نموذج Jev الجديد يستجيب في 150 مللي ثانية مقابل 1,89 ثانية لدى GPT-6 Astra
إذا كان المطلوب حكمًا سريعًا، كأن تعرف هل الرسالة بريد مزعج أو هل يخالف التعليق القواعد، فليس من الضروري أن يكتب نموذج لغوي كبير (LLM) نصًا كاملًا. أطلقت شركة TypeSafe AI الناشئة نموذج Jev، وهو يختار خيارًا واحدًا من خيارات محددة سلفًا (A أو B أو C) ويرد في المتوسط خلال 150 مللي ثانية، بينما يستغرق GPT-6 Astra نحو 1,89 ثانية. لا يستطيع Jev اختلاق إجابة من خارج القائمة، لكنه يظل يخطئ في الرياضيات والمسائل المنطقية. لذلك يُستحسن استخدامه في الأحكام البسيطة، وترك المهام المعقدة لنموذج لغوي كبير.
معالج بواسطة الذكاء الاصطناعي من IEEE Spectrum AI؛ بتحرير Hamidun News
إذا كنت تمرّر عبر نموذج لغوي كبير مهام مثل مراقبة التعليقات، أو فحص الرسائل بحثًا عن التصيّد الاحتيالي، أو فرز الطلبات الواردة، فمن المرجّح أنك تنتظر وتدفع أكثر مما يلزم. فهذه المهام لا تتطلب نصًا مترابطًا، بل يكفيها حكم قصير: «نعم» أو «لا» أو «الخيار B». وعلى هذه الفكرة بالذات تقوم فئة جديدة تُعرف باسم «نماذج القرارات». في 15 سبتمبر أطلقت شركة TypeSafe AI الناشئة أشهر هذه النماذج، وهو Jev. ووفق فحص مستقل، بلغ زمن الاستجابة الوسيط لديه 150 مللي ثانية، في حين ردّ GPT-6 Astra من OpenAI خلال 1,89 ثانية. فلنستعرض مصدر هذا الفارق وحدوده.
لماذا تعمل نماذج القرارات بسرعة؟
تصف TypeSafe AI نموذج Jev بأنه «نموذج من النظام 1»، في إشارة إلى كتاب دانييل كانمان «فكّر ببطء… قرّر بسرعة» الذي يقابل بين التفكير الحدسي السريع والتفكير المتأني البطيء. وترى الشركة أن النماذج اللغوية الكبيرة المعتادة تقدّم النوع الثاني، لكنها أبطأ من أن تؤدي دور الأول. ويكتفي معظم الباحثين بتسمية هذه النماذج decision models.
آلية العمل بسيطة. يولّد النموذج اللغوي الكبير إجابته رمزًا تلو الآخر، فكل رمز لاحق يعتمد على جميع الرموز السابقة، وهكذا حتى نهاية الإجابة. وكما تشرح ميشيل تشين من Cloudflare، لا يعمل نموذج القرارات بهذه الطريقة، فهو يقرأ المدخلات كاملة في تمريرة واحدة ويُخرج نتيجة واحدة مباشرة. وتبقى بنية المحوّلات (Transformers) نفسها في الداخل، فنموذج Clef من Cloudflare مثلًا مبني على Qwen من Alibaba، لكن المخرجات مقيّدة بصرامة. تعطي النموذج سؤالًا وخيارات A وB وC، فيعيد لك الاختيار مع احتمال كل خيار.
تعلن الشركة أن زمن الاستجابة الكلي يتراوح بين 70 و500 مللي ثانية. وقاس فريق كارنيجي ميلون بقيادة رامايا كريشنان زمنًا وسيطًا قدره 150 مللي ثانية في اختباري RewardBench وJudgeBench. والتسعيرة مختلفة أيضًا: تبلغ تكلفة Jev نحو $0,042 لكل مليون رمز إدخال، وتكون رموز الإخراج مجانية. أما GPT-6 Astra فتبلغ تكلفته $10 للإدخال و$50 للإخراج، وتبلغ تكلفة النسخة الأخف GPT-6 Luna نحو $0,10 و$0,50. وقد اقتنع المستثمرون بالفكرة، إذ جمعت TypeSafe AI مبلغ $870 مليون بتقييم قدره $7,5 مليار، وسارعت Cloudflare وAmazon وOpenAI وMicrosoft إلى إطلاق نماذج قرارات خاصة بها.
مصنِّفات قديمة بقدرة جديدة
تقرّ تشين بأن الأمر أقرب إلى إعادة تسمية، فمصنِّفات مثل مرشِّحات البريد المزعج وأنظمة التعرّف على الوجوه موجودة منذ زمن طويل. لكن كان لزامًا في السابق جمع بيانات لكل مهمة، وتشكيل فريق للتعلم الآلي، وإعادة تدريب النموذج. أما نموذج القرارات فيرث المعرفة العامة للنماذج اللغوية الكبيرة، ولذلك يمكن، على حد قول المطوّر المستقل مات ماستراتشي، «أخذه من الرف وتوجيهه إلى مهمتك فيعمل».
وتعتمد Cloudflare هذا النهج فعلًا: فهي تستبعد طلبات دمج الشيفرة المزعجة في مستودعات التوثيق، وترصد الرسائل والنطاقات المزعجة والمخصصة للتصيّد، وتكشف هجمات prompt injection على النماذج اللغوية الكبيرة، وتقرأ رسائل الإبلاغ عن أعطال القنوات الرئيسية لتحديد ما إذا كانت ستؤثر في خدمات الشركة. ويرى ماستراتشي إمكانات لهذه النماذج في مراقبة تدفق منشورات وسائل التواصل الاجتماعي أو الدردشات شديدة النشاط.
