مما يجعله الخيار الأرخص والأكثر كفاءة لعمليات أتمتة الويب واسعة النطاق.
• تكلفة Claude Computer Use: يتم احتسابها وفق تسعيرة توكنز Claude API القياسية مضافاً إليها عبء إرسال صور لقطات الشاشة عالية الدقة في كل خطوة من خطوات حلقة الوكيل (Agent Loop). لذلك فإن المهام الطويلة على سطح المكتب تستهلك رصيداً كبيراً من التوكنز وتتطلب ضبطاً دقيقاً لعدد الخطوات القصوى.
• تكلفة ChatGPT Agent: تأتي مدمجة ضمن باقات الاشتراك المدفوعة في ChatGPT للمستخدمين النهائيين وفرق العمل، مما يوفر سهولة استخدام فورية دون إعداد برمجي، لكنه يمنح الشركات تحكماً أقل في حساب التكلفة الدقيقة لكل مهمة على حدة مقارنة بواجهات الـ API.

وعلى صعيد الإنتاج الفعلي، يحذر المهندسون من قراءة نسبة نجاح 89% في المختبر على أنها نسبة نجاح مضمونة في العالم الحقيقي؛ فالإنترنت الفعلي مليء بأنظمة الحماية ضد البوتات مثل Cloudflare و DataDome واختبارات CAPTCHA وانتهاء صلاحية الجلسات السريع، وهي عقبات لا تظهر في اختبارات WebVoyager القياسية. علاوة على ذلك، فإن بقاء نسبة فشل تقارب 18% في مهام سطح المكتب على OSWorld يعني أنه لا يجوز إطلاقاً ترك أي وكيل ذكاء اصطناعي ينفذ عمليات مالية أو يحذف قواعد بيانات حساسة دون وجود نقطة تحقق بشرية (Human-in-the-Loop) وعزل أمني صارم لتجنب ثغرات حقن الأوامر غير المباشر.

القاعدة العملية لاختيار وكيل الحاسوب في 2026: اختر إطار Browser Use إذا كانت مهامك محصورة داخل متصفح الويب وتبحث عن أعلى سرعة وأقل تكلفة مع حرية تغيير النموذج، واختر Claude Computer Use عبر Opus 4.7 إذا كانت أتمتة أعمالك تتطلب الخروج من المتصفح للتعامل مع برامج سطح المكتب والطرفية والملفات، واعتمد على ChatGPT Agent إذا كان فريقك يبحث عن أداة سحابية جاهزة للبحث والتنفيذ دون تعقيدات البنية التحتية.

إن الشركات التي تنجح في استثمار ثورة الوكلاء المستقلين هذا العام ليست تلك التي تنبهر بالعروض التوضيحية المسجلة، بل التي تصمم أنظمتها بافتراض إمكانية وقوع الخطأ وتضع حواجز الأمان والمراجعة البشرية في كل خطوة مفصلية.