أصدرت Thinking Machines Lab، وهي شركة ناشئة تعمل بالذكاء الاصطناعي أسسها الرئيس التنفيذي السابق للتكنولوجيا في OpenAI Mira Murati، Inkling-Small، وهو نموذج مفتوح الوزن تقول الشركة إنه يطابق أداء هاتفها الرائد بحوالي ربع الحجم. يمنح هذا الإصدار الولايات المتحدة مشاركًا جديًا في سباق النماذج الحدودية ذات الوزن المفتوح، وهي الفئة التي تهيمن عليها المختبرات الصينية حتى الآن. يعد الإطلاق واحدًا من عدة خطوات سريعة تعيد تشكيل مشهد الذكاء الاصطناعي مفتوح المصدر الذي نغطيه في أخبار الذكاء الاصطناعي العاجلة.

تصميم مزيج من الخبراء

وفقًا لـ TestingCatalog AI News، فإن Inkling-Small عبارة عن محول خليط من الخبراء (MoE) يحتوي على 276 مليار معلمة إجمالية، مع 12 مليار معلمة نشطة خلال أي استدلال محدد. هذه البنية - حيث "تستيقظ" شريحة صغيرة فقط من النموذج لكل رمز - هي نفس خدعة الكفاءة التي جعلت النماذج الصينية ذات الوزن المفتوح مثل DeepSeek رخيصة جدًا للتشغيل. أكدت شركة Thinking Machines أنه سيتم إصدار الأوزان الكاملة في Hugging Face.

يأتي النموذج أيضًا مزودًا بـ نافذة سياق تصل إلى مليون رمز مميز وما يسميه المختبر "جهد التفكير المتغير"، والذي يتراوح من الحد الأدنى إلى "xhigh"، مما يسمح للمطورين باستبدال الحوسبة بالأداء اعتمادًا على المهمة. يتوفر الضبط الدقيق من خلال منصة Tinker الخاصة بالشركة، ويمكن الوصول إلى الدردشة النصية والصورية والصوتية في Tinker Playground.

تم التدريب على أنظمة NVIDIA GB300

قالت شركة Thinking Machines إن Inkling-Small تم تدريبها على أنظمة NVIDIA GB300 NVL72 وتستخدم "حوسبة أقل بكثير" من نموذج Inkling الأصلي، الذي تم إطلاقه في 15 يوليو 2026. هذا النموذج الأول - الذي تمت تغطيته بواسطة WIRED و TechCrunch كإصدار أول من Thinking Machines - جعل المختبر منافسًا جديًا بين عشية وضحاها تقريبًا.

يكشف الطريق إلى Inkling-Small عن استراتيجية كفاءة مدروسة. بدأ المختبر العمل على النموذج الأصغر فقط بعد تدريب إنكلينج، مستخدمًا غرفة التنفس لمراجعة مزيج بيانات ما قبل التدريب ووصفة التعلم الآلي. تم تدريب نقطة تفتيش سابقة للمعاينة جزئيًا من خلال التقطير على السياسة، حيث يعمل Inkling كمدرس، يليها ما يقرب من أسبوعين من التعلم المعزز للتشفير الوكيل.

أين يفوز - وأين لا يفوز

نتائج تلك الوصفة ملحوظة. تدعي شركة Thinking Machines أن Inkling-Small يتفوق على Inkling الأصلي في معايير الاستدلال والتشفير الوكيل، في حين يظل Inkling أقوى في تغطية المعرفة والواقعية. في الاختبار النصي فقط الاختبار الأخير للبشرية، وهو تقييم شديد الصعوبة، ورد أن النموذج الأصغر حصل على 31.6%، مقارنة بـ 29.7% لـ Inkling — وهو تحسن حقيقي على الرغم من الانخفاض الكبير في المعلمات النشطة.

