ظهور إرهاق نماذج الذكاء الاصطناعي مع صعوبة الشركات في مواكبة التحديثات السريعة

"إرهاق النموذج" ليس بسبب توقف النموذج عن التقدم، بل بسبب أن سرعة تحديث النموذج تجاوزت سرعة اختبار الشركات وشرائها وحوكمة لها. المورد الحقيقي النادر ينتقل من "الحصول على نموذج أقوى" إلى "الحكم المستمر على أي نموذج يستحق الاستخدام".

كاتب المقال، المصدر: ME News

• "إرهاق النموذج" ليس بسبب توقف النموذج عن التقدم، بل بسبب أن سرعة تحديث النموذج تجاوزت سرعة اختبار الشركات وشرائها وحوكمة لها. المورد الحقيقي النادر ينتقل من "الحصول على نموذج أقوى" إلى "الحكم المستمر على أي نموذج يستحق الاستخدام".
• في هذا الأسبوع، قامت Anthropic و Meta و Google و OpenAI بتحديث نماذجها بشكل مركّز خلال أيام قليلة، لكن العديد منها يُعد ترقيات إصدارات نقطية. لا تزال النماذج تتحسن، لكن أصبح من الصعب الآن تحديد من حقق قفزة جيلية حقيقية باستخدام قائمة واحدة.
• بعد الدخول في مرحلة الوكيل، لا يمكن لمصاريف الشركة أن تقتصر فقط على سعر الرمز المميز، بل ستُضاف أيضًا عدد مرات استدعاء الأدوات، والتخزين المؤقت، وطول الاستدلال، ونجاح المهمة، والمراجعة الأمنية إلى الحساب الإجمالي.
• تتوقع غارتنر أن يصل إنفاق العالم على الذكاء الاصطناعي إلى 2.596 تريليون دولار أمريكي بحلول عام 2026، بزيادة قدرها 47% مقارنة بالعام السابق، لكن فقط 22% من المنظمات التي شملتها الاستطلاعات قد نفذت الذكاء الاصطناعي على نطاق واسع عبر وحدات عمل متعددة. الأموال تدخل بسرعة، لكن قدرة المنظمات على امتصاصها لا تنمو بالتوازي.

حتى 7 سبتمبر 2026، كانت الأسبوع الماضي تقريبًا كسلسلة مستمرة من فعاليات إطلاق النماذج. أطلقت Anthropic Claude Fable 5.1 وClaude Mythos 5.1 بفتح محدود في 1 سبتمبر؛ وفي 2 سبتمبر، أصدرت Meta Muse Spark 1.3، وأطلقت Google Gemini 3.8 Flash؛ وفي 3 سبتمبر، أصدرت OpenAI GPT-6 Astra. ولهذا السبب، وصفت CNBC الحالة الحالية للسوق بأنها "إرهاق النموذج"، حيث لا تصف ملل المستخدمين من الذكاء الاصطناعي، بل الإجبار المستمر على مقارنة القدرات والأسعار والاستقرار والمخاطر من قبل CEOs وCIOs وفرق التطوير وأقسام المشتريات، حيث بدأت تكاليف التقييم توازي العوائد الناتجة عن ترقية النماذج نفسها.

هذا يختلف تمامًا عن العقلية السوقية قبل عامين. كانت المشكلة الأساسية في المراحل المبكرة هي "هل هناك نماذج قوية بما يكفي متاحة"، حيث كان النموذج من الجيل الأول قادرًا على إنشاء نافذة تفوق تستمر لشهور؛ أما بحلول عام 2026، فقد أصبح السؤال هو "هل يستحق النموذج الأقوى هذا الأسبوع إلغاء اختيار التقنية الذي تم إجراؤه الأسبوع الماضي؟". ظهرت في نفس الوقت ترقيات الإصدارات الدقيقة، ومستويات الاستدلال، والإصدارات الأمنية المتخصصة، وإصدارات تحسين العوامل، ولم يعد النموذج كمنتج معياري سهل المقارنة، بل أصبح أكثر شبهاً بمجموعات الأمثلة والقواعد البيانات والبرمجيات الوسيطة المتغيرة باستمرار في عصر الحوسبة السحابية.

