أربعة نماذج صغيرة تغلبت للتو على أشقائها الأكبر. لم يعد ذلك مصادفة

OvisOCR2، نموذج بـ 800 مليون معامل من Tencent، سجل 96.58 على OmniDocBench، وهو أول نموذج شامل يتربع على قمة لوحة الصدارة تلك. أنظمة خطوط الأنابيب متعددة المراحل، التي تربط بين نماذج منفصلة للكشف والتخطيط والتعرف، هيمنت على تحليل المستندات لسنوات على افتراض أن تقسيم المشكلة إلى مراحل هو السبيل الوحيد لتحقيق أعلى دقة. نموذج صغير واحد يتفوق على تلك البنية بشكل قاطع، باستخدام التعلم المعزز والتقطير بدلاً من المزيد من المعاملات، هو النوع من النتائج الذي يجب أن يجعل كل فريق يحافظ على نظام خط أنابيب يتساءل عما إذا كان التعقيد لا يزال يحقق أي فائدة.

هذه ليست نتيجة منفصلة هذا الشهر. Mage-Flow من Microsoft، نموذج لتوليد وتحرير الصور بـ 4 مليارات معامل، ينافس أنظمة أكبر بـ 30 مليار معامل مثل Qwen-Image وFLUX.2 بينما يعمل على وحدة معالجة رسومية A100 واحدة. ابتكاره الرئيسي ليس شبكة أكبر، بل محلل رموز خفيف الوزن يقلل تكاليف الترميز بمقدار 12 مرة. Celeris-1 يسجل 75.9% على MMLU-Pro بزمن استجابة 158 مللي ثانية، أسرع بثماني مرات من GPT-5 mini مع خسارة 2.6 نقطة دقة فقط، وهي مقايضة ستقبل بها معظم عمليات الإنتاج دون تردد. وفي مقارنة أضيق ولكنها حادة، Claude Opus 5 اجتاز جميع المهام الثلاث في معيار فيزياء تفاعلي بأقل تكلفة بين أفضل المؤدين، بينما فشل Claude Fable 5 في كل منها بتكلفة مضاعفة.

ما تشترك فيه هذه النماذج الأربعة

لم تأتِ أي من هذه النتائج من خدعة معمارية واحدة تنفع للتعميم. OvisOCR2 يعتمد على التقطير والتعلم المعزز. Mage-Flow يعتمد على كفاءة محلل الرموز. Celeris-1 يعتمد على سرعة الاستدلال كهدف تصميم من الدرجة الأولى بدلاً من فكرة لاحقة. نتيجة Opus 5 تتعلق حقًا بجودة التدريب والمواءمة على نوع مهمة محدد، وليس بالحجم على الإطلاق. ما يربطها هو أن كل فريق توقف عن التعامل مع عدد المعاملات كرافعة افتراضية وبدلاً من ذلك وجد الاختناق الفعلي في مشكلتهم المحددة، تكاليف الترميز، تكرار خط الأنابيب، زمن استجابة الاستدلال، الاستدلال الخاص بالمهمة، وأصلح ذلك مباشرة.

هذه وضعية بحث وتطوير مختلفة بشكل جوهري عن تلك التي هيمنت على تطوير الذكاء الاصطناعي تقريبًا من 2020 إلى 2024، عندما جعلت قوانين التحجيم "تدريب نموذج أكبر" وسيلة موثوقة، وإن كانت باهظة الثمن، لشراء مكاسب في القدرات. لم تُلغَ تلك القوانين. لكن العائد الهامشي على الحجم البحت أصبح من الصعب إنفاقه، بينما أصبح العائد الهامشي على الكفاءة المعمارية، ومحللات الرموز الأفضل، ووصفات التقطير الأفضل، والتوجيه الأفضل، أسهل في الإيجاد، وذلك تحديدًا لأن عددًا أقل من الفرق كان يبحث هناك.

لماذا هذه قصة أكبر من إطلاق أربعة منتجات

النتيجة العملية هي أن "أكبر نموذج متاح" لم يعد إجابة افتراضية آمنة لسؤال "أي نموذج يجب أن نستخدمه"، حتى بالنسبة للفرق التي لا توجد قيود على الميزانية. نموذج صور بـ 30 مليار معامل يتفوق عليه نموذج بـ 4 مليارات معامل على وحدة معالجة رسومية واحدة متاحة للمستهلك ليس فقط أرخص، بل هو إشارة إلى أن السعة الإضافية للنموذج الأكبر لم تكن تُستخدم بكفاءة في المقام الأول. كل من هذه النتائج الأربعة هو فوز هندسي صغير ومحدد. معًا، هي دليل على أن أسهل المكاسب المتبقية في هذا المجال تأتي بشكل متزايد من السؤال عما يضيعه النموذج، وليس من السؤال عن كم يمكن أن يكون أكبر.