إن المقايضة واضحة: Inkling-Small هو المبرمج الأكثر وضوحًا والتفكير المنطقي، في حين يحتفظ شقيقه الأكبر بقاعدة المعرفة الأوسع. بالنسبة للمطورين، هذه ميزة وليست خطأً، فهي تعني اختيار الأداة المناسبة للمهمة بدلاً من الدفع مقابل نموذج واحد عملاق في كل مهمة.

لاعب أمريكي في مجال الوزن المفتوح بقيادة الصين

ولعل التأثير الأكبر هو الجيوسياسية. وكما لاحظت قناة سي إن بي سي وآخرون، أصبحت النماذج الحدودية ذات الوزن المفتوح نقطة اشتعال بين الولايات المتحدة والصين، مع قيام المختبرات الصينية مثل ديب سيك وكوين التابعة لشركة علي بابا بالتخلي عن نماذج قوية وتخفيض الأسعار الغربية. قامت Forkast بتأطير إصدار Inkling-Small بصراحة: "مسابقة الأوزان المفتوحة لديها الآن مشارك أمريكي."

حتى الآن، كانت النماذج الرائدة ذات الوزن المفتوح تأتي حصريًا تقريبًا من الصين، مما أثار مخاوف في واشنطن من أن المختبرات الأمريكية كانت تتنازل عن فئة كاملة من السوق. إن شركة Thinking Machines - وهي شركة أمريكية ناشئة جيدة التمويل ويقودها أحد أبرز الشخصيات في مجال الذكاء الاصطناعي - تغير تلك الحسابات. ومن خلال إطلاق الأوزان الكاملة على Hugging Face ودعم الضبط الدقيق المفتوح، يلعب المختبر دورًا مباشرًا في مجتمع المطورين الذي قامت النماذج الصينية ذات الوزن المفتوح بتنميته.

مصمم للمطورين، وليس فقط للمعايير

قامت شركة Thinking Machines بإقران الإصدار بأدوات تستهدف المطورين بشكل مباشر. وبعيدًا عن أوزان Hugging Face المفتوحة، أكدت Databricks أن عائلة Inkling متاحة على منصتها، وأن Tinker Playground يدعم الوسائط المتعددة للنص والصور والدردشة الصوتية خارج الصندوق. تم تصميم إعداد "جهد التفكير" المتغير - من الحد الأدنى إلى "xhigh" - للمقايضات الهندسية الحقيقية: التشغيل بسعر رخيص عندما تكون المهمة بسيطة، وإنفاق المزيد من الحساب عندما تتطلب المشكلة تفكيرًا أعمق. هذه المرونة مهمة بالنسبة للشركات الناشئة التي تراقب فواتير الاستدلال الخاصة بها، وقد هاجر الكثير منها بالفعل إلى بدائل أرخص مفتوحة الوزن بدلاً من دفع أسعار API المميزة.

اتجاه الكفاءة عبر الصناعة

يناسب Inkling-Small أيضًا نمطًا أوسع. في جميع أنحاء الصناعة، تتحول الطليعة من النماذج المتجانسة الأكبر حجمًا إلى أنظمة أصغر وأكثر ذكاءً تتفوق على وزنها. ومن نماذج حرب الأسعار التي تقدمها شركة DeepSeek إلى البنى المضغوطة، فإن الرسالة متسقة: عدد المعلمات الأولية أقل أهمية من مدى كفاءة النموذج في استخدام قدرته.

بالنسبة لشركة Thinking Machines، أصبح الرهان على الكفاءة بدلاً من الحجم الآن عميقًا في نموذجين - وتشير المعايير المبكرة إلى أن الاستراتيجية ناجحة. مع توفر Inkling-Small للتنزيل والضبط اليوم، يمكن للمطورين اختبار هذا الادعاء بأنفسهم.

البقاء في صدارة الذكاء الاصطناعي

يتم طرح موديلات جديدة ذات وزن مفتوح كل أسبوع، وتشتد المنافسة. يمكنك متابعة كل إصدار من خلال [تغطية صناعة الذكاء الاصطناعي] (https://aibuzzwire.news).

اقرأ المزيد من أخبار الذكاء الاصطناعي →