جهد الاستدلال

جهد الاستدلال هو معامل قابل للتحكم يُعرّض في واجهات برمجة التطبيقات الخاصة بنماذج الاستدلال الكبيرة—تلك المصممة لإجراء تفكير داخلي موسع قبل الرد. وهو يحكم مستوى مرحلة التفكير المخفية للنموذج، حيث ينتج النموذج خطوات استدلالية وسيطة (يُشار إليها بطرق مختلفة باسم رموز سجل المسودة أو رموز سلسلة الفكر أو رموز التفكير) التي تتم معالجتها داخلياً لكن عادة لا تظهر في الناتج النهائي. يخصص الجهد الأعلى مزيداً من الحساب لهذه المرحلة، مما يحسّن عموماً الأداء على المهام التي تتطلب منطقاً متعدد الخطوات أو رياضيات أو توليد أكواد أو تخطيطاً على حساب زيادة زمن الكمون واستهلاك الرموز.

قدّمت OpenAI التحكم الصريح في جهد الاستدلال مع عائلات نماذج o1 و o3، مع كشفها عن معامل واجهة برمجة التطبيقات `reasoning_effort` الذي يقبل قيماً مثل "منخفض" و"متوسط" و"مرتفع". وتكشف ميزة التفكير الممتد في نماذج Claude من Anthropic عن معامل `budget_tokens` الذي يحدد الحد الأقصى لعدد رموز الاستدلال الداخلية التي قد ينتجها النموذج. وتوفر نماذج Gemini 2.5 thinking من Google تحكماً مشابهاً في ميزانية التفكير. عند جهد منخفض، تستجيب النماذج عادة في أقل من ثانية واحدة وتستهلك رموزاً إضافية قليلة جداً؛ وعند جهد مرتفع، قد تنتج آلاف رموز الاستدلال المخفية وتستغرق عشرات الثواني قبل إنتاج إجابة نهائية.

الأهمية العملية لجهد الاستدلال تكمن في أنه يجعل العمق الحسابي موارد قابلة للاختيار. البحث البسيط عن حقيقة ما يستفيد قليلاً من التفكير الإضافي، بينما مسألة رياضيات على مستوى المنافسة أو تدقيق شامل لأكواد متعددة الملفات قد يظهران مكاسب جودة جوهرية عند جهد أعلى. يمكّن هذا النشرات الاقتصادية: الاستعلامات الروتينية تُعالج برخص، بينما الاستعلامات المعقدة تحفّز تفكيراً أعمق. وأبلغت OpenAI عن أن o3 عند إعدادات جهد مرتفع تفوقت على o1 في معايير رياضيات AIME وحققت نتائج عالية المستوى في تقييمات البرمجة التنافسية.

اعتباراً من 2026، أصبح جهد الاستدلال بُعداً قياسياً لتكوين الاستدلال إلى جانب درجة الحرارة والحد الأقصى لرموز الناتج. يجري البحث بنشاط على تخصيص الجهد التكيفي، حيث يقدّر النموذج أو وقت التشغيل تلقائياً صعوبة الاستعلام ويخصص الجهد وفقاً لذلك، بدلاً من الحاجة إلى تحديد صريح من قِبل المستخدم. وبدأت موفرات الاستدلال أيضاً بتسعير النطاقات الثقيلة في الاستدلال بناءً على استهلاك رموز التفكير، مما يجعل التحكم في الجهد مرتبطاً بشكل مباشر بإدارة التكاليف التشغيلية.

مثال

“يعين المطور `reasoning_effort` إلى 'منخفض' لروبوت محادثة موجه للعملاء يتعامل مع استعلامات أسئلة شائعة بسيطة، مما يحافظ على زمن الكمون أقل من ثانية واحدة، لكنه ينتقل إلى 'مرتفع' عندما يقوم نفس النموذج بتشغيل مهمة دفعية ليلية لتدقيق طلبات الدمج المعقدة متعددة الملفات بحثاً عن مشاكل الأمان.