نماذج متخصصة بكسور الدولار: كيف يفكك وكيل برمجيات احتكار التدريب؟

بدأ التحول من مفارقة تشغيلية تكلف فرق الذكاء الاصطناعي ميزانياتها شهريًا: نموذج إعادة صياغة الأوامر الملحق بنظام «Qwen-Image 2.1» يزن تسعة مليارات معامل، ويستهلك عشرين غيغابايت من الذاكرة، ويستهلك آلاف الرموز البرمجية قبل أن يكتب فقرة واحدة. لم تكن منصة «Hugging Face» تحوي سوى نسخ مضغوطة من الحجم الضخم نفسه، ما دفع المطور يوفراج شارما إلى تكليف وكيل برمجي يدعى «ML Intern» عبر واجهة «HuggingChat» بصياغة نسخة مصغرة. النتيجة التي خرجت في اليوم التالي لم تتجاوز 0.8 مليار معامل، وتعمل على معالج مركزي عادي، محققة مخرجات صالحة بنسبة 99.7 في المئة، وبربع الرموز البرمجية، وبفاتورة حوسبة لم تتجاوز ستة عشر دولارًا شملت توليد وتسمية 8797 طلبًا تجريبيًا بوساطة النموذج الأكبر.

هذه التجربة لم تكن مصادفة فردية بل فاتحة لمنهجية جديدة أنتجت خمسة نماذج إضافية خلال أيام، وبلغ إجمالي حوسبتها مجتمعة نحو 103 دولارات. آلية العمل تكشف كيف يتبدل دور المهندس البشري من كتابة كود التدريب سطرًا بسطر إلى وضع القيود الصارمة والموازنات المالية المحكمة. يبدأ الوكيل مهامه بميزانية مقدارها صفر دولار، ويطلب موافقة صريحة قبل أي إنفاق، ثم يخطط العمل، ويجري اختبار فحص أولي للتحقق من تغير الأوزان بعد خمسين خطوة تدريبية، قبل أن يدير عمليات التدريب والتقييم والنشر على عتاد المنصة.

الأمثلة الموثقة في المشروع تظهر تنوع المخرجات التخصصية وكسرها لمعادلة الكلفة التقليدية. في التشخيص الزراعي، دمج الباحث ثلاث مجموعات بيانات من منظمة «Project-AgML» لإنشاء مجموعة تحوي 3017 صورة مشروحة تغطي 21 آفة ومرضًا ونقصًا غذائيًا وطريقة علاج. النموذج الأساسي «Qwen3.5-2B» لم يكن يحدد المشكلة بدقة تتجاوز 14.9 في المئة على 335 صورة اختبار، لكن الوكيل تولى الضبط الدقيق عبر دورتين تدريبيتين على معالج «A10G» بكلفة بلغت دولارًا وتسعين سنتًا فقط، لتقفز دقة التشخيص إلى 52.8 في المئة. وتكرر الأمر في بناء نموذج «LoRA» لشخصية «Huggy» على قاعدة «FLUX.2 klein» بكلفة بلغت 7.60 دولارات، ونموذج لتدوير زوايا الكاميرا بعد معالجة 24722 صورة ومئتي خطوة تدريب بكلفة ستة عشر دولارًا، وتعديل الصور عبر نموذج خربشة مخصص بكلفة 24.30 دولارًا استلزمت 59 وظيفة حوسبة.

أما قمة التوفير التشغيلي فظهرت في تقطير النماذج التوليدية لتلائم الأجهزة المحدودة. نموذج «Agate Preview 002» لتوليد الصور من النصوص يحوي 260 مليون معامل لكنه كان يتطلب خمسين خطوة توليد وتوجيهًا يفرض مئة تمريرة شبكية لكل صورة. تولى الوكيل البرمجي تقطيره إلى أربع خطوات فقط عبر جولتين استغرقتا معًا نحو 21 ساعة وتكلفتا 37 دولارًا على بطاقات «A100»، ثم جرى تصديره بصيغة «ONNX» ليعمل مباشرة داخل متصفح الويب بدقة تفوقت على النموذج الأصلي عند عدد الخطوات نفسه، بينما أُنتج النموذج المصغر الآخر بصيغة «GGUF» وبحجم 812 ميغابايت ليعمل على المعالجات المكتبية.

هذا التحول ينقل المطور من كتابة الشفرات إلى إدارة الموازنات التشغيلية وهندسة القيود. حين تصبح كلفة إنتاج نموذج تشخيصي زراعي أو محرر أوامر جداري أقل من ثمن وجبة غداء، تسقط الحجة التي تحصر الابتكار في الكيانات العملاقة ذات الميزانيات المليارية. ما يحسم الجدارة اليوم ليس امتلاك مزارع معالجات رسومية ضخمة، بل القدرة على بناء مجموعات بيانات متخصصة، ووضع معايير تقييم قبلية، وتوجيه الأنظمة الوكيلة لتقليص حجم النماذج حتى تعمل على أرخص العتاد المتاح.

لهذا التطور أثر مباشر على فرق التطوير التقني والشركات الناشئة في الخليج ومصر والمنطقة عمومًا. المؤسسات المالية والجهات الحكومية التي تبحث عن نشر نماذج لغوية وبصرية محلية مقيدة بمتطلبات سيادة البيانات وحصانة الخوادم الداخلية، تجد في هذا المسار مخرجًا عمليًا من فواتير الاستدلال الباهظة والارتهان للبنى السحابية الخارجية. بدل استيراد نماذج عملاقة بمليارات المعاملات تتطلب خوادم باهظة التكلفة، بات بوسع الفرق الإقليمية استغلال الوكلاء لتقطير النماذج وتخصيصها بدقة متناهية لتعمل محليًا على معالجات عادية وبكلفة تدريب لا تتجاوز بضع عشرات من الدولارات، ما يعيد تسعير مشاريع الرقمنة والسيادة التقنية من الأساس.