بقلم: سارة | محررة نماذج الذكاء الاصطناعي · صوت تحريري بإشراف بشري
تكلفة الذاكرة في نماذج الذكاء الاصطناعي كانت المعضلة الكبرى — حتى الآن. خرجت شركة Subquadratic من الظل يوم الثلاثاء بإعلان صاعق: تمويل أولي بقيمة 25 مليون دولار وإطلاق SubQ، أول نموذج لغوي كبير تجاري مبني بالكامل على معمارية تحت التربيعية (وفقاً للإعلان الرسمي).
المشكلة التي يحلها SubQ واضحة ومكلفة: معمارية Transformer تتوسع بمعدل O(n²)، مما يعني أن مضاعفة المدخلات تضرب التكلفة في أربعة. لذا لجأت الصناعة لحلول ترقيعية — تقسيم النصوص وتلخيصها والبحث المسبق والأمل. معمارية SSA (Subquadratic Selective Attention) تقضي على هذا كله بتوسع خطي مع طول المدخلات، وسرعة تفوق FlashAttention بـ52 ضعفاً عند مليون رمز (وفقاً لبيانات الأداء).
الأرقام تتحدث بوضوح مدمر للمنافسة. في اختبار RULER 128K للدقة في السياقات الطويلة، حقق SubQ نتيجة 97% مقابل 94% لـ Claude Opus، لكن بتكلفة 8 دولارات للتشغيل مقابل حوالي 2,600 دولار للنماذج الرائدة (وفقاً للمقارنات المعيارية). في اختبار MRCR v2 لاسترجاع المعلومات المتعددة، سجل SubQ 83 نقطة مقابل 78 لـ Opus و39 لـ GPT-4 و23 لـ Gemini 3.1 Pro.
لكن الرقم الحقيقي المذهل يأتي عند نافذة 12 مليون رمز — منطقة لا يصلها أي نموذج رائد حالياً — حيث حافظ SubQ على معدل استذكار 92%. الهدف التالي؟ 100 مليون رمز بحلول الربع الرابع (وفقاً لخارطة الطريق).
المنتجان المتاحان اليوم يستهدفان حاجات محددة: API بنافذة 12 مليون رمز للتطبيقات العامة، وSubQ Code كأداة سطر أوامر تحمل مستودع الكود كاملاً في تمريرة واحدة. هذا يعني أن المطورين يمكنهم تحليل مشاريع ضخمة دون تقسيم أو تلخيص مسبق.
التكلفة المنخفضة تفتح أبواباً كانت مقفلة اقتصادياً. تطبيقات مثل تحليل المستندات القانونية الطويلة، ومراجعة التقارير البحثية الشاملة، ومعالجة السجلات التاريخية الضخمة تصبح مجدية تجارياً لأول مرة. لكن السؤال الحقيقي يبقى: هل ستصمد هذه الوعود أمام ضغط الاستخدام المكثف في بيئات الإنتاج؟
المقارنات الحالية تجري على اختبارات معيارية قد لا تعكس تعقيدات العالم الحقيقي. كما أن قدرة النموذج على الحفاظ على أدائه مع زيادة الحمولة التجارية تحتاج إثباتاً عملياً. رغم ذلك، إذا تمكنت معمارية SSA من إثبات موثوقيتها، فإن Transformer قد يواجه أول تحدٍ حقيقي منذ هيمنته على المشهد.
