ظهرت شركة ناشئة تدعى TypeSafe AI بعد عامين من التخفي هذا الأسبوع بعرض جريء: كانت الصناعة تبني نموذجًا خاطئًا للأتمتة. منتجها الأول، وهو نظام يسمى Jev، هو ما تسميه الشركة "System One Model"، وسرعان ما أصبح القصة الأكثر مناقشة على Hacker News، حيث حصل على أكثر من 1800 نقطة.

"لقد كانت العارضات خارقات في الدردشة لسنوات، فأين كل الأتمتة؟" تسأل الشركة في منشور الإطلاق الخاص بها. يقول المؤسس، وهو باحث سابق في OpenAI، إن الأساليب التي ساعد في بنائها هناك أصبحت البحث وراء ChatGPT، وأنه كان يعتقد ذات مرة أن نماذج الدردشة ستؤدي إلى الذكاء العام الاصطناعي قبل استنتاج شيء كبير مفقود. لمزيد من السياق حول هذه القصة، راجع تغطية صناعة الذكاء الاصطناعي.

ما هو نموذج System One؟

الاسم مستوحى من تمييز علم النفس بين تفكير النظام الأول السريع والحدسي والتفكير البطيء المتعمد في النظام الثاني. حيث تقوم نماذج اللغات الكبيرة اليوم بإنشاء رمز نصي مميز، تم تصميم Jev لاتخاذ قرارات سريعة ومنظمة يمكن للبرنامج استهلاكها مباشرة.

تصف الشركة النموذج بأنه "استدعاء وظيفة استخباراتية حدودية: حالة غير منظمة، قرارات احتمالية مكتوبة." بدلاً من إنتاج نثر يجب تحليله والتحقق من صحته، يقوم Jev بإخراج قيم منظمة محددة مسبقًا، كل منها مصحوبة باحتمالات معايرة ودرجات ثقة. تدعي الشركة أن النموذج لا يرتكب أخطاء في الكتابة أبدًا ولا يمكن أن يهلوس بالطريقة التي يمكن بها للنماذج النصية، على الرغم من أن ادعاءات البائع هذه تتطلب التدقيق حتى يتم تقييمها بشكل مستقل.

الفرق المعماري هو آلية التسليم. وفقًا للمنشور، يقوم Jev بإنشاء جميع مخرجاته في تمريرة متوازية واحدة بدلاً من الانحدار الذاتي، رمز واحد في كل مرة. تقول الشركة إن التخلي عن توليد السلاسل ذات الشكل الحر هو بالضبط ما يكسبها السرعة: حيث يتم حساب المخرجات في وقت واحد وليس بالتسلسل.

وصفة تدريب جديدة

تحت الغطاء، تقول TypeSafe إنها قامت ببناء مكدس جديد: بنية نموذجية مخصصة، وأخذ العينات المتوازية، وطريقة تدريب تسميها التعلم المعزز لاتخاذ القرارات المعايرة، أو RLCD. تضع الشركة RLCD في مواجهة الوصفتين المهيمنتين في الصناعة. يؤدي تعزيز التعلم من ردود الفعل البشرية إلى تحسين الاستجابات التي يفضلها المقيِّمون البشريون؛ يعمل التعلم المعزز بمكافآت يمكن التحقق منها على تحسين المخرجات التي يمكن فحصها برمجيًا. بدلًا من ذلك، يقوم RLCD بتدريب النموذج على ربط الاحتمالات الصادقة معرفيًا بإجاباته على مهام الحكم السريع.

والنتيجة، وفقًا للشركة: يجب أن ترتبط الثقة الأعلى بدقة أعلى، ويجب أن تنتج المدخلات المماثلة مخرجات متسقة، وهي خصائص مهمة عندما يتم ربط قرارات النموذج مباشرة ببرامج الإنتاج.

مطالبات الأداء والتسعير

المطالبات عدوانية حتى بمعايير بدء التشغيل. يقول TypeSafe إن Jev يصل إلى ذكاء مماثل لمستوى LLM الحالي فيما يطلق عليه مهام System One بينما يعمل بشكل أسرع بمعدل 40x إلى 200x لأشكال الاستعلام هذه. تشير الصفحة الرئيسية للشركة إلى أرقام أسرع بـ 193.6 مرة وأرخص بـ 444.6 مرة، على الرغم من أن منشور المدونة يقر بأن هذه "على الطرف الأعلى من مكاسب العالم الحقيقي". وتقول الشركة أيضًا إن النموذج يحقق سرعات تبلغ حوالي 100 مللي ثانية، وهي سرعة كافية لتضمين حكم الذكاء الاصطناعي في سير العمل الذي يواجه المستخدم حيث يكون زمن الوصول أمرًا بالغ الأهمية.

