هل النموذج الأرخص للذكاء الاصطناعي خيار المستقبل؟

هل يستحقّ الانتقال إلى نموذج ذكاء اصطناعي "أرخص" فعلاً التخلي عن النموذج الأقوى؟ هذا هو السؤال الذي تطرحه الشركات والمطوّرون هذه الأيام، بعدما أطلقت كلٌّ من Anthropic وOpenAI في اليوم نفسه إصدارات جديدة لا تتنافس على لقب "الأذكى"، بل على لقب "الأرخص والأسرع في العمل اليومي". الجواب، بعد قراءة تفاصيل الإطلاقين، ليس بسيطاً: الأمر لا يتعلّق بقفزة تقنية، بل بإعادة تموضع تجارية تعكس واقعاً جديداً عملاء الشركات باتوا يسألون عن الكلفة والاستقرار أكثر مما يسألون عن أرقام قياسية في الاختبارات المعيارية.

ما الذي أطلقته الشركتان بالضبط؟

أعلنت Anthropic عن Opus 5.5، وهو أحدث إصدار في خطّها الرئيسي الموجّه للاستخدام الجماهيري، مع تركيز واضح على مهام البرمجة والعمل المعرفي المعقّد. في اليوم نفسه تقريباً، كشفت OpenAI عن GPT-6 Sol وLuna، وهما نموذجان موجّهان أساساً نحو السرعة وخفض التكلفة، وتصفهما الشركة بأنهما "ترقية تدريجية" لا أكثر.

كلا الإصدارين يضعان الكفاءة فوق الإبهار. لا حديث هنا عن تجاوز حدود القدرات، بل عن جعل الاستخدام اليومي خصوصاً لدى الشركات أرخص وأكثر قابلية للتنبؤ.

الأرقام: كم توفّر فعلياً؟

بالنسبة لـ Opus 5.5، تقول Anthropic بوضوح: "أسعار رموز الإدخال والإخراج هي 4 و20 دولاراً لكل مليون رمز، أي أقلّ بنسبة 20% من Opus 5. أما قراءات التخزين المؤقت (التي تشكّل معظم تكاليف العمل الوكيل والبرمجي) فسعرها 0.20 دولار لكل مليون رمز، أي أقلّ بنسبة 60% من Opus 5. كما يولّد Opus 5.5 المخرجات بسرعة تفوق Opus 5 بأكثر من 30%". الشركة تضيف أن الإعدادات الافتراضية تحقّق توفيراً يقارب 40% مقارنة بالنسخة السابقة، خصوصاً أن النموذج الجديد يستهلك عدد رموز أقلّ لإنجاز المهمة نفسها.

في الجهة المقابلة، تسعير GPT-6 Sol هو 2 دولار لكل مليون رمز إدخال و10 دولارات لكل مليون رمز إخراج عبر واجهة البرمجة، بينما ينزل GPT-6 Luna إلى 0.10 دولار للإدخال و0.50 دولار للإخراج لكل مليون رمز أي نصف تكلفة النماذج التي سبقتها تقريباً، مع تحسّن لا يتجاوز بضع نقاط مئوية في القدرات. الخلاصة واضحة: هذه إصدارات مصمَّمة للفاتورة، لا للمنافسة على العناوين الرنّانة.

أين يقف كلّ نموذج من الآخر؟

لفهم الخريطة، تحتاج إلى معرفة أن OpenAI اعتمدت مؤخراً تسمية جديدة لعائلة GPT-5.6: Sol وTerra وLuna. ثم جاء GPT-6 Astra في وقت سابق من هذا الشهر بوصفه النموذج الأقوى والأكثر تكلفة، الموجّه للبرمجة الثقيلة والبحث المتقدّم. أما Sol فهو الخيار الأكثر كفاءة لمهام مشابهة يومية، وTerra يشغل موقعاً وسطاً للاستخدام العام، بينما Luna هو الأسرع والأرخص على الإطلاق. تقارن OpenAI نفسها هذا الترتيب بمنتجات Anthropic: Astra يقابل تقريباً Fable، وSol يقابل Opus، وTerra يقابل Sonnet، وLuna يقابل Haiku.

المنافسة المباشرة هنا بين Astra وOpus 5.5: تقارير Anthropic وشركائها تشير إلى تفوّق Opus 5.5 على Astra في بعض اختبارات البرمجة والعمل المعرفي، لكن الفارق بحسب الوصف نفسه "متواضع". وفي المقابل، سبق أن تفوّق Astra بدوره على Opus 5 بشكل طفيف في بعض الاختبارات وفي تقييمات المستخدمين. باختصار: نحن أمام تبادل نقاط ضئيلة، لا فجوة حقيقية بين المنافسَين، وهذا بالضبط ما تصفه الشركتان بـ"تقدّم متواضع في الحدود التقنية".

