Ant Shuke تطلق LingDT-Decision-1.0: نموذجان بحجم 4B و27B لاتخاذ قرارات سريعة

في 22 أكتوبر أصدرت شركة Ant Shuke الصينية (蚂蚁数科)، الذراع التقنية لمنظومة Ant Group، نموذج اتخاذ القرارات LingDT-Decision-1.0 رسميًا. صُمم النموذج لاتخاذ قرارات سريعة في المهام المنظمة، ويتوفر بإصدارين: إصدار مدمج بحجم 4B وإصدار أثقل بحجم 27B من المعاملات. وبحسب المطوّرين، فهو أدق وأسرع وأقل تكلفة من حيث الرموز (التوكنات) مقارنةً بنماذج اتخاذ القرارات المماثلة، ومنها حلول Microsoft. أما المجال المستهدف، بحسب الشركة، فهو الذكاء الاصطناعي الصناعي.

لماذا نموذج مستقل للقرارات

تستهدف معظم الإصدارات اللافتة في الآونة الأخيرة الحوار العام: الاستدلال والبرمجة والوسائط المتعددة. أما مهام العملاء الصناعيين فتبدو مختلفة. فالبنك يحتاج إلى تقييم طلب بالاستناد إلى مجموعة حقول، وشركة اللوجستيات إلى اختيار مسار من بدائل محددة، والمصنع إلى تحديد الإجراء الواجب اتخاذه عند انحراف المعايير. والمدخلات هنا منظمة، أما المخرجات فتنحصر في الغالب في اختيار من مجموعة محدودة من الخيارات أو في تعليل قصير.

وفي مثل هذه السيناريوهات يكون النموذج العام الضخم أكثر مما يلزم. فهو يستغرق وقتًا أطول في الإجابة، ويستهلك رموزًا أكثر في استدلالات زائدة، ويكلّف أكثر مع كل استدعاء. وإذا بلغت الطلبات ملايين في اليوم، تحوّل فارق سعر الرمز مباشرة إلى فارق في هامش ربح المشروع. وتراهن Ant Shuke على هذه المعادلة الاقتصادية تحديدًا: يجب أن يتفوق النموذج المتخصص على المنافسين العامين في ثلاثة محاور معًا، هي الدقة وزمن الاستجابة والتكلفة.

حجمان لمهام مختلفة

يعكس الإصدار بتكوينين في آن واحد ممارسة ترسخت في الذكاء الاصطناعي المؤسسي. فإصدار 4B يلائم السيناريوهات التي تهم فيها أدنى درجات التأخير ومتطلبات العتاد المتواضعة، إذ يسهل نشره داخل محيط العميل أو على موارد حوسبة محدودة. أما إصدار 27B فهو مخصص لمهام منظمة أكثر تعقيدًا، تتطلب هامشًا أوسع في الجودة وأخذ عدد أكبر من العوامل في الحسبان.

أبرز معطيات الإصدار:

• الاسم: LingDT-Decision-1.0
• المطوّر: Ant Shuke، إحدى وحدات منظومة Ant Group
• تاريخ الإصدار: 22 أكتوبر
• الأحجام: 4B و27B من المعاملات
• التخصص: قرارات سريعة في المهام المنظمة
• المزايا المعلنة: دقة أعلى، واستجابة أسرع، وتكلفة رموز أقل
• القطاع المستهدف: سيناريوهات الذكاء الاصطناعي الصناعي
• الحالة: النموذج متاح بالفعل على منصات الشركة

ويوحي اسم السلسلة بصلة بعائلة Ling التي تطلق تحتها منظومة Ant Group نماذجها اللغوية. وهذه وسيلة تحوّل بها الشركة قاعدتها التقنية المشتركة إلى مجموعة منتجات متخصصة يمكن بيعها لعملاء المؤسسات.

المقارنة مع Microsoft وسؤال التحقق

يتمثل الطرح التسويقي الرئيسي للإصدار في أن دقة LingDT-Decision-1.0 أعلى من حلول Microsoft. وتضع المقارنة مع العملاق الأمريكي معيارًا واضحًا: فالمطوّرون الصينيون يقيسون أنفسهم بشكل متزايد لا بنظرائهم المحليين، بل مباشرة بالمنظومات المؤسسية الغربية. غير أن ادعاءات التفوق في اختبارات معيارية ضيقة للمهام المنظمة تتوقف إلى حد كبير على مجموعة الاختبارات وصيغة الأسئلة. وستكشف الصورة الحقيقية القياسات المستقلة والتجارب التجريبية على بيانات عملاء بعينهم.

ومع ذلك تبدو الفكرة نفسها سليمة. فقد أثبتت النماذج بحجم يتراوح بين 4B و27B منذ زمن أنها قادرة، بعد ضبطها لمهمة ضيقة، على منافسة أنظمة أكبر منها بكثير. وإذا نجحت Ant Shuke فعلًا في تحقيق المزيج المعلن من الدقة ورخص الرموز، فسيجد النموذج طلبًا حيث تصطدم نماذج LLM العامة بحدود الميزانية.

لمن يفيد هذا وأين

تتوقف الفائدة العملية للإصدار على طبيعة مهمتك. فبالنسبة إلى الفرق المالية والتأمينية واللوجستية والإنتاجية في الصين، هو خيار إضافي في مجموعة أدوات المؤسسة: إذ يمكن ربط النموذج المتخصص بعمليات التقييم الائتماني والإرسال القائمة. أما من يدفع حاليًا مقابل استدعاءات واجهات API عامة كبيرة لاتخاذ قرارات بسيطة بالاستناد إلى جداول وحقول، فعليه أن يقيّم ما إذا كان نموذج صغير متخصص أقل كلفة، ولا سيما إصدار 4B.

والإشارة الموجهة إلى السوق عمومًا هي أن المنافسة تنتقل من «النموذج الأذكى» إلى «النموذج الأجدى لعملية محددة». والخطوة التالية أمام Ant Shuke هي نشر منهجية الاختبارات ونتائجها على مجموعات بيانات مفتوحة وقطاعية. ودون ذلك ستبقى المقارنة مع Microsoft مجرد ادعاء من الشركة المصنِّعة، وسيعتمد العميل المؤسسي في اختياره على تجاربه التجريبية الخاصة.