التسعير يتبع التصميم غير التقليدي. يسرد TypeSafe رموز الإدخال بسعر 0.042 دولارًا لكل مليون رمز، أي حوالي 42 دولارًا لكل مليار، ويلاحظ أن هيكل تكلفة LLM المعتاد مقلوب: نظرًا لأن Jev ينتج مخرجات منظمة بالتوازي بدلاً من إنشاء سلاسل طويلة، فإن الجانب الباهظ من رمز الإخراج من دفتر الأستاذ يختفي إلى حد كبير. تقارن الشركة هذا بالنماذج التقليدية، حيث تكلف رموز الإخراج عادة عدة مرات أكثر من رموز الإدخال.

الإيصالات وحدودها

يُحسب له أن موقع الإطلاق يحاول إثبات الضجيج من خلال المظاهرات جنبًا إلى جنب. وللمقارنة الرئيسية، استخدمت الشركة GPT-5.6 Terra مع المنطق الافتراضي، والذي تصفه بأنه النموذج الأكثر مقارنة بـ Jev في متوسط ​​الذكاء. يتم حساب الإجابات المرجعية في تقييماتها على أنها متوسط ​​GPT-6 Astra من OpenAI وAnthropic's Fable 5.1، وهو خيار تعترف الشركة بأنه يتحيز في مقارناتها تجاه المختبرات الحالية. تأتي أرقام التكلفة وزمن الوصول لجانب LLM من OpenRouter، والتي تلاحظ الشركة أنها تقدم تحيزات التوجيه الخاصة بها.

يعتبر هذا القسم الخاص بالمنهجية صريحًا بشكل غير عادي بالنسبة لإعلان الإطلاق، وهو أيضًا المكان الذي سيركز عليه المتشككون. تأتي جميع أرقام العناوين الرئيسية من المهام التي اختارتها الشركة نفسها، والتي توصف بأنها قرارات يمكن تصنيفها، أو توجيهها، أو تسجيلها، أو استخلاصها، أو تفرعها، وهي بالضبط الأشكال التي تفضلها بنيتها. لا توجد معايير مستقلة حتى الآن، ويعترف الإطار الخاص بالشركة بأن المقارنات تعتمد على اختيار الاستعلام.

لماذا لقي الإطلاق صدى؟

يشير الاستقبال الحماسي لـ Hacker News، حيث تجاوز المنشور 1800 نقطة خلال يوم واحد، إلى أن العرض يلامس وترًا حساسًا حقيقيًا. لقد قضى المطورون الذين يصنعون منتجات الذكاء الاصطناعي عامين وهم يتصارعون مع الفجوة بين العروض التوضيحية المثيرة للإعجاب والأتمتة الموثوقة: استدعاءات أدوات هلوسة، وأحكام غير متسقة، وسلاسل باهظة الثمن من خطوات التفكير البطيئة التي تم تدبيسها معًا باستخدام كود غراء هش.

رهان TypeSafe هو أن حصة كبيرة من أعباء عمل الذكاء الاصطناعي في العالم الحقيقي لا تحتاج إلى نموذج ثرثار على الإطلاق. إن عمليات التحقق من الاحتيال، وفرز تذكرة الدعم، وتسجيل العملاء المحتملين، والإشراف على المحتوى، وتحليل السجل، وقرارات التوجيه التي لا تعد ولا تحصى، هي في الأساس مشكلات تصنيف ذات مساحات إخراج محددة جيدًا. بالنسبة لهؤلاء، فإن النموذج المتخصص الذي يُرجع الاحتمالات المعايرة بالمللي ثانية يمكن أن يقوض ماجستير إدارة الأعمال للأغراض العامة من حيث السرعة والتكلفة.

الحجة المضادة مألوفة أيضًا: النماذج العامة تستمر في التحسن والأرخص، وواجهة السلسلة المرنة التي تجعل LLMs غير قابلة للتنبؤ هي أيضًا ما يجعلها قابلة للتكيف مع المهام الجديدة دون إعادة التدريب. يجب أن يجد محرك القرار الضيق حجمًا كافيًا من عبء العمل المتجانس لتبرير وجوده.

Jev متاح للوصول المبكر بدءًا من هذا الأسبوع. سواء أصبح الأمر فئة جديدة أو حاشية غريبة، فإن الإطلاق يضيف صوتًا مميزًا إلى حجة الصناعة التي تزداد صوتًا: إن أسرع مسار لأتمتة الذكاء الاصطناعي قد لا يمر عبر روبوتات الدردشة الأكبر حجمًا، ولكن من خلال نماذج مصممة من المبادئ الأولى للقيام بشيء واحد بالضبط، وبسرعة، ولإخبارك بمدى تأكدها.

---

ابق على اطلاع بأخبار الذكاء الاصطناعي

آخر أخبار وتحليلات وإنجازات الذكاء الاصطناعي — في مكان واحد.

اقرأ المزيد من أخبار الذكاء الاصطناعي →