[مقدمة] إن سرعة الاستدلال لـ GPT-5.6 تصل إلى 750 رمزًا/ثانية! كشف خبير كبير عن التفاصيل: سيُشغل على 100 شريحة. هل بدأ عصر الذكاء الفوري، حيث يتحول التفكير إلى لحظة؟
وفقًا لتسريبات من مختلف الأطراف، سيتم فتح GPT-5.6 للجميع قريبًا.
في الآونة الأخيرة، انتشرت مختلف التكهنات حول هذا النموذج على X.
في 26 يونيو، أعلنت OpenAI رسميًا عن عائلة GPT-5.6 الجديدة.
كما ورد في المدونة الرسمية: تخطط OpenAI لإطلاق نموذج متقدم جديد، GPT-5.6 Sol، على أجهزة مخصصة من Cerebras، عملاق الرقائق، هذا الشهر، بسرعة استدلال تصل إلى 750 رمزًا في الثانية!
بمعنى آخر، العمليات المعقدة للوكيل التي كانت تتطلب الانتظار لبضع دقائق في الماضي، يمكن الآن إكمالها في لحظة.
من الواضح أن OpenAI خطت خطوة ثورية في التصميم المتكامل للعتاد والنماذج.
بالإضافة إلى كشف النقاب مؤخرًا عن أول شريحة استنتاج ذكاء اصطناعي مطورة داخليًا من قبل OpenAI، Jalapeño، يمكننا أن نشعر أن OpenAI لديها طموحات في أن تصبح إمبراطورية ذكاء اصطناعي كاملة.
الفنون القتالية في العالم كلها لا تُهزم إلا بالسرعة: هجوم مخفض بـ 750 رمزًا/ثانية
ما المقصود بـ "750 رمزًا في الثانية"؟
للبشر، هذا يعادل قراءة وإخراج حوالي 500 إلى 600 حرف صيني في الثانية.
النص الذي تراه أمامك، يمكن لـ GPT-5.6 Sol إكماله في أقل من جزء من الثانية.
على X، أعرب المطور المعروف كاليب شيفيرد بحماس: "هذا أكثر شيء يثيرني، GPT-5.6 Sol يعمل على Cerebras. ليس فقط لأن سرعة كتابة الكود أصبحت أسرع، بل لأن سرعة استخدام الحاسوب شهدت تغييرًا جوهريًا. لم نعد بحاجة إلى الانتظار دقيقتين حتى ينقر الذكاء الاصطناعي على زر."
لطالما كان تأخير الاستدلال هو أكبر عائق أمام تنفيذ مهام الوكلاء متعددة الخطوات التفاعلية في الوقت الفعلي، على الرغم من أن النماذج الكبيرة أصبحت أكثر ذكاءً على مدار فترة طويلة.
عندما تصبح النماذج كبيرة بما يكفي لامتلاك تريليونات المعلمات، فإن مجموعات GPU التقليدية غالبًا ما تواجه عوائق فيزيائية في الاتصال بين العقد (الربط عبر NVLink).
وإجابة OpenAI هي: لا تجعل النموذج يتكيف مع الأجهزة، بل اجعل الأجهزة والنماذج تندمج معًا.
وفقًا للمعلومات الأولية المعلنة رسميًا، سيتم إطلاق GPT-5.6 Sol في يوليو بحجم محدود جدًا للعملاء المحددين، وسيتم التوسع تدريجيًا مع زيادة القدرة الإنتاجية.
كما توقع الكثيرون على الإنترنت، هذه خدمة مكلفة للغاية ومصممة خصيصًا للشركات الرائدة التي ترغب في الدفع مقابل السرعة.
كيف يمكن تضمين عملاق بـ 3 تريليون معلمة داخل شريحة؟
عندما تم إرسال رسالة تبلغ 750 رمزًا/ثانية، طرح بيتر غوستيف، مسؤول LLM Arena، سؤالًا أثار حيرة الجميع:
ما الأمر الحقيقي مع GPT-5.6 Sol على Cerebras؟ حسبما أعرف، يبدو أن هذا هو نفس النموذج الكامل تمامًا (بما في ذلك القدرات متعددة الوسائط مثل الرؤية)، وليس نسخة مُخفَّضة مثل GPT-5.3-Codex-Spark السابقة التي تم إزالة الرؤية والسياق منها.
لكن فهمي هو أن شريحة واحدة من Cerebras لا يمكنها استيعاب نموذجًا يحتوي على أكثر من 70 إلى 90 مليار معلمة. إذًا، هل أصبح النموذج أصغر؟ أم هناك شريحة جديدة لم أكن أعرفها؟ أم تقنية جديدة تستخدم تعاونًا متعدد الشريحة؟
أثار هذا السؤال على الفور مناقشات عديدة من المستخدمين على الإنترنت.
