اگر توسعه‌دهنده‌ای هستید که برای عیب‌یابی از تاریخچهٔ نشست‌های AI استفاده می‌کنید، باید بدانید که بخشی از دید شما ناپدید شده است. OpenAI از ۱۵ ژوئن ۲۰۲۶ رمزگذاری دستورالعمل‌های بین‌عاملی را در ابزار Codex فعال کرد.
این تغییر یعنی شفافیت در نحوهٔ توزیع تکالیف بین عامل‌ها (Agents) — یعنی موجودیت‌های نرم‌افزاری که مثل مدیران پروژه، وظایف پیچیده را به تکه‌های کوچک‌تر تقسیم می‌کنند — از بین رفته است. همان‌طور که در تحلیل قبلی ما درباره‌ی مسیر OpenAI به سوی دستیارهای خودمختار اشاره کردیم، این شرکت حالا از رویکرد «جعبهٔ شیشه‌ای» فاصله گرفته است. طبق گزارش وب‌سایت the-decoder.com، توسعه‌دهندگان اکنون به‌جای توصیفات شفاف تکالیف، رشته‌هایی از نویسه‌های ناخوانا می‌بینند.
بر اساس مستندات فنی این به‌روزرسانی، رمزگذاری اجباری به‌صورت نامتجانس اعمال شده است:
- این محدودیت اثرش را روی مدل‌های بزرگ‌تر GPT-5.6، به‌ویژه نسخه‌های Sol و Terra گذاشته است.
- کوچک‌ترین مدل یعنی Luna همچنان مسیرهای خوانا دارد.
- در مورد GPT-5.5، شرکت ابتدا امکان غیرفعال کردن رمزگذاری را بست، اما بعداً دوباره دسترسی به مسیر خوانا را برای این نسخه باز کرد.
به گزارش کاربران در GitHub، این سیستم هنوز ناپایدار است. برخی توسعه‌دهندگان می‌گویند حتی وقتی عامل اصلی و فرعی هر دو یک مدل هستند، باز هم به‌دلیل عدم رمزگشایی صحیح، تبادل اطلاعات شکست می‌خورد. این چالش در عیب‌یابی سیستم‌های عامل‌محور، نیاز به ابزارهای جدیدی ایجاد می‌کند؛ مشابه آنچه پلتفرم Causari با ثبت زنجیرهٔ علیّت برای پر کردن شکاف‌های عیب‌یابی در کدنویسی تلاش کرد.
به نظر می‌رسد هدف اصلی این اقدام، مقابله با distillation (تقطیر) است؛ یعنی زمانی که رقیبی از ردپای استدلالی یک مدل برتر برای آموزش مدل ضعیف‌تر خود استفاده می‌کند. این گمان با گزارش‌های اخیر تقویت شد که نشان می‌داد مدل GLM-5.2 متعلق به Zhipu AI احتمالاً از داده‌های GPT-5.5 و Opus 4.8 تقطیر شده است. OpenAI با رمزگذاری این «گفتگوهای داخلی»، ارزشمندترین داده‌های آموزشی خود را محرمانه می‌کند. این رویکرد امنیتی در حالی اتخاذ می‌شود که حملات از طریق اسکریپت‌های غیرفعال در اتوماسیون‌های هوشمند همچنان یکی از نقاط ضعف زیرساختی این سیستم‌هاست.
گام بعدی شما
- اگر از مدل‌های سری GPT-5.6 استفاده می‌کنید، متدهای جایگزین برای نظارت بر خروجی عامل‌ها را بررسی کنید.
- تغییرات احتمالی در پلتفرم‌های رقیب برای ایجاد لایه‌های «استدلال پنهان» را رصد کنید.
- تأثیر این عدم‌شفافیت بر استانداردهای ایمنی و حسابرسی (Audit) سیستم‌های عامل‌محور را بسنجید. در این راستا، بررسی مکانیسم‌هایی مانند زنجیره هش در MakerChecker برای جلوگیری از تاییدات خودکار و نادرست عامل‌ها برای ارتقای ایمنی ضروری است.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو