نموذج Flint للبرمجة: مجاني ويعمل محلياً على الحاسوب المحمول

حاسوب محمول يعرض محرر شيفرة برمجية يعمل عليه نموذج ذكاء اصطناعي محلي

فريق صغير ونظام بحث آلي بنيا في أقل من أربعة أشهر نموذج برمجة محلياً يفعّل 2.5 مليار معامل ويقارب ضعف سرعة Gemma 4.

بقلم: ليلى | محررة أدوات المطورين · صوت تحريري بإشراف بشري

المصدر الأساسي: TechCrunch

لماذا يهم

المطورون الذين يحتاجون إلى الخصوصية أو العمل دون اتصال يحصلون على نموذج برمجة مفتوح بلا رسوم استخدام. وتُختبر علناً لأول مرة فكرة أن الذكاء الاصطناعي يبني نماذج أفضل منه.

إذا كنت تعمل على شيفرة لا تريدها أن تغادر جهازك، أو في مكان بلا اتصال مستقر، أو تعبت من فواتير الرموز، فلديك منذ الأربعاء خيار جديد. شركة Recursive أطلقت Flint، أول نماذجها، وهو نموذج برمجة مجاني يعمل على حاسوب محمول عادي، بحسب TechCrunch. والأهم من النموذج هو الطريقة التي تقول الشركة إنه بُني بها: نظام بحث آلي تسميه Eureka Machine شارك في كل خطوة تقريباً، فتمكّن فريق صغير من بناء Flint من الصفر في أقل من أربعة أشهر (وفقاً لـ TechCrunch). هذه أرقام معلنة من الشركة نفسها، ولم يتسنَّ التحقق منها بشكل مستقل.

عملياً، يعمل Flint على حاسوب المستخدم نفسه لا على خوادم الشركة السحابية. لذلك تستطيع استخدامه دون اتصال، وتبقى شيفرتك خاصة، ولا تدفع رسوم الاستخدام التي تحتسبها خدمات الذكاء الاصطناعي السحابية بحسب كمية النص التي يعالجها النموذج، وهي كلفة تتحول إلى عبء متزايد على الشركات بحسب تقرير سابق لـ TechCrunch. النموذج متاح للتحميل مجاناً على Hugging Face بترخيص Apache 2.0، وهو ترخيص مفتوح المصدر يسمح بالاستخدام والتعديل بحرية، بحسب TechCrunch. ولم يحدد المصدر حداً أدنى رسمياً للذاكرة المطلوبة، لكن الأجهزة الوحيدة المذكورة في الاختبارات هي MacBook Pro بشريحة M4 Pro، وجهاز Mac بذاكرة 48 غيغابايت، وRTX Spark من Nvidia.

سر خفة النموذج في بنيته. Flint نموذج mixture-of-experts، أي أنه لا يستخدم سوى جزء صغير منه في كل مهمة: 2.5 مليار معامل فقط من أصل 40 مليار في المرة الواحدة (وفقاً لـ TechCrunch). المقارنة مع Muse Spark Open من Meta، الذي صدر الأسبوع الماضي لأجهزة Mac، توضح الفارق: نموذج Meta يستخدم 816 مليار معامل ويحتاج إلى تيرابايت من الذاكرة على الأقل (وفقاً لـ TechCrunch). الأول يخاطب من يملك محطة عمل باهظة، والثاني يخاطب من يملك حاسوباً محمولاً.

السرعة هي الادعاء الأبرز. في اختبارات Recursive، ولّد Flint نحو 131 رمزاً في الثانية على MacBook Pro بشريحة M4 Pro، أي قرابة ضعف 58 إلى 69 رمزاً حققتها نماذج مماثلة على الجهاز نفسه، منها Gemma 4 من Google وNemotron 3.5 Lightning من Nvidia، وتجاوز 150 رمزاً في الثانية على RTX Spark (وفقاً لـ TechCrunch). وعلى SWE-Bench Verified، الذي يقيس قدرة النماذج على إصلاح أخطاء برمجية حقيقية، تفوّق على النماذج الأخرى التي تقل عن 50 مليار معامل. وفي متوسط الشركة الخاص عبر ستة اختبارات، لم يسبقه سوى Qwen3.8 27B من Alibaba (وفقاً لـ TechCrunch). كل هذه أرقام معلنة من الشركة نفسها، والمتوسط من تصميمها، ولم تنشر جهة مستقلة نتائج مماثلة حتى الآن.

