ورشة مجانية 21–22.11ورشة مجانية لمدة يومين في Vibecoding يومي 21–22 نوفمبر الساعة 16:00 بتوقيت موسكو · الدفعة 3 تبدأ 23.11سجّل مجاناً ←الدفعة 3 (23.11)
إصدارتحليل · على الرادارLatent Space (swyx)→ المصدر

Cloudflare تبني بديلاً لـ Jev في أسبوعين بدلاً من عامين وتصف نفسها بـ«نيولاب»

وصفت Cloudflare نفسها بأنها «نيولاب»، وهو المصطلح الذي يُطلق على الجيل الجديد من مختبرات الذكاء الاصطناعي التي تطوّر نماذجها الخاصة. نموذجها الصغير Clef يتخذ القرارات السريعة ويكرر فكرة Jev من TypeSafe AI، فقد استغرق بناؤه أسبوعين، بينما احتاج النموذج الأصلي إلى عامين. أما النموذج الثاني Clairic فيستخرج رقم الطلب من الفاتورة في تمريرة واحدة، دون أن يخلط بين 3 و5 كما تفعل نماذج LLM أحيانًا. وينبغي إخراج الخطوات الروتينية، مثل التصنيف واستخراج الحقول، من النموذج الكبير.

معالج بواسطة الذكاء الاصطناعي من Latent Space (swyx)؛ بتحرير Hamidun News
Cloudflare تبني بديلاً لـ Jev في أسبوعين بدلاً من عامين وتصف نفسها بـ«نيولاب»
المصدر: Latent Space (swyx). كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليLatent Space (swyx) ↗
رئيس التحرير
إيرادات Cloudflare في الربع782 مليون دولار ($782 مليون)، بنمو 39% على أساس سنوي
حقيقة رئيسية #2لا تخطط الشركة لتدريب نماذج LLM كبيرة من الصفر: يركز الفريق على ما بعد التدريب
حقيقة رئيسية #3نماذج System One تستجيب في أجزاء من الثانية (ميلي ثانية) لا في ثوانٍ

أمضت Cloudflare نحو عقد ونصف في تسريع مواقع الآخرين وحمايتها، وهي الآن تطلق نماذج ذكاء اصطناعي خاصة بها وتصف نفسها بأنها «نيولاب». يُطلق هذا المصطلح على جيل جديد من مختبرات أبحاث الذكاء الاصطناعي التي تدرّب نماذجها بنفسها ولا تكتفي باستخدام نماذج الآخرين. ينتمي أول نموذجين للشركة إلى فئة System One: نماذج صغيرة وسريعة مخصصة لمهمة ضيقة واحدة، وتستجيب في أجزاء من الثانية (ميلي ثانية) لا في ثوانٍ. يتخذ Clef القرارات ويكرر فكرة نموذج Jev من شركة TypeSafe AI الناشئة: بنته Cloudflare في أسبوعين، بينما استغرق Jev لدى مبتكريه عامين. أما Clairic فيستخرج القيم من النص غير المنظم، مثل رقم الطلب من الفاتورة. والخلاصة العملية للمطوّر: ليس كل خطوة في خط المعالجة (pipeline) ينبغي أن تمر عبر LLM ضخم.

ما هذه النماذج وما علاقة System One بها

تقوم فكرة System One على ألا يُرسَل كل طلب إلى نموذج لغوي كبير. حين يلزم اتخاذ قرار سريع، مثل توجيه الطلب إلى المسار الصحيح، يكون النموذج الصغير المتخصص أرخص وأكثر قابلية للتنبؤ. تحدثت ميشيل تشن، المسؤولة عن الجانب المنتجي في منصة الذكاء الاصطناعي لدى Cloudflare، عن ذلك في مؤتمر AI Engineer Code Summit: «لسنا بحاجة إلى إرسال كل طلب إلى LLM. يمكن إرسال جزء منها إلى نموذج System One».

Clef هو بالضبط هذا النوع من نماذج القرار. وبحسب تشن، كان Jev في سبتمبر بمثابة «رياح شرقية» غيّرت على نحو غير متوقع نظرة الشركة إلى النماذج. وتفسّر الأسبوعين مقابل العامين بأن الفريق كان يعرف مسبقًا الشكل الذي ينبغي أن يكون عليه مخطط API، وتنسب الفضل كله إلى TypeSafe AI التي ابتكرت هذا النوع الجديد من النماذج وأوصلته إلى صيغة عملية.

أما Clairic فهو تطوير خاص بـ Cloudflare أُطلق قبل شهر بوصفه أول نموذج من فئة جديدة هي «نماذج الاستخراج». يتلقى مدخلات غير منظمة ويستخرج منها القيم أو يحسبها أو يقدّرها أو يتنبأ بها. وتشرح تشن المشكلة: نماذج LLM تولّد النص رمزًا (token) تلو الآخر، ولذلك قد تهلوس وتعيد أحيانًا JSON معطوبًا. ومثال الفاتورة: يتشكك النموذج الكبير فجأة هل رقم الطلب ثلاثة أم أربعة أم خمسة، مع أنه مكتوب صراحة في المستند. أما Clairic فمن المفترض أن يعيد قيمة مصنّفة النوع، أي رقمًا حقيقيًا، في تمريرة مباشرة واحدة.