لا هلوسات، لكن الأخطاء واردة
ادعاء TypeSafe AI بأن Jev لا يمكنه أن يهلوس صحيح من الناحية الشكلية. فالنماذج اللغوية الكبيرة تختلق لأنها تختار في كل خطوة من معجم ضخم، وقد تنحرف في الاتجاه الخاطئ. أما نموذج القرارات فيحسب الاحتمالات بين خيارات محددة سلفًا فقط، ويختار الأرجح منها، ولذلك لا يمكن أن تصدر إجابة من خارج القائمة.
غير أن كريشنان يحذّر من أن غياب الهلوسة في المخرجات لا يعني غياب الأخطاء في القرار نفسه. فقد أحسن Jev تحديد ما إذا كانت الإجابة عن سؤال ما صحيحة عندما يتبيّن ذلك من النص ذاته، لكنه كان أضعف أداءً عندما تطلّب الأمر حسابًا رياضيًا أو لغزًا منطقيًا. وأظهرت دراسة تشونغيو وي من جامعة فودان، التي قدّمت النموذج المفتوح SII-Decision، صورة مشابهة: فأفضل نماذج القرارات أدق قليلًا من النماذج اللغوية الكبيرة في فهم المستندات، وتقترب منها في اختيار الأداة البرمجية المناسبة، لكنها تتخلف حيث يلزم تخصص معرفي متعمق.
ماذا نفعل عمليًا؟
ترى تشين أن ما يصل إلى 80% من المهام النمطية الموكلة إلى النماذج اللغوية الكبيرة يمكن نقلها إلى نموذج قرارات. وهذا تقدير صادر عن جهة بائعة، ويجب التعامل معه بوصفه فرضية. والتحقق منه ليس صعبًا: خذ سجل طلباتك، وحدّد المهام التي من نوع «اختر خيارًا»، ومرّرها عبر Clef المفتوح أو SII-Decision. فإذا كانت الجودة على عيّنتك قابلة للمقارنة، فستربح في السرعة والتكلفة. وإن لم تكن كذلك، فاترك هذه الحالات للنموذج الكبير.
- 18 نوفمبر 2026AWS تدمج Dynamo في HyperPod: نموذج Qwen3-235B يولّد 207 رموز/ثانية لكل GPU بدلاً من 101
- 18 نوفمبر 2026جنسن هوانغ يستقيل من منصب الرئيس التنفيذي لـ NVIDIA، والشركة تفقد أكثر من $1 تريليون من قيمتها السوقية
- 18 نوفمبر 2026أفضل وكيل برمجة يتحكم بالروبوت في 77% من المهام، لكنه لا ينجح إلا في 30% عند الاعتماد على المستشعرات وحدها
- 18 نوفمبر 2026Moonshot AI تحوّل Kimi من البرمجة إلى العلوم: تحليل الجينات في 90 دقيقة بدلًا من 4 ساعات
أسئلة وأجوبة حول الخبر
لماذا تعمل نماذج القرارات بسرعة؟
تصف TypeSafe AI نموذج Jev بأنه «نموذج من النظام 1»، في إشارة إلى كتاب دانييل كانمان «فكّر ببطء… قرّر بسرعة» الذي يقابل بين التفكير الحدسي السريع والتفكير المتأني البطيء. وترى الشركة أن النماذج اللغوية الكبيرة المعتادة تقدّم النوع الثاني، لكنها أبطأ من أن تؤدي دور الأول. ويكتفي معظم الباحثين بتسمية هذه النماذج decision models. آلية العمل بسيطة. يولّد النموذج اللغوي الكبير إجابته رمزًا تلو الآخر، فكل رمز لاحق يعتمد على جميع الرموز السابقة، وهكذا حتى نهاية الإجابة.
ماذا نفعل عمليًا؟
ترى تشين أن ما يصل إلى 80% من المهام النمطية الموكلة إلى النماذج اللغوية الكبيرة يمكن نقلها إلى نموذج قرارات. وهذا تقدير صادر عن جهة بائعة، ويجب التعامل معه بوصفه فرضية. والتحقق منه ليس صعبًا: خذ سجل طلباتك، وحدّد المهام التي من نوع «اختر خيارًا»، ومرّرها عبر Clef المفتوح أو SII-Decision. فإذا كانت الجودة على عيّنتك قابلة للمقارنة، فستربح في السرعة والتكلفة. وإن لم تكن كذلك، فاترك هذه الحالات للنموذج الكبير.
ما أبرز التفاصيل حول مصنِّفات قديمة بقدرة جديدة؟
تقرّ تشين بأن الأمر أقرب إلى إعادة تسمية، فمصنِّفات مثل مرشِّحات البريد المزعج وأنظمة التعرّف على الوجوه موجودة منذ زمن طويل. لكن كان لزامًا في السابق جمع بيانات لكل مهمة، وتشكيل فريق للتعلم الآلي، وإعادة تدريب النموذج. أما نموذج القرارات فيرث المعرفة العامة للنماذج اللغوية الكبيرة، ولذلك يمكن، على حد قول المطوّر المستقل مات ماستراتشي، «أخذه من الرف وتوجيهه إلى مهمتك فيعمل».
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.