ماذا عن الحماية؟ وهل النموذج الأرخص أضعف أماناً؟

نقطة تستحق التوقّف: حماية Fable 5.1 تنطبق أيضاً على Opus 5.5، بمعنى أن الطلبات المصنَّفة ضمن ما يُوصف بـ"مناطق عالية الخطورة" وهي عبارة وردت دون تحديد الجهة أو الشخص الذي صاغها بدقة قد تُوجَّه تلقائياً وبشفافية إلى نموذج أقدم بدلاً من معالجتها مباشرة عبر Opus 5.5. يُذكر أن Anthropic تصف Opus 5.5 بأنه قادر بشكل ملحوظ في مجالي الأمن السيبراني والأحياء، وهو ما يفسّر جزئياً وجود هذه الطبقة الإضافية من الفلترة.

القدرة وحدها لم تعد كافية

هنا يكمن جوهر التحوّل الذي يستحقّ انتباه القارئ العربي المهتم بالتكنولوجيا: عبارة "على الأقل بنفس الأهمية" منسوبة أيضاً لمصدر غير محدَّد تلخّص نقاشاً متصاعداً في أوساط المطوّرين، مفاده أن أنظمة التنسيق (orchestration) وأطر التشغيل (harnesses) باتت لا تقلّ أهمية عن النموذج نفسه. بمعنى آخر: نموذج ذكاء اصطناعي متطوّر بلا سياق تنظيمي، وبلا من يُشغّله ضمن ممارسات عملية سليمة، لا يقدّم قيمة فعلية. من يريد التعمّق في هذا الجانب التقني يمكنه مراجعة نقاشات حول تصحيح الأخطاء وتأمين الأنظمة الوكيلة، حيث يتضح أن الحوكمة والتشغيل السليم أصبحا جزءاً لا يتجزأ من معادلة الجدوى، لا رفاهية إضافية.

هذا يفسّر أيضاً لماذا تلجأ منظمات متزايدة إلى استكشاف النماذج مفتوحة الأوزان (open-weight) وأنظمة توجيه النماذج (model routers) التي تختار تلقائياً بين نماذج مختلفة الكلفة حسب طبيعة المهمة، بدل الاعتماد الدائم على النماذج الأغلى والأكثر تطوراً. هذا التوجّه ليس ترفاً تقنياً، بل استراتيجية مباشرة لتقليل الاعتماد على "النماذج الطليعية" باهظة الثمن وهو بالضبط ما تراهن عليه إصدارات هذا الأسبوع.

سياق أوسع لا ينبغي تجاهله

من المفيد وضع هذه الإصدارات في سياقها: التغطية الأخيرة للذكاء الاصطناعي لم تخلُ من تقارير عن اختراقات أمنية وقضايا تتعلّق بمواءمة النماذج (alignment)، إلى جانب دعوات من قادة في القطاع وأصوات أخرى للتباطؤ في وتيرة التطوير ولفرض تنظيم أوضح. كما أن النماذج الحالية رغم كل التحفظات تبدو أكثر قدرة واتساقاً مما كانت عليه قبل أشهر قليلة فقط، وهو تقدّم حقيقي لكنه لا يبرر بالضرورة القفز إلى كل إصدار جديد. ومن المهم التذكير أيضاً بأن Anthropic وOpenAI وAlibaba ليست وحدها محرّكات هذا التقدّم؛ فهناك جهات أخرى تساهم في المشهد، وحديث بعض مستخدمي وسائل التواصل الاجتماعي عن قدرة GPT-6 Astra على إنشاء ألعاب فيديو ثلاثية الأبعاد معقّدة من محاولة واحدة يستحق تعامل القارئ معه بحذر، فهذا النوع من الادعاءات نادراً ما يصمد أمام اختبار مستقل.

في النهاية، ما يجمع هذين الإصدارين ليس طموحاً تقنياً، بل استجابة لسوق أصبح أكثر حذراً بشأن الفاتورة الشهرية. لمن يدير فريق تطوير أو يبني منتجاً فعلياً: قبل أن تُهاجر إلى Opus 5.5 أو GPT-6 Sol وLuna لمجرد أنها "أرخص"، اختبر عبء العمل الفعلي لديك أولاً، وقارن التوفير الحقيقي في التكلفة بجودة المخرجات التي تحتاجها فعلاً لا التي يعِدك بها الإعلان. وإذا كان استقلال بياناتك وتكرار استخدامك أولوية، فالنماذج مفتوحة الأوزان وأنظمة التوجيه تستحق فحصاً جدّياً قبل الالتزام بأي مزوّد واحد.