دراسة جديدة تكشف.. نماذج الذكاء الاصطناعي المفتوحة قد تتسبب في نفقات أكبر مستقبلاً

مع ازدياد توجه المؤسسات والشركات نحو تطبيقات الذكاء الاصطناعي لدعم أعمالها، تبرز أهمية اختيار النموذج المناسب بين الخيارات المفتوحة والمغلقة، ورغم ما قد يظهر من توفير في التكلفة عند استخدام النماذج مفتوحة المصدر في بادئ الأمر، إلا أن بحثًا حديثًا يوضح أن المكاسب المالية قد تتبدد بسرعة، نظراً للاستهلاك الكبير في موارد الحوسبة المصاحب لتلك النماذج، وهو ما يترتب عليه ارتفاع التكلفة الفعلية لكل استعلام أو عملية.

تتناول الدراسة التي أعدتها Nous Research هذه القضية عبر المقارنة بين فاعلية النماذج المفتوحة والمغلقة، مستخدمة في ذلك بيانات عملية دقيقة حول مستوى استهلاك الرموز المميزة لكل نموذج.

مقارنة أداء نماذج الذكاء الاصطناعي

توصل الباحثون من خلال اختبارهم لعشرات النماذج، سواء كانت مغلقة مثل نماذج Google وOpenai أو مفتوحة المصدر مثل Deepseek وMagistral، إلى نتائج تعكس اختلافات جوهرية في الكفاءة الرمزية بين تلك النماذج، وذلك عبر فئات متنوعة من المهام:

• مشاكل الرياضيات،
• ألغاز منطقية،
• أسئلة المعرفة البسيطة،

دلالات الرمزية وأهميتها في الكفاءة

يُعد فهم آلية استخدام الرموز المميزة عنصراً محورياً في تقييم كفاءة تلك النماذج، حيث أوضح الباحثون أن النماذج مفتوحة المصدر غالباً ما تستهلك من 1.5 إلى 4 أضعاف الرموز مقارنة بنظيراتها المغلقة، وقد يصل الفارق إلى 10 أضعاف بالنسبة لأسئلة المعرفة البسيطة، بينما يتقلص إلى أقل من الضعف في مسائل المنطق والرياضيات:

• ازدياد عدد الرموز يؤدي إلى ارتفاع الحاجة للموارد الحاسوبية،
• زيادة مدة معالجة الإجابة الناتجة عن حجم الرموز،
• احتمالية تعويض ميزة التكلفة الأولية بسبب الاستهلاك المرتفع للموارد،
• عدم كشف النماذج المغلقة غالبًا عن طريقة الوصول إلى الحل أو تسلسل التفكير،

نتائج الدراسة وتوصياتها للشركات

أشارت نتائج البحث إلى تميز النماذج المغلقة (مثل Openai وGrok-4) في الاقتصاد في استهلاك الرموز وبالتالي تقليل التكاليف، بينما اعتمدت النماذج المفتوحة (مثل Deepseek وQwen) على استخدام رموز أكثر قد تساهم بتحسين التفكير لكن تؤدي لتكاليف أعلى، كما ظهر تميز بعض النماذج المفتوحة مثل Llama-3.3-nemotron-Super-49b-V1 بالكفاءة، وبرزت فعالية نماذج Openai الجديدة في فئة O4-Mini وGPT-OSS خاصة في المسائل الرياضية، ويقترح الباحثون أن طُرق Openai قد تكون معيارًا لتحسين النماذج مفتوحة المصدر.

تلخص الدراسة حقيقة مفادها أن الخطة عند تبني الذكاء الاصطناعي يجب أن تراعي توازن الكفاءة الرمزية مع التكاليف، إذ أكدت نتائج “غاية السعودية” في سياق استعراضها لتطورات الذكاء الاصطناعي، أن الشركات التي تسعى لخفض النفقات مطالبة بتقييم متعمق للموارد الحاسوبية المطلوبة لكل نموذج وتحليل الجدوى قبل اتخاذ القرار النهائي.