نماذج open-weight الغربية تعرض على الشركات بديلاً عن الذكاء الاصطناعي الصيني والمغلق

يروّج مطوّرون غربيون لموجة جديدة من النماذج ذات الأوزان المفتوحة. وهدفها منح الشركات بديلاً عن معسكرين في آن واحد: الشبكات العصبية الصينية المفتوحة، وواجهات API المغلقة التابعة للمختبرات الأمريكية. هكذا يصوغ AI Business الفكرة، ويشير في الموضع نفسه إلى أن زيادة السيطرة على الذكاء الاصطناعي تجلب معها التزامات جديدة. ولا تتضمن المادة أسماء نماذج محددة ولا أحجامها ولا نتائج اختبارات، لذلك يستعرض ما يلي ما يقف خلف الفكرة نفسها وما تعنيه للعميل.

لماذا طُرح السؤال الآن تحديداً

خلال العامين الأخيرين، جاءت الأوزان المفتوحة القوية بوتيرة متزايدة من الصين: عائلات Qwen وDeepSeek وKimi. فهي منخفضة التكلفة في التشغيل، وتتحمل التدريب الإضافي جيداً، ويمكن تنزيلها بحرية. لكن هذا لا يكفي بعض الشركات الغربية. فأقسام الأمن والمستشارون القانونيون يسألون عن منشأ النموذج، وعن بيانات تدريبه، وعن كيفية تبرير الاختيار أمام المدقق أو الجهة التنظيمية.

وقد ظهرت نماذج مفتوحة غربية من قبل: Llama من Meta وMistral وGemma من Google. وفي أغسطس 2025 انضم إليها gpt-oss من OpenAI، بإصدارين بحجم 120 و20 مليار معامل تحت رخصة Apache 2.0. أما الحملة الجديدة، بحسب وصفها، فتحاول تحويل هذه الإصدارات المتفرقة إلى مجموعة خيارات واضحة للأعمال.

ماذا تكسب الشركة

المكسب الرئيسي هو قابلية التحكم. فالنموذج الذي يمكن تشغيله داخل نطاق الشركة الخاص لا يرسل الطلبات إلى مزوّد خارجي. وهذا مهم للمصارف والقطاع الطبي والقطاع الحكومي وأي مجال يتعامل مع بيانات حساسة. ويدخل في هذا المكسب أيضاً التدريب الإضافي على مصطلحات الشركة، وتثبيت إصدار بعينه، والاستقلال عن تغييرات الآخرين في الأسعار وشروط الوصول.

أما واجهات API المغلقة فمنطقها مختلف. يستطيع المزوّد تحديث النموذج أو تغيير سلوكه أو سحب الدعم عن إصدار ما، ولا يعلم العميل بذلك إلا بعد وقوعه. أما مع الأوزان المفتوحة فيبقى الملف لديكم.

ما الذي يقع على عاتق العميل

السيطرة ليست مجانية. فحالما يصبح النموذج داخل نطاقكم، تتحملون أنتم مسؤولية تشغيله:

• البنية التحتية: شراء وحدات GPU أو استئجارها، وحزمة الاستدلال (inference)، والتوسّع، ومراقبة زمن الاستجابة؛
• الأمان: الحماية من prompt injection، وتصفية المخرجات، وred teaming، وتسجيل الأحداث؛
• التحديثات: اختبار الإصدارات الجديدة بأنفسكم ومراقبة التراجعات في الأداء؛
• الترخيص: تمنح Apache 2.0 وMIT حرية الاستخدام، بينما قد تقيّد التراخيص المخصصة النطاق أو مجال التطبيق؛
• الشفافية: الأوزان المفتوحة لا تعني بيانات تدريب أو شيفرة تدريب مفتوحة، وبالتالي لا توجد قابلية كاملة لإعادة الإنتاج.

كثيراً ما يُغفل البند الأخير. فمصطلح open-weight أدق من open-source تحديداً لأنه يصف إتاحة المعاملات فقط. أما تاريخ النموذج فما زلتم تقبلونه على الثقة، وإن كان ذلك ضمن ولاية قضائية أكثر ملاءمة.

من أين نبدأ عملياً

ابدؤوا بتجربة تجريبية على مهمة واحدة، لا بترحيل المنظومة كلها. أعدّوا مجموعة اختبارات خاصة بكم من مستندات وطلبات حقيقية، فالتصنيفات العامة لا تتنبأ جيداً بسلوك النموذج في مجالكم المتخصص. وقارنوا إجمالي تكلفة الملكية، بما يشمل الفريق الذي سيتناوب على مراقبة الاستدلال، لا سعر الرمز (token) لدى API وحده.

ابنوا طبقة تجريد فوق المزوّد حتى تتمكنوا من تغيير النموذج دون إعادة كتابة التطبيقات. واطلبوا من المستشارين القانونيين قراءة الترخيص كاملاً وتوثيق مصدر الأوزان. وحدّدوا مسبقاً من في الشركة يتولى أمان النموذج بعد الإطلاق. فإذا لم يكن هناك جواب، فقد يكون الخيار الأنسب مؤقتاً واجهة API مغلقة بـSLA واضح، لا الأوزان المفتوحة.