Recursive_SI من يوندونغ تيان تطلق Flint-40B-A2B: نموذج بُني في أقل من 4 أشهر

عرضت Recursive_SI، الشركة التي شارك يوندونغ تيان في تأسيسها، نموذجها الأول. Flint-40B-A2B نموذج سريع لبرمجة الوكلاء (agentic coding)، صُمم للتشغيل على عتاد محلي. يعتمد على بنية «خليط الخبراء» (MoE): 40 مليار معامل في المجموع، يعمل منها نحو 2 مليار لكل رمز (token). مرّ نحو خمسة أشهر بين إعلان الشركة الناشئة في مايو وصدور النموذج، بينما استغرق التطوير نفسه من الصفر أقل من أربعة أشهر. وطوال هذه المدة شارك الذكاء الاصطناعي في العمل، إذ أُنشئ النموذج بمساعدة منظومة الأبحاث المؤتمتة الداخلية Eureka Machine.

ماذا تعني التسمية 40B-A2B؟

جرت العادة في نماذج MoE أن يُقرأ الرمز A2B على أنه عدد المعاملات النشطة. وهذا يعني في حالة Flint ما يلي: يجب تخزين الأوزان الـ40 مليارًا كلها، لكن الحساب المطلوب لكل رمز يعادل تقريبًا ما يحتاجه نموذج بـ2 مليار معامل. وهذه توليفة مناسبة للتشغيل المحلي. فعادةً ما يكون عنق الزجاجة في الأجهزة المنزلية والمكتبية هو الذاكرة وعرض نطاقها، لا ذروة الحساب. وإذا كان النموذج يقرأ من الذاكرة في كل خطوة جزءًا صغيرًا فقط من الأوزان، فإن سرعة التوليد تكون أعلى بوضوح من سرعة نموذج كثيف (dense) بحجم مماثل.

تبيّن حسبة بسيطة أين يقع الحد الفاصل. ففي التكميم بـ4 بت تشغل 40 مليار معامل نحو 20 غيغابايت، وفي التكميم بـ8 بت نحو 40 غيغابايت. يتسع الخيار الأول لمحطة عمل ببطاقة رسوميات قوية، أو لحاسوب محمول بذاكرة موحدة كبيرة. أما الثاني فيتطلب تجهيزًا جادًا. وبالنسبة إلى وكيل يقرأ المستودع عشرات المرات في الجلسة الواحدة، ويشغّل الاختبارات ويعدّل الملفات، تهمّ سرعة الاستجابة أكثر من نقاط إضافية في اختبار قياسي (benchmark). وعلى هذه السرعة تحديدًا جاء الرهان.

باحث يعمل بلا توقف

أكثر ما يلفت في هذا الإصدار هو طريقة إنشائه. تصف الشركة Eureka Machine بأنها منظومتها الخاصة للأبحاث المؤتمتة، وبحسب ما أعلنته Recursive فقد شاركت في تطوير النموذج طوال الوقت. الفكرة أن جزءًا من الأعمال الروتينية في دورة ML الحديثة ينتقل إلى الذكاء الاصطناعي: اختيار التجارب، وتشغيل المحاولات وتحليلها، والتحقق من الفرضيات. ويبقى الإنسان واضعًا للمهام وحكمًا.

بالنسبة إلى شركة ناشئة، هذه مسألة بقاء، لا تجربة لمجرد التجربة. فالفريق الصغير لا يملك جيشًا من الباحثين كما تملك المختبرات الكبرى. وإذا اختصرت الأتمتة دورة «فرضية — تجربة — استنتاج»، فإن أربعة أشهر من الصفر حتى نموذج عامل تبدو هدفًا واقعيًا. أما اسم الشركة Recursive_SI فيلمّح إلى هدف أكثر طموحًا: ذكاء اصطناعي يساعد في تحسين الذكاء الاصطناعي.

أبرز معالم الإصدار:

• النموذج: Flint-40B-A2B؛
• البنية: MoE، نحو 40 مليار معامل في المجموع ونحو 2 مليار نشطة لكل رمز؛
• الغرض: برمجة الوكلاء؛
• بيئة التشغيل: عتاد محلي؛
• مدة التطوير: أقل من أربعة أشهر من الصفر؛
• أداة الإنشاء: Eureka Machine، منظومة Recursive الخاصة للأبحاث المؤتمتة.

ما الذي ينبغي أن ينظر إليه من يختار وكيل برمجة محليًا؟

تهم نماذج البرمجة المحلية الفرق التي لا تريد إرسال الشيفرة المصدرية إلى واجهات API خارجية، بسبب متطلبات الأمان أو كلفة الرموز أو حتى التأخير فقط. وتستهدف Flint هذه الفئة تحديدًا، وفيها لكل نموذج منافسون محددون بين حلول MoE المفتوحة.

التحقق العملي بسيط. أولًا، قِس السرعة الفعلية على عتادك، بالرموز في الثانية وفي سياق طويل، لأن سيناريوهات الوكلاء تضخّم سجل الحوار بسرعة. ثانيًا، اختبر النموذج لا على مهام اصطناعية بل على مستودعاتك أنت: إصلاح خطأ، وإعادة هيكلة، وكتابة اختبارات. ثالثًا، راقب كيف يتعامل مع سلاسل الأدوات حين تكثر الخطوات ويجرّ خطأ واحد بقية الأخطاء خلفه.

وينبغي كذلك متابعة ما ستعرضه Recursive لاحقًا. فإذا كانت Eureka Machine قد قلّصت فعلًا دورة تطوير النموذج إلى بضعة أشهر، فستصدر إصدارات الشركة الناشئة التالية بسرعة. وعندئذ لن يكون المنتج الرئيسي نموذجًا بعينه، بل المنظومة نفسها التي تُنتج هذه النماذج.