ما الذي أعلنته Thinking Machines باختصار
أعلنت شركة Thinking Machines إطلاق نموذج مفتوح جديد باسم Inkling 2 Mini، وهو ما تصفه الشركة بأنه «محوّل بحلقات» (looped transformer). والفكرة التقنية التي يقوم عليها بسيطة في وصفها وعميقة في أثرها: بدل أن يمرّ كل رمز في النموذج على الطبقات مرة واحدة، تُعاد طبقات محددة منه عدة مرات متتالية. وبحسب إعلان الشركة، فإن Inkling 2 Mini يشغّل 12 من طبقاته الـ24 ثلاث مرات على التوالي، وهو ما يتيح للنموذج أن «يفكر» داخليًا لمدة أطول دون أن يولّد نصًا أكثر، فيصل إلى الإجابة الصحيحة بعدد أقل من الرموز.
ومن حيث البنية، فهو نموذج «مزيج خبراء» (mixture-of-experts) مفتوح، بعدد معاملات يبلغ 26.4 مليار معامل، منها 5.4 مليار معامل نشطة لكل رمز بسبب الحلقات، بحسب الشركة. ويعالج النصوص والصور، ونافذته السياقية تبلغ مليون رمز، ورخصته Apache 2.0. ويتصدر، وفق الإعلان، جميع النماذج المفتوحة دون 100 مليار معامل في اختبارات الترميز القائم على الوكلاء، مسجلًا 48.2 بالمئة في DeepSWE v1.1 و46.5 بالمئة في Vals Index v2.2.
أما من جهة التشغيل، فيعمل النموذج محليًا على أجهزة Mac بذاكرة لا تقل عن 32 غيغابايت، وعلى Nvidia DGX Spark. وأتاحت الشركة تنزيل الأوزان ونسخة بحثية بحلقات متغيرة على Hugging Face، كما يمكن تجربته في Tinker Playground، بحسب تقرير The Decoder.
الفرق: لماذا «التفكير في حلقات» ليس مجرد اسم تسويقي
المقارنة الأولى والأوضح هي مع النماذج المفتوحة من الحجم نفسه. فبحسب Artificial Analysis، يحصل Inkling 2 Mini على 20 نقطة في مؤشر الذكاء، متعادلًا مع Qwen3.8 27B (xhigh) وNanbeige4.3-33B، لكن بكلفة أقل بنحو ستة أضعاف وسرعة تبلغ أربعة أضعاف. وهذه المفارقة — تعادل في النتيجة مع كلفة وسرعة أفضل بكثير — هي جوهر ما يستحق التحليل، لأنها تعني أن النموذج يقع على «حدود باريتو» (Pareto frontier) وفق التقرير: لا يمكن تحسين أحد البعدين دون التضحية بالآخر.
والفرق الثاني بنيوي لا رقمي. النماذج السائدة اليوم تعالج المشكلة الصعبة بأن «تكتب تفكيرها»: خطوة خطوة، رمزًا بعد رمز، فيزيد طول المخرجات وزمنها وكلفتها. أما الحلقات فتنقل جزءًا من هذا التفكير إلى الداخل: تعيد الطبقات الحساب على التمثيل الداخلي نفسه بدل توليد كلام إضافي. والنتيجة العملية، كما يصفها الإعلان، إجابات صحيحة برموز أقل.
والفرق الثالث أن هذا ليس نموذجًا سحابيًا يُستدعى عبر واجهة برمجية فقط. فهو يعمل على حاسوب محمول بذاكرة 32 غيغابايت وعلى جهاز مكتبي صغير مثل DGX Spark، وهذا يضعه في موقع مختلف عن النماذج المغلقة الكبرى التي تفترض اتصالًا دائمًا ومركز بيانات.
