نموذج جديد لا يدردش ولا يكتب مقالات بلغ في أسبوعين استخدام 35% من الفرق المدفوعة على منصة Vercel، بحسب بيانات نقلتها TechCrunch. اسمه Jev، وما يفعله مختلف عمّا تتوقعه من «نموذج ذكاء اصطناعي».
لا يولّد نصًا حرًا. تسأله عن نص ما، وتحدد أنت الإجابات الممكنة: خيار من قائمة، أو درجة، أو نعم/لا. وبحسب TechCrunch يجعله هذا أرخص وأسرع من بدائل مثل Sonnet، فيناسب تصنيف كميات كبيرة من البيانات.
ماذا يفعل بالضبط؟
وصفته The Batch بأنه نموذج تصنيف عام تجيب عن أي سؤال بمخرجات محددة سلفًا. مدخله نص بطول يصل إلى 64 ألف توكن، ومخرجه يحدده المطور. يُستخدم ليمدّ برامج أخرى بما يكفي لاتخاذ قرار: هل هذه الرسالة مسيئة؟ إلى أي قسم يوجَّه هذا الطلب؟ هل يطابق هذا الرد التعليمات؟
أسسته TypeSafe، وهي شركة أسسها الباحث السابق في OpenAI دييغو ألميدا، وهو في وصول مبكر بسعر 0.042 دولار لكل مليون توكن إدخال، دون رسوم على المخرجات بحسب The Batch.
ما الأرقام التي أثارت الانتباه؟
نشرت Vercel بيانات من بوابتها للذكاء الاصطناعي تقول إن Jev، الذي أُطلق محدودًا في 15 سبتمبر، بلغ استخدامه 35% من الفرق المدفوعة خلال أسبوعين، أي قرابة ضعف أقرب نموذج منافس هو Sonnet 5.5، وهو أسرع تبنٍّ لنموذج في أسبوعيه الأولين بحسب Vercel. واستبدلت Vercel نفسها به GPT-6 Luna في تصنيف الأوامر الضارة.
وتذكر TechCrunch أن الصورة ناقصة: بوابة Vercel لا ترى استخدام عملاء OpenAI وAnthropic عبر واجهاتهم المباشرة، فقد تُقلّل من حصة نماذج هذه الشركات فتبدو حصة Jev أكبر. كما تقول The Batch إن أداءه قريب من GPT-5.6 Terra وClaude Sonnet 5 في تصنيف مجموعة بيانات داخلية، وهذه قياسات الشركة لا قياسات مستقلة.
لمن يهمك هذا؟
- إن كنت تبني تطبيقًا فيه فرز أو توجيه أو مراقبة، فقد يكون بديلًا أرخص من استدعاء نموذج كبير في كل مرة.
- إن كنت مستخدمًا عاديًا فلن تتعامل معه مباشرة؛ ستلاحظ أثره في سرعة التطبيقات التي تعتمد عليه.
وللتعمق في مفاهيم قريبة اقرأ ما هي Embeddings؟ وContext Engineering، وإن كنت تقارن أسعار النماذج فراجع Luna أم Sol أم Astra؟.
