تبدأ 23 نوفمبرالدفعة المباشرة 3 من Vibe Coding ووكلاء الذكاء الاصطناعي: 3 أسابيع و9 جلسات حيةالدفعة 3 (23.11) →
إصدارAPI / منتج · جاهز للعملMarkTechPost→ المصدر

Perplexity تطلق pplx-embed: نماذج تضمين تغيّر قواعد البحث

أطلقت Perplexity مجموعة pplx-embed، وهي نماذج تضمين متعددة اللغات محسَّنة للبحث على نطاق الويب. تعتمد النماذج على معمارية Qwen3 مع فارق جوهري: فبدلًا من الانتباه السببي القياسي (أحادي الاتجاه)، تستخدم آلية ثنائية الاتجاه ونهجًا انتشاريًا (diffusion). ويتيح ذلك فهمًا أفضل لسياق الاستعلامات والمستندات، والتعامل مع الضوضاء والتعقيد اللذين تتسم بهما بيانات الويب الحقيقية. وتقدّم Perplexity نماذج pplx-embed بوصفها بديلًا جاهزًا للإنتاج (production-ready) لواجهات API التضمين المملوكة، وتقول إنها حققت مستوى جديدًا من الجودة (SOTA) في مهام استرجاع المعلومات.

معالج بواسطة الذكاء الاصطناعي من MarkTechPost؛ بتحرير Hamidun News
Perplexity تطلق pplx-embed: نماذج تضمين تغيّر قواعد البحث
المصدر: MarkTechPost. كولاج: Hamidun News.
استمع للمقال

خطت شركة Perplexity، التي تحولت خلال العامين الماضيين من شركة ناشئة متخصصة في البحث إلى واحدة من أبرز اللاعبين في صناعة الذكاء الاصطناعي، خطوة استراتيجية جديدة. فقد أطلقت pplx-embed، وهي عائلة نماذج تضمين متعددة اللغات تقول الشركة المطورة إنها تضع معيارًا جديدًا للجودة في مهام استرجاع المعلومات على مستوى الإنترنت بأكمله. وبعد أن كانت Perplexity مستهلكًا للنماذج التي طورتها جهات أخرى في المقام الأول، باتت تقدّم نفسها بثقة متزايدة بوصفها مطورة لبنيتها التحتية الخاصة.

ولفهم أهمية هذا الإصدار، لا بد من توضيح ماهية التضمينات (embeddings) ولماذا تُعدّ حاسمة. التضمين هو تمثيل رقمي للنص في فضاء متعدد الأبعاد، أشبه ببصمة رياضية للمعنى. وعندما تُدخل استعلامًا في محرك بحث، فإن نموذج التضمين هو الذي يحدد المستندات القريبة دلاليًا من سؤالك. وتؤثر جودة هذا النموذج مباشرة في مدى صلة النتائج التي تحصل عليها. وحتى الآن، ظلّت الحلول المملوكة من OpenAI وCohere وGoogle هي المعيار الذهبي في هذا المجال، بينما تصدّرت النماذج المفتوحة تطويرات من الصين ومشاريع منفردة مثل E5 من Microsoft.

تُبنى pplx-embed على معمارية Qwen3، لكن مع تعديل جوهري. فمعظم نماذج اللغة الحديثة تستخدم الانتباه السببي (أحادي الاتجاه)، أي أنها تقرأ النص من اليسار إلى اليمين كما يقرأ الإنسان كتابًا، ويرى كل رمز (token) ما سبقه فقط. وهذا يناسب توليد النص تمامًا، لكنه يمثل قيدًا جديًا في مهام التضمين. فعند إنشاء تمثيل متكامل للمستند، يجب أن يراعي النموذج السياق في الاتجاهين: ما يسبق الكلمة وما يليها. وقد عالجت Perplexity هذه المشكلة بتحويل المعمارية إلى انتباه ثنائي الاتجاه، لتعود عمليًا إلى الأفكار التي أرساها BERT، ولكن على مستوى جديد نوعيًا من الحجم والتعقيد.