يُطلق البعض سخريةً أن الجميع يُجريون "تدقيقًا طبيًا قانونيًا للرقائق في منتصف الليل"، ويقولون: "إذا كان هذا حقًا نفس النموذج الكامل، فهذا كأن شخصًا ما قد أدخل سفينة يخوت فائقة الضخامة داخل زجاجة زجاجية، دون أن يخبرك كيف فعل ذلك."
قريباً، قدم الخبير التقني المتمرس بليز غودسون تحليلًا قويًا ومقنعًا—
GPT-5.6 Sol لم يتم تضمين شريحة واحدة، بل يمتد عبر 70 إلى 100 شريحة من Cerebras على مستوى الوافات!
أقصى جمال في النشر: "شريحة واحدة، شبكة واحدة"
يقدر الخبراء في الصناعة أن مواصفات GPT-5.6 Sol ضخمة جدًا:
- إجمالي عدد المعلمات: حوالي 3 تريليون
- معاملات التفعيل: حوالي 150 مليار
- عدد الطبقات الشبكية: حوالي 70 إلى 90 طبقة
للحصول على ميزات خدمة استدلال صحية، اعتمدت OpenAI وCerebras طريقة نشر فاخرة وصادمة للغاية — حيث تم نشر كل طبقة من الشبكة العصبية على وحدة كريستال واحدة كاملة من Cerebras.
كما أشار مستخدم على الإنترنت، من خلال زيادة مراحل الخطوط الإنتاجية، يمكنك نظريًا التوسع إلى أي حجم نموذج طالما لديك ما يكفي من الرقائق لربطها معًا، وهذا لن يؤثر على سرعة توليد الرموز، بل قد يؤثر فقط قليلاً على وقت الرمز الأول TTFT.
إعادة هيكلة البنية بقرار جريء — التقليل من حجم KV Cache نتيجة للإجبار
ومع ذلك، فإن وجود كميات هائلة من الشرائح وحدها غير كافٍ. إحدى الميزات الرئيسية لهيكلية شريحة Cerebras هي امتلاكها كمية هائلة من ذاكرة SRAM على الشريحة (ذاكرة الوصول العشوائي الثابتة)، التي تتميز بسرعة فائقة ولكن حجمها ثمين للغاية.
إذا استخدمت OpenAI، كما فعلت في الماضي، ذاكرة KV ثقيلة تقليدية في GPT-5.6 Sol، فستستهلك هذه النطاقات المكلفة من SRAM على الفور.
هذا يقود إلى التحول الاستراتيجي الأكثر جوهرية في هذه الشراكة: إعادة بناء النموذج حول أجهزة محددة.
أشار بليز غودسون إلى أنه نظرًا لمشاركة OpenAI العميقة في التصميم المتكامل للعتاد، فمن المرجح جدًا أنهم تخلوا عن حلول تخزين آلية الانتباه التقليدية واتجهوا نحو تصميمات أخف وأكثر تقدمًا.
تشمل السيناريوهات الأكثر احتمالاً:
بنية مشابهة لـ DeepSeekV4: تحسين شديد في استهلاك الذاكرة المؤقتة.
تصميم SSM مختلط: دمج نماذج ذات تعقيد زمني خطي مثل Mamba مع Transformer للتخلي التام عن عبء KV Cache التاريخي.
إضافةً إلى ذلك، اقترح المطور المعروف جون لام تكهنًا مذهلًا: فصل الانتباه عن FFN.
يُفترض أنه باستخدام وحدات معالجة الرسومات التقليدية لمعالجة حسابات الانتباه، بينما يستخدم كميات هائلة من شرائح Cerebras لدفع حسابات جزء الشبكة العصبية التغذوية الأمامية بقوة.
هذا ليس مجرد شائعات. سرعان ما كشف المتابعون على الإنترنت عن تفاصيل نشر Kimi K2.6 التي نشرتها Cerebras سابقًا على مدونتها:
تخزن Cerebras الأوزان الأصلية لـ Kimi K2.6 على نظام CS-3 بدقة 4-bit، مع إجراء الحسابات بفاصلة عائمة بدقة 16-bit للحفاظ على الدقة. تُوزَّع الأوزان على عدة أقراص، وتُنقل قيم التنشيط عبر الأقراص بتدفق. الاتصال الكامل بين الطبقات يعتمد بالكامل على بنية الشبكة على القرص، والتي تمتلك عرض نطاق يزيد عن 200 مرة عن NVLink على Nvidia NVL72! بالدمج مع المشغلات المخصصة وفك الترميز الاستباقي، يمكنهم تشغيل نماذج MoE بمليارات المعلمات بسرعة تقارب 1000 رمز/ثانية.
