ساكانا AI تراهن على "نيمترون" من إنفيديا لتثبت أن النماذج الصغيرة المنسّقة يمكنها منافسة العمالقة

تخطو شركة ساكانا AI خطوة لافتة بدمج نماذج "نيمترون" (Nemotron) مفتوحة المصدر من إنفيديا في منظومتها "فوغو" (Fugu)، منسّق النماذج اللغوية الخاص بها. الهدف من هذه الخطوة اختبار فرضية جدلية: هل يمكن لمجموعة من النماذج الصغيرة، إذا نُسّقت بذكاء، أن تصمد في مواجهة الأنظمة الضخمة الموحدة من أوبن إيه آي وجوجل وأنثروبيك؟

فوغو لا يعمل كنموذج تقليدي واحد يتولى كل شيء. بل يوجّه المهام بشكل ديناميكي بين عدة نماذج لغوية، بحيث يختار في كل مرة النموذج الأنسب للمهمة المطروحة، عوضًا عن الاعتماد على نظام عام واحد يتكفّل بكل الطلبات. ومع دخول نيمترون إلى المعادلة، يحصل فوغو على أدوات جديدة، أبرزها نموذج "نيمترون 3 نانو أومني" (Nemotron 3 Nano Omni)، وهو نموذج متعدد الوسائط (Multimodal) يعالج النصوص والصور والفيديو والصوت في آن واحد، إلى جانب "نيمترون 3 ألترا" (Nemotron 3 Ultra)، نموذج متفرق البنية (Sparse) يضم نحو 550 مليار معامل (Parameters) إجمالي، لكن لا يُفعَّل منها فعليًا عند الاستدلال (Inference) سوى نحو 55 مليار فقط. وتحظى تشكيلة نيمترون من إنفيديا بسمعة قوية في البرمجة، واستدعاء الأدوات (Tool Calling)، واتباع التعليمات، وهي ثلاثة عناصر تصب مباشرة في قدرة منسّق مثل فوغو على توزيع المهام بكفاءة.

نتائج داخلية مبشّرة... لكن بشرط

أجرت ساكانا AI اختبارات قياس أداء (Benchmarks) داخلية تشير إلى أن هذا النهج له ما يبرره. وتقول الشركة إن تكوين "فوغو ألترا" أدى أداءً مماثلًا لكلود 3.5 من أنثروبيك ونسخة جيميني بريفيو من جوجل. إذا صمدت هذه النتائج أمام التقييم المستقل، فستمنح ثقلًا حقيقيًا لفكرة أن الدمج الذكي للنماذج الصغيرة قد يوازي مخرجات نموذج ضخم واحد، بجزء بسيط فقط من كلفة الحوسبة (Compute) المطلوبة.

غير أن هذا الزعم لا يخلو من تحفظات. فقد رصد مقيّمون مستقلون اختبروا إصدارات سابقة من فوغو مخاوف بشأن زمن الاستجابة (Latency) وكلفة التشغيل، وهي أعباء تنشأ غالبًا في أنظمة التنسيق (Orchestration) التي تحتاج إلى توجيه الطلبات وتقييمها، وربما ربط استدعاءات متعددة عبر عدة نماذج بدل الاستعلام من نموذج واحد فقط. وحتى الآن، لم توضح ساكانا AI بالتفصيل إن كانت إضافة نيمترون ستخفف من هذه التكاليف أم تزيدها.

أسئلة تقنية لا تزال معلّقة

لم تحدد الشركة أيضًا موعدًا دقيقًا لطرح النسخة المزوّدة بنيمترون من فوغو، مكتفية بالقول إن الدمج مقرر ضمن إصدار قادم. وهذا يترك أسئلة تقنية أكثر إثارة للاهتمام معلّقة بلا جواب: كيف تُتخذ قرارات التوجيه (Routing) عمليًا؟ وكيف سيبدو زمن الاستجابة الفعلي بعد دخول بنية نيمترون 3 ألترا المتفرقة إلى المعادلة؟ وهل ستصمد نتائج المقارنة مع كلود وجيميني أمام اختبارات مستقلة؟

بالنسبة لإنفيديا، تمثّل هذه الشراكة توسعًا لنطاق نيمترون خارج استخدام واجهات برمجة التطبيقات (API) المباشرة، ليصل إلى طبقة تنسيق من طرف ثالث، وهو ما يمثل نقطة تحقق إضافية لاستراتيجيتها القائمة على الأوزان المفتوحة (Open-weight). وبالنسبة لساكانا AI، فهذه فرصة لإثبات أن التنسيق، وليس الحجم وحده، قد يكون طريقًا مجديًا لتحقيق أداء يوازي أفضل النماذج المتقدمة، شرط ألا تعود مخاوف السرعة والتكلفة التي لازمت إصدارات فوغو السابقة إلى الظهور من جديد.