أعلنت شركة كوهير الكندية الناشئة في مجال الذكاء الاصطناعي عن إطلاق نموذج Command R7B، الذي يُعد الأصغر في سلسلة R لنماذج اللغة الكبيرة.
ويتميز النموذج بإمكانية تشغيله على أجهزة ذات إمكانيات محدودة مثل وحدات معالجة الرسوميات منخفضة التكلفة (GPUs)، والمعالجات المركزية (CPUs)، وحتى أجهزة ماك بوك. ويدعم سياقًا طويلاً يصل إلى 128 ألف رمز (token).
كما يتميز بقدرته على التوليد المعزز بالاسترجاع (RAG)، وهي تقنية تعتمد على استدعاء معلومات دقيقة من مصادر خارجية أثناء الإجابة، مع تضمين استشهادات واضحة مباشرة في النص لتعزيز الموثوقية وتقليل الأخطاء المعلوماتية. بالاضافة الى ذلك، يدعم النموذج لغات متعددة ويقدّم أداءً جيدًا في مهام تشمل الرياضيات، البرمجة، والمنطق.
ويستهدف هذا الإصدار المؤسسات بتركيزه على الكفاءة من حيث التكلفة والسرعة والمرونة. فقد أشارت الشركة إلى أن النموذج مُصمم خصيصًا لتلبية احتياجات الشركات في مجالات مثل خدمة العملاء وإدارة الموارد البشرية. وفي بيانها، صرحت Cohere بأن "Command R7B يوازن بين الكفاءة والأداء، مما يسمح للشركات بنشر حلول ذكاء اصطناعي عالية الجودة على بنية تحتية بتكلفة معقولة."
أداء Command R7B
وفقًا لبيانات الشركة، حقق النموذج نتائج قوية على لوائح الأداء القياسية مثل HuggingFace Open LLM Leaderboard.
وتفوق على منافسيه في مهام التوليد المعزز بالاسترجاع، والذي وضحنا مفهومه سابقًا. كما أظهر كفاءة في "استخدام الأدوات" بمعني قدرته على التفاعل مع أدوات برمجية أو قواعد بيانات لإتمام مهام معينة، مثل تنفيذ تعليمات برمجية أو الوصول إلى بيانات محددة.
وفيما يخص اختبارات الأداء، خضع النموذج للتقييم عبر منصات متعددة، من بينها ChatRAGBench لتقييم قدرته على الإجابة باستخدام معلومات مسترجعة، وStrategyQA لقياس قدرات التفكير الاستراتيجي والإجابة على أسئلة معقدة، بالإضافة إلى لوحة بيركلي لوظائف الاستدعاء لكشف مدى كفاءة النماذج في استخدام الأدوات البرمجية.
أمور يجب وضعها بالحسبان
رغم الإمكانيات التي تم ذكرها بالنموذج وتقديمه معلومات مدعومة بالاستشهادات، إلا أنه من خلال التجربة لم يكن مثاليًا، خصوصًا فيما يتعلق بالمصادر.
وإليك نقطتان تم ملاحظتهما.
١. إجابات غير مُحَدَّثَة
عند طرح سؤال: "ما هي أحدث التطورات في مجال الذكاء الاصطناعي التوليدي؟ اذكر المصادر".
كانت الإجابة قديمة، مع مصادر من عام 2022 و2023، رغم أننا على مشارف الانتقال إلى 2025. لم اتأكد من صحة ما قدمه، فهذه الإجابة القديمة لن تفي بالغرض في كل الأحوال.
٢. مصادر غير دقيقة
هذه المرة كنت أكثر تخصيصًا في ذكر السنة داخل السؤال، حيث طرحت عليه سؤالًا: "ما هي أحدث الاكتشافات العلمية في مجال علاج السرطان في 2024، اذكر المصدر في إجابتك".
قدم النموذج إجابة تضمنت معلومات تبدو دقيقة، مثل ذكر العلاج بالخلايا التائية المعدلة (CAR-T)، وتقنيات العلاج الجيني باستخدام CRISPR، بالإضافة إلى التشخيص المبكر باستخدام الذكاء الاصطناعي. لكن المثير للاهتمام كان في المصادر التي أوردها، حيث تبين بعد الفحص الدقيق أنها مُختلَقة أو غير موجودة فعليًا في المراجع العلمية المعروفة.
إن مثل هذه الأمور تذكرنا دائمًا بأهمية التحقق مما تولده النماذج اللغوية، وعدم الثقة المبالغة في إجاباتها، خصوصًا في حالة الأسئلة التي تتعلق بالأمور الحيوية. فقد تعطي نماذج الذكاء الاصطناعي إجابات تبدو دقيقة ولكن خاطئة، حتى كلما تطورت.
الوصول إلى Command R7B
يتوفر Command R7B من خلال منصة Cohere ومنصة HuggingFace.
وقد قامت الشركة بنشر الأوزان الخاصة بالنموذج لاستخدامها في الأبحاث الأكاديمية والمجتمعية. كما يتكلف رقم تنافسي وهو 0.0375 دولار لكل مليون رمز إدخال.
ويأتي هذا الإصدار الجديد ضمن موجة من النماذج الصغيرة التي تم إطلاقها الأيام الماضية، بما في ذلك نموذج Phi-4 من مايكروسوفت ونموذج PaliGemma 2 من جوجل.
وفي سياق متصل، أطلقت Cohere مؤخرًا Rerank 3.5 لتحسين دقة البحث وترتيب المحتوى للشركات، مع دعم أكثر من 100 لغة مثل العربية والصينية والإنجليزية والفرنسية. كما حصلت الشركة على