Devin أرخص بنسبة 30–40%، وFusion يتصدر FrontierCode 1.1 بـ 68,8 نقطة

أصبح Devin أرخص بشكل ملحوظ. وبحسب المطورين، انخفض السعر بنسبة 30–40% في وضعي Fusion وNormal، وبنسبة 15–20% في Ultra، وبما يصل إلى 70% في Devin Review. ويُقال إن مستوى الذكاء حُفظ أو تحسّن في جميع الأوضاع. وحلّ Devin Fusion في المركز الأول في FrontierCode 1.1 Extended بنتيجة 68,8 وبمتوسط إنفاق قدره $0,60 للمهمة.

عادةً ما يتطلب الوكيل الأرخص والوكيل الأقوى مفاضلة بينهما. أما هنا، فيؤكد المطورون أنهم حققوا الأمرين معًا. والرقم في الجدول يبدو مقنعًا، لكن القياسات نشرتها الشركة المطورة نفسها، وتشارك في المقارنة نموذجها الخاص SWE-2. لذا يستحسن التحقق على مهامكم أنتم.

النماذج: اختيار النموذج حسب المهمة

يعود ثلثا التوفير إلى النماذج، ويعود الباقي إلى الهندسة المحيطة بها. فـ Devin غير مرتبط بمزوّد واحد، ويختار النموذج المناسب لكل مرحلة من العمل. وبحسب وصف الفريق:

• يقدّم Opus 5.5 وGPT-6 Sol ذكاءً أقوى بنسبة سعر إلى جودة جيدة.
• يتفوق GPT-6 Astra على غيره في التعامل مع الحاسوب (computer use).
• يخفّض GPT-6 Luna تكلفة المهام المساعدة بشكل ملحوظ.
• SWE-2 هو النموذج الخاص بالفريق.

يقوم Fusion على زوج من نموذج قائد كفؤ ومساعد أرخص. ويختار Devin Review النماذج بشكل منفصل لتحليل الـ diffs، والبحث عن الأخطاء، وتصنيف التغييرات. أما Normal وUltra فيختارانها للتخطيط والاختبار وتصحيح الأخطاء وعمليات الترحيل (migrations).

الاختبار المرجعي: النتيجة مقابل السعر

نتائج FrontierCode 1.1 Extended، مع متوسط تكلفة المهمة والنقاط:

• Devin Fusion: 68,8 نقطة، $0,60.
• Opus 5.5 (high): 65,2، $0,90.
• Fable 5.1 (medium): 63,6، $2,68.
• GPT-6 Astra (high): 63,1، $2,62.
• SWE-2 (high): 60,1، $0,64.
• GPT-6 Sol (high): 59,6، $0,87.

يتفوق Fusion على Opus 5.5 بـ 3,6 نقطة، وتقل تكلفته بمقدار الثلث. وأمام Fable 5.1 وGPT-6 Astra يتفوق عليهما في السعر بأكثر من أربعة أضعاف. ومن اللافت أيضًا أن SWE-2 منفردًا لا يزيد سعره كثيرًا عن Fusion، لكنه يتأخر عنه بـ 8,7 نقطة. أي أن الزوج المكوّن من نموذجين هو ما يحقق الزيادة في الجودة.

طبقة harness: خطوات أقل وتخزين مؤقت أكثر

المصدر الثاني للتوفير هو الـ harness، أي الطبقة التي تدير حلقة عمل الوكيل. فالنماذج الجديدة أفضل في تخطيط عدة إجراءات دفعة واحدة. في السابق كانت عمليات التنسيق والـ linting والاختبارات تُنفَّذ في ثلاث خطوات منفصلة. أما الآن فيستطيع النموذج طلبها جميعًا في استدعاء واحد وتحليل نتائجها معًا. وفي المثال التوضيحي الذي قدّمه الفريق، يعني ذلك خطوتين بدل أربع، وانخفاضًا بنسبة 49% في عدد الرموز (tokens) المرسَلة. وتُنفَّذ الاستدعاءات المستقلة الآن بالتوازي، وتجري التسلسلات المخطَّطة تباعًا دون العودة إلى النموذج.

يتعلق الجزء الثاني بتخزين الـ prompt مؤقتًا. فنماذج LLM لا تحتفظ بحالة، ولذلك يحمل كل طلب من الوكيل التاريخ كاملًا: التعليمات والشيفرة والإجراءات السابقة. وإذا تطابق مطلع الطلب مع الطلب السابق، يعيد المزوّد استخدام الحوسبة الخاصة بالبادئة المشتركة. وفي جلسة توضيحية من خمس خطوات، يُعالَج من الصفر 27K رمز مع التخزين المؤقت بدل 93K، أي بانخفاض 71%. وهذه أيضًا أرقام تخطيطية مقرَّبة، وليست قياسًا على مهام حقيقية.

لهذا النهج قيود. يجب أن تبقى البادئة المشتركة دون تغيير، ولا يعيش الـ cache طويلًا، وهو مرتبط بنموذج ومزوّد محددين. ولذلك يلزم تصميم الـ harness بعناية. لكنه يستفيد في المقابل من انخفاض تكلفة قراءة الـ cache: فهي في Opus 5.5 أرخص بنسبة 60% مما كانت عليه في Opus 5، وفي GPT-6 Sol وLuna أرخص بمقدار النصف مقارنة بالنماذج السابقة من خط 5.6. وفي الجلسات الطويلة ذات التاريخ الكبير تتراكم هذه الخصومات.

ماذا على الفرق أن تفعل؟

يُستحسن لمن يدفع اشتراك Devin بالفعل أن يعيد حساب ميزانيته: فالمهام نفسها باتت تكلّف أقل، خصوصًا في Review. وإذا كانت المراجعة الآلية لطلبات الدمج (pull request) مكلفة أكثر مما ينبغي، فإن خصمًا يصل إلى 70% يغيّر الحسابات. وينبغي تجربة مهمتين نموذجيتين على مستودعكم في وضعي Normal وFusion، ومقارنة التكلفة الإجمالية ونسبة التعديلات المقبولة، ثم تغيير الوضع الافتراضي بعد ذلك فقط.

أما من يبنون وكلاءهم الخاصين، فالدرس بالنسبة إليهم أكثر عملية. حافظوا على بادئة طلب ثابتة ليعمل الـ cache. واسمحوا للنموذج بتجميع الأوامر في استدعاء واحد. وأسندوا الخطوات المساعدة إلى نماذج أرخص. والتحديث متاح بالفعل على devin.ai.