NaiveAI تخفّض الزمن الوسيط للاستجابة إلى 3.1 ثانية في اختبار Latent Space

انتظار الذكاء الاصطناعي حتى يُنهي نسخة جديدة من التطبيق بند مستقل في استنزاف يوم العمل. تقترح NaiveAI تقليص هذه الفواصل: فنموذجها Naive-N0.5-Flash يولّد النص بذروة معلنة تبلغ نحو 2100 رمز في الثانية. وفي اختبار Latent Space بلغ الزمن الوسيط للاستجابة مع تفعيل الاستدلال 3.1 ثانية، مقابل 10.1 ثانية لدى DeepSeek V4.1 Flash 1017 بمستوى استدلال مرتفع.

يبدو ذلك جذابًا للمطوّر: يحصل على نسخة أسرع، فيشغّلها، ويلاحظ الخطأ، ثم يرسل التعديل التالي. لكن في الاختبار نفسه جاء متوسط زمن الاستجابة لدى NaiveAI وDeepSeek متقاربًا جدًا. والفرق بين هاتين الملاحظتين يفسّر لماذا يشكّل اختيار النموذج بحسب سرعة التوليد وحدها خطرًا على الميزانية والمواعيد.

من أين تأتي السرعة

Naive-N0.5-Flash نموذج مفتوح الأوزان مبني على Xiaomi MiMo-V2.5. وقد دُرّب الفريق عليه تدريبًا إضافيًا، وكيّف آلية الانتباه، ويستخدم محركه الخاص NaiveRT. تضم البنية الأساسية 310 مليارات معامل، يُفعَّل منها 15 مليارًا عند معالجة الرمز الواحد.

الجزء الرئيس من التسريع هو فك الترميز الاستباقي (speculative decoding). ببساطة، يقترح نموذج صغير مسبقًا استمرار النص، بينما يتحقق النموذج الأساسي من عدة رموز مقترحة دفعة واحدة. وحين تصيب التخمينات، يتقدم النظام أسرع مما لو ولّد النموذج الكبير كل رمز على التوالي.

وثمة تحفظ مهم: فالسرعات المعلنة قيست على عقدة بثماني وحدات معالجة رسومية من طراز Blackwell. والإعداد موجَّه إلى أقل زمن تأخير لتدفق توليد واحد. ولا يمكن أن نستنتج من هذه النتائج كم مستخدمًا متزامنًا يستطيع هذا النظام خدمتهم، ولا كم ستبلغ كلفة نشره بنفسك.

إضافة إلى ذلك، فإن 2100 رمز في الثانية هي ذروة خلال ثانية واحدة. وفي القياسات المنشورة بلغت السرعة نحو 984 رمزًا في الثانية في مرحلة الاستدلال و1816 عند إخراج الإجابة. ومع تفعيل الاستدلال قبل النموذج الأساسي 43.4% من اقتراحات النموذج المساعد، ومع إيقافه 70.6%.

ماذا حدث مع الشيفرة

قدّمت Latent Space للنماذج المهام نفسها: نظام شمسي تفاعلي، وشجرة ثلاثية الأبعاد مولَّدة إجرائيًا، وتنفيذ في المتصفح لتتبّع الأشعة (ray tracing) وفق كتاب Ray Tracing in One Weekend.

في النظام الشمسي فضّل كاتب المراجعة نتيجة NaiveAI مع الاستدلال: فقد أضاف النموذج بقعًا شمسية وأضواء ليلية للمدن على الأرض. وفي مهمة الشجرة قدّم NaiveAI وDeepSeek نتائج جيدة، وإن بقيت في حركة الرياح عيوب طفيفة. أما NaiveAI من دون استدلال فلم تُنشئ أصلًا تطبيقًا صالحًا لهذه المهمة.

اشتغل متتبّع الأشعة لدى النماذج الثلاثة كلها مع تفعيل الاستدلال. وهنا تفوقت DeepSeek: فتنفيذها كان أكثر كفاءة في تشغيل الشيفرة. أما تطبيق NaiveAI فعمل بشكل صحيح، لكن شيفرة JavaScript فيه كانت أبطأ.

هذا فارق مفيد للفريق الذي يبني نموذجًا أوليًا. فالتوليد السريع يتيح فتح النتيجة في المتصفح أبكر، لكنه وحده لا يقول شيئًا عن أداء التطبيق الناتج. كما أن المهام التجريبية الثلاث لا تغني عن اختبار الإصلاحات في مستودع قائم، ولا عن الاختبارات وصيانة الشيفرة.

أين يتبخّر المكسب

اختُبرت سرعة الاستجابة على 30 سؤالًا لكل إعداد: عشرة بسيطة وعشرة متوسطة وعشرة معقدة. ولم تُقيَّم صحة الإجابات في هذه التجربة. لذلك تصف النتيجة زمن التأخير، لكنها لا تثبت التفوق في حل المهام.

في الأسئلة المعقدة ولّدت NaiveAI مع الاستدلال في المتوسط نحو 108,500 رمز، أي أكثر بنحو 11 مرة من DeepSeek. وبلغ متوسط زمن الاستجابة 89.8 ثانية مقابل 79.7 ثانية لدى DeepSeek. وعلى العينة كلها تطابقت المتوسطات تقريبًا: 45.3 و45 ثانية على التوالي.

السعر المستهدف المعلن لدى NaiveAI هو 0.40 دولار لكل مليون رمز مُخرَج. لكن الرمز الرخيص لا يعني مهمة رخيصة: فالاستدلال الطويل يرفع الاستهلاك النهائي. كما جُمعت مؤشرات السرعة بطرق مختلفة، ولذلك لا يمكن استنتاج معامل تسريع دقيق منها.

الخطوة العملية هي تشغيل مجموعة مهامك الخاصة وقياس الزمن حتى الحصول على نتيجة عاملة تم التحقق منها، وإجمالي استهلاك الرموز، وعدد المحاولات المتكررة. تمنحك هذه المراجعة سببًا لتجربة NaiveAI في التكرارات السريعة. أما قرار الانتقال إليها فيتطلب اختبارًا على شيفرتك أنت.