مسترال تطلق «شيلدسترال»: مصنّف سلامة مفتوح الأوزان بثلاثة مليارات معلمة يتفوّق على نماذج أكبر منه سبع مرّات

أطلقت مسترال (Mistral AI) نموذج «شيلدسترال» (Shieldstral)، مصنّف سلامة متعدد الوسائط مفتوح الأوزان بحجم ثلاثة مليارات معلمة، يحقّق أداءً يضاهي نماذج أكبر منه بما يصل إلى سبع مرّات، ويضع معيارًا جديدًا في الاعتدال متعدد الوسائط. النموذج متاح تحت رخصة أباتشي 2.0 (Apache 2.0)، ويعمل على بطاقة رسوميات واحدة بسعة 16 جيجابايت، ما يجعله قابلًا للنشر على نطاق واسع دون حاجة إلى بنى تحتية ضخمة.

السلامة كسؤال بلغة طبيعية، لا كتصنيف ثابت

المقاربة الجوهرية التي يتميّز بها شيلدسترال هي صياغة مهمة الاعتدال كـ «سؤال نعم/لا» بلغة طبيعية يُمرّر وقت الاستدلال (inference). بدلًا من تثبيت مجموعة مغلقة من فئات الضرر في أوزان النموذج، كما تفعل نماذج الحواجز التقليدية، يقبل شيلدسترال «تعليمات» (Instruct) تحدد سياق التقييم ودرجة الصرامة، و«سؤالًا» (Query) واحدًا بصيغة نعم/لا (مثل: «هل يحضّ هذا المحتوى على العنف الجسدي؟»)، و«وثيقة» (Document) هي المحتوى المراد فحصه: نص، صورة، أو نص مع صورة. يقرأ النموذج فقط لوغيتس (logits) الكلمتين «نعم» و«لا»، ثم يطبع درجة سلامة معيّرة (calibrated) تتراوح بين الصفر والواحد.

هذه الصياغة الموحّدة تفعل أكثر من مجرد تبسيط الواجهة: تجمع تحت سقف واحد تصنيف المحفّزات (prompt classification)، اعتدال الردود (response moderation)، كشف الرفض (refusal detection)، وكشف السمّية (toxicity detection)، وتسمح بتغيير سياسة السلامة عند النشر دون إعادة تدريب. لمنصة عربية تقدّم خدماتها لمستخدمين في السعودية والإمارات ومصر، يعني ذلك القدرة على تكييف معايير السلامة مع السياق الثقافي والتنظيمي المحلي فورًا، لا بعد أشهر من إعادة التدريب.

أرقام التدريب: 54.1 مليون عينة، ومصادر غير متجانسة موحّدة

يكشف التقرير التقني (arXiv:2607.25857) أن الفريق بنى مجموعة تدريبية تبلغ نحو 54.1 مليون عينة، جُمعت من بيانات سلامة عامة ومجموعات تولّدت اصطناعيًا. التحدي كان في أن كل مصدر يحمل تصنيفه الخاص (taxonomy) واتفاقيات وسم مختلفة، من علامات ثنائية آمنة/غير آمنة إلى تصنيفات دقيقة متعددة العلامات. حلّ الفريق ذلك بتحويل كل مجموعة بيانات إلى تنسيق «تعليمات، سؤال، وثيقة» موحّد، مع تنويع صياغة التعليمات والأسئلة والفواصل بين المحفّز والرد، كي يعمم النموذج على صيغ السياسات بدلاً من حفظ نمط واحد. كما عُيِّرت درجة الصرامة لكل مصدر: صارمة لبيانات كسر الحماية (jailbreaks)، متسامحة لبيانات جودة الردود، ما علّم النموذج حدود قرار معيّرة (calibrated decision boundaries).

التفوق على النماذج الأكبر: معايير النص والصورة

في اختبارات السلامة النصية، يضاهي شيلدسترال أو يتفوّق على نماذج حواجز مفتوحة تصل إلى سبعة أضعاف حجمه. في كشف الرفض (refusal detection) يتقدّم على نماذج 8B و 20B و 27B معلمة. والأهمّ: في الاعتدال متعدد الوسائط (نص + صورة) يحقّق أداءً يفوق «لاما غارد 3» (Llama Guard 3) الذي يبلغ 8 مليارات معلمة، و«جيه 1» (GPT-4o) في بعض المقاييس، مع أنه أصغر منهما بمرّات. النموذج يغطي أيضًا التكيف مع سياسات جديدة (policy adaptability) بمجموعة تقييم دقيقة الصنع تختبر قدرة النموذج على تطبيق سياسات لم يراها أثناء التدريب.

السياق الجيوسياسي: حلف الأمن المفتوح والسيادة الرقمية

شيلدسترال ليس إصدارًا معزولًا؛ هو أول مساهمة تقنية جوهرية من مسترال كعضو مؤسس في «حلف الذكاء الاصطناعي الآمن المفتوح» (Open Secure AI Alliance) الذي تقوده إنفيديا (NVIDIA) ويضم أكثر من 120 مؤسسة، من بينها كوهير (Cohere) وغيرها. يهدف الحلف إلى بناء أدوات مفتوحة ومشتركة لتعلّم الحوادث الأمنية (incident learning)، والإفصاح المسؤول، وضوابط الأمان، أي تحويل نتائج التحقيقات السرية في الاختراقات إلى حماية جماعية أقوى. إطلاق نموذج سلامة مفتوح الأوزان وقابل للنشر محليًا يخدم مباشرة هدف «السيادة الرقمية» (Digital Sovereignty): يمنح المؤسسات والحكومات في المنطقة القدرة على تشغيل طبقة حماية سيادية على بياناتها، دون إرسال المحتوى الحساس إلى واجهات برمجية خارجية، ودون الارتباط ببائع مغلق (vendor lock-in).

ماذا يعني هذا للمطورين وصنّاع القرار في المنطقة

لمن يبني منتجًا عربيًا يعتمد على نماذج لغوية، سواء في التقنية المالية، الصحة، التعليم، أو الخدمات الحكومية، توفّر شيلدسترال طبقة حماية جاهزة، خفيفة، وقابلة للتخصيص بسياسات عربية واضحة. حجم ثلاثة مليارات معلمة يعني تكاليف استدلال منخفضة، ونشرًا على الحافة (edge) أو داخل الشبكة الخاصة ممكنًا. الرخصة أباتشي 2.0 تمنح حرية التعديل والتوزيع التجاري. والتكامل مع منصة «فورج» (Forge) التابعة لمسترال يقدّم مسارًا لتدريب نسخ مخصّصة لقطاعات بعينها.

النموذج متاح للتحميل على «هاغينغ فيس» (Hugging Face) تحت المستودع mistralai/Shieldstral-1.0-3B، والتوثيق التقني على docs.mistral.ai/models/model-cards/shieldstral-1-0. التقرير الكامل على arXiv:2607.25857.