الإجابة المختصرة
لا تحمل النماذج الجديدة التي أعلنتها OpenAI وAnthropic في سبتمبر قفزة كبيرة في القدرات؛ فالابتكار الحقيقي يكمن في التكلفة. إذ تطرح الشركتان إصدارات تنجز العمل نفسه بتكلفة أقل، كي لا تخسرا عملاءهما من المؤسسات لصالح النماذج الرخيصة ذات الأوزان المفتوحة. وينبغي للشركات التي تدمج الذكاء الاصطناعي في منتجاتها أن تفكر في إعادة حساب ميزانياتها.
أبرز النقاط
- أسعار الإدخال والإخراج في Opus 5.5 أقل بنسبة 20% من أسعار Opus 5.
- انخفض سعر القراءة من الذاكرة المؤقتة بنسبة 60%؛ وهنا يكمن معظم التكلفة في أعمال الوكلاء والبرمجة.
- يقدم GPT-6 Sol وLuna نتائج مماثلة أو أفضل قليلاً بنصف سعر الإصدارات السابقة.
مدة القراءة 2 دقيقة
لفترة من الزمن، كان كل إصدار جديد لنموذج ذكاء اصطناعي يأتي مصحوباً بادعاء أنه «أذكى». لكن الصورة تغيرت هذا الأسبوع: إذ تلتقي نماذج GPT-6 Sol وLuna من OpenAI ونموذج Opus 5.5 من Anthropic عند وعد «أكثر قليلاً مقابل أموال أقل بكثير»، وفق تقييم Ars Technica.
ما الذي تغيره النماذج الجديدة؟
باختصار، السعر. فوفقاً لـ Anthropic، تبلغ تكلفة Opus 5.5 نحو 4 دولارات لكل مليون رمز إدخال و20 دولاراً لكل مليون رمز إخراج، أي أرخص بنسبة 20% من Opus 5. أما القراءة من الذاكرة المؤقتة، التي تشكل معظم التكلفة في أعمال الوكلاء والبرمجة، فتكلف 0.20 دولار لكل مليون رمز، أي أقل بنسبة 60%. وتقول الشركة إن النموذج ينتج المخرجات أسرع بأكثر من 30%، وإن إجمالي التوفير في المهام المعتادة يقترب من 40%.
وعلى جانب OpenAI، يبلغ سعر GPT-6 Sol عبر واجهة البرمجة 2 دولار لكل مليون رمز إدخال و10 دولارات لكل مليون رمز إخراج؛ أما Luna فالأرقام فيه 0.10 و0.50 دولار. وتقول OpenAI إن كلا النموذجين يعملان بنصف تكلفة الإصدارات السابقة، ويسجلان نقاطاً أعلى ببضع درجات في بعض الاختبارات.
ماذا تعني أسماء النماذج؟
- Astra: أقوى نماذج OpenAI وأغلاها، مخصص للبرمجة والأبحاث المكثفة.
- Sol: نموذج قوي وأكثر كفاءة مصمم للعمل اليومي.
- Terra: نموذج متوازن متعدد الأغراض.
- Luna: الخيار السريع والرخيص.
ماذا يعني ذلك للشركات؟
بالنسبة إلى شركة تستخدم الذكاء الاصطناعي في خدمة العملاء أو إنتاج المحتوى أو في فريق البرمجيات لديها، قد ينعكس هذا التغير في الأسعار مباشرة على هوامش الربح.
- قيسوا التكلفة «لكل مهمة» لا «لكل رمز»: إذ يمكن للنماذج الجديدة إنجاز المهمة نفسها بعدد أقل من الرموز.
- استخدموا الذاكرة المؤقتة للتعليمات الطويلة المتكررة؛ فهنا يكون الخصم في أكبر مستوياته.
- لا تخصصوا أقوى نموذج لكل مهمة: جرّبوا النماذج الخفيفة في مهام التصنيف والتلخيص البسيطة، ووجّهوا الأعمال الصعبة وحدها إلى النموذج الأعلى.
أسئلة شائعة
- هل النماذج الجديدة أذكى بكثير من القديمة؟
- لا، فالفارق محدود. والمكسب الحقيقي هو إنجاز العمل نفسه بتكلفة أقل وبسرعة أكبر.
- أي نموذج ينبغي أن أختار؟
- يعتمد ذلك على مدى صعوبة المهمة. والنهج الأكثر اقتصاداً هو تجربة نموذج خفيف أولاً، ثم نقل المهام التي لا تكون نتيجتها كافية إلى النموذج الأعلى.
المصادر
تابع UNIT Journal
مستجدات البحث والذكاء الاصطناعي والتكنولوجيا في موجزك كل يوم.
