نموذج مفتوح المصدر بحجم 9 مليار بارامتر يتفوق على النماذج الرائدة في مراجعة الكتالوجات
يتكرر نمط ناجح في عالم الذكاء الاصطناعي يعتمد على أخذ نماذج مفتوحة المصدر وتدريبها على بيانات خاصة عبر التعلم المعزز، ليتفوق هذا النهج على أعتى النماذج التجارية الرائدة بتكلفة أقل بكثير. ففي عالم التمويل، درّب صندوق «بريدجووتر» الاستثماري نموذجه الخاص ليقلّص الأخطاء بنحو 30% مقارنة بأفضل النماذج الرائدة. وحقّقت شركة «هارفي» القانونية أداءً يتفوق على إصدارات GPT و Claude في مهامها الطويلة والمعقدة، بينما تفوّق نموذج «فين أبيكس» لخدمة عملاء «إنتركوم» في حل المشكلات بشكل أرخص وأكثر كفاءة من المنافسين.
الحقائق الأساسية
نموذج بريدجووتر المخصص يرتكب أخطاء أقل بنحو 30% من أفضل النماذج الرائدة، وبتكلفة استدلال أقل بكثير
«The trained model makes roughly 30% fewer mistakes than the best frontier model, at a fraction of the inference cost.»
عرض المصدر ←وكيل هارفي القانوني الذي بُني على نموذج مفتوح يتفوق على GPT-5.5 و Claude Opus 4.8 في معاييره الخاصة
«Harvey ran reinforcement learning on an open-weight model and got a legal agent that outperforms both GPT-5.5 and Claude Opus 4.8 on its rubrics.»
عرض المصدر ←نموذج فين أبيكس المخصص لإنتركوم يحل مشكلات أكثر من أفضل النماذج الرائدة مع تكلفة تشغيل أقل
«Intercom reports that it resolves more issues than the best frontier models while being cheaper to run.»
عرض المصدر ←
المصادر
شفت معلومة تحتاج تصحيح؟ بلّغنا ونتحقق ونصحّح — سياسة التصحيح
صحّح هذا الخبر