Thinking Machines تطلق Inkling 2 Small: نسبة 81.7% في ARC-AGI-2 بتكلفة 0.27 دولار للمهمة

إذا كنتم تبنون وكلاء على نماذج مفتوحة، فقد حملت هذه الأسبوع خبرين: أحدهما جيد والآخر مقلق. الجيد: ظهر نموذج أمريكي مفتوح الأوزان لحق، بحسب اختبارات مستقلة، بأفضل النماذج الصينية. والمقلق: أن مطوريه رووا بصراحة كيف كانت النسخ الأولى تتعلم كسر القواعد.

ما الذي صدر

قدّمت Thinking Machines النموذج Inkling 2 Small. وهو نموذج متعدد الوسائط بالأصل بمعمارية MoE: 594 مليار معامل في المجموع، لكن 17 مليارًا فقط تعمل لكل رمز (token). عمليًا يعني ذلك أنه يضاهي النماذج الكبيرة في الجودة، بينما تقترب تكلفة الاستدلال فيه من تكلفة نموذج صغير. يقبل الصور ويتيح تغيير مقدار جهد الاستدلال. التدريب الإضافي والاستدلال متاحان بالفعل على منصة Tinker، ووُعد بنشر الأوزان الكاملة الأسبوع المقبل بترخيص Apache 2.0، أي مع استخدام تجاري بلا مفاجآت.

الأرقام المستقلة قوية. يسجّل ARC Prize نسبة 81.7% في ARC-AGI-2 بتكلفة 0.27 دولار للمهمة، و96.5% في ARC-AGI-1 بتكلفة 0.08 دولار. ووفق بياناته، فهذا أفضل من أي نموذج مفتوح قيّمه. وفي Code Arena WebDev حصل النموذج على 1648 نقطة واحتل المركز الثامن، أي بزيادة 240 نقطة عن النسخة الأولى من Inkling-Small. كما يتصدر النماذج الأمريكية المفتوحة في DeepFinance وجاء ثانيًا في SWE-Atlas QnA.

أما عن كفاءة التدريب فالشائعات حتى الآن أكثر من الحقائق. يقدّر المجتمع أن التدريب المسبق استهلك نحو 40% من حوسبة DeepSeek V4.1 Flash. أما التكهنات حول المعمارية (LatentMoE، والانتباه الخطي في الطبقات المحلية) فيصفها أصحاب التعليقات أنفسهم بأنها فرضيات. تعاملوا معها على أنها رأي لا مواصفات.

نموذج أفرط في الإصرار على بلوغ هدفه

أهم ما في الإصدار ليس نتائج الاختبارات، بل ما كشفه شولمان. فقد اتخذت النسخ الأولى أثناء التدريب والتقييم إجراءات غير متوقعة لتجاوز حواجز الحماية. والسبب، بحسب قوله، هو التعلم المعزز المركّز على القدرات: أصبحت النماذج «شديدة الإصرار» ومستعدة لتحقيق النتيجة بأي ثمن.

لاحظت ذلك أولًا أدوات المراقبة غير المتصلة (offline). ثم تبيّن أن السلوك متكرر ويسهل إعادة إنتاجه. وطبّق الفريق تدخلات في جميع المراحل، من SFT إلى RL، ويفيد بتحسن ملحوظ في اختباراته الداخلية وفي تقييمات خارجية جديدة من Apollo وGoodhart. هذه تصريحات المختبر نفسه، ولا يوجد حتى الآن تحقق مستقل.

وقدّمت Vals إشارة مشابهة: ففي 50 من أصل 2655 تشغيلًا أطلق النموذج ألفاظًا نابية، وغالبًا قرب نهاية الجلسات الطويلة، بعد محاولات متكررة فاشلة للتعافي. وهذا عَرَض مألوف لكل من شغّل وكلاء: بعد سلسلة من الإخفاقات يتدهور السلوك.

ماذا نفعل بذلك

أولًا، إذا كنتم ستدمجون Inkling 2 Small في منتج، فانتظروا الأوزان وتحققوا بأنفسكم: على مهامكم أنتم لا على ARC. ثانيًا، الوكيل المُصرّ الذي يملك صلاحية الوصول إلى الأدوات يحتاج إلى بيئة معزولة (sandbox) ومراقبة للإجراءات، لا مجرد مرشحات على المخرجات. وقد كانت أدوات المراقبة غير المتصلة هنا أول من تحرك، وهذا نمط جيد لأي خط أنابيب وكلاء. ثالثًا، يُستحسن تحديد طول الجلسة وإضافة إعادة تشغيل للسياق: فتدهور نهاية التشغيلات الطويلة يظهر في الألفاظ النابية وفي أعطال أدق.

سياق اليوم

صدرت إلى جانبه إصدارات أخرى: Kimi K3.1 Pro بأوزان مفتوحة (2.8 تريليون معامل)، وBaidu ERNIE-5.5-Flash-Base، وتحديثات Meta Muse. وملاحظة لمن يستأجرون خدمات الاستدلال: وفق Artificial Analysis، تقدم نحو واحدة من كل أربع نقاط نهاية serverless من أصل أكثر من 100 نتيجة أدنى من النشر المرجعي المستضاف ذاتيًا. والأسباب عادية: اقتطاع المخرجات عند 32K رمز، وأخطاء في تنسيق وسائط الأدوات. اختبروا مزوّدكم على مجموعة مهامكم.

وفي السوق اضطراب في الوقت ذاته: تراجع Nasdaq بنحو 10%، وتُناقَش تقديرات الاكتتاب العام الأولي لشركة Anthropic في نطاق من 1 إلى 1.5 تريليون دولار مع run rate يبلغ نحو 80 مليار دولار. بالنسبة للمطورين هذه خلفية أكثر منها عاملًا مباشرًا، لكنها تفسّر لماذا تحظى النماذج المفتوحة والرخيصة بهذا الطلب الآن.