Amazon تطرح Strands Decider 2B مفتوح المصدر بينما تغرق نماذج القرار الويب

كم يكلفك أن يستدعي وكيلك نموذجاً لغوياً كاملاً ليجيب عن سؤال جوابه واحد من ثلاثة خيارات؟ على هذا السؤال تراهن Amazon Web Services بإطلاق Strands Decider 2B، وهو نموذج قرار مفتوح المصدر بالكامل ومستوحى من نموذج Jev من شركة TypeSafe. وبحسب TechCrunch، صدر النموذج في الأسبوع نفسه الذي أعلنت فيه OpenAI عرضاً مشابهاً، في وقت يبحث فيه مطورو الذكاء الاصطناعي بشكل متزايد عن ذكاء يناسب أتمتة الحواسيب أكثر من النماذج اللغوية الرائدة. وتعتمد معظم تفاصيل القصة على مصدر وحيد هو تقرير TechCrunch، إلى جانب صفحة الإطلاق الرسمية.

خذ وكيلاً يدير سير عمل آلياً لتذاكر الدعم، وهو مثال توضيحي من عندنا وليس من المصدر. عند كل تذكرة يصل الوكيل إلى مفترق: تحويل، أو تصعيد إلى موظف، أو إغلاق. هذه هي المهمة التي صُمم لها Strands Decider. فبحسب TechCrunch، لا يولّد النموذج نصاً، بل يفرز بين خيارات محددة سلفاً ويقدم مقياساً لمدى ثقته في اختياره. وهو مبني على “جذع” نموذج Qwen3.5-2B (وفقاً لـ TechCrunch)، فيرث منه فهم اللغة والمعرفة، لكنه يُخرج اختيارات معايرة بدل الكلام. وتصفه AWS بأنه سريع ومنخفض الكلفة، وهي أوصاف معلنة من الشركة نفسها بلا أرقام منشورة تقارن زمن الاستجابة أو الكلفة بنموذج كامل. أما من الناحية العملية فهو متاح الآن، وحجمه صغير بما يكفي لتشغيله محلياً، بحسب TechCrunch، وهذا يعني أنك تستطيع إبقاء خطوات التوجيه داخل بنيتك بدل إرسالها إلى API خارجي.

اللافت أن المنتج لم يولد في خطة استراتيجية. فبحسب TechCrunch، بدأه Marc Brooker، المهندس المتميز في Amazon، حين رأى Jev وحاول بناء نسخته الخاصة. ونجحت التجربة المنزلية إلى حد أنها بلغت لفترة قصيرة المركز الأول في تصنيف JevBench بين النماذج من حجمها، وهي نتيجة يرويها صاحب النموذج، أي أرقام معلنة من الشركة نفسها، ولم يتسنَّ التحقق منها بشكل مستقل. بعدها نقّح مهندسو Amazon المشروع وأطلقوه عبر Strands Labs، الوحدة التي تطور أدوات وبروتوكولات لنشر وكلاء الذكاء الاصطناعي.

ويقول Brooker لـTechCrunch إن الحاجة خرجت من محادثات مع عملاء AWS، إذ لا تحتاج سير العمل الوكيلية لديهم دائماً إلى قدرات LLM كامل ولا إلى كلفته. ما جذبه إلى هذه الفئة، بحسب قوله، أنها “قرار مثالي لخطوة في سير العمل: ما الشيء التالي الذي عليّ فعله بناءً على موقعي؟”. وهي تمنح العملاء خطوة “أكثر موثوقية بفضل درجات الثقة ونطاق الإجابات المغلق، مع زمن استجابة أقل وربما كلفة أقل”. كلمة “ربما” هنا ليست تفصيلاً، فهي اعتراف ضمني بأن التوفير لم يُقَس علناً بعد.

التسمية نفسها تحمل الرهان. فبحسب TechCrunch، سمّت TypeSafe نموذجها Jev تيمناً بالاقتصادي William Stanley Jevons، صاحب النظرية القائلة إن انخفاض كلفة شيء ما، كالذكاء الحاسوبي، قد يرفع الطلب عليه. وظهور عشرات النماذج المشابهة من باحثين منذ طرحت TypeSafe فكرتها (وفقاً لـ TechCrunch) يكشف حجم الاهتمام، لكنه يفتح سؤال القيمة. يرى Brooker أن التحدي “توازن دقيق جداً” بين دفع الدقة والمعايرة في مهام القرار وعدم الإضرار بفهم اللغات المختلفة وبالمعرفة التي تجعل النموذج عاماً ومفيداً. ولا يتوقع أن تهيمن المختبرات الرائدة على المجال، لأن كلفة بناء شيء مثير للاهتمام في هذه الأسواق الأصغر تقع في حدود مئات أو آلاف الدولارات (وفقاً لـ TechCrunch).

في المقابل تقول TypeSafe إنها منكبّة على تحسين نماذجها القادمة. ونقلت TechCrunch عن مؤسسها ورئيسها التنفيذي Diogo Almeida قوله: “أفهم أن الناس يرونها حمّى ذهب، لكنهم ربما يقللون من صعوبة جعل النماذج ذكية فعلاً”، مضيفاً أنه لا يرى منافسة حقيقية بعد، وأن “الدفعة الحالية تبدو أقرب إلى مهندسي تعلم آلة يريدون تطبيق معمارية لافتة منها إلى فرق مكرسة لجعل الذكاء مفيداً”. كلامه دفاعي بطبيعة الحال، لكن تقديرنا أنه محق في الجوهر: إذا كانت الكلفة مئات الدولارات، فالمعمارية ليست الحاجز، بل جودة المعايرة. وقبل أن تضع Strands Decider في الإنتاج، اختبر شيئاً واحداً على بياناتك: هل تنخفض درجة الثقة فعلاً حين يخطئ النموذج؟ ذلك هو الرقم الذي لم ينشره أحد بعد.

مقالات ذات صلة

OpenAI تطلق وكلاء dots بحاسوب سحابي خاص وتكامل مع 4000 تطبيق

أمس

3,700 هوية لوكلاء OpenAI نشرت 18 ألف رسالة لكسر العزل على ويكي ألماني

أمس

OpenAI تلغي إطلاق GPT-6.1 Astra لإخفاقه أمنياً وتعتذر لأستراليا عن اختراق وكيلها

أمس