| المعيار | Inkling 2 Mini | البدائل المفتوحة القريبة |
|---|---|---|
| البنية | محوّل بحلقات، مزيج خبراء | محوّلات تقليدية |
| المعاملات | 26.4 مليار، منها 5.4 نشطة | أحجام مشابهة أو أكبر |
| الرخصة | Apache 2.0 | متفاوتة |
| مؤشر الذكاء | 20 نقطة | 20 نقطة لـQwen3.8 27B |
| الكلفة والسرعة | أقل بنحو 6 أضعاف وأسرع 4 أضعاف | الأساس للمقارنة |
| التشغيل | محلي على 32 غيغابايت | غالبًا سحابي |
فيمَ يفيد فعلًا: ثلاث حالات عملية للقانونيين والمبدعين
أولًا، مراجعة العقود الطويلة. نافذة المليون رمز تعني أن مكتبًا يستطيع تحميل ملف صفقة كامل — مسودة وملاحق ومراسلات — وطرح أسئلة عليه. والميزة ليست في الحجم وحده، بل في أن النموذج يصل إلى الإجابة برموز أقل، أي أن تكلفة كل استعلام تنخفض. عمليًا: محامٍ يراجع عقد توريد دولي يرفع كل النسخ ويسأل عن التعارضات بين بندي التعويض والحد الأقصى للمسؤولية، فيحصل على إجابة مع مواضعها بدل أن يقرأ مئات الصفحات يدويًا. ولمن يريد بناء هذا المسار بمراجعة بشرية، اطّلع على الذكاء الاصطناعي وصياغة العقود: سير عمل مع مراجعة بشرية.
ثانيًا، الأتمتة القائمة على الوكلاء داخل المكتب. فالنموذج يتصدر اختبارات الترميز القائم على الوكلاء وفق الشركة، وهذا يعني قدرة أعلى على تنفيذ مهام متسلسلة لا مجرد إجابة سؤال. عمليًا: مساعد يقرأ بريدًا واردًا، ويستخرج المواعيد النهائية، ويضعها في جدول، ويصوغ مسودة رد — كل ذلك على جهاز المكتب دون إرسال بيانات الموكل إلى سحابة خارجية. وهنا يفيد الرجوع إلى تدريب الوكيل الذكي على مصادر المكتب بأمان وإلى الوكيل الذكي.
ثالثًا، أصحاب الأفكار والمبدعون. تشغيل النموذج محليًا على حاسوب محمول يعني أن كاتبًا أو مصممًا أو باحثًا يستطيع تجريب أفكاره ومسوداته الأولى دون كشفها لأي منصة. عمليًا: صاحب مشروع إبداعي يريد اختبار جدوى فكرة قبل إطلاقها يسأل النموذج عن نقاط ضعفها وعن سيناريوهات رفض السوق، فيحصل على تحليل أولي يبقي الفكرة داخل جهازه، ثم ينتقل إلى تقييم منظم كما في تقييم الأفكار قبل التنفيذ.
على مَن وماذا سيؤثر: خريطة التأثير العملية
السوق الأكثر تأثرًا في تقديري هو سوق النماذج المحلية الصغيرة. فحتى الآن كان الاختيار بين نموذج مفتوح صغير لكنه محدود القدرات، أو نموذج قوي لكنه سحابي ومكلف. وإذا صحّت أرقام Artificial Analysis عن التعادل بكلفة أقل بستة أضعاف وسرعة أعلى بأربعة، فإن الفجوة بين الخيارين تضيق، وهو ما يدفع الشركات إلى إعادة حساب معادلة «سحابة أم جهاز».
وثانيًا، طريقة العمل داخل المكاتب القانونية. فوجود نموذج بهذه القدرة على جهاز واحد يعني أن المكاتب الصغيرة والمتوسطة قد تحصل على قدرات كانت حكرًا على الكبرى التي تدفع اشتراكات مؤسسية ضخمة. والأثر الأرجح ليس إحلال المحامين، بل إعادة توزيع الوقت: يقلّ العمل الميكانيكي في القراءة الأولى والتصنيف والتلخيص.
وثالثًا، المنافسون. فالنماذج المفتوحة الأخرى من الحجم نفسه ستُقاس بهذا المعيار المزدوج — نتيجة عالية وكلفة منخفضة — لا بالنتيجة وحدها. والشركات التي تبيع الاشتراكات على أساس «قوة النموذج» ستضطر إلى تبرير الفارق في الكلفة والسرعة أيضًا.
ورابعًا، المهن القريبة: مسؤولو الالتزام، وفرق مراجعة المستندات، وموظفو الإدخال والتصنيف. وحيث يثبت النموذج جدارته في مهام متسلسلة، فإن العمل الذي يوصف اليوم بأنه «إدخال وتنسيق» هو الأقرب إلى إعادة التشكيل.