تشير المواصفات الرسمية إلى أن نظام CS-3 الثوري ليس فقط الأسرع على الإطلاق، بل يمكنه أيضًا التوسع بسهولة إلى نماذج بحجم 24 تريليون معلمة على جهاز منطقي واحد!
كما أُعجب أحدهم قائلًا: "إذا كان هذا حقًا النسخة الكاملة من Sol تعمل على Cerebras، فإن حدود حجم النموذج التي كان الجميع يفترضونها قد تم اختراقها الليلة."
الورقة الرابحة الحقيقية — OpenAI تُطلق أول شريحة ذاتية التطوير "Jalapeño"
وسبق ذلك مباشرة، أطلقت OpenAI رسميًا أول شريحة ذاتية التطوير في تاريخها — Jalapeño.
صدور هذه الشريحة يفسر مباشرة المنطق العميق وراء شراكة OpenAI مع Cerebras: من خلال استكشاف أجهزة استنتاج رائدة من طرف ثالث، استوعبت OpenAI تمامًا نقاط الضعف والقيمة في هندسة الاستنتاج المتخصصة، وحولتها إلى منصة أساسية تتحكم بها.
الجالابينو هو أحد أكثر أنواع الفلفل الحار المكسيكي اعتدالًا في درجة حرارته. لقد استخدمت OpenAI هذا الاسم للإشارة بوضوح إلى أن هذا مجرد قطعة صغيرة من المقبلات.
هذا الرقاقة مصممة خصيصًا كـ ASIC لاستنتاج النماذج الكبيرة. منذ رسم أول خط، تم تحسين كل ترانزستور فيها لهدف واحد فقط: تشغيل النماذج الكبيرة.
بشكل مفاجئ، لا يشغل Jalapeño نماذج OpenAI الخاصة فحسب، بل أيضًا متوافق مع نماذج LM في جميع الصناعات، مما يُظهر طموحًا كبيرًا من حيث المنصة.
كما أن تصميم الشريحة وتصنيعها استغرقا فقط تسعة أشهر.
خلف ذلك، تحالف صناعي قوي للغاية:
الهندسة القيادية: تم تصميم البنية التحتية من قبل OpenAI مباشرة.
تنفيذ الشريحة والاتصال: توفر شركة Broadcom العملاقة في مجال الشريحة قدرات تنفيذ قوية ودعمًا تقنيًا للاتصالات الشبكية.
System Integration: Celestica is responsible for final board manufacturing and rack-level physical integration.
ابتلاع سلسلة القيمة بالكامل، طموحات OpenAI لإنشاء إمبراطورية متكاملة
يُدرّب النموذج بنفسه، ويبتكر الشريحة بنفسه، ويُحسّن الاستدلال بنفسه، ويُتحكم في النشر بنفسه.
من الواضح أن هدف OpenAI هو إمبراطورية ذكاء اصطناعي شاملة ضخمة.
لكن طموحات OpenAI أكثر جنونًا من Apple وGoogle، فهي تمتلك عجلة فائقة غير مسبوقة: استخدام الذكاء الاصطناعي لتسريع بناء بنية تحتية للذكاء الاصطناعي، ثم استخدام البنية التحتية الأقوى التي تم بناؤها لتشغيل ذكاء اصطناعي أكثر قوة.
وفقًا للخطة الطموحة التي أعلنتها OpenAI، سيتم نشر أول مراكز بيانات فائقة بقدرة GW من نهاية عام 2026 بالتعاون مع شركاء أساسيين مثل Microsoft.
سيتم استخدام كمية الطاقة الكهربائية اللازمة لتشغيل مدينة متوسطة الحجم لتشغيل خوادم الاستدلال الخاصة برقائق Jalapeño ورقائق الفلفل الحار من الجيل التالي.
استعد، قريبًا، سنرى GPT-5.6 Sol يتسارع على رقاقة Cerebras بسرعة 750 رمزًا/ثانية، مُحطمًا لعنة الفيزياء المتعلقة بالمعالم وسرعة الاستدلال.
المراجع: https://x.com/bleysg/status/2073937651150029084
هذا المقال من حساب WeChat "New Intelligence Yuan"، المؤلف: Apocalypsis of ASI؛ التحرير: Aeneas