«إرهاق النماذج» يتفشى مع سباق مختبرات الذكاء الاصطناعي على الإصدارات الأسبوعية

في أسبوع واحد فقط في مطلع سبتمبر 2026، أطلقت أربعة من أكبر مختبرات الذكاء الاصطناعي في العالم نماذج جديدة. طرحت أنثروبيك نموذجي Claude Fable 5.1 وClaude Mythos 5.1. وأصدرت ميتا نموذج Muse Spark 1.3. وكشفت غوغل عن Gemini 3.8 Flash. ثم تبعتها أوبن إيه آي بإصدار GPT-6 Astra، وهو نموذج قالت الشركة إنه يركز على الأمن السيبراني ومهارات التعامل مع الحاسوب، وجاء ثمرة «سنوات من البحث ورهانات كبرى». وفي الأسبوع نفسه، أضافت جامعة محمد بن زايد للذكاء الاصطناعي في أبوظبي عائلة نماذجها المفتوحة المصدر K2 Horizon، ووافقت شركة إنفيديا لصناعة الرقائق على شراء منصة المصادر المفتوحة Hugging Face مقابل 12.9 مليار دولار. والنتيجة، بحسب مسؤولين تنفيذيين وباحثين تحدثوا لشبكة CNBC، هي ظاهرة يسمونها «إرهاق النماذج»: إنهاك متصاعد يطال المهندسين الذين يبنون هذه الأنظمة، والشركات التي يُفترض أن تختار من بينها.

لماذا لا تُبطئ المختبرات وتيرتها

يقول أحمد عباسي، الأستاذ في كلية مندوزا لإدارة الأعمال بجامعة نوتردام والباحث في الذكاء الاصطناعي منذ 25 عامًا، إن هذا التكدس في الإصدارات ليس صدفة. ويضيف أن كبرى الشركات المطورة «تلعب جميعها لعبة الاستحواذ على حصة من ميزانية العميل»، متسابقةً على تذكير العملاء والمطورين بأنها تبتكر بالسرعة نفسها على الأقل مثل منافسيها. وتدفع أنثروبيك وأوبن إيه آي، اللتان يقدّر المستثمرون الخاصون قيمة كل منهما بنحو تريليون دولار، بقوة أكبر مع اقترابهما من طرح محتمل للاكتتاب العام. وقال سام ألتمان، الرئيس التنفيذي لأوبن إيه آي، لشبكة CNBC إن «الجميع ينتقل إلى وتيرة أسرع»، عازيًا جزءًا من هذا التسارع إلى عودة الفرق من إجازة الصيف.

وتُفسّر المصالح المالية الضخمة هذا الإلحاح. تتوقع شركة الأبحاث غارتنر أن يصل الإنفاق العالمي على الذكاء الاصطناعي إلى 2.59 تريليون دولار في 2026، بزيادة 47% عن 2025، على أن يذهب أكثر من تريليون دولار منه إلى الخدمات والبرمجيات والأمن والنماذج وأدوات أخرى، لا إلى البنية التحتية وحدها. وأي عائلة نماذج تتأخر عن موعد إصدارها تخاطر بفقدان جزء من تلك الميزانية لصالح منافس مستعد لإطلاق منتجه أسرع، حتى وإن كانت معظم إصدارات هذا الأسبوع، كما أشار نوح فارو، مسؤول التكنولوجيا في شركة فارسايت الناشئة للتكنولوجيا المالية القائمة على الذكاء الاصطناعي، مجرد «إصدارات جزئية»، أي تحديثات لنماذج قائمة لا نماذج جديدة كليًا. ويقول فارو إن آخر الإصدارات التي غيّرت المعادلة فعلًا كانت Fable 5 من أنثروبيك في يونيو، وKimi K3 من شركة Moonshot AI في يوليو.

أشعر بأن إرهاق النماذج أمر حقيقي فعلًا. لا تسيئوا فهمي، فأنا متحمس جدًا لكل هذا الابتكار الذي يحدث، لكنني أعتقد حقًا أننا في بيئة مفرطة الغليان لدرجة أن على المرء أن يُحدث ضجيجًا كي يُلاحَظ.