ما ينبغي الانتباه له: أربعة حدود لا يمحوها الأداء
الخصوصية أولًا. كون النموذج يعمل محليًا لا يعني تلقائيًا أن كل شيء آمن؛ فطريقة تشغيله وربطه بالملفات والبريد هي ما يحدد ذلك. والخطوة الأولى لأي مكتب هي سياسة مكتوبة لحدود الاستخدام، على غرار ما في سرية بيانات الموكلين والذكاء الاصطناعي.
والدقة ثانيًا. النموذج يقلل عدد الرموز، لكن قلة الرموز ليست دليلًا على صحة الاستنتاج. وقد يصل إلى إجابة مختصرة مقنعة وهي خاطئة، وهذا خطر خاص في السياقات القانونية حيث الصياغة الدقيقة هي المسألة نفسها. القاعدة العملية: كل مخرج يُراجع مقابل المصدر الأصلي.
والملكية الفكرية ثالثًا. رخصة Apache 2.0 مرنة عمومًا، لكن مرونة الرخصة في النموذج لا تعني ملكية المخرجات ولا تمحو حقوق أصحاب النصوص التي دُرّب عليها. والمكتب الذي يبني منتجًا معرفيًا فوق هذا النموذج يحتاج إلى مراجعة شروط الاستخدام قبل التسويق، وهو ما يتصل بموضوع الفكرة أصل: كيف تحمي فكرتك وتُسعّرها؟.
وحدود الاستخدام رابعًا. لم تعلن الشركة، بحسب المصادر المتاحة، تفاصيل عن أداء النموذج في العربية أو في النصوص القانونية غير الإنجليزية، ولا عن دعم رسمي للغات المحلية. وهذه نقطة يجب التحقق منها عمليًا قبل الاعتماد عليه في عمل عربي.
كيف تجربه وما الخطوة التالية
بحسب تقرير The Decoder، يمكن تنزيل أوزان النموذج والنسخة البحثية ذات الحلقات المتغيرة من Hugging Face، ويمكن تجربته مباشرة في Tinker Playground. ويشترط التشغيل المحلي وجود جهاز Mac بذاكرة 32 غيغابايت على الأقل، أو Nvidia DGX Spark.
والخطوة العملية المقترحة هي تجربة محدودة النطاق: اختر مهمة واحدة متكررة في عملك — تلخيص ملف، أو استخراج مواعيد، أو مقارنة بندين — وشغّلها على النموذج وقارن النتيجة بما تحصل عليه من أدواتك الحالية، من حيث الدقة والزمن والكلفة. ولا توسّع التجربة قبل أن تجيب عن سؤال المراجعة: من يعتمد المخرج النهائي، وماذا يحدث إن كان خاطئًا؟ وهذا سؤال المسؤولية نفسه الذي ناقشناه في مسؤولية المحامي والوكيل الذكي.
المصادر
أسئلة شائعة
ما معنى «محوّل بحلقات» في Inkling 2 Mini؟
هو نموذج يعيد تشغيل طبقات محددة أكثر من مرة لكل رمز. وبحسب إعلان Thinking Machines، يشغّل Inkling 2 Mini اثنتي عشرة من طبقاته الأربع والعشرين ثلاث مرات متتالية، فيتيح له ذلك التفكير داخليًا أطول دون توليد نص إضافي، والوصول إلى الإجابة بعدد أقل من الرموز.
هل يعمل النموذج على حاسوب عادي؟
بحسب تقرير The Decoder، يعمل محليًا على أجهزة Mac بذاكرة 32 غيغابايت على الأقل، وعلى Nvidia DGX Spark. وهذا يجعله خيارًا لمن يريد تشغيل النموذج داخل جهازه بدل الاعتماد على خدمة سحابية، مع ما يعنيه ذلك من اعتبارات تتعلق بالسرية وإدارة الملفات.
كيف يcompare أداء Inkling 2 Mini بغيره من النماذج المفتوحة؟
بحسب Artificial Analysis، يسجل 20 نقطة في مؤشر الذكاء، متعادلًا مع Qwen3.8 27B وNanbeige4.3-33B، لكن بكلفة أقل بنحو ستة أضعاف وسرعة أربعة أضعاف. وبحسب الشركة يتصدر النماذج المفتوحة دون 100 مليار معامل في اختبارات الترميز القائم على الوكلاء. والأرقام من أصحابها ولم تعلن تفاصيل أداء بالعربية.
تريد أن تطبّق هذا على عملك أو على فريقك؟ أخبرني أين تقف الآن، وأردّ عليك بنفسي.
تواصل معي



