المختبرات الصغيرة تقلب الطاولة — ليس بنموذج أضخم، بل بطريقة تفكير مختلفة.
Sakana AI، مختبر ذكاء اصطناعي ياباني، أعلن هذا الأسبوع عن نظام جديد اسمه Fugu — ليس نموذجًا لغويًا كبيرًا بالمعنى التقليدي، بل منظومة تنسيق متعددة النماذج تبدو كنموذج واحد من الخارج، بينما تُشغّل في الخفاء عدة نماذج متعاونة.
ما هو Fugu وكيف يعمل؟
Fugu نوعان: النسخة الأساسية، ونسخة Ultra. الأخيرة تعلن Sakana أنها تضاهي أداء Claude Fable 5 وMythos 5 في كثير من المعايير القياسية — ادعاء جريء من مختبر لا يملك البنية التحتية العملاقة لأنثروبيك أو OpenAI.
الفكرة الجوهرية: بدلًا من تدريب نموذج واحد ضخم، تدرّب Sakana نموذج تنسيق يعرف كيف يوجّه المهام إلى النماذج المختلفة. النتيجة: أداء مقارب للحدود القصوى، بتكاليف أقل وتجاوز لقيود التصدير التقنية. متاح عبر API الآن — وإن كان مستخدمو المنطقة الاقتصادية الأوروبية في انتظار إتاحة أشمل.
ما الذي يعنيه هذا للمشهد؟
هناك سؤال يطرحه هذا الإعلان بصمت: هل المستقبل لنموذج واحد عملاق، أم لمنظومة نماذج تتعاون؟ الاتجاه واضح — Meta وApple وMicrosoft كلها تجرّب أنظمة التنسيق. وحين يتبيّن أن مختبرًا يابانيًا يستطيع تحقيق أداء مقارب لنماذج الطليعة بهذه الطريقة، تصبح اللعبة مختلفة.
المفارقة: الشركات الكبيرة نفسها — أنثروبيك وOpenAI وغوغل — قد تجد نفسها مضطرة لبناء منظومات تنسيق تعتمد على نماذج منافسيها. يبدو غير مرجّح اليوم، لكنه يحدث بالفعل في مختبرات Meta وApple.
الذكاء الاصطناعي لم يعد سباق من يبني النموذج الأكبر فحسب — بل أصبح أيضًا سباق من يُنسّق أفضل.
No comments yet