Claude Haiku وGemini Flash وGPT-4o mini تغيّر اقتصاد الذكاء الاصطناعي — النماذج الرائدة لم تعد محتكرة للسوق

يقف اقتصاد صناعة الذكاء الاصطناعي أمام منعطف حاسم. فإذا كانت النماذج الأرخص تتعامل مع أحمال العمل نفسها دون خسارة في الجودة، فهذا يعني تحولًا واسع النطاق في طريقة حساب الشركات لتكاليف الذكاء الاصطناعي.

فجوة الأسعار اتسعت

قبل عامين فقط كان الاختيار بسيطًا: إذا كنت تحتاج إلى الجودة، فعليك باختيار GPT-4 أو Claude 2 دون أي تقتير. أما اليوم فالصورة مختلفة جذريًا. فسعر Claude Haiku أقل من سعر Opus بنحو 25 مرة. وسعر Gemini Flash أقل من Gemini Pro بنحو 15 مرة. وسعر GPT-4o mini أقل من GPT-4o بنحو 30 مرة. الفجوة هائلة، وسؤال «لماذا ندفع ثمن النموذج الرائد؟» يزداد إلحاحًا وتحديدًا.

بالنسبة للشركات التي تشغّل الذكاء الاصطناعي في بيئة الإنتاج (production) بأحجام فعلية، لا تكون هذه الفروق هامشية إلا في الشهر الأول. فعند مليون طلب يوميًا، قد يبلغ التوفير الناتج عن الانتقال إلى نموذج أرخص مئات الآلاف من الدولارات سنويًا. ولهذا بدأت فرق الذكاء الاصطناعي في الشركات تدرس بجدية: ما النسبة من المهام التي تتطلب فعلًا أقصى قدرة، وأين يمكن التوفير دون الإضرار بالنتيجة؟

أين يكون التوفير مبررًا

تتعامل النماذج الرخيصة بثقة مع فئة واسعة من المهام:

• تصنيف الطلبات الواردة وتوجيهها
• تلخيص النصوص واستخراج البيانات المنظمة
• توليد نصوص قصيرة وفق قالب محدد
• الرد على الأسئلة النمطية في روبوتات الدردشة ذات التعليمات الواضحة
• التحقق من الصيغ والتدقيق ومعالجة البيانات البسيطة

أما حيث لا تزال متأخرة فهي: الاستدلال (reasoning) المعقد متعدد الخطوات، وتوليد الشيفرة البرمجية للمهام المعمارية غير البسيطة، والحالات التي ترتفع فيها كلفة الخطأ وتكثر فيها الفروق الدقيقة. في هذه السيناريوهات تمنح النماذج الرائدة ميزة ملموسة، ويبقى دفع ثمنها مبررًا.

لكن الحدود تتلاشى مع كل ربع سنة. فالمهام التي كانت قبل عام تتطلب GPT-4 صارت تنجزها Haiku أو Flash بثقة، بجودة مماثلة وبتكاليف أقل بأضعاف.

التوجيه سلاح تنافسي

لم تعد الفرق المتقدمة تختار نموذجًا واحدًا لكل الحالات، بل تبني أنظمة توجيه. فالطلبات النمطية تذهب تلقائيًا إلى النموذج الرخيص، أما الطلبات غير المعتادة والمعقدة فتذهب إلى النموذج الرائد. وقد أدمجت Anthropic هذا المنطق في تشكيلة نماذجها نفسها: Haiku للسرعة والتوفير، وSonnet للتوازن، وOpus للمهام التي ترتفع فيها كلفة الخطأ. وتسير OpenAI وGoogle في الاتجاه ذاته.

«إذا كان بالإمكان معالجة أحمال الذكاء الاصطناعي نفسها بنماذج رخيصة دون

خسارة في الجودة، فهذا يعني تحولًا واسع النطاق في اقتصاد الذكاء الاصطناعي».

بالنسبة للشركات الناشئة، يفتح هذا آفاقًا جديدة: فإطلاق منتج ذكاء اصطناعي باقتصاديات وحدة مقبولة أصبح أكثر واقعية مما كان عليه قبل عام. وبالنسبة للشركات الكبرى، هو فرصة لتحسين نفقات الذكاء الاصطناعي القائمة دون التضحية بالوظائف. وبحسب تقديرات عدد من الفرق، يخفض التوجيه الذكي تكاليف الذكاء الاصطناعي بنسبة 40–70% مع الحفاظ على جودة تجربة المستخدم.

ويشعر المزودون بهذا التحول في الطلب. فتعمل OpenAI وAnthropic وGoogle وMeta* بنشاط على تطوير سلاسل نماذجها «الخفيفة»، وتقدمها لا بوصفها خيارًا احتياطيًا مبتورًا، بل منتجًا استراتيجيًا متكاملًا لأحمال الإنتاج.

ماذا يعني ذلك

ستزداد المنافسة في قطاع النماذج الكفؤة والميسورة التكلفة. والشركات التي تتعلم اختيار النموذج المناسب لكل مهمة، بدلًا من الاعتماد على نموذج رائد واحد لكل شيء، ستحصل على ميزة تنافسية حقيقية في تكلفة عمليات الذكاء الاصطناعي. فالتوجيه الذكي بين النماذج لم يعد مجرد ممارسة فضلى (best practice)، بل أصبح أداة إلزامية لأي فريق يبني الذكاء الاصطناعي بجدية.

*أُدرجت Meta في روسيا ضمن المنظمات المتطرفة وهي محظورة في الاتحاد الروسي.