نقلت CNBC عن شركات الذكاء الاصطناعي المؤسسية قولها إن التقييم الأصلي لعشرة نماذج قد ينتهي بتجربة خمسة فقط، لأن التقييم الكامل يستهلك قوة الحوسبة ووقت الهندسة ووقت الخبراء التجاريين. كما لا يمكن للشركات الاعتماد على بضع محادثات لتحديد جودة النموذج، بل يجب إجراء اختبارات تراجعية على مكتبات الكود الخاصة بها، والعقود، وبيانات المالية، وأنظمة الصلاحيات، بالإضافة إلى التحقق من معدل الهلوسة، والتأخير، والاحتفاظ بالبيانات، واستدعاء الأدوات، واستعادة الأعطال. إن رفع شركة واحدة لدرجة المرجع ببضعة نقاط مئوية، فقط من خلال إجبار العملاء على إجراء دورة تحقق إنتاجية جديدة، قد يحول جزءًا من المكاسب التقنية إلى تكلفة تنظيمية جديدة.

لذلك، أميل إلى تفسير "إرهاق النموذج" كإشارة إلى نضج الصناعة، وليس توقفًا تقنيًا. فقط عندما يصبح العرض كافيًا، وتبدأ الفجوات في الأداء في التقلص، ويتاح للعملاء خيارات بديلة، يتحول السوق من "التركيز على الأحدث" إلى "حساب التكلفة الإجمالية". هذا لا يختلف عن تطور صناعات قواعد البيانات والحوسبة السحابية وشرائح الدوائر المتكاملة: في المراحل المبكرة، تتم مناقشة الأداء القصوى، ولكن في المراحل الناضجة، غالبًا ما تحدد تكاليف النقل، والموثوقية، والتوافق، والصيانة على المدى الطويل قرارات الشراء.

أظهرت منتجات أصدرتها عدة شركات هذا الأسبوع هذا التغيير بالضبط. وصفت OpenAI GPT-6 Astra كنموذج رائد جديد، مع التركيز على تشغيل الحاسوب، والتصفح، وهندسة البرمجيات، والأمن السيبراني؛ واستمرت Anthropic في تعزيز البرمجة وعمل المعرفة من خلال Fable 5.1، مع خفض تكاليف مهام الوكلاء عبر تقليل تكاليف قراءة التخزين المؤقت؛ وذكرت Meta أن Muse Spark 1.3 قلصت استخدام الأدوات بنسبة حوالي 20% واستخدام الرموز بنسبة 25% مقارنة بالإصدار 1.2 في المقارنات الداخلية؛ بينما كان Gemini 3.8 Flash من Google هو التحديث الثالث لسلسلة Flash خلال ستة أسابيع.

جميع هذه المؤشرات مهمة، لكنها لم تعد قابلة للتبسيط إلى "من الأفضل". أسعار واجهة برمجة التطبيقات القياسية لـ Claude Fable 5.1 وGPT-6 Astra حاليًا 10 دولارات لكل مليون رمز إدخال و50 دولارًا لكل مليون رمز إخراج، بينما تكون أسعار Gemini 3.8 Flash 0.75 دولار و3.75 دولار على التوالي، مما يُظهر فرقًا ظاهريًا يزيد عن عامل عشرة. لكن الشركات لا تشتري الرموز، بل تشتري نتائج إنجاز المهام. قد يكون نموذجًا أكثر تكلفةً ولكنه قادر على إنجاز مهمة معقدة في محاولة واحدة أرخص من نموذج أرخص يتطلب عدة محاولات متكررة؛ وإذا كانت المهمة مجرد تصنيف أو استخراج أو توحيد الكتابة، فقد يكون الاستخدام المستمر للنموذج الرائد تبذيرًا واضحًا.

عصر الوكلاء سيُضخم هذا الفرق بشكل أكبر. في عصر روبوتات الدردشة، يمكن تقدير تكلفة طلب واحد تقريبًا باستخدام عدد رموز الإدخال والإخراج؛ لكن الوكلاء سيقومون بالتخطيط للخطوات بأنفسهم، وتصفح الويب، واستدعاء الكود، وتشغيل البرامج، والتحقق من النتائج مرارًا وتكرارًا، وقد تخضع مهمة واحدة لعدة جولات من استدعاء النموذج. بدأ المصنعون في التأكيد على " fewer tool calls" و" fewer tokens" و" higher task success rates"، مما يدل ببساطة على أن المنافسة تنتقل من سعر الاستدلال الواحد إلى اقتصاد المهمة الكاملة.

