DeepSeek تطرح محرك الاستدلال DeepInfer بشكل مفتوح المصدر

ماذا حدث

أعلنت DeepSeek أنها ستطرح بشكل مفتوح المصدر DeepInfer، وهو محرك الاستدلال الذي يشغّل نموذجها V4.1-Flash، والذي تصفه التقارير بأنه الأسرع والأقل تكلفة بين نماذج الشركة.

وبحسب ما نقله موقع The Decoder، فإن DeepInfer مبني على مكتبة تقديم النماذج vLLM، ويهدف إلى خفض تكاليف الحوسبة والطاقة المرتبطة بتشغيل النماذج اللغوية في البيئات الإنتاجية. ويعني ذلك أن المطورين والمؤسسات يمكنهم الاطلاع على آلية العمل الداخلية لمحرك يعالج الطلبات الفعلية، لا على النموذج وحده.

ولم تتضمن المادة المتاحة أرقاماً محددة عن مقدار الخفض في التكلفة أو السرعة، لذلك تبقى الادعاءات المتعلقة بالأداء مرتبطة بما تعلنه الشركة نفسها.

لماذا يهم ذلك

يتعلق هذا الإعلان بالطبقة التي تحدد اقتصاديات الذكاء الاصطناعي في الخدمة: كلفة كل استجابة وسرعة وصولها إلى العميل. فالاستدلال، أي تشغيل النموذج لمعالجة الطلب، هو المرحلة التي تتراكم فيها التكاليف مع كل محادثة أو طلب دعم أو توصية. ومن هنا تصبح كفاءة المحرك عاملاً مباشراً في جدوى نشر المساعدين الافتراضيين على نطاق واسع.

وعلى مستوى التحول الرقمي الأوسع، فإن إتاحة محرك استدلال مفتوح المصدر قد تمنح المؤسسات خيارات أكبر لتشغيل النماذج داخل بنيتها التحتية الخاصة، وتقليل اعتمادها على مزود واحد. ويشير ذلك إلى أن المنافسة في الذكاء الاصطناعي تنتقل تدريجياً من جودة النموذج وحدها إلى كفاءة تشغيله.

رؤية Renascence

يركز معظم المتابعين على اسم النموذج وعلى عناوين الأداء، بينما الأهم هو ما يحدث تحت الغطاء. فسرعة الاستجابة وكلفتها هما ما يشعر به العميل فعلياً، وليس المواصفات المعلنة للنموذج.

المبدأ الذي يحكم هذا التطور هو أن تجربة الخدمة تُحدد بزمن الاستجابة وثباته، لا بعدد المعايير التي يحققها النموذج في الاختبارات. ولهذا ينبغي لفرق تجربة العملاء أن تقيس الكلفة لكل تفاعل وزمن الانتظار الفعلي من الطرف الآخر من الشاشة، وأن تعتبرهما مؤشرين أساسيين لا تفصيلاً تقنياً. أما القادة الذين يضعون العميل في المقام الأول فعليهم أن يقيّموا خيارات النشر المفتوح والمغلق على أساس هذين المؤشرين، وأن يبدؤوا باختبار مساعد واحد على بيانات حقيقية قبل أي توسع في الاستثمار.