«نيولاب» أم تسويق

اقترحت ستيفاني بالاتسولو من The Information مصطلح «نيولاب» في نوفمبر الماضي. وتضم قائمة ديدي داس من Menlo Ventures شركات Thinking Machines Lab وPoolside وTypeSafe AI نفسها. ووفق داس، يعمل في النيولابات باحثون من النخبة، وهي تنفق قدرًا كبيرًا من الحوسبة (عادةً على تدريب نموذجها)، وليست لديها إيرادات ملحوظة، وهي في الغالب شركات ناشئة حصلت على جولات تمويل كبيرة.

لا ينطبق هذا الوصف على Cloudflare في نصفه على الأقل. فهي شركة مدرجة في البورصة ولديها إيرادات كبيرة. بلغت إيراداتها في الربع الثالث 782 مليون دولار ($782 مليون)، بنمو 39% على أساس سنوي، وتجاوزت إيراداتها السنوية 3 مليارات دولار ($3 مليار). ويقر كاتب المادة بأن اللقب يبدو في جانب منه تسويقيًا. أما تشن فتصف الأمر بأنه تطور طبيعي: البنية التحتية، ثم الحوسبة (منصة Workers التي تخدم الآن الوكلاء أيضًا)، ثم التخزين، ثم تشغيل النماذج المفتوحة Kimi وGLM وDeepSeek في Workers AI، وأخيرًا نماذج من تطوير الشركة نفسها.

لماذا تحتاج الشركة إلى نماذجها الخاصة

تذكر تشن سببين. الأول: «أن تكون نيولابًا يعني أن تصنع ما ينقصنا». والثاني هو الحد من المخاطر. فـ Jev نموذج مغلق ولا يمكن تشغيله لدى الشركة نفسها. وقد تظهر مخاطر تنظيمية مع النماذج الصينية المفتوحة. كما أن كثيرًا من المختبرات يريد تحقيق أرباح ويفرض تراخيص باهظة.

ومع ذلك، فإن الخطط متواضعة. لا تنوي Cloudflare تدريب نماذج كبيرة من الصفر كما تفعل OpenAI وAnthropic؛ فبحسب تشن، «معظم فريقنا يعمل على ما بعد التدريب». وقد تظهر نماذج استدلالية ونماذج LLM أخرى، لكن على أساس نماذج قائمة جرى تطويرها لتكون أكثر كفاءة. وهذه لمحات حتى الآن وليست إعلانات. ولم ترد في العرض أي مقاييس جودة لـ Clef وClairic، ولذلك لا يمكن مقارنة دقتهما بدقة نماذج LLM الكبيرة.

ماذا تفعل عمليًا

راجع خط المعالجة (pipeline) لديك وحدد الخطوات التي يُستخدم فيها LLM للتصنيف أو التوجيه أو استخراج الحقول من الفواتير والرسائل والسجلات (logs). هذه الخطوات مرشحة لتولي نموذج صغير متخصص أمرها: استجابة أسرع، وصيغة أكثر استقرارًا، واحتمال أقل لاختلاق رقم طلب. وبالنسبة إلى Cloudflare، فهذه أيضًا وسيلة لبيع مزيد من الخدمات على بنيتها التحتية، حيث يشكل زمن الاستجابة بالميلي ثانية الميزة التنافسية الرئيسية.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول ما هذه النماذج وما علاقة System One بها؟

تقوم فكرة System One على ألا يُرسَل كل طلب إلى نموذج لغوي كبير. حين يلزم اتخاذ قرار سريع، مثل توجيه الطلب إلى المسار الصحيح، يكون النموذج الصغير المتخصص أرخص وأكثر قابلية للتنبؤ. تحدثت ميشيل تشن، المسؤولة عن الجانب المنتجي في منصة الذكاء الاصطناعي لدى Cloudflare، عن ذلك في مؤتمر AI Engineer Code Summit: «لسنا بحاجة إلى إرسال كل طلب إلى LLM. يمكن إرسال جزء منها إلى نموذج System One». Clef هو بالضبط هذا النوع من نماذج القرار.

ما أبرز التفاصيل حول «نيولاب» أم تسويق؟

اقترحت ستيفاني بالاتسولو من The Information مصطلح «نيولاب» في نوفمبر الماضي. وتضم قائمة ديدي داس من Menlo Ventures شركات Thinking Machines Lab وPoolside وTypeSafe AI نفسها. ووفق داس، يعمل في النيولابات باحثون من النخبة، وهي تنفق قدرًا كبيرًا من الحوسبة (عادةً على تدريب نموذجها)، وليست لديها إيرادات ملحوظة، وهي في الغالب شركات ناشئة حصلت على جولات تمويل كبيرة. لا ينطبق هذا الوصف على Cloudflare في نصفه على الأقل. فهي شركة مدرجة في البورصة ولديها إيرادات كبيرة.

ما أبرز التفاصيل حول لماذا تحتاج الشركة إلى نماذجها الخاصة؟

تذكر تشن سببين. الأول: «أن تكون نيولابًا يعني أن تصنع ما ينقصنا». والثاني هو الحد من المخاطر. فـ Jev نموذج مغلق ولا يمكن تشغيله لدى الشركة نفسها. وقد تظهر مخاطر تنظيمية مع النماذج الصينية المفتوحة. كما أن كثيرًا من المختبرات يريد تحقيق أرباح ويفرض تراخيص باهظة. ومع ذلك، فإن الخطط متواضعة. لا تنوي Cloudflare تدريب نماذج كبيرة من الصفر كما تفعل OpenAI وAnthropic؛ فبحسب تشن، «معظم فريقنا يعمل على ما بعد التدريب». وقد تظهر نماذج استدلالية ونماذج LLM أخرى، لكن على أساس نماذج قائمة جرى تطويرها لتكون أكثر كفاءة.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

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.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…