Baseten تطلق joey-1: نموذج يجيب بـ«نعم/لا» خلال 20 مللي ثانية وبتكلفة 0.01 دولار لكل مليون رمز
أطلقت Baseten نموذج joey-1، وهو نموذج مفتوح بحجم 2 مليار معامل. بدل أن يكتب نصًا، يعطي إجابة «نعم/لا» أو رقم خيار مع نسبة احتمال، مثل «بريد مزعج، 94%». يكلّف مليون رمز (token، وهو قطعة نصية تُحسب التكلفة على أساسها) 0.01 دولار، ويعالج طلبًا من 2000 رمز خلال 20 مللي ثانية. وهذا يكفي لفرز التذاكر واكتشاف البريد المزعج وحظر الأوامر الضارة دون الحاجة إلى نموذج لغوي كبير. لذلك يبدو إسناد التصنيف الروتيني إلى نماذج متخصصة أكثر جدوى.
معالج بواسطة الذكاء الاصطناعي من TNW؛ بتحرير Hamidun News
تشغّل شركات كثيرة نماذج لغوية كبيرة في مهام لا تحتاج إلى نص أصلًا: هل هذه الرسالة بريد مزعج أم لا، وإلى أي قائمة انتظار تُوجَّه شكوى العميل، وهل يحاول المستخدم تجاوز أنظمة الحماية. تكفي في مثل هذه الحالات إجابة قصيرة: «نعم» أو «لا» أو «الخيار B». ولهذا الغرض أطلقت Baseten نموذج joey-1، وهو نموذج مفتوح بحجم 2 مليار معامل. لا يكتب النموذج فقرات، بل يعيد الإجابة مع نسبة احتمال، مثل «بريد مزعج، مستوى الثقة 94%». وبحسب الشركة، يعالج النموذج طلبًا نموذجيًا من 2000 رمز (token، أي قطعة من كلمة تُحسب التكلفة على أساس عددها) خلال نحو 20 مللي ثانية، فيما يكلّف مليون رمز 0.01 دولار.
ما الذي يميّز joey-1 عن النموذج اللغوي المعتاد
يجيب النموذج اللغوي المعتاد بنص يضطر المطوّر بعد ذلك إلى تحليله برمجيًا: البحث فيه عن كلمة «نعم»، والتحقق من الصيغة، والتعامل مع الإطالة الزائدة. أما joey-1 فمصمَّم بشكل مختلف: يعطي مباشرة اختيارًا جاهزًا ورقمًا يبيّن مدى ثقة النموذج به.
وتفيد نسبة الاحتمال في بيئة الإنتاج. يمكن معالجة الحالات الواثقة تلقائيًا، وإحالة المشكوك فيها إلى موظف بشري أو إلى نموذج أقوى. وهذا نمط مألوف: مرشّح رخيص أولًا، ثم تحليل مكلف للحالات المختلف عليها فقط.
ينتمي joey-1 إلى عائلة واحدة مع النموذجين الأكبر mammoth-1 وelephant-1، اللذين أطلقهما قبل أسبوع مختبر الأبحاث التابع لـBaseten، Base Labs. وقد أظهرت TypeSafe AI في سبتمبر نهجًا مشابهًا، ما يعني أن صيغة «النموذج الحاسم» تتحول تدريجيًا إلى فئة مستقلة.
كم يكلّف وما الذي تحت الغطاء
تورد Baseten حسابًا بسيطًا: تصنيف 10 ملايين تذكرة دعم شهريًا باستخدام joey-1 يكلّف نحو 50 دولارًا. أما العمل نفسه على mammoth-1 فيكلّف نحو 500 دولار. ومن حيث السرعة، joey-1 أسرع من elephant-1 بنحو 2.5 مرة. وللمقارنة، أطلقت Microsoft هذا الشهر نموذجها المبني على Qwen بسعر 0.042 دولار لكل مليون رمز، أي أغلى بنحو أربع مرات.
أساس joey-1 هو Qwen3.5-2B من Alibaba. وقد أعادت Baseten تدريبه على 6.21 مليون مثال من أمثلة القرارات. والأوزان متاحة على Hugging Face بترخيص MIT، ما يتيح استخدامها بحرية في المنتجات التجارية وتشغيلها على خوادمك الخاصة.
ما الذي ينبغي التحقق منه قبل التبنّي
ثمة تحفظ مهم. تصف Baseten نموذج joey-1 بأنه أقوى نموذج حاسم بين النماذج التي لا يتجاوز حجمها 3 مليارات معامل، لكن الاختبارات التي يستند إليها هذا الادعاء لم تُنشر بعد. وتشير بطاقة النموذج إلى أنه يحتل المرتبة 37 من أصل 230 في تصنيف Jev Decision Index، ويحقق أفضل نتيجة بين النماذج الأصغر من 4 مليارات معامل. هذه نتيجة جيدة لهذا الحجم، لكن التصنيف العام لا يضمن أن النموذج سيتعامل جيدًا مع تذاكرك أنت، أو مع تعريفك لمعنى الطلب «الضار». كما أن السرعة والسعر تعلنهما الشركة نفسها حتى الآن، ولا توجد في المصدر قياسات مستقلة.
