زاد عدد مستخدمي واجهة برمجة تطبيقات SERV Reasoning بنسبة 244% في الشهر الأول. ارتفعت طلبات الاستنتاج بنسبة 30%. لكن قيمة سيرف السوقية تبلغ فقط حوالي 15 مليون دولار. يقوم @openservai ببناء طبقة قابلة للدمج تساعد النماذج الأصغر على تنفيذ المهام التي تُعالجها نماذج أكثر تكلفة. ✤ كيف يجعل OpenServ النماذج الأصغر تعمل بجهد أكبر: يقوم OpenServ ببناء بنية تحتية لوكيلات الذكاء الاصطناعي للشركات والحكومات. منتجه الرئيسي، SERV Reasoning، هو واجهة برمجة تطبيقات استنتاج تعمل مع تكاملات OpenAI وAnthropic SDK الحالية. يمكن للمطورين تغيير عنوان URL الأساسي للواجهة مع الحفاظ على محفزاتهم الحالية وجزء كبير من كود تطبيقهم دون تغيير. في الخلفية، يستخدم SERV Reasoning BRAID لتنظيم استدعاءات النموذج في شكل رسم بياني لخطوات الاستنتاج. الهدف هو تحسين الدقة مع الاعتماد على نماذج أرخص، مما يقلل من تكلفة تشغيل وكيلات الذكاء الاصطناعي وأعباء العمل المؤسسية. تأسست الفريق من قبل تيم هافنر ولوكاس هافنر. ويقول OpenServ إنه تم دعمه من قبل المجتمع بدلاً من إطلاقه عبر جولة تقليدية لتمويل رموز من قبل مستثمري رأس المال المخاطر. كما أبلغ المشروع عن عمل مع حكومة الإمارات العربية المتحدة من خلال شريكه Neol. ومن المخطط استخدام AWS Marketplace كقناة توزيع للشركات. ✤ نما عدد مستخدمي الواجهة بنسبة 244% في الشهر الأول: أُطلقت SERV Reasoning في أوائل سبتمبر، وأظهرت مقاييس الاستخدام الأولية اهتمامًا متزايدًا. المستخدمون الجدد للواجهة: +244% في أول شهر عام طلبات الاستنتاج: +30% مقارنة بالـ30 يومًا السابقة النسخة التجريبية الخاصة، الأسبوع الأول: 29,638 طلبًا و279 مليون رمز معالَج كما نشر OpenServ بعض نتائج المقارنة الطموحة: GSM8K: أُفيد أن GPT-4o تحسن من 42% إلى 91% باستخدام BRAID، مع تخفيض التكاليف بنسبة تصل إلى 75 ضعفًا. Scale MultiChallenge: أُفيد أن GPT-5-nano تحسن من 35.66% إلى 57.72%، فوق درجة GPT-5 القياسية التي بلغت حوالي 40%، بتكلفة أقل بحوالي 40 ضعفًا. يُدّعي OpenServ أيضًا أن النماذج الأصغر يمكنها تجاوز Fable 5 الخاص بـAnthropic بتكلفة أقل بـ90 ضعفًا. هذه مقاييس مُبلغ عنها من المشروع، وقد تختلف النتائج حسب المهمة. ومع ذلك، فإن الحجة التجارية واضحة: إذا كان بإمكان نموذج أرخص تقديم الجودة التي تحتاجها الشركة، فإن التوفير يمكن أن يصنع فرقًا حقيقيًا على نطاق واسع. يوفر OpenServ أيضًا مُنشئًا بدون كود، وSDK بلغة TypeScript، ومنصة إطلاق لرموز الوكلاء. ومن المخطط إصدار SERV v3 وتقسيم الرسوم البيانية، مع خطط لإتاحة الرؤية المؤسسية وإدارة سير العمل. ✤ 25% من إيرادات الواجهة تذهب نحو حرق $SERV: يُستخدم $SERV كوقود لسير عمل الوكلاء على السلسلة، ويمكن رهنه لإطلاقات مميزة. الجزء الأكبر من نموذج الرمز هو الالتزام باستخدام 25% من إيرادات واجهة برمجة تطبيقات SERV Reasoning لشراء وحرق $SERV في السوق. يمكن للمطورين دفع رصيد الواجهة بالدولار الأمريكي أو USDC، لذا لا يُنشئ كل طلب واجهة شراءً مباشرًا للرمز. ينشأ الربط من تحويل حصة من إيرادات الواجهة إلى عمليات شراء وإحراق. إذا نما نشاط الواجهة المدفوع وتم تنفيذ الالتزام بالإيرادات، فقد ينمو حجم الموارد المتاحة للشراء والإحراق مع نمو العمل. وهذا يمنح $SERV ارتباطًا محتملاً باستخدام المنتج بدلاً من الاعتماد فقط على الطلب التخميني. ✤ $SERV مقابل قطاع وكيلات الذكاء الاصطناعي: تتراوح قيمة Virtuals Protocol ($VIRTUAL) حول 450 مليون دولار، بينما تبلغ Artificial Superintelligence Alliance ($FET) حوالي 481 مليون دولار. وكلاهما مُقيّم بأكثر بكثير من OpenServ، التي تقع قرب 15 مليون دولار. تستهدف المشاريع أجزاء مختلفة من السوق: Virtuals Protocol: بنية تحتية لإنشاء وكيلات الذكاء الاصطناعي وتوكيزها وLaunching. ASI ($FET): بنية تحتية وخدمات ذكاء اصطناعي لامركزية. OpenServ ($SERV): بنية تحتية للتفكير مصممة لمساعدة المطورين على تشغيل أحمال عمل الذكاء الاصطناعي باستخدام نماذج أرخص. Autonolas ($OLAS): خدمات ذاتية لامركزية وبنية تحتية لوكيلات الذكاء الاصطناعي، بقيمة سوقية حوالي 15 مليون دولار في المقارنة المقدمة. أقرب مقارنة لـ OpenServ ليست بالضرورة منصة إطلاق وكيلات أخرى. فهدفها هو أن المطورين يمكنهم تحسين أداء النموذج وتقليل تكاليف الاستنتاج من خلال طبقة واجهة برمجة تطبيقات. ✤ ما الذي يجب أن يحدث بعد ذلك: ثلاثة مقاييس هي الأكثر أهمية: استخدام الواجهة المدفوع: أحجام الطلبات والرموز المطلقة، إلى جانب أدلة على تحول المستخدمين إلى عملاء مدفوعين. توزيع المؤسسات: ما إذا كانت القنوات المخطط لها مثل AWS Marketplace ستجلب أحمال عمل متكررة. الحرق القابل للتحقق: عمليات الشراء والإحراق الفعلية، وكيف تتغير قيمتها مع نمو إيرادات الواجهة. ستساعد الاختبارات المستقلة لمزاعم المقارنة أيضًا في تحديد مدى اتساق تحسين BRAID للنتائج عبر نماذج ومهمات مختلفة. بقيمة حوالي 15 مليون دولار، يوفر $SERV تعرضًا لمنتج ذكاء اصطناعي للتفكير موجود فعليًا، ويظهر نموًا مبكرًا في الاستخدام، ويملك آلية إحراق مرتبطة بالإيرادات. هذه نقطة بداية أكثر واقعية من رمز مبني بالكامل حول خطط مستقبلية.