آلة جري لا تتوقف تُنهك المهندسين والمشترين معًا

تتضح هذه الوتيرة بجلاء في الأرقام. وبحسب تحليل نشرته Crypto Briefing، تقلصت الفترة الوسطى بين الإصدارات الكبرى للنماذج المتطورة على مستوى القطاع من 37.5 يومًا في 2023 إلى 11 يومًا فقط منذ بداية 2026. وتحكي وتيرة أوبن إيه آي نفسها قصة مشابهة: تراجعت الفترة الوسطى بين إطلاق نماذجها من 170.5 يومًا في 2023 إلى 49 يومًا هذا العام. وتزيد المختبرات الصينية من حدة هذا الضغط؛ إذ حقق نموذج Kimi K3 من Moonshot AI، بمعامِلاته البالغة 2.8 تريليون، أداءً مكافئًا لأداء الأنظمة المغلقة المملوكة ملكية خاصة بنحو سُدس تكلفة النشر، واستحوذت النماذج الصينية على 41% من عمليات التنزيل على منصة Hugging Face في ربيع 2026، قبل استحواذ إنفيديا على المنصة.

أشار محللو غارتنر إلى المشكلة الجذرية في يونيو 2026، وهي ما أسموه «تقارب القدرات»، أي ميل النماذج المتطورة الجديدة إلى تحقيق درجات متقاربة جدًا في اختبارات القياس المعيارية، وهو ما يمحو ميزة السبق في الإطلاق شبه فوريًا. كما أصبحت الكلفة البشرية لهذا السباق واضحة للعيان؛ ففي يوليو 2026، وقّع أكثر من 1000 موظف في كبرى مختبرات الذكاء الاصطناعي عريضة تطالب بوتيرة تطوير أكثر اتزانًا، مستشهدين بتشبّع اختبارات القياس وتقلص الوقت المخصص للتوثيق واختبارات السلامة.

• الفترة الوسطى بين الإصدارات الكبرى للنماذج المتطورة: 37.5 يومًا في 2023، مقابل 11 يومًا منذ بداية 2026
• وتيرة إصدار أوبن إيه آي نفسها: 170.5 يومًا بين الإصدارات في 2023، مقابل 49 يومًا في 2026
• الإنفاق العالمي المتوقع على الذكاء الاصطناعي في 2026 بحسب غارتنر: 2.59 تريليون دولار، بزيادة 47% عن 2025
• حصة النماذج الصينية المفتوحة من تنزيلات Hugging Face في ربيع 2026: 41%
• عدد موظفي مختبرات الذكاء الاصطناعي الذين وقّعوا عريضة في يوليو 2026 للمطالبة بوتيرة أبطأ: أكثر من 1000

وينعكس هذا الاستنزاف مباشرة على فرق تقنية المعلومات في الشركات. يقول سوريش فاسوديفان، الرئيس التنفيذي لشركة Clockwork Systems الناشئة المتخصصة في ذكاء اصطناعي المؤسسات: «من الصعب حقًا تقييم كل نموذج من النماذج التي تصدر الآن». ويضيف أن شركته إذا أرادت اختبار عشرة نماذج مرشحة لمهمة معينة، فقد تكتفي باختيار خمسة منها فقط وتترك الباقي جانبًا، ليس لأن البقية أضعف، بل لأنه لم يعد هناك وقت كافٍ للتحقق منها جميعًا. وأضاف فاسوديفان: «كل إصدار جيد لدرجة يصعب معها تمييز أي قفزة نوعية حقيقية».

ما الذي يتغيّر بالنسبة لشركة عليها أن تختار نموذجًا

بالنسبة لشركة في العالم العربي عليها أن تقرر أي نموذج ذكاء اصطناعي تعتمد عليه — وغالبًا ما يكون مصدره مختبرًا أمريكيًا —، يحوّل إرهاق النماذج قرارًا تقنيًا إلى هدف متحرك باستمرار. فربط خارطة طريق المنتج بنموذج مورّد واحد يحمل خطر إعادة كتابة مكلفة بعد أشهر، حين يطلق منافس نموذجًا أفضل بوضوح أو حين يوقف المورّد نفسه دعم النسخة المستخدمة. والاستجابة التي بدأت ترسخ لدى المشترين من الشركات، وتتردد فيها ملاحظة فاسوديفان ونتيجة غارتنر بشأن «تقارب القدرات»، هي التوقف عن التعامل مع النموذج الأساسي بوصفه أصلًا دائمًا: تُقدم شركات متزايدة على بناء طبقة تجريدية — أي موجّه أو طبقة تنسيق قادرة على تبديل النماذج دون إعادة كتابة كود التطبيق — بحيث يمكن اعتماد نموذج أسرع أو أرخص كل ثلاثة أشهر بدل إجراء إعادة هيكلة كاملة. وبالنسبة لشركة عربية، يضاف إلى ذلك اعتمادها على مورّد أمريكي بعيد، ما يفرض اعتبارات إضافية تتعلق بالعقود ونقل البيانات عبر الحدود؛ ويصبح إعطاء وزن لتكلفة التحول والارتباط بمورّد واحد يوازي وزن نتائج اختبارات القياس هذا الأسبوع أمرًا لا غنى عنه عند اختيار النموذج.