الشركة نفسها لا تبيع Flint بديلاً كاملاً للمساعدين المدفوعين: تعترف بأنه يحتاج إلى توجيه أكثر من مساعدي البرمجة الكبار، وتنصح بتقسيم المهام الكبيرة إلى خطوات أصغر. ومع ذلك جاءت المراجعات الأولى إيجابية. ويل نايت من Wired استخدمه على Mac بذاكرة 48 غيغابايت لبناء عدة برامج صغيرة، منها تطبيق قائمة مهام وأداة تمسح الويب بحثاً عن مصادر. ووجد أن نماذج البرمجة الصغيرة كثيراً ما تتعثر بالأخطاء أو تبطئ مقارنة بـClaude أو Codex، لكن Flint نفّذ طلباته في كل مرة، بحسب Wired. هذه تجربة صحفي واحد على مشاريع صغيرة، لا اختبار على قاعدة شيفرة إنتاجية، وهو بالضبط الفرق الذي ستكتشفه حين تشغّله على مشروعك.

أما Eureka Machine فيولّد الأفكار، ويجري التجارب، ويستخدم النتائج ليقرر ما يجربه بعدها. وبحسب فيديو الإطلاق الذي نقلته TechCrunch، ساهم في كل مراحل بناء Flint تقريباً، من pretraining إلى post-training وinference. وتنسب إليه Recursive شكلاً أكثر تفرقاً للنموذج، وتدريباً منخفض البتات قلّص حجم Flint بنسبة 71% مع خسارة شبه معدومة في الجودة، وkernels مخصصة، أي برامج متخصصة تسرّع العمليات الحسابية الأساسية (وفقاً لـ TechCrunch)، وهي أرقام معلنة من الشركة نفسها. الرقم الغائب هو كم وفّر Eureka من وقت الباحثين، فالشركة لم تذكره. وهي ليست وحدها في هذا الاتجاه: قالت OpenAI الشهر الماضي إن وكلاءها كانوا، بحلول منتصف أغسطس، يسجلون 3.1 يوم عمل مقابل كل يوم يعمله باحث بشري (وفقاً لـ TechCrunch)، وهو رقم معلن من OpenAI نفسها.

خلف المنتج رهان تجاري ضخم. Recursive تأسست العام الماضي، وخرجت من مرحلة العمل السري في مايو بتمويل 650 مليون دولار وتقييم 4.65 مليار دولار (وفقاً لـ tech.eu)، من مستثمرين بينهم GV وNvidia وAMD Ventures، ويقودها ريتشارد سوشر، كبير العلماء السابق في Salesforce، بحسب TechCrunch. وسبق أن قالت الشركة لـ TechCrunch إن صفقة الحوسبة مع Amazon Web Services بقيمة 410 ملايين دولار في يونيو كانت “أقل ارتباطاً بعدد الموظفين وأكثر ارتباطاً بعدد الوكلاء” (وفقاً لـ TechCrunch). منطق الرهان: كل نموذج جديد يجعل Eureka باحثاً أفضل يبني النموذج التالي أسرع، وكل جيل يتحمل فترات عمل أطول دون تدخل بشري.

هنا يصبح Flint اختباراً علنياً مبكراً لفكرة التحسين الذاتي التكراري، أي أن يبني الذكاء الاصطناعي ذكاءً أفضل يبني بدوره ذكاءً أفضل منه. وهي من أكثر أفكار الصناعة إثارة للجدل، إذ يخشى بعض الباحثين أن تفلت هذه الحلقة من السيطرة البشرية. نسخة Recursive الحالية محدودة: مساعد بحثي يشرف عليه بشر، أنتج نموذجاً صغيراً بحجم حاسوب محمول. لكن سوشر قال لـ Wired إن الهدف البعيد هو تحسين ذاتي تكراري كامل، مع إشراف بشري وقدرة على الإيقاف إذا ساء شيء. نحن نرى أن Flint يستحق التجربة اليوم لأسباب لا علاقة لها بالفلسفة، فنموذج مفتوح وسريع ومحلي يحل مشكلتي الخصوصية والكلفة مباشرة. أما وعد “زر الإيقاف” فهو الادعاء الذي يحتاج إلى تدقيق أكثر من أي benchmark، لأن الشركة لم تشرح بعد كيف سيعمل حين يصبح Eureka أسرع من مراقبيه.

المصادر