تبنّي الذكاء الاصطناعي: النماذج اللغوية الصغيرة في الوكلاء الذكيين (5 استخدامات)

تتولى النماذج اللغوية الصغيرة (SLM)، التي يتراوح عدد معاملاتها بين 1 و7 مليارات، أدوارًا متخصصة بثقة متزايدة في أنظمة الوكلاء الذكيين عند تبنّي الذكاء الاصطناعي، وهي أدوار كانت في السابق حكرًا على النماذج الرائدة.

لماذا أصبحت النماذج اللغوية الصغيرة منافسة؟

قبل ثلاث سنوات فقط، كانت النماذج الصغيرة متأخرة بوضوح عن GPT-4 في المهام المعقدة. أما اليوم فالصورة مختلفة: فالنماذج الصغيرة المتخصصة كثيرًا ما تتفوق في المهام الضيقة على النماذج الرائدة العامة. ولا يعود ذلك إلى التقدم في التدريب وحده، فمعظم الخطوات في سلاسل عمل الوكلاء عمليات ضيقة يسهل تحديدها بدقة: التصنيف، والتوجيه، والتنسيق، والتحقق. وفي هذه المهام تحديدًا تقدّم النماذج اللغوية الصغيرة أفضل نسبة بين الدقة والتكلفة.

أبرز المؤشرات المرجعية للتكلفة:

• GPT-4o: نحو 5 دولارات لكل مليون رمز إدخال
• Microsoft Phi-3-mini (3,8B معامل): نحو 0,1 دولار لكل مليون رمز، أي فجوة بمقدار 50 مرة
• Mistral 7B Instruct: خيار شائع للوكلاء المخصصين لمهام محددة في بيئات الإنتاج
• Meta Llama 3.2 1B و3B: محسّنان للتشغيل المحلي على أجهزة الحافة (edge)
• SmolLM2 1.7B (من HuggingFace): يعمل على الهواتف الذكية وRaspberry Pi والحواسيب المحمولة دون GPU

وفي الوكلاء متعددي المراحل، حيث تمثّل كل خطوة استدعاءً مستقلًا للنموذج، يتضاعف فارق التكلفة بمقدار كبير.

خمسة أدوار محددة في الوكلاء الذكيين

توجيه المهام. يجب توجيه الطلب الوارد إلى الأداة أو الوكيل الفرعي المناسب. وهذه مهمة تصنيف بسياق صغير، ويؤديها نموذج بحجم 1–3B بدقة قريبة من دقة GPT-4، لكن بسرعة أعلى وتكلفة أقل بما بين 10 و100 مرة. وتدعم أدوات التنسيق LangGraph وCrewAI استبدال الموجّه (router) بنموذج لغوي صغير دون تغيير بقية النظام.

الوكلاء الفرعيون المتخصصون. في سلاسل الوكلاء المتعددين، يتولى نموذج مستقل كل خطوة: استخراج البيانات، والتنسيق، والتحقق من JSON، والترجمة. ويتفوق النموذج الصغير المدرَّب إضافيًا (fine-tuned) على مجال بعينه على GPT-4 العام في الدقة والسرعة. ووفق أبحاث Berkeley SkyLab (عام 2024)، يتفوق Llama-3.2-3B بعد الضبط الدقيق على GPT-3.5-turbo في مهام استخراج البيانات المنظمة.

الاستدلال المحلي دون سحابة. يعمل النموذج اللغوي الصغير مباشرة على الجهاز: حاسوب محمول أو هاتف ذكي أو وحدة تحكم صناعية. وينخفض زمن الاستجابة إلى أقل من 100 مللي ثانية (مقابل 500–2000 مللي ثانية في واجهات API السحابية)، وتزول الحاجة إلى الاتصال بالإنترنت، ولا تغادر البيانات الجهاز. ويعمل Gemma 2B من Google وLlama 3.2 1B بثبات على الهواتف الذكية الحديثة من الفئة السعرية المتوسطة.

مسودة قبل الاستدعاء المكلف. يولّد النموذج الصغير إجابة أولية أو هيكلًا أوليًا، ثم يتولى النموذج الرائد تنقيحه، وهو ما يشبه speculative decoding على المستوى المعماري. ولا يلجأ الوكيل إلى GPT-4 إلا حين تنخفض ثقة النموذج الصغير عن عتبة محددة. وتفيد الفرق التي تطبّق هذا النمط بانخفاض عدد الاستدعاءات الموجّهة إلى النماذج المكلفة بنسبة 60–80%.

المراقبة المستمرة والمحفّزات التفاعلية. تحتاج وكلاء إنترنت الأشياء (IoT) وبيئات الإنتاج إلى نموذج يعالج تدفق الأحداث باستمرار. وتشغيل GPT-4 على مدار الساعة طوال أيام الأسبوع غير مجدٍ اقتصاديًا، أما النموذج الصغير بحجم 1–3B معامل فينفّذ التصنيف واكتشاف الشذوذ في الوقت الفعلي بتكلفة خدمة مصغّرة (microservice) عادية، ودون قيود على الحصص أو تأخيرات واجهات API.

ماذا يعني ذلك

لم يعد الاختيار بين النموذج الصغير والنموذج الرائد مفاضلة بين القوة والتوفير، بل أصبح مسألة تصميم معماري. فمهام الوكلاء تنقسم عادةً إلى خطوات ضيقة، يقدر على كل منها نموذج صغير متخصص. ولا حاجة إلى النموذج الرائد إلا حيث يلزم استدلال عميق أو سياق واسع أو قدرات متعددة الوسائط، وهذه هي الخطوات التي يستحق الأمر دفع تكلفتها.

الأسئلة الشائعة

ما مقدار توفير النماذج اللغوية الصغيرة مقارنةً بـ GPT-4o؟

تبلغ تكلفة Microsoft Phi-3-mini بحجم 3,8 مليار معامل نحو 0,1 دولار لكل مليون رمز إدخال، مقابل نحو 5 دولارات لـ GPT-4o، أي فارق يقارب 50 مرة. وفي سلاسل الوكلاء متعددة المراحل، حيث تمثّل كل خطوة استدعاءً مستقلًا للنموذج، يتضاعف التوفير بمقدار كبير.

ما النماذج اللغوية الصغيرة الأكثر استخدامًا في وكلاء الإنتاج؟

تشيع في مهام الإنتاج نماذج Mistral 7B Instruct وMicrosoft Phi-3-mini وLlama 3.2 من Meta (بحجمي 1B و3B). أما لأجهزة الحافة والهواتف الذكية فيُستخدم Gemma 2B من Google وSmolLM2 1.7B من HuggingFace. ويعتمد الاختيار على متطلبات زمن الاستجابة والخصوصية وعلى الموارد الحاسوبية المتاحة.

*تعتبر روسيا شركة Meta منظمة متطرفة وتحظر أنشطتها على أراضيها.

في أي مهام تتفوق النماذج اللغوية الصغيرة على GPT-4؟

في المهام الضيقة المتخصصة داخل أنظمة الوكلاء، كثيرًا ما تحقق النماذج اللغوية الصغيرة نتائج أفضل من النماذج الرائدة.