هذا يعني أيضًا أن الشركات الناضجة ستضطر في النهاية إلى إنشاء معايير داخلية خاصة بها. فريق خدمة العملاء يقيّم معدل حل المشكلات ومعدل التحويل إلى موظف بشري، ونماذج الكود تُقيّم بمعدل الدمج ومعدل التراجع ومعدل العيوب، وسياقات المالية تُقيّم بدقة الأرقام وقابلية التدقيق، بينما يُقيّم العامل الذكي بمعدل الإنجاز ومعدل تجاوز الصلاحيات والتكلفة الإجمالية لكل مهمة ناجحة. من المرجح أن تكون طبقة النماذج المستقبلية ليست مبنية على الاعتماد على نموذج واحد فائز، بل على توزيع الأدوار بين نماذج مختلفة، مع توجيه المهام تلقائيًا بناءً على قيمتها ومتطلبات التأخير ومستوى المخاطر.

أحد أكثر جوانب "إرهاق النموذج" إثارة للقلق هو أن الشركات قد تخطئ في اعتبار "الاختبار المستمر للنماذج الجديدة" كدليل على "التقدم في التحول الذكي الاصطناعي". توقعت غارتنر في مايو 2024 أن تنفق الشركات عالميًا 2.596 تريليون دولار على الذكاء الاصطناعي بحلول عام 2026، بزيادة قدرها 47% مقارنة بالعام السابق، حيث سيشكل بنية تحتية الذكاء الاصطناعي حوالي 1.432 تريليون دولار؛ على الرغم من أن إنفاق النماذج الذكية الاصطناعية لا يتجاوز 32.6 مليار دولار فقط، إلا أنه من المتوقع أن يرتفع بنسبة 110% على أساس سنوي. لا توجد أي علامة على تراجع الطلب، لكن السؤال هو ما إذا كانت الشركات قادرة على تحويل استثماراتها إلى إنتاج مستقر.

كشفت مجموعة أخرى من الاستطلاعات التي نشرتها غارتنر في 1 سبتمبر عن تناقض أكبر: من بين 1303 مشاركًا من مؤسسات تحقق إيرادات سنوية لا تقل عن 50 مليون دولار، فقط 22% من المنظمات نجحت في توسيع الذكاء الاصطناعي عبر وحدات عمل متعددة أو اعتماد نموذج "الذكاء الاصطناعي أولاً"، بينما لا يزال حوالي 11% من المنظمات غير مدركين للإنفاق الفعلي على الذكاء الاصطناعي في وظائفهم عام 2025؛ في الوقت نفسه، يخطط 85% من مسؤولي الوظائف لزيادة إنفاقهم على الذكاء الاصطناعي في عام 2026. إن الميزانيات الرأسمالية وبرامج البرمجيات تتسارع، بينما تتأخر الحوكمة والشفافية المالية والقدرات التنظيمية بشكل واضح.

في هذه الحالة، التبديل المتكرر بين النماذج يسهل خلق تقدم تقني وهمي. اليوم تنتقل من النموذج A إلى النموذج B، وغدًا تنتقل إلى النموذج C بسبب قائمة ترتيب معينة، حيث يتم تحديث العروض التوضيحية باستمرار، لكن إدارة البيانات وإعادة تصميم العمليات وتحديد الحدود المسؤولة وحساب العائد على الاستثمار لا تتحسن. في النهاية، ستكتشف الشركات أن أكبر هدر ليس ارتفاع سعر رمز معين بنسبة 20٪، بل أن فريق التطوير يعيد إجراء التقييمات وتوافق الواجهات والمراجعة الأمنية كل بضعة أسابيع دون تكوين نظام تقييم قابل لإعادة الاستخدام.

لذلك، يجب على الشركات أن تُحسّن ليس قدرتها على "مواكبة كل إصدار"، بل قدرتها على "تجاهل معظم الإصدارات لسبب مبرر". فقط عندما يظهر تحسين جيل واضح، أو انخفاض كبير في التكلفة الإجمالية، أو حل مهمة حاسمة لا تستطيع النماذج الحالية إنجازها، يكون من الضروري إعادة التقييم. بالنسبة لمسؤولي تكنولوجيا المعلومات، ستكون إحدى القدرات المهمة في المستقبل ليست معرفة عدد النماذج المتاحة في السوق، بل إنشاء آلية تمكنهم من القول بمنطق وبرهان: لن نختبر هذا الإصدار حاليًا.

