تحليل: OpenAI في موقع يتيح لها مجاراة Jev بسرعة

نموذج Jev من TypeSafe — الذي يعيد قرارات مُعايرة بدل نصوص مولّدة — انتشر سريعًا: وبحسب Vercel فإنه "اعتُمد أسرع من أي نموذج آخر في تاريخ AI Gateway". ويرى تحليل لـArcturus Labs نُشر في 21 سبتمبر أن OpenAI في موقع جيد لمجاراته بسرعة.

النماذج اللغوية تصنّف منذ زمن

نقطة البداية: يعمل Jev على بنية قريبة من نموذج لغوي كبير تقليدي — ووفق Latent Space فإن معظم نسخه المبكرة مبنية على نماذج لغوية. وبحسب هذا الطرح يقرأ Jev توزيع الاحتمالات للرمز التالي في خطوة واحدة: سؤال نعم/لا يختصر إلى النسبة بين رمزي true و false، وسؤال الاختيار إلى الخيارات المسمّاة.

تطبق OpenAI نسخة أضيق من هذا منذ ظهور استدعاء الأدوات: داخليًا يقرر الرمز الأول بعد ترويسة assistant ما إذا كانت أداة ستُستدعى أصلًا، وتختار الرموز التالية أي أداة. وهذه مصنّفات متخصصة، كما تلاحظ المقالة، بينما يُفترض أن يكون تصنيف Jev عامًا.

الدرع: بيانات التدريب والتعلم المعزز

لا توفر البنية حماية كبيرة؛ الدرع الأرجح هو بيانات تدريب TypeSafe وعمليتها. وفي منصة X قال الشريك المؤسس Diogo Almeida إن الشركة تعتبر نفسها "مختبر أبحاث بيانات"، وإن بياناتها "عامة حقًا (أشبه بنواة معرفية)" و"اصطناعية بنسبة 100%".

يخمّن الكاتب أن تجميعًا كهذا يقرن حالات بنتائج معروفة لتدريب معايرة عامة. لكن كل ذلك لا يشكّل درعًا ما لم يكن Jev دقيقًا فعلًا: يقول إنه وجد مجالات لا تصمد فيها احتمالاته.

خطوة OpenAI المرجّحة

المسار الواضح هو نسخ Jev وإصدار نوع نموذج جديد؛ فلدى OpenAI المهارة والعتاد والتمويل. أما الأكثر إثارة فهو دمج التصنيف في نموذج لغوي تقليدي: يمكن للنموذج إدراج وسم مثل <prediction> أثناء التفكير، فتقرأ طبقة التشغيل قيم logits لرمزي true و false، وتكتب النتيجة المُعايرة نصًا.

سيمكّن ذلك النموذج من فحص افتراضاته أثناء التفكير، ورصد استدعاء أداة غير آمن أو محاولة prompt injection، وتوزيع العمل بين نماذج أكبر وأصغر.

ماذا يعني ذلك لـTypeSafe

إذا كان الدرع صعب التقليد فعلًا فالأرجح أن تصمد TypeSafe، وقد يُستحوذ عليها من OpenAI بدل أن تُهزم تنافسيًا؛ وإذا كان رقيقًا ستُغلق نافذة TypeSafe بسرعة. ويقول Almeida لـLatent Space: "إذا كانت جودة النموذج مهمة، فسنبقى في موقع جيد جدًا لفترة طويلة".