GLiGuard من Fastino Labs: نموذج أمان أسرع بـ16 ضعفًا من منافسيه الكبار

أتاحت شركة Fastino Labs في 13 مايو 2026 نموذج GLiGuard مفتوح المصدر، وهو نظام لإدارة الأمان والمراقبة يضم 300 مليون معلمة. يفحص النموذج الأمر النصي وفق أربعة اتجاهات حماية في تمريرة واحدة، ويعمل أسرع بكثير من الأنظمة المماثلة في الغرض نفسه، بفارق يبلغ مرتبة عشرية كاملة.

ما الذي يفحصه GLiGuard في تمريرة واحدة

يتولى GLiGuard أربع مهام مراقبة في تمريرة أمامية (forward pass) واحدة: يقيّم أمان الطلب نفسه، ويبحث عن علامات محاولة اختراق (jailbreak)، ويحدد فئة الضرر المحتمل، ويتوقع ما إذا كان النموذج سيرفض الإجابة. وكانت هذه الفحوصات توزَّع عادةً على نماذج منفصلة أو على عدة تمريرات متتالية لنموذج واحد، وهو ما رفع زمن الاستجابة في بيئات الإنتاج.

• حجم النموذج — 300 مليون معلمة
• أربع مهام مراقبة في تمريرة أمامية واحدة: prompt safety، وjailbreak strategy detection، وharm category classification، وrefusal detection
• الأوزان منشورة على Hugging Face بترخيص Apache 2.0
• جرى التحقق من الدقة على تسعة اختبارات معيارية للأمان
• أُجريت المقارنة مع نماذج تفوق GLiGuard حجمًا بـ23–90 مرة

لماذا منحت بنية المشفّر النموذج هذه السرعة

بنت Fastino Labs نموذج GLiGuard على بنية المشفّر (encoder) بدلًا من بنية decoder-only التي تعتمدها معظم نماذج الحماية (guardrail) الحالية. ووفقًا لموقع MarkTechPost، أتاح هذا الخيار المعماري للنموذج إنتاجية أعلى بما يصل إلى 16 مرة، وزمن استجابة أقل بـ16,6 مرة مقارنة بأفضل نماذج المراقبة الحالية.

«يحقق GLiGuard زيادة في الإنتاجية تصل إلى 16 ضعفًا وزمن استجابة أقل بـ16,6 مرة مقارنة بأحدث النماذج الرائدة، مع مجاراة دقة النماذج التي تفوقه حجمًا بـ23–90 مرة أو التفوق عليها»، بحسب ما ورد في مادة

MarkTechPost.

ما مدى دقة النموذج بهذا الحجم

لا يقل GLiGuard، بمعلماته الـ300 مليون، دقةً عن نماذج تفوقه حجمًا بـ23–90 مرة، بل يتفوق عليها في جزء من الاختبارات المعيارية التسعة للأمان التي خضع لها. وقد نشرت Fastino Labs أوزان النموذج على Hugging Face بترخيص Apache 2.0، ما يتيح استخدام GLiGuard وتطويره مجانًا، بما في ذلك في المنتجات التجارية.

ماذا يغيّر هذا في بيئات الإنتاج

يجعل زمن الاستجابة المنخفض والحجم المدمج من GLiGuard مرشحًا لعمليات الفحص الفوري، حيث يضيف كل نموذج إضافي في السلسلة تأخيرًا ملحوظًا في الاستجابة. وبما أن الأوزان تُوزَّع بترخيص Apache 2.0، تستطيع الشركات نشر GLiGuard على بنيتها الخاصة دون دفع رسوم ترخيص عن كل طلب، كما يحدث غالبًا مع واجهات guardrail API الاحتكارية.

ماذا يعني ذلك

يُظهر GLiGuard أن مراقبة الأوامر النصية لا تتطلب نموذجًا عملاقًا: فبنية مدمجة قائمة على المشفّر قادرة على بلوغ دقة أنظمة الحماية الرائدة بزمن استجابة وكلفة حوسبة أقل بأضعاف. وهذا يسهّل دمج هذه الحماية في مسارات الإنتاج التي تعمل في الوقت الفعلي.

الأسئلة الشائعة

من أين يمكن تنزيل أوزان GLiGuard؟

النموذج متاح على منصة Hugging Face بترخيص Apache 2.0، ويمكن تنزيله واستخدامه مجانًا، بما في ذلك في المشاريع التجارية.

بماذا يختلف GLiGuard عن نماذج الحماية الأخرى؟

تُبنى معظم نماذج الحماية بنمط decoder-only، بينما يعتمد GLiGuard بنية المشفّر. وهذا ما أتاح، بحسب MarkTechPost، زيادة في الإنتاجية بمقدار 16 ضعفًا وانخفاضًا في زمن الاستجابة بمقدار 16,6 مرة.

ما المهام التي يناسبها GLiGuard؟

بالنظر إلى المقاييس المعلنة — زمن استجابة منخفض وإنتاجية عالية مع الحفاظ على الدقة — صُمم النموذج للسيناريوهات التي تتطلب تصفية الأوامر النصية بكميات كبيرة وبسرعة: روبوتات الدردشة، ومسارات الوكلاء الذكيين (agentic pipelines)، وغيرها من أنظمة الإنتاج ذات الحركة العالية.