Microsoft تكشف عن Decision-1 المبني على Qwen3.5-9B: دقة 83,5% وزمن استجابة 85 مللي ثانية

كشفت Microsoft عن Decision-1، وهو نموذج مدمج مخصص للتصنيف السريع وتوجيه الطلبات. يقوم النموذج على Qwen3.5-9B. وبحسب بيانات الشركة نفسها، يحقق النموذج دقة 83,5% على 36 اختبارًا معياريًا بزمن استجابة 85 مللي ثانية. ولا توجد حتى الآن عمليات تحقق مستقلة.

لماذا نحتاج إلى نماذج اتخاذ القرار

لا يكتب نموذج القرار نصوصًا طويلة ولا «يفكّر بصوت عالٍ». مهمته أن يتخذ قرارًا سريعًا: إلى أي فئة يُصنَّف الطلب، وإلى أي أداة تُسلَّم المهمة، وأي نموذج يتولى الاستعلام، وهل يجب تمريره عبر مرشّح. وفي الأنظمة الوكيلية تظهر مفترقات كهذه في كل خطوة. وإذا استُدعي نموذج LLM رائد عند كل مفترق، ارتفعت التكلفة وزمن الاستجابة بما يتناسب مع عدد الخطوات.

لذلك تناسب أجهزة التوجيه والمنسّقات نماذجُ من بضعة مليارات من المعاملات. وتسعة مليارات هي بالضبط هذا الحجم: يتسع النموذج في بطاقة رسوميات واحدة ويردّ في أجزاء من الثانية. وتدخل Microsoft قطاعًا تتنافس فيه حلول أخرى بالفعل، وتضيف إليه تحسينها الخاص لهذه المهمة.

واختيار الأساس يقول الكثير أيضًا. فقد أعادت الشركة تدريب Qwen3.5-9B، وهو نموذج مفتوح من عائلة Alibaba، ولم تعتمد بنية خاصة بها. وبالنسبة إلى مهمة تطبيقية ضيقة، هذا مسار عقلاني: فالقيمة تُصنع في طبقة البيانات وإعادة التدريب والتحسين، لا في التدريب المسبق من الصفر.

ما المعروف عن الأرقام

• الأساس: Qwen3.5-9B.
• الغرض: التصنيف السريع والتوجيه.
• الدقة: 83,5% على 36 اختبارًا معياريًا.
• زمن الاستجابة: 85 مللي ثانية.
• مصدر البيانات: اختبارات Microsoft نفسها.

ينبغي قراءة هذه الأرقام بتحفظ. فزمن 85 مللي ثانية يدخل ضمن ميزانية السيناريو التفاعلي الذي يُتخذ فيه القرار قبل الرد الرئيسي، لكن زمن الاستجابة يعتمد بقوة على العتاد وطول المدخل وحجم الدفعة (batch). ولم تُكشف شروط القياس في الإعلان. كما لم يُذكر أي الاختبارات الـ 36 دخلت في المجموعة، ولا النماذج التي قورن بها Decision-1.

والأمر نفسه ينطبق على الدقة. فنسبة 83,5% تعني أن قرارًا من كل ستة تقريبًا خاطئ في المتوسط. وقد يكون ذلك مقبولًا في فرز الطلبات حسب الموضوع. أما في التوجيه، حيث يرسل الخطأ الطلب إلى وجهة غير صحيحة أو يُمرّر محتوى خطيرًا، فنحتاج إلى بيانات عن أصناف الأخطاء المحددة، لا إلى رقم واحد متوسط.

ما الذي ينبغي فحصه قبل الاعتماد

إذا كنتم تبنون نظامًا وكيليًا أو موجّهًا للطلبات، فالأجدر النظر إلى Decision-1 بوصفه مرشحًا لتجربة تجريبية (pilot)، لا حلًا جاهزًا. وترتيب الفحص كالتالي:

• تشغيل النموذج على حركة البيانات الخاصة بكم. فالنتيجة المتوسطة على 36 اختبارًا معياريًا لن تخبركم بشيء يُذكر عن فئاتكم ولغة طلباتكم.
• قياس زمن الاستجابة على عتادكم، مع النظر إلى p95 وp99 لا إلى المتوسط.
• احتساب كلفة الخطأ لكل نوع من القرارات، وتحديد المواضع التي يصحّ فيها الاختيار الآلي وتلك التي تتطلب مراجعة بشرية.
• إضافة مسار احتياطي: عند انخفاض ثقة النموذج، يُرسَل الطلب إلى نموذج LLM أقوى.
• المقارنة بالخيارات الأساسية: نموذج غير متخصص بالحجم نفسه، ومصنِّف كلاسيكي. فكثيرًا ما تعطي الأساليب البسيطة جودة مقاربة بكلفة أقل.
• التحقق من الترخيص وشروط الوصول وطريقة النشر. فهذه التفاصيل غير موجودة في الإعلان الأصلي.

يبيّن ظهور Decision-1 بحد ذاته أن اللاعبين الكبار بدأوا يهتمون جديًا بطبقة «التنسيق» في أنظمة الذكاء الاصطناعي. وما دامت قياسات مستقلة للنموذج غير متوفرة، فهو إعلان عن حضور في هذه الفئة، لا ميزة مثبتة.