الذكاء الاصطناعي مفتوح المصدر يقترب من النماذج المغلقة: فارق 4 أشهر فقط وتكلفة أقل بعشر مرات

أبرز النقاط

• تقلّص الفارق الزمني بين النماذج المفتوحة والمغلقة من أكثر من 12 شهراً في 2023 إلى 4 أشهر فقط اليوم
• تكلفة الاستدلال عبر النماذج المفتوحة تتراوح بين 0.10 و0.20 دولار لكل مليون رمز مقابل 1-3 دولارات للنماذج المغلقة
• للمؤسسات التي تغطي 90% من حالات الاستخدام المعتادة، بات الأداء متقارباً بما يكفي لاتخاذ قرارات بناءً على التكلفة

لم يعد الذكاء الاصطناعي مفتوح المصدر ذلك البديل المتواضع الذي يلجأ إليه من لا يستطيع تحمّل تكاليف واجهات OpenAI أو Anthropic. التحليلات الأخيرة تُظهر أن الفجوة الزمنية بين أفضل النماذج المغلقة (GPT-4، Claude 3) وأبرز النماذج المفتوحة (Llama 3.1، Mistral Large) تقلّصت إلى نحو أربعة أشهر فحسب، بعد أن كانت تتجاوز العام الكامل في 2023. والأهم: تكلفة تشغيل هذه النماذج المفتوحة على بنيتك التحتية الخاصة باتت أقل بعشر مرات تقريباً.

ما الذي تغيّر في معادلة التكلفة؟

الأرقام واضحة: تشغيل نموذج مفتوح الوزن مثل Llama 3.1 405B على بنية سحابية يكلّف ما بين 0.10 و0.20 دولار لكل مليون رمز (token). في المقابل، استدعاء واجهة GPT-4 من OpenAI يتراوح بين دولار و3 دولارات لنفس الكمية. هذا فارق يصل إلى عشرة أضعاف، وهو كافٍ لتغيير حسابات أي مؤسسة تُشغّل ملايين الطلبات شهرياً.

هذا الانخفاض لا يعني تنازلاً حاداً في الجودة. وفقاً لكليمان ديلانغ، الرئيس التنفيذي لمنصة Hugging Face، فإن 90% من حالات الاستخدام المؤسسية تحصل اليوم على أداء مكافئ تقريباً من النماذج المفتوحة. النماذج المغلقة لا تزال تتفوق في المهام الأكثر تعقيداً وفي قدرات الاستدلال المتقدم، لكن الغالبية العظمى من التطبيقات الإنتاجية — تصنيف النصوص، التلخيص، الإجابة عن الأسئلة، توليد الكود الأساسي — لا تحتاج إلى تلك الميزات الفارقة.

لماذا تضيق الفجوة بهذه السرعة؟

يُرجع يان لوكون، كبير علماء الذكاء الاصطناعي في Meta، هذا التسارع إلى عاملين: الأول هو الاستثمار الهائل من شركات كبرى مثل Meta نفسها، التي أطلقت Llama 3.1 بنسخة تصل إلى 405 مليار معامل (parameter) — وهي أكبر نموذج مفتوح الوزن متاح للاستخدام التجاري. العامل الثاني هو نضج منظومة الأدوات: منصات مثل Hugging Face، وأُطر تشغيل مثل vLLM وTensorRT-LLM، باتت تُسهّل نشر هذه النماذج الضخمة على بطاقات Nvidia الاستهلاكية أو على مجموعات سحابية أصغر حجماً.

• Llama 3.1 405B: أكبر نموذج مفتوح الوزن، يحقق نتائج قريبة من GPT-4 على معظم المقاييس القياسية
• Mistral Large: نموذج أوروبي يركّز على الكفاءة ويعمل بموارد أقل
• Qwen 2.5 (من علي بابا): أداء تنافسي مع دعم قوي للغات الآسيوية ولغات أخرى
• DeepSeek-V2: نموذج صيني مفتوح يُظهر نتائج مبهرة في الاستدلال الرياضي

ماذا يعني هذا لفرق DevOps والهندسة؟

القرار لم يعد 'مفتوح أم مغلق' بصورة مطلقة. بات السؤال: أي مهمة تستحق دفع علاوة السعر مقابل أحدث قدرات النماذج المغلقة، وأي مهمة يمكن تشغيلها محلياً أو على بنية خاصة بتكلفة أقل؟ الإجابة تختلف حسب طبيعة العمل:

• إذا كنت تبني منتجاً يعتمد على توليد نصوص بالجملة (تلخيص آلاف المستندات، روبوتات دردشة داخلية، تصنيف تذاكر الدعم)، فالنماذج المفتوحة توفر عائداً فورياً على الاستثمار.
• إذا كنت تحتاج أحدث قدرات الاستدلال المعقد أو دعم السياق الطويل جداً، قد يظل Claude 3 أو GPT-4 Turbo الخيار الأنسب — لكن فقط لتلك الشريحة المحددة من الطلبات.
• المعمارية الهجينة أصبحت شائعة: توجيه الطلبات البسيطة إلى نموذج مفتوح ذاتي الاستضافة، وتصعيد الطلبات المعقدة فقط إلى واجهة مدفوعة.

التحديات الباقية: لماذا لا يتحوّل الجميع فوراً؟

رغم جاذبية الأرقام، لا يزال تشغيل نموذج بحجم 405 مليار معامل يتطلب بنية تحتية غير تافهة. تحتاج إلى عدة بطاقات A100 أو H100 من Nvidia، أو استئجار حصص مكافئة على سحابة عامة. كما أن إدارة التحديثات، ومراقبة الأداء، والتعامل مع التحيزات الأمنية تقع بالكامل على عاتق فريقك، بينما تتولاها الشركات المغلقة نيابةً عنك عند استخدام واجهاتها.

الشركات الناشئة التي لا تملك فريق MLOps متمرّساً قد تجد أن توفير تكلفة الواجهة يُبتلع في تكاليف الهندسة والصيانة. لكن للمؤسسات التي تملك بالفعل بنية GPU أو تخطط لاستثمارات طويلة الأجل، المعادلة تميل بوضوح نحو الخيار المفتوح.

ما القادم في الأشهر الستة المقبلة؟

يُشير مراقبون إلى أن الفجوة قد تستمر بالتقلّص. Meta تخطط لإصدارات Llama 4 خلال 2025، وMistral تطوّر نماذج متعددة الوسائط. في المقابل، OpenAI وAnthropic لن تقفا مكتوفتي الأيدي؛ الإصدارات القادمة من GPT وClaude ستُضيف قدرات جديدة. لكن النمط واضح: كل جيل جديد من النماذج المغلقة يُتبع بنموذج مفتوح مكافئ بعد أشهر قليلة، لا سنوات.

الأسئلة الشائعة

هل النماذج مفتوحة المصدر آمنة للاستخدام في بيئات الإنتاج المؤسسية؟

نعم، لكنها تتطلب التزاماً ببروتوكولات أمنية صارمة. لأنك تستضيف النموذج بنفسك، أنت المسؤول عن تأمين الوصول، ومراقبة المخرجات، وتحديث النموذج عند اكتشاف ثغرات. شركات مثل Hugging Face توفر أدوات مسح أمني تُسهّل هذه المهمة.

كم تبلغ تكلفة تشغيل Llama 3.1 405B على السحابة؟

على منصات مثل AWS أو GCP، تحتاج إلى استئجار ما لا يقل عن 8 بطاقات A100 أو 4 بطاقات H100، بتكلفة تتراوح بين 15 و30 دولاراً للساعة حسب المنطقة. البديل هو استخدام خدمات الاستدلال المُدارة (Inference-as-a-Service) التي تبدأ من 0.10 دولار لكل مليون رمز.

هل يمكن استخدام النماذج المفتوحة تجارياً دون قيود؟

يعتمد الأمر على الرخصة. Llama 3.1 يأتي برخصة مرنة تسمح بالاستخدام التجاري مع بعض الشروط (مثل الإفصاح عن عدد المستخدمين النشطين إذا تجاوز 700 مليون شهرياً). Mistral يستخدم رخصة Apache 2.0 الأكثر تساهلاً. اقرأ الرخصة بعناية قبل الدمج في منتجك.

هل ستُغلق الفجوة تماماً بين النماذج المفتوحة والمغلقة؟

من غير المرجح أن تختفي الفجوة كلياً في المدى المنظور. الشركات المغلقة تملك موارد بحثية هائلة ودورات تطوير أسرع. لكن الفجوة قد تستقر عند 2-4 أشهر، وهو ما يكفي ليكون الخيار المفتوح 'جيداً بما يكفي' لمعظم التطبيقات.