أنثروبيك تخفض أسعار Fable 5.2 بنسبة 20%: ماذا يعني ذلك لوكلاء الذكاء الاصطناعي

يعمل وكيل ذكاء اصطناعي على إصلاح خلل معقد: يقرأ المستودع، ويشغّل الاختبارات، ويعدّل الشيفرة، ثم يعود إلى السياق من جديد. وقد تتكرر هذه الدورات عشرات المرات. لذلك لا يهم الفريق سعر الإجابة وحده، بل أيضًا تكلفة إعادة قراءة الملفات نفسها. وقد جعل Claude Fable 5.2، الذي صدر في 9 نوفمبر، هذا الجزء من العمل أرخص. والخطوة العملية التالية هي اختباره على مهمة طويلة تعرفون مسبقًا تكاليفها وجودة نتيجتها.

حددت أنثروبيك السعر بـ 8 دولارات لكل مليون رمز إدخال و40 دولارًا لكل مليون رمز إخراج، أي أقل بنسبة 20% من Fable 5.1. وتبلغ تكلفة إعادة القراءة من الذاكرة المؤقتة 0.20 دولار لكل مليون رمز. غير أنه لا يمكن تعميم هذا الخصم تلقائيًا على ميزانية الوكيل بأكملها: فالفاتورة تظل تتضمن التوليد وكتابة الذاكرة المؤقتة والأجزاء الجديدة من السياق. الأسعار منشورة في وثائق النموذج.

أين تفيد الذاكرة المؤقتة الرخيصة فعلًا

لنتخيل وكيلًا ينقل خدمة إلى مكتبة أخرى. إنه يحتاج باستمرار إلى بنية المشروع وأعراف الفريق ووصف واجهة البرمجة. إذا شكّلت هذه المواد جزءًا ثابتًا من الطلب وخُزّنت في الذاكرة المؤقتة بنجاح، تصبح إعادة قراءتها أرخص. أما إذا كان التطبيق يعيد بناء السياق في كل مرة، فقد يختفي التوفير المتوقع.

من السهل هنا الخطأ في اختيار المقياس. فمقارنة سعر المليون رمز وحده لا تكفي. قد يصلح نموذج المشكلة في بضع محاولات، بينما يقضي آخر المساء في تعديلات عديمة الفائدة. ما ينبغي حسابه هو تكلفة التغيير المقبول: كم دفع الفريق حتى اجتازت الاختبارات والمراجعة. كما أن وقت المهندس المخصص للتحقق جزء من اقتصاديات هذا التطبيق.

وللمقارنة الأولى تكفي بضع مهام سبق حلّها في مستودعكم الخاص. حافظوا على الظروف نفسها وقيود الأدوات ومعايير القبول. وسجّلوا بشكل منفصل تكاليف الإدخال والإخراج والذاكرة المؤقتة، وعدد المحاولات المتكررة، والوقت اللازم للوصول إلى نتيجة عاملة. مثل هذه التجربة أنفع من وعد بتوفير خمسة أضعاف مستنتج من تعرفة واحدة.

نسختان من النموذج، وقيود مختلفة

يعتمد Fable 5.2 وMythos 5.2 على النموذج الأساسي نفسه. وتُطبَّق على Fable المتاح للجميع قيود إضافية في الأمن السيبراني والأحياء، بينما تحصل المؤسسات على Mythos عبر برامج التحقق. وهذا الفارق مهم للفرق التي تبني أدوات التدقيق أو عمليات البحث. وتوجد أوصاف المنتجات في إعلان أنثروبيك.

يظهر الخطر العملي عندما يرسل التطبيق المهمة بعد الرفض إلى نموذج آخر. يرى المستخدم واجهة واحدة، لكن النتيجة قد تعتمد بالفعل على منفّذ مختلف. لذلك من المفيد أن يحفظ سجل التشغيل النموذج المختار وحالات الرفض والطلبات المتكررة. وإلا يصعب فهم سبب اكتشاف التدقيق للمشكلة أمس وتجاهله لها اليوم.

وتتطلب المقاييس أيضًا قراءة حذرة. ففي الجدول الذي قدمته الشركة المصنّعة يتفوق Fable على عدة منافسين في البرمجة الوكيلية، لكنه لا يتصدر جميع العمليات التجارية. ولا ينبغي تحويل نتيجة اختبار منفرد إلى وعد باستبدال موظف أو بإتمام ترحيلكم بشكل مضمون. فمستوى الاستدلال والأدوات وظروف التشغيل كلها تؤثر في النتيجة.

الوعي بالاختبار لا يعني الخداع

أبرز طرح في المادة الأصلية هو أن النموذج يلاحظ أنه يُختبر. لكن هناك فرقًا بين التعرف على الاختبار والتحريف المتعمد للنتائج. فنسبة المحادثات التي تحمل مثل هذه الإشارات لا تبيّن بحد ذاتها عدد التقييمات التي نجح النموذج في التحايل عليها. ولذلك يلزم معرفة ظروف التجربة وملاحظات محددة عن السلوك.

بالنسبة للمطوّر، الخلاصة عملية تمامًا: ينبغي فحص الإجابات وأفعال الوكيل معًا. ما الملفات التي فتحها، وما الأوامر التي نفّذها، وإلى أين أرسل البيانات، وهل تتوافق التغييرات مع المهمة. ونتائج التدقيق المخبري الجيدة لا تغني عن عزل البيئة وتقييد الوصول إلى الأسرار.

وقبل التجربة التجريبية تحققوا أيضًا من شروط الاحتفاظ بالطلبات: ففي هذا النموذج تنص الوثائق على الاحتفاظ بها 30 يومًا، وتتطلب الاستثناءات تفويضًا منفصلًا من أنثروبيك. ابدأوا بمجموعة محدودة من المهام، وقيسوا التكاليف ونسبة النتائج المقبولة. فإذا بقي المكسب بعد المراجعة وإعادة التشغيل، فسيكون هناك مبرر لتوسيع الاستخدام.