مؤسسة موزيلا في أحدث نسخة من تقرير «حالة الذكاء الاصطناعي مفتوح المصدر» أعلنت أن الفارق في الأداء بين نماذج الحدود (Frontier) لشركات التكنولوجيا الأمريكية وأفضل النماذج ذات الوزن المفتوح للشركات الصينية تقلّص إلى ٤٫٤ أشهر فقط. هذا التقرير الذي نُشر في ١٥ سبتمبر يشرح لماذا عدد متزايد من الشركات اتجهت إلى النماذج المفتوحة والأرخص بكثير للمهام اليومية ويحدد نطاقًا ضيّقًا من أحجام العمل التي لا يزال إنفاق المال على نماذج الحدود مبررًا فيها.
التوصية المحورية لموزيلا صريحة: على معظم المنظمات أن تعتبر النماذج المفتوحة الخيار الافتراضي لغالبية أعمالها.
كيمي K3 متأخر بثلاث نقاط فقط
أبرز مثال يستند إليه التقرير هو نموذج الوزن المفتوح الرائد Kimi K3 من الشركة الصينية Moonshot AI. بحسب مؤشر الذكاء التحليلي (Artificial Analysis Intelligence Index)، هذا النموذج متأخر بثلاث نقاط فقط عن النموذج المغلق الحدّي Fable 5 من شركة Anthropic، لكنه أقل تكلفة بأقل من ٣٠٪. كما بدأ كيمي K3 ظهوره الأول في ميدان كتابة الشفرات الواجهة الأمامية على منصة LMArena بنتيجة ١٦٧٩ وإلى الأمام في ستة من سبعة مجالات هذا الاختبار، وكذلك في الترميز، واتباع التعليمات والمعرفة العامة.
رافي كريكوريان، كبير مسؤولي التكنولوجيا في موزيلا، في توضيح متى يكون دفع المال مقابل النماذج المغلقة منطقيًا، قال إن هذه النماذج لها قيمة عالية من عدة نواحٍ: العمل المهني المتخصص، الاسترجاع بكثافة عالية ومعالجة السياق الطويل الأمد. وأكد أن قرار الدفع مقابل نماذج مغلقة يجب أن يُتخذ بناءً على نوع عبء العمل، لا بناءً على طبيعة المنظمة نفسها.
الفرق بين «مفتوح المصدر» و«وزن مفتوح»
تقرير موزيلا يشير إلى تمييز تقني مهم. النماذج ذات الوزن المفتوح تسمح لأي مستخدم بتنزيل المكونات الرئيسة للنموذج وتشغيلها على عتاده، لكن المطورين عادة لا ينشرون معلومات حيوية مثل بيانات التدريب، ومسارات البيانات، وكود التدريب. في المقابل، شركات أمريكية مثل Anthropic وOpenAI تقدم في الغالب نماذج مملوكة ومغلقة تمامًا، والوصول إليها يتطلب دفع رسوم.
ومع ذلك، النماذج المغلقة لا تزال تملك زبائن مؤسساتيين؛ لأنها تُقدَّم كخدمة جاهزة وتتضمن حزم تكييف ودعم ومسؤولية. وفقًا لكريكوريان، العديد من المنظمات تفتقر أساسًا إلى القوى العاملة اللازمة لتشغيل النماذج المفتوحة بفعالية - نقطة تؤكدها نتائج موزيلا السابقة أيضًا: ٧٩٪ من المطورين يستخدمون النماذج المفتوحة، لكن فقط ٥١٪ منهم أدخلوا هذه النماذج إلى بيئة الإنتاج، في حين أن هذه النسبة للنماذج المغلقة هي ٦٣٪. ألفارو روييز كوبريو من معهد SlashData الذي أجرى استطلاع التقرير يعتبر هذه الفجوة علامة على نقص البنية التحتية، لا ضعف جودة النماذج.
استراتيجية ذات طبقتين للشركات
نمط الاستخدام المختلط يتجه لأن يصبح إجراءً شائعًا. على سبيل المثال، شركة توصيل الطعام DoorDash تستخدم Kimi للمهام اليومية وتحتفظ بنموذج Fable للمهام الأكثر تعقيدًا التي عادة ما تستغرق وقتًا أطول من المتخصصين البشريين.