والخلاصة العملية للفرق التقنية كالتالي: إذا كان نموذج لغوي كبير في منتجك مشغولًا بالفرز أو التصفية أو التوجيه، فاجمع مجموعة صغيرة من أمثلتك المصنّفة وقارن joey-1 بحلّك الحالي من حيث الدقة والتكلفة. وبفضل الأوزان المفتوحة وترخيص MIT، تكاد التجربة الأولية لا تكلّف شيئًا.
النصيحة الثانية هي استخدام نسبة الاحتمال كعتبة: تُعالَج الإجابات الواثقة تلقائيًا، وتُحال المشكوك فيها إلى مراجعة يدوية أو إلى نموذج أقوى. وبهذا يمكن الحفاظ على الجودة وتوفير التكاليف على الجزء الأكبر من الطلبات.
وبالنسبة لـBaseten نفسها، المسألة تتعلق أيضًا بالتموضع. فالشركة تساعد الأعمال على تشغيل النماذج، وقُدّرت قيمتها في يونيو بما يصل إلى 13 مليار دولار، وها هي تطلق الآن نماذج خاصة بها. والنماذج الحاسمة الرخيصة وسيلة مناسبة لجذب العملاء الذين يحتاجون إلى استدلال (inference) بكميات ضخمة، لا إلى نصوص جميلة.
- 22 نوفمبر 2026Microsoft تشغّل نموذجًا بحجم 100 مليار معامل على معالج CPU واحد: استجابات أسرع بما يصل إلى 6.17 مرة
- 22 نوفمبر 2026bitnet.cpp من Microsoft يسرّع نماذج LLM على المعالج العادي حتى 6.17 مرة ويخفض الطاقة بنسبة 82%
- 22 نوفمبر 2026تقدير تحليلي: غاز بنسبة 87% وفحم بنسبة 11% سيغذيان Anthropic بالطاقة في 2028
- 22 نوفمبر 2026وكيل Microsoft كتب أوزان الشبكة العصبية يدويًا وحقق دقة 100% في 13 مهمة
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول ما الذي يميّز joey-1 عن النموذج اللغوي المعتاد؟
يجيب النموذج اللغوي المعتاد بنص يضطر المطوّر بعد ذلك إلى تحليله برمجيًا: البحث فيه عن كلمة «نعم»، والتحقق من الصيغة، والتعامل مع الإطالة الزائدة. أما joey-1 فمصمَّم بشكل مختلف: يعطي مباشرة اختيارًا جاهزًا ورقمًا يبيّن مدى ثقة النموذج به. وتفيد نسبة الاحتمال في بيئة الإنتاج. يمكن معالجة الحالات الواثقة تلقائيًا، وإحالة المشكوك فيها إلى موظف بشري أو إلى نموذج أقوى. وهذا نمط مألوف: مرشّح رخيص أولًا، ثم تحليل مكلف للحالات المختلف عليها فقط.
ما أبرز التفاصيل حول كم يكلّف وما الذي تحت الغطاء؟
تورد Baseten حسابًا بسيطًا: تصنيف 10 ملايين تذكرة دعم شهريًا باستخدام joey-1 يكلّف نحو 50 دولارًا. أما العمل نفسه على mammoth-1 فيكلّف نحو 500 دولار. ومن حيث السرعة، joey-1 أسرع من elephant-1 بنحو 2.5 مرة. وللمقارنة، أطلقت Microsoft هذا الشهر نموذجها المبني على Qwen بسعر 0.042 دولار لكل مليون رمز، أي أغلى بنحو أربع مرات. أساس joey-1 هو Qwen3.5-2B من Alibaba. وقد أعادت Baseten تدريبه على 6.21 مليون مثال من أمثلة القرارات.
ما أبرز التفاصيل حول ما الذي ينبغي التحقق منه قبل التبنّي؟
ثمة تحفظ مهم. تصف Baseten نموذج joey-1 بأنه أقوى نموذج حاسم بين النماذج التي لا يتجاوز حجمها 3 مليارات معامل، لكن الاختبارات التي يستند إليها هذا الادعاء لم تُنشر بعد. وتشير بطاقة النموذج إلى أنه يحتل المرتبة 37 من أصل 230 في تصنيف Jev Decision Index، ويحقق أفضل نتيجة بين النماذج الأصغر من 4 مليارات معامل. هذه نتيجة جيدة لهذا الحجم، لكن التصنيف العام لا يضمن أن النموذج سيتعامل جيدًا مع تذاكرك أنت، أو مع تعريفك لمعنى الطلب «الضار».
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.