Fireworks Nexus: توجيه الشيفرة البرمجية إلى نماذج open-weight وخفض نفقات الذكاء الاصطناعي بمقدار 3–5 أضعاف

أطلقت شركة Fireworks AI في 28 يوليو 2026 منصة Fireworks Nexus، وهي منصة لتوجيه الطلبات والتحكم في النفقات، توجّه مهام البرمجة الروتينية إلى نماذج open-weight. وبحسب مطوّر المنصة، تخفض التكلفة بمقدار 3–5 أضعاف دون تغيير الأدوات التي اعتاد عليها المطورون، مثل Claude Code.

لماذا ظهرت الحاجة إلى هذه المنصة

تنمو نفقات وكلاء الذكاء الاصطناعي أسرع مما تستطيع الشركات التخطيط له. ووفق بيانات Forbes، استنفدت Uber ميزانيتها الكاملة للذكاء الاصطناعي لعام 2026 في أربعة أشهر فقط. وتستند Fireworks إلى التقرير نفسه: فقد ارتفعت نسبة اعتماد الأدوات الوكيلية في الفرق الهندسية من نحو ثلث الموظفين إلى أكثر من أربعة أخماسهم خلال شهرين، فيما وصل Claude Code نفسه بعد إطلاقه في ديسمبر 2025 إلى نحو 5 000 مهندس.

وتصف Fireworks جذر المشكلة بأنه عدم تطابق وليس إفراطًا في الإنفاق: فمعظم المؤسسات تنفّذ الأعمال الروتينية بأسعار النماذج «الحدّية» (frontier)، لأن الانتقال إلى نماذج open-weight غير مريح تشغيليًا لفرق المنصات.

كيف يعمل Fireworks Nexus

يتكوّن Fireworks Nexus من ثلاثة أجزاء، ويُربط فوق أدوات التطوير المستخدمة أصلًا. أبرز خصائصه:

• التحكم وقابلية المراقبة — ميزانيات على مستوى الفريق أو الشركة، وتتبع العائد على الاستثمار (ROI) بحسب النموذج، ونقاط وصول مستضافة في الولايات المتحدة، وعدم الاحتفاظ بالبيانات إطلاقًا (zero data retention)، وتغطية 20 مركز بيانات عالميًا.
• FireConnect — تثبيت بسطر واحد بموجب رخصة Apache 2.0؛ يربط خانات النماذج في harness بنماذج Fireworks. ويواصل Claude Code وCodex وOpenCode العمل دون تغيير عبر واجهات API المتوافقة مع Anthropic وOpenAI.
• التوجيه الذكي — يقيّم نموذج مدرَّب مدى تعقيد كل طلب: تذهب المهام الروتينية إلى نموذج open-weight رخيص، أما المهام المعقدة فتذهب إلى مزوّدك السابق عبر مفتاحك أنت (الذي لا يُخزَّن على الخادم، بحسب Fireworks).

لا يزال الموجِّه في مرحلة research preview. وهو يوجّه حاليًا بين Claude Opus 5 وGLM-5.2، ولذلك يتطلب مسار pass-through مفتاح Anthropic؛ أما التهيئة المفتوحة بالكامل فتوجّه بين Kimi K3 وGLM-5.2.

ما مدى الوفر في التكلفة؟

جاء الوفر في الاختبارات المستقلة ملحوظًا، ولا يمكن تفسيره بالتخزين المؤقت وحده. فقد شغّلت Faros AI 211 مهمة هندسية حقيقية من 12 مستودعًا عبر سبعة مسارات «نموذج + harness». وسجّل Claude Code على GLM-5.2 نتيجة 0,568 وفق نموذج حَكَم قائم على معيار تقييم (rubric)، مقابل 0,521 لـ Claude Code على Opus 4.8، بتكلفة 0,92 دولار مقابل 1,76 دولار للمهمة الواحدة. وبلغت حصة الذاكرة المؤقتة 89,7% و99,7% على التوالي.

«هذه المجموعة خاصة بشركة بعينها وليست لوحة صدارة عالمية»، — تحذّر

Faros AI في ختام قياسها.

وشملت دراسة ثانية أجرتها Arize بالتعاون مع Fireworks عشرة نماذج على 40 مهمة من Terminal-Bench بواقع ست جولات لكل مهمة، أي 2 400 تشغيل ونفقات API بلغت 626 دولارًا. وفي المهام السهلة لا يمنح نموذج frontier أي أفضلية: فقد اجتاز Kimi K2.6 نسبة 73%، وGPT-5.5 نسبة 69%. أما في المهام الصعبة فتتصدر النماذج العليا: GPT-5.5 بنسبة 51% وKimi K3 بنسبة 32%. وتفوق التوجيه المحاكى على أي استراتيجية قائمة على نموذج واحد: فقد حقق سلّم التصعيد تكلفة 0,525 دولار لكل مهمة ناجحة، وحلّ باستمرار 32,3 مهمة من 40، في حين كلّف GPT-5.5 وحده 0,636 دولار وحلّ 25 مهمة من 40.

ماذا يعني ذلك

يحوّل Fireworks Nexus اختيار النموذج إلى معامل يمكن التحكم فيه: تذهب المهام الروتينية إلى محركات open-weight الرخيصة، ويبقى نموذج frontier المكلف للمهام المعقدة فعلًا. والأرقام صادرة عن المطوّر ومن برنامج preview، لكن الاختبارات المستقلة لـ Faros AI وArize تؤكد الفكرة الرئيسية: في جزء من المهام، لا يشتري الدفع الزائد للنموذج الأعلى جودةً أفضل.

أسئلة شائعة

هل يعمل Fireworks Nexus مع Claude Code؟

نعم. يُثبَّت مكوّن FireConnect بأمر واحد من لوحة Fireworks ويربط خانات النماذج، بحيث يواصل Claude Code وCodex وOpenCode العمل دون تغيير عبر واجهات API المتوافقة مع Anthropic وOpenAI.

إلى أي حد يخفض Fireworks Nexus النفقات؟

بحسب Fireworks، يبلغ الخفض المعتاد 3–5 أضعاف. وفي الاختبارات مع فريقي Notion وDoximity، انخفضت تكلفة طلب pull request واحد تم دمجه بنحو الثلث، وبلغ متوسط سعر الرمز (token) نحو ربع ما تفرضه مختبرات النماذج المغلقة.