قياس الفجوة: أفق الزمن للمهام
تقلّص الفارق بين الفئتين من النماذج يُقاس بمعايير مختلفة. المؤسسة البحثية غير الربحية METR عرّفت مفهوم «أفق الزمن» لنموذج: طول المهام - المقاسة بوقت المطلوب من الخبراء البشريين - التي يمكن أن يؤديها النموذج بمعدل نجاح موثوق ٥٠٪. هذا الأفق، بمعدل يتسارع أيضًا، تضاعف بانتظام.
بناءً على ذلك، أفضل نموذج مغلق حاليًا يمكنه أداء مهمة أطول بمقدار ١٫٧ مرة من أفضل نموذج مفتوح بشكل موثوق. مؤشر قدرات معهد Epoch أيضًا في الأول من سبتمبر ٢٠٢٦ قدّر الفارق المتوسط بـ ٨ نقاط، ما يعادل حوالي أربعة أشهر. خلاصة التقرير واضحة: النماذج المغلقة تنجز مهامًا ذات مدة ثمانية إلى اثنتي عشرة ساعة، والنماذج المفتوحة تصل إلى نفس النقطة بعد أربعة أشهر؛ تحت ثماني ساعات كلاهما ناجح، وفوق اثنتي عشرة ساعة لا ينجح أي منهما.
الاختبار في ظروف متساوية
لإلغاء أثر اختلاف البنية التحتية، شركة قياس الأداء Vals AI قيّمت النماذج المفتوحة والمغلقة على منصتها الاختبارية المحايدة. في اختبار Terminal-Bench 2.1، النموذج مفتوح الوزن GLM 5.2 من الشركة الصينية Z.ai (Zhipo AI) حقق نتائج قابلة للمقارنة مع نماذج Claude Opus 4.7 و4.8 من Anthropic، وذلك بتكلفة أقل بنحو خمس مرات لكل مهمة مكتملة.
بعبارة أخرى، دفع المال لنماذج الحدود المغلقة عمليًا يشتري «انطلاقًا مبكرًا» يقارب أربعة أشهر بتكلفة تزيد على خمسة أضعاف - وهذه الميزة ذات معنى فقط في الظروف الحالية وفقط للمهام التي تستغرق ثمانٍ إلى ١٢ ساعة.
كريكوريان يقول في هذا السياق إنه عندما يهم الإنجاز المبكر فعلاً - مثل وجود موعد نهائي - فالعجلة منطقية؛ لكن العمل الروتيني الذي سيستمر في الربع القادم لا يستحق هذه التكلفة، لأن نفس العمل يمكن إنجازه قريبًا بخمس تكلفة فقط.
الصورة الأوسع: الاقتصاد والجيوسياسة
هذا التقرير هو نسخة محدثة للتقرير الأول لموزيلا الذي نُشر في ١٤ يوليو وساهم منذ ذلك الحين في تسريع اعتماد النماذج المفتوحة. نتائج تلك النسخة أظهرت أن تكلفة الاستدلال على مستوى GPT-4 انخفضت من حوالي ٢٠ دولارًا لكل مليون توكن قبل ثلاث سنوات إلى نحو ٠٫٤٠ دولار؛ انخفاض بخمسين ضعفًا الذي موزيلا تعتبره إلى حد كبير نتيجة المنافسة من النماذج ذات الوزن المفتوح.
لكن النقطة التي تسميها موزيلا «الحقيقة المرة» هي الفجوة بين الاستخدام والإيراد: النماذج المفتوحة توفر نحو ثُلث الاستخدام الفعلي للذكاء الاصطناعي، لكنها تُشكّل فقط ٤٪ من إيرادات الصناعة.
على الصعيد الجيوسياسي أيضًا التوازن في تحوّل. معدل اعتماد الذكاء الاصطناعي مفتوح المصدر في الصين وبشرق آسيا ارتفع إلى ٨٩٪ وحصة النماذج ذات الوزن المفتوح الصينية من أقل من ٢٪ من توكنات منصة OpenRouter أواخر ٢٠٢٤ إلى أكثر من ٤٥٪ من حركة المرور الأسبوعية حتى أبريل ٢٠٢٦. موزيلا ترى هذا الاتجاه نتيجة لسياسة حكومية متعمدة ومن ضمنها مبادرة «AI Plus» لمجلس الدولة الصيني. في خاتمة التقرير ذُكر أن أفضل أربعة نماذج حدودية ما تزال مغلقة - لكن الأربعة التالية مفتوحة.
تفاصيل هذا التقرير وُضعت في متناول موقع Ars Technica الإخباري قبل النشر العام والنسخة الكاملة متاحة على موقع التقرير المخصص.