باحث سابق في OpenAI يطلق نموذج Jev الذي يتجاهل النصوص لصالح المنطق البرمجي

الزبدة
- ديوغو ألميدا، أحد صانعي ChatGPT السابقين في OpenAI، أطلق عبر TypeSafe نموذج Jev الذي يرفض توليد النصوص ويكتفي بقرارات برمجية منظمة.
- اختبارات داخلية أظهرت زمن استجابة لا يتجاوز 70 إلى 500 ميلي ثانية، مع سرعة تصل إلى 193.6 ضعف النماذج المحادثية في بعض المهام.
- Vercel سجّلت نتائج أسرع بـ5 إلى 18 مرة عند استبدال Luna 5.6 من OpenAI بـ Jev، وBryo AI وجدته أرخص بـ10 إلى 20 مرة من Gemini رغم دقة أقل قليلاً.
ديوغو ألميدا، أحد الباحثين الذين ساهموا في بناء ChatGPT، أطلق نموذجاً يرفض عمداً كتابة النصوص الطويلة. شركته الناشئة TypeSafe كشفت عن Jev، نظام لم يُبنَ للمحادثة بل لاتخاذ قرارات برمجية سريعة وآمنة النوع (Type-safe) داخل خطوط معالجة البرمجيات.
غادر ألميدا OpenAI قبل عامين ليؤسس TypeSafe. وJev هو أول منتج علني للشركة، ويستهدف مشكلة أضيق من روبوتات المحادثة التي اشتهر بها صاحب عمله السابق: تلك الاستدعاءات الخلفية التي لا تحتاج فيها البرمجيات لفقرة نصية، بل لتصنيف أو درجة أو قيمة منظمة.
بخلاف النماذج اللغوية الكبيرة، لا يُولّد Jev توكن (Token) تلو الآخر. فهو يعتمد بنية أخذ عينات متوازية بدلاً من التوليد التسلسلي التراجعي، وقد جرى تدريبه بتقنية أسمتها TypeSafe "التعلم بالتعزيز من أجل قرارات معايرة" (RLCD)، والتي تُحسّن قدرة النموذج على إخراج احتمالات دقيقة ومعايرة على منطق تنفيذي محدد سلفاً بدلاً من إجابات حرة الصياغة.
مكاسب سرعة كبيرة يرصدها المستخدمون الأوائل
بما أن المطورين يحددون النتائج الممكنة مسبقاً، تقول TypeSafe إن Jev لا يمكن أن يقع في الهلوسة كما تفعل النماذج المحادثية. أظهرت الاختبارات الداخلية زمن استجابة شامل يتراوح بين 70 و500 ميلي ثانية، كما أظهرت معايير أداء منفصلة أن Jev يعمل بسرعة تصل إلى 193.6 ضعف سرعة النماذج المحادثية المتقدمة على مهام مماثلة.
استبدلت Vercel نموذج ChatGPT Luna 5.6 من OpenAI بـ Jev في مهمة تصنيف، وأفادت بنتائج أسرع بمقدار 5 إلى 18 مرة، مع دقة أعلى في تلك المهمة تحديداً. أما شركة Bryo AI فأجرت مقارنتها الخاصة، واضعة Jev في مواجهة Gemini من Google لتصنيف رسائل بريد إلكتروني تجارية.
وجدت Bryo AI أن تكلفة Jev أرخص بمقدار 10 إلى 20 مرة من Gemini في هذه المهمة، رغم تفوق Gemini بدقة طفيفة.
هذه المفاضلة، أرخص وأسرع لكن ليس الأدق دائماً، تلخّص فكرة Jev: هو لا يحاول التفوق في الاستدلال على النماذج اللغوية الكبيرة العامة، بل يسعى لتجاوزها سرعةً في قرارات ضيقة ومحددة جيداً وبكلفة أقل بكثير.
التسعير يعكس هذا التموضع
يتقاضى Jev 0.042 دولار لكل مليون توكن مُدخل، ولا يحتسب توكنات المخرجات إطلاقاً، وهو نمط تسعير قد يبدو غريباً لنموذج محادثي لكنه منطقي لنظام مخرجاته قصيرة وبصيغة ثابتة بدلاً من نص مطوّل مُولَّد.
بالنسبة لفرق الهندسة التي تدير عمليات تصنيف أو توجيه أو تقييم بحجم كبير، يقدم Jev بديلاً عن إقحام روبوت محادثة عام في مهمة لم يُحسَّن أصلاً لأدائها. أما ما إذا كانت هذه الفجوة السوقية كافية لدعم شركة نموذج مستقلة، فهذا سؤال ستجيب عليه TypeSafe عملياً من خلال عملائها المدفوعين.
التغطيات والأبحاث الأصلية التي استند إليها هذا المقال.
فريق تحرير واكب
تم إعداد هذه المراجعة وتلخيصها بواسطة محرك الذكاء الاصطناعي الخاص بواكب ومراجعتها وتدقيقها من قبل فريقنا التحريري لضمان الدقة والموثوقية.
اشترك في النشرة البريدية
احصل على ملخص أسبوعي لأبرز أبحاث وأدوات الذكاء الاصطناعي مباشرة في بريدك.
قناة التليجرام
تابع تغطيتنا اللحظية ونقاشاتنا حول آخر مستجدات وأنظمة الذكاء الاصطناعي.
