اختبار «بوتلد» يختبر حدود الاستدلال: لماذا تعجز النماذج عن تعليب قدراتها برخص؟

يكتشف مدير البنية التحتية سريعًا أن استدعاء نموذج لغوي كبير ملايين المرات لتصنيف استعلام أو فرز معاملة متكررة هو استنزاف مالي لا تستديمه أي ميزانية، لكن السؤال الذي واجهته أحدث الأوراق البحثية المنشورة على منصة أركايف في السادس من أكتوبر 2026 كان محددًا بدقة: هل يمتلك الوكيل الذكي القدرة على هندسة بديله الأرخص ذاتيًا وتحويل قدراته المعرفية العامة إلى أدوات مدمجة وقابلة للتكرار؟

هذا المفهوم، الذي أطلق عليه الباحثون أنكيت سونثاليا وهاريتز بويرتو وألكسندر روبنشتاين ومارتن غوبري وسونغ جون أوه اسم «التعليب»، يقوم على تمكين الوكلاء من تحويل إمكاناتهم العريضة إلى حلول مخصصة للمهمة توازن بدقة بين جودة الإجابة والتكلفة التراكمية. ومن أجل اختبار هذه الفرضية، صمم الفريق معيارًا تقييميًا جديدًا يحمل اسم «بوتلد»، حيث تُمنح النماذج حجم عمل كاملًا غير مصنف، وتُطالب بإنجازه تحت قيود صارمة من الوقت وقدرات الحوسبة وميزانيات واجهات البرمجة، مع ترك الحرية للنموذج لاختيار مساره، سواء بتدريب نموذج صغير مخصص أو كتابة برنامج برمجي قابل لإعادة الاستخدام.

النتائج التي شملت عشرة نماذج عبر ثلاث مهام كشفت فجوة حادة بين التباهي بالذكاء العام والقدرة على خفض التكاليف. أظهرت التجارب أن التفوق في الاختبارات الصفرية التقليدية لا يترجم بالضرورة إلى كفاءة في عملية التعليب، إذ سجلت ثمانٍ وأربعون جولة تعليب من أصل ستين جولة أداء أقل من الحد الأدنى لفترة الثقة البالغة خمسة وتسعين بالمئة لأداء النموذج الأصلي في وضعه الصفري. بل إن إحدى وثلاثين جولة عجزت عن مجاراة أساليب التقطير التقليدية الموجهة للنماذج الصغيرة ضمن ميزانية الرموز نفسها، مما يثبت أن تقارب النماذج في مقاييس الأداء العامة ينهار تمامًا عندما يُطلب منها هندسة حلولها الاقتصادية المستقلة.

لكن حين ينجح التعليب، تصبح الوفورات المالية كاسحة ومزلزلة لاقتصاديات التشغيل. في مهمة تصنيف مدى ملاءمة الاستعلام للمنتج، نجح نموذج «أوبوس 5» في الاحتفاظ بنحو اثنين وثمانين بالمئة من درجته في مقياس إف 1 الماكرو مع خفض التكلفة المعلنة بمقدار ستمئة وسبعة وخمسين ضعفًا مقارنة بتكلفة الاستعلام الفردي المباشر. بل نافس النموذج بنجاح نموذج «جيف»، وهو نظام مصمم خصيصًا لمهام الاستدلال الرخيصة والمتكررة، حيث استعاد «أوبوس 5» نحو أربعة وتسعين بالمئة من أداء «جيف» بربع التكلفة التشغيلية الإجمالية المتوقعة لعبء العمل بأكمله.

هذا التحول التقني يعيد صياغة معادلة الإنفاق الرقمي للشركات التقنية والمصارف في الخليج ومصر. فبدلًا من الاستمرار في دفع فواتير استدلال مفتوحة ومتقلبة لمزودي السحابة العالميين لقاء تصنيف البيانات وفرز السجلات اليومية، تفتح أبحاث التعليب الباب أمام تحويل ميزانية الاستدلال إلى استثمار لمرة واحدة في تدريب نماذج مصغرة أو صياغة شيفرات برمجية خفيفة تؤدي الغرض محليًا. غير أن النتائج الحذرة في معيار «بوتلد» تفرض على مديري التقنية في المنطقة عدم الانجراف خلف وعود أتمتة التقطير بالكامل، فالاعتماد الأعمى على الوكلاء لتلخيص أنفسهم قاد إلى تراجع ملحوظ في دقة النتائج في أكثر من نصف الحالات.

احسب تكلفة استدعاءاتك المتكررة بدقة وقارنها بتكلفة بناء نموذج خفيف لمرة واحدة، فالفارق بين الفاتورتين قد يعيد تشكيل ربحية مشروعك بالكامل. ما تثبته نتائج «بوتلد» هو أن الانتقال من الاستهلاك المباشر للنماذج الضخمة إلى تعليب المعرفة داخل برمجيات مدمجة هو ميدان المنافسة الفعلي القادم، لكن نجاح هذا المسار لا يزال مرهونًا بحوكمة هندسية تضمن ألا تأتي الوفورات المالية على حساب جودة القرار.