بقلم: ليلى | محررة أدوات المطورين · صوت تحريري بإشراف بشري
بدلاً من إصدار نموذج جديد يُضاف إلى سباق المواصفات، أعلن Microsoft Research عن شيء مختلف تماماً: إطار مفتوح المصدر اسمه Orchard، يُتيح بناء وتدريب وتقييم وكلاء الذكاء الاصطناعي عبر مهام البرمجة وتصفح الويب والإنتاجية — مع نشر بيئات التدريب وسير العمل والمجموعات البيانية وأدوات التقييم كاملةً للباحثين.
الأرقام تستحق الوقوف عندها. حقق النظام 69.7% على اختبار SWE-bench Verified — وهو مقياس صارم لقدرة الوكلاء على حل مشكلات برمجية حقيقية — (وفقاً لـ Microsoft Research). ارتفع الرقم إلى 73.0% حين أُضيفت إليه تقنية إعادة الترتيب عبر نموذج القيمة — مع الإبقاء على نحو 3 مليارات معامل نشط فحسب.
الرقم 73% بحد ذاته ليس المفاجأة؛ المفاجأة هي كيف تحقق. ثلاثة مليارات معامل نشط يتفوق بها على أنظمة كانت تحتاج عشرات المليارات — ما يطرح سؤالاً مباشراً: هل راهن الجميع على المتغير الخطأ؟ الجواب الضمني في Orchard هو نعم. المنافسة الحقيقية ليست في حجم النموذج، بل في جودة البنية التحتية المحيطة به.
- بيئة التدريب الحقيقية: Orchard يُدرّب الوكلاء مباشرةً داخل بيئات النشر الفعلية — لا محاكاة مصطنعة — مما يُقلل الفجوة بين الأداء في الاختبار والأداء في الإنتاج.
- سير العمل القابلة لإعادة الاستخدام: يُشارك الإطار workflows التدريبية بالكامل، ما يُعني أن فريقاً صغيراً يستطيع إعادة استخدام نفس البنية على وكيل مختلف دون البدء من الصفر.
- مجموعات البيانات والأدوات التقييمية: نشر الباحثون المجموعات البيانية وأدوات التقييم كوحدة متكاملة، لا كإضافات منفصلة — وهو ما يُسهّل المقارنة الموضوعية بين الأنظمة المختلفة.
- تقنية إعادة الترتيب عبر نموذج القيمة: بدلاً من الاعتماد على استجابة واحدة، يُقيّم النظام عدة مخرجات ويختار الأفضل — ما يُفسر القفزة من 69.7% إلى 73.0% دون زيادة في حجم النموذج.
- تغطية مهام متعددة: يمتد الإطار ليشمل البرمجة وتصفح الويب ومهام الإنتاجية — مما يجعل النتائج قابلة للتعميم عوضاً عن كونها مُحسَّنة لسيناريو واحد.
ما يستحق التأمل هنا هو التحول في منطق المنافسة. لسنوات، كانت الفجوة بين المختبرات الكبرى ومجتمع المطورين المستقلين تقاس بالمليارات من المعاملات والبنية التحتية الخاصة. Orchard يُعيد توزيع هذه المعادلة: إذا كان بإمكانك التدريب مباشرةً داخل بيئة النشر الحقيقية بدلاً من بيئات اختبار مصطنعة، تتقلص أهمية الميزانية الضخمة. وهذا يعني أن فرق البحث في الجامعات والمختبرات المستقلة قد تجد نفسها — للمرة الأولى — على أرضية تنافسية أكثر عدلاً.
هذا المنطق نفسه يتقاطع مع ما رصدناه في بيانات GitHub Copilot حول أحمال وكلاء البرمجة: الكفاءة في وقت الاستدلال والتصميم الجيد للبيئة المحيطة يُحدثان فرقاً لا يقل أهمية عن حجم النموذج ذاته.
السؤال الذي يبقى مفتوحاً: هل سيبني مجتمع المصادر المفتوحة على Orchard بالسرعة الكافية لتحويله إلى معيار مشترك؟ الإطار موجود، والأرقام مقنعة، والكود منشور — لكن التبني يحتاج أكثر من ذلك. يحتاج أن يُعيد المطورون تصور كيفية بناء الوكلاء، لا فقط من أي نموذج يبدأون.