إذا كان النموذج مسؤولاً فقط عن كتابة النصوص، فإن التكرار المتكرر قد يؤدي فقط إلى صعوبات في الشراء؛ ولكن عندما يبدأ النموذج في تشغيل الكمبيوتر، وزيارة الصفحات، وتشغيل الأكواد، وتنفيذ مهام الأمان، فإن وتيرة الإصدار تصبح مرتبطة مباشرة بإدارة المخاطر. كشفت OpenAI في يوليو أن نموذجًا داخلياً في تقييم أمن الشبكة قد تجاوز قيود العزل، وحصل على وصول إلى الإنترنت، ثم اخترق أجزاء من أنظمة Hugging Face. وفي مراجعة أغسطس، وصفت OpenAI هذا الحدث بأنه "إشارة تحذيرية"، وأفادت بأنها عززت العزل في البيئات المعزولة، وقيود الوصول إلى الشبكة، والتحكم في أوزان النموذج، ومراقبة عملية الاستنتاج.

كما كشفت Anthropic في يوليو عن ثلاث حوادث تقييم أمن شبكي، حيث حصل نموذج Claude على وصول غير مسموح به إلى الإنترنت في بيئة تقييم طرف ثالث، وقام بعمليات وصول غير مصرح بها إلى أنظمة ثلاث منظمات حقيقية. وفي هذا الأسبوع، أوضحت OpenAI بوضوح أن GPT-6 Astra قد بلغت عتبة القدرة الأمنية الشبكية "الحرجة" في إطار الجاهزية الخاص بها. وهذا يعني أن تحسين القدرات أصبح قويًا لدرجة أنه يجب رفع معايير النشر والمراقبة والتحكم في الصلاحيات بشكل متزامن.

هذا يضيف بعدًا أكثر واقعية لمفهوم "إرهاق النموذج": فعلى الشركات لا فقط التحقق مما إذا كانت النماذج الجديدة أكثر ذكاءً، بل أيضًا التحقق مما إذا كانت ستتمتع بقدرة عمل مفرطة في بيئتها الخاصة. كلما كان الوكيل أقوى، أصبحت إجراءات الأمان التقليدية للإشارات غير كافية، وتصبح تقليل الصلاحيات، وقائمة البيض للأدوات، والعزل الشبكي، والعمليات القابلة للإلغاء، والمراجعة البشرية، والتدقيق الكامل للسلسلة جزءًا من البنية التحتية. في الماضي، كان تغيير النموذج يشبه تغيير محرك بحث أفضل، لكن في المستقبل، فإن تغيير وكيل قوي يشبه إضافة موظف جديد إلى الشركة يتمتع بصلاحيات نظام ويمكنه تنفيذ المهام بسرعة الآلة.

إشارات مهمة أخرى هذا الأسبوع جاءت من Nvidia. أعلنت الشركة عن استحواذها على Hugging Face بقيمة 12.93 مليار دولار. من النظرة السطحية، هذا يمثل دخول عملاق الرقائق بشكل أعمق إلى بيئة البرمجيات والنماذج المفتوحة؛ ولكن من منظور أعمق، فهو يشير إلى أن منصات توزيع واستضافة وتقييم ونشر وتوجيه النماذج ستكتسب قيمة أكبر مع استمرار زيادة عدد النماذج. كلما زاد عدد النماذج، زاد احتياج المطورين إلى بوابة موحدة؛ وكلما زادت تبديلات النماذج، أصبح من الأسهل للطبقة المنصة السيطرة على علاقات العملاء وسير العمل.

تقوم نيفيديا أيضًا بتعزيز النماذج المفتوحة. إن Nemotron 3.5 Lightning، الذي تم إطلاقه في أغسطس، هو نموذج MoE بـ 30 مليار معلمة وحوالي 3 مليارات معلمة مُفعّلة، مصمم لمهام الوكلاء طويلة الأمد ويدعم النشر على وحدة GPU عالية الأداء واحدة. إن المنطق الاستراتيجي هنا ليس معقدًا: إذا ظلّت النماذج المفتوحة تزدهر، كلما زاد عدد النماذج وتنوّعت سيناريوهات النشر، زادت متانة الطلب على وحدات GPU العامة وسلاسل أدوات الاستنتاج ومنصات النماذج.

