بقلم: ليلى | محررة أدوات المطورين · صوت تحريري بإشراف بشري
لم تعد تكلفة الرموز المميزة (tokens) مجرد بند في الميزانية — باتت سبباً حقيقياً لإعادة تقييم علاقة الشركات بمزودي الذكاء الاصطناعي الكبار. من هذه الزاوية تحديداً أطلقت Writer اليوم نموذجها الرئيسي الجديد Palmyra X6، مقترنةً بتحديثات جوهرية على بنية harness الخاصة بها، بوعد تقليص التكاليف على العملاء بما يصل إلى 50% في المهام الأساسية (وفقاً لـ TechCrunch).
Palmyra X6 ليس نموذجاً مبنياً من الصفر؛ إنه متغير post-training مبني على نموذج GLM-5.2 مفتوح المصدر من Z.ai. الرهان هنا أن تحويل نموذج مفتوح المصدر إلى منتج جاهز للنشر المؤسسي يمنح Writer ميزة السعر دون التضحية بالأداء. والنموذج متاح ابتداءً من اليوم لجميع عملاء Writer، إلى جانب النسخ الأخرى من نماذج Writer أو النماذج الخارجية المستوردة عبر Azure أو Amazon Bedrock، في تجربة مرنة لا تقيد المستخدم بنموذج بعينه.
لكن التحديث الأكثر إثارة للاهتمام قد يكون خارج النموذج ذاته. Writer أجرت تحسينات جذرية على بنية harness الخاصة بها — وهي الطبقة التي تنسّق تنفيذ المهام متعددة الخطوات عبر النماذج — مراهنةً على أن كفاءة الـ harness تُضاعف أثرها على كل نموذج تشغّله المؤسسة، حاضراً ومستقبلاً. ورقة بحثية نشرها باحثو Writer مؤخراً (الدراسة كاملة) تدعم هذا التوجه، إذ اختبرت تعديلات صغيرة في كفاءة الـ harness عبر نماذج متعددة، ووجدت أن هذه التعديلات كانت في كثير من الحالات أكثر موثوقية في خفض التكاليف من مجرد اختيار نموذج مختلف، مع انخفاض متوسط بلغ 40% عبر الاختبارات (وفقاً لورقة باحثي Writer). “الـ harness هو المكوّن الوحيد الذي تتضاعف كفاءته عبر كل نموذج تشغّله المؤسسة — الحالي والمستقبلي”، كما كتب الباحثون.
الرؤية الاستراتيجية خلف هذا الإطلاق تتجاوز الأرقام. الرئيسة التنفيذية May Habib لا تتحدث فقط عن خفض التكاليف، بل تشير صراحةً إلى أزمة ثقة متصاعدة بين الشركات ومختبرات الذكاء الاصطناعي الكبرى: “المؤسسات سئمت تماماً من ملاحقة أحدث benchmark”، قالت لـ TechCrunch، مضيفةً أن “الانفجار في التكاليف غير مسبوق بالنسبة للعملاء، وكذلك درجة تخلي كبار مسؤولي تقنية المعلومات عن المختبرات الكبرى”. وتصف Habib هذه المختبرات بأنها لا تمتلك حافزاً لخفض استهلاك الرموز المميزة — إذ إن مصلحتها المالية تدفعها في الاتجاه المعاكس — وأنها “لا تفهم فعلاً كيف تساعد المؤسسات على الاستفادة من الذكاء الاصطناعي”.
التركيز الواضح في Palmyra X6 ينصبّ على المهام المعقدة متعددة الخطوات، مع تنفيذ أسرع وعدد أقل من الرموز المميزة لكل مهمة. هذا المسار — أي بناء على نماذج مفتوحة المصدر وتحسين طبقة التنسيق — يبدو أكثر منطقاً من منافسة GPT أو Claude في الأداء المطلق. السؤال المفتوح: هل ستتمكن Writer من إثبات هذا التوفير بأرقام موثّقة على بيانات العملاء الفعلية، أم تبقى الـ 50% وعداً تسويقياً قبل أن تتحوّل إلى حقيقة قابلة للقياس؟