أما الابتكار الرئيسي الثاني فهو استخدام نهج انتشاري (diffusion) في عملية إنشاء التضمينات. ولم تُكشف تفاصيل التنفيذ كاملة بعد، لكن المبدأ مستعار من نماذج توليد الصور: فبدلًا من الحصول على تمثيل النص في تمريرة واحدة، يصقله النموذج تدريجيًا عبر تكرارات متتالية، ويزيل عنه الضوضاء شيئًا فشيئًا. وفي التعامل مع بيانات الويب الحقيقية، المشوشة بطبيعتها، من تنسيق معطوب وإعلانات مقحمة ومحتوى مكرر وخليط من اللغات، قد يكون هذا النهج ميزة حاسمة. فالمقاومة للضوضاء هي ما يفرّق بين نموذج يؤدي جيدًا على اختبارات الأداء النظيفة ونموذج يتعامل مع فوضى الإنترنت الفعلية.

وتستحق القدرة متعددة اللغات في pplx-embed وقفة خاصة. فقد تدرّب Qwen3، الذي يقوم عليه النموذج، منذ البداية على بيانات بأكثر من مئة لغة، ويبدو أن Perplexity حافظت على هذه الخاصية وعززتها. وبالنسبة لشركة يعمل منتجها البحثي على مستوى العالم، فهذه ليست ميزة إضافية لطيفة، بل ضرورة إنتاجية. فمستخدم في طوكيو أو موسكو أو ساو باولو ينبغي أن يحصل على نتائج بالجودة نفسها، ويُعدّ نموذج تضمين موحد متعدد اللغات أنسب وسيلة لتحقيق ذلك.

ولا يقل السياق الاستراتيجي لهذا الإصدار أهمية عن جانبه التقني. فقد اعتمدت Perplexity طويلًا على موردي نماذج خارجيين: OpenAI للتوليد، ومزودين مختلفين للتضمينات. وكل اعتماد من هذا النوع ينطوي على مخاطرة مالية وعلى سقف يحدّ من إمكانات التحسين. وبإطلاق نماذج التضمين الخاصة بها، تحصل Perplexity على سيطرة كاملة على حلقة رئيسية في خط أنابيب البحث لديها. فبوسعها ضبط النماذج وفق احتياجاتها الخاصة، وتحسين زمن الاستجابة وتكلفة الاستدلال (inference)، والأهم أنها تتوقف عن دفع مقابل كل استدعاء API لمنافسيها. وبالنسبة لشركة تعالج ملايين استعلامات البحث يوميًا، قد تبلغ الوفورات ملايين الدولارات سنويًا.

وبالنسبة للصناعة الأوسع، يشير هذا الإصدار إلى اتجاه مهم: التكامل الرأسي في الذكاء الاصطناعي يتسارع. فالشركات التي بدأت بوصفها «أغلفة» فوق نماذج الآخرين تشرع الواحدة تلو الأخرى في بناء حزمها التقنية الخاصة. وتسير Perplexity في طريق سلكته شركات أخرى من قبل: من استهلاك واجهات API إلى بناء نماذج خاصة، ومن التبعية إلى الاستقلالية. أما كون النماذج تُقدَّم بوصفها بديلًا جاهزًا للإنتاج لواجهات API المملوكة، فيدل على أن Perplexity لا تحل مهامها الداخلية فحسب، بل تتطلع أيضًا إلى سوق خدمات الذكاء الاصطناعي للبنى التحتية.

إن pplx-embed ليست ثورة، بل خطوة تطورية منطقية، لكنها خطوة دالّة للغاية. فـPerplexity تُظهر أنها مستعدة للمنافسة لا على مستوى المنتج الموجَّه للمستخدم فحسب، بل على مستوى التقنيات الأساسية أيضًا. وإذا تأكدت جودة SOTA المعلنة عبر اختبارات أداء مستقلة، فسيظهر أمام OpenAI وGoogle منافس جاد آخر، وفي الموضع الذي يكون الأشد إيلامًا لهما: البنية التحتية التي يقوم عليها كل البحث الحديث بالذكاء الاصطناعي.

القصة
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…