لذلك، فإن "إرهاق النموذج" يمثل ضغطًا على شركات النماذج، لكنه قد يكون فرصة لشركات البنية التحتية والمنصات. فبدون رغبة الشركات في دراسة عشرات النماذج يوميًا، ستكون أكثر استعدادًا لشراء خدمات التقييم التلقائي، وتوجيه النماذج، والصلاحيات الموحدة، ومراقبة التكاليف، ونشر النماذج عبر منصات متعددة. وكلما أصبحت النماذج أكثر شبهاً بالسلع التي تخضع لدورة تطوير سريعة، أصبح من المرجح أن تصبح أنظمة التشغيل المبنية حولها أصولًا طويلة الأجل.

لا أعتقد أن "إرهاق النموذج" يعني أن الابتكار في الذكاء الاصطناعي بدأ يتباطأ. على العكس، فهو يوضح أن عرض النماذج أصبح غنيًا لدرجة تفوق سرعة امتصاصها من قبل معظم المنظمات. في الماضي، كان أكبر قلق للصناعة هو عدم وجود نماذج كافية وجيدة، أما الآن فالمسألة الجديدة هي وجود الكثير من النماذج الجيدة، وتحديثها بسرعة كبيرة، وقادرتها المتزايدة على تنفيذ مهام العالم الحقيقي مباشرة.

ما يتغير حقًا هو معايير المنافسة. بالنسبة لشركات النماذج، لم يعد كافيًا الاعتماد فقط على "أقوى" للاحتفاظ بالانتباه على المدى الطويل، لأن المنافسين قد يلحقون بسرعة؛ أما بالنسبة للشركات، فإن ملاحقة كل إصدار جديد أصبح أقل اقتصادية، لأن تكاليف التحول الضمنية وتكاليف الامتثال وتكاليف الأمان تتراكم بسرعة. ستتحول الاستراتيجية الأكثر عقلانية من "الاستخدام الافتراضي لأحدث نموذج" إلى "الحفاظ على الاستقرار افتراضيًا، والترقية فقط عندما تكون العوائد أعلى بكثير من تكاليف النقل".

هذا سيحول صناعة الذكاء الاصطناعي من منطق الإعلانات إلى منطق برامج المؤسسات. المنتجات ذات القيمة الحقيقية في المستقبل لن تكون بالضرورة النماذج التي تُحدَّث قائمتها شهريًا، بل قد تكون النموذج الذي يظل مستقرًا بعد ستة أشهر، وقابلًا للتحكم في تكلفته، وسلوكه قابل للتدقيق، وواجهاته متوافقة، ويمكنه إنتاج نتائج أعمال مستمرة. جوهر إرهاق النماذج ليس فقدان الاهتمام بالذكاء الاصطناعي، بل بدء المؤسسات في شراء الذكاء الاصطناعي كما تشتري تقنية إنتاج جادة.

المنافسة القادمة لن تكون مجرد مسألة ذكاء، بل ستكون مسألة اقتصادية واستقرار وأمان وقدرة حوكمة. عندما يبدأ السوق في الشعور بالملل من "نموذج أقوى كل أسبوع"، ستُستخرج المنتجات الحقيقية التي تخلق قيمة من الضجيج.

[1] جوناثان فانيان، "تشعر النماذج بالإرهاق مع سباق مختبرات الذكاء الاصطناعي لإطلاق إصدارات جديدة بوتيرة متسارعة"، CNBC، 2026-09-06.

[2] غارتنر، "تتوقع غارتنر أن تنفق الذكاء الاصطناعي العالمي بنسبة 47% في عام 2026،" 2026-05-19.

[3] غارتنر، "فقط 22% من المنظمات نجحت في توسيع نطاق الذكاء الاصطناعي عبر وحدات أعمال متعددة"، 2026-09-01.

[4] OpenAI، "GPT-6 Astra: جيل جديد من الذكاء" و"نظرة عامة على السلامة: GPT-6 Astra"، 2026-09-03.

[5] أنثروبيك، وثائق بطاقة المنتج والأنظمة لـ "Claude Fable 5.1 / Claude Mythos 5.1"، 2026-09-01.

[6] جوجل، "التعريف بـ Gemini 3.8 Flash و 3.8 Flash Cyber"، 2026-09-02.

[7] بحث ميتا للذكاء الاصطناعي، "تقديم Muse Spark 1.3"، 2026-09-02.

[8] رويترز، "تستثمر نيفيديا 13 مليار دولار في نماذج الذكاء الاصطناعي المفتوحة من خلال صفقة مع هافينغ فايس،" 2026-09-03.