نماذج اللغة الصغيرة تلتهم بهدوء ميزانية الذكاء الاصطناعي في الشركات، مهمة تلو الأخرى

معظم الشركات التي تشغّل الذكاء الاصطناعي في بيئة الإنتاج تدفع أسعار النماذج المتقدمة لمهام لا تحتاج إلى ذكاء بمستوى النماذج المتقدمة. تصنيف تذاكر الدعم بحسب الأولوية، استخراج عنوان الشحن من بريد إلكتروني، تحديد ما إذا كان مستند يحتاج إلى مراجعة إنسانية، لا شيء من ذلك يتطلب استدلالاً بمستوى GPT-5. تشغيل هذه المهام على نموذج يكلّف 2 إلى 6 دولارات لكل مليون رمز إخراج، بينما يقوم نموذج بسعر 0.14 دولار لكل مليون رمز بالمهمة نفسها بنفس الجودة، هو هدر للمال.

هذا التفاوت يُصحَّح الآن على نطاق واسع، ويعيد تشكيل كيفية توزيع ميزانيات الذكاء الاصطناعي في الشركات. التحول ليس نظرياً، بل يظهر في بيانات توجيه الرموز. وجدت جهة تتابع حجم الاستدلال في الشركات أن حصة الرموز المُرسلة إلى أغلى فئة من النماذج انخفضت من 73% في الربع الأول من 2025 إلى 31% بحلول الربع الأول من 2026، مع تحويل مزيد من الحركة إلى نماذج أصغر وأرخص ومخصصة لمهام محددة.

الاقتصاد هنا ليس دقيقاً بل واضح تماماً

قارن بين تسعيرة نموذجين صغيرين منتشرين على نطاق واسع ونموذج متقدم ينفذ عملاً مماثلاً في مهمة ضيقة. يعمل Phi-4 من مايكروسوفت بسعر حوالي 0.07 دولار لكل مليون رمز إدخال و0.14 دولار للإخراج، بنافذة سياق 16 ألف رمز. أما Mistral Small فسعره حوالي 0.15 دولار إدخال و0.60 دولار إخراج بنافذة أكبر بكثير تبلغ 256 ألف رمز. في المقابل، نموذج متقدم متعدد الوسائط مثل Pixtral Large مُسعَّر بـ 2.00 دولار إدخال و6.00 دولار إخراج، أي 15 إلى 40 مرة التكلفة لكل رمز، حسب النموذج الصغير المستخدم للمقارنة.

هذه النسب تتراكم بسرعة مع الحجم. مثال شائع الاستشهاد: عبء عمل لتلخيص 10,000 عنصر يومياً يكلّف حوالي 7.20 دولار في اليوم على نموذج صغير مخصص، في مقابل حوالي 58 دولاراً في اليوم على GPT-4.1 Mini، فرق 8 أضعاف على مهمة واحدة متكررة وغير لافتة. اضرب هذا عبر مكتب مساعدة، وخط معالجة وثائق، وقائمة انتظار لمراقبة المحتوى، ويتوقف الفرق السنوي عن كونه رقماً مهملاً في بند البنية التحتية.

أين تتفوق النماذج الصغيرة فعلاً، وأين تفشل بهدوء

بيانات الدقة أكثر إثارة للاهتمام من بيانات التكلفة، لأنها ليست منحازة بالكامل للنماذج الأكبر. في تصنيف المشاعر على IMDB، وجد اختبار مستقل أن Qwen2.5-0.5B، بنصف مليار معامل فقط، حقق دقة 91.7%، متجاوزاً Qwen2.5-72B الذي حقق 88.6% في المهمة نفسها. هذا ليس أمراً عارضاً خاصاً بعائلة نماذج واحدة؛ مهام التصنيف الضيقة هي تماماً النوع من المشكلات التي دُرّبت النماذج الصغيرة على التفوق فيها، والنماذج الأكبر تفكر أحياناً أكثر من اللازم فيها.

وجد البحث نفسه أن الفارق ينعكس بشدة في الاستدلال الرياضي متعدد الخطوات، حيث تخلّف النموذج الصغير بوضوح. هذا هو خط التقسيم الفعلي، وهو يتوافق مع ثلاث فئات توجّه الشركات إليها حركتها الآن:

• التصنيف والتوجيه — اكتشاف النية، فرز التذاكر، وسم المشاعر، رصد البريد المزعج والانتهاكات. النماذج الصغيرة تضاهي أو تتفوق على النماذج المتقدمة هنا بكسر من التكلفة.
• الاستخراج — سحب حقول منظمة (تواريخ، مبالغ، أسماء، أرقام طلبات) من نص غير منظم. مهمة ضيقة ومحددة جيداً لا تستفيد من عمق استدلالي إضافي.
• أي شيء يتطلب استدلالاً متعدد الخطوات، أو حكماً دقيقاً، أو توليداً مفتوحاً — تحليل العقود، التلخيص الاستراتيجي، الكتابة الموجهة للعميل حيث تهم النبرة. هنا تظل علاوة النموذج المتقدم مستحقة.

المعمارية التي تقوم بالعمل الأصعب: التوجيه، لا الاستبدال

لا توجد شركة جدية تستبدل نموذجها المتقدم بالكامل. النمط الذي ينتشر فعلاً هو موجِّه يقف أمام عدة نماذج؛ مصنِّف رخيص يقرر أي نموذج يستقبل الطلب، فيرسل معظم الحركة عالية الحجم ومنخفضة التعقيد إلى نموذج صغير، ولا يصعِّد إلا الحالات الصعبة حقاً إلى النموذج الغالي. يظهر Phi-4-mini بـ 3.8 مليار معامل وGemma 3 بـ 4 مليار معامل مراراً في هذه الإعدادات كنماذج لطبقة التوجيه بالضبط، لأن مهمتها هي فقط اتخاذ قرار سريع ورخيص بشأن الوجهة الحقيقية للعمل.

هذا لا ينجح إلا إذا كان قرار التوجيه نفسه موثوقاً، وهذا هو الجزء الذي تقلل الشركات الاستثمار فيه. رواية شاعت هذا العام لممارس وصف فيها خفض تكلفة الاستدلال بنسبة 90% بالتحول إلى نموذج صغير لسير عمل أساسي، ثم اكتشف أن جودة المخرجات تدهورت بهدوء لمدة يومين قبل أن يلاحظ أحد ذلك، لأن لوحة تكاليف بدت رائعة ولم يكن أحد يراقب لوحة الجودة. الدرس لم يكن «لا تستخدم النماذج الصغيرة». كان أن مكسباً في التكلفة بلا مراقبة جودة هو خسارة متخفية في ثوب مكسب.

ماذا تفعل بهذا فعلياً

إذا كنت تشغّل الذكاء الاصطناعي في الإنتاج ولم تدقق بعد أي المهام تصل إلى أغلى فئة نموذج لديك، فتلك هي الخطوة الأولى، ليست إعادة كتابة بل تدقيق. اسحب سجلاتك وصنّف الطلبات بحسب نوع المهمة. أي شيء تصنيف محض أو استخراج أو توجيه هو مرشح شبه مؤكد للانتقال إلى نموذج صغير خلف موجِّه، بوفورات قابلة للقياس تتراوح بين 5 و50 مرة حسب اختيار النموذج الحالي لديك.

ثانياً، لا تثق بنسب الوفورات التي تنشرها الجهات البائعة دون تحقق؛ الأرقام 29 إلى 161 مرة المتداولة من بائعي المعايير القياسية صحيحة من حيث الاتجاه لكنها قيست على أعباء عمل محددة، ليست عبء عملك. شغّل المقارنة على حركتك الخاصة قبل الالتزام.

ثالثاً، وهذا هو الجزء الذي يُهمَل فعلاً: أرسل مراقب جودة مع تخفيض التكلفة، لا بعده. إذا تدهورت جودة مخرجات نموذج صغير في مهمتك المحددة، تريد أن تعرف في ساعات، لا في طفرة تذاكر دعم بعد يومين. الوفورات حقيقية. وضع الفشل حقيقي أيضاً، وهو دائماً نفس الوضع: الفرق تقيس اللوحة التي تجعلها تبدو جيدة وتتجاهل اللوحة التي كانت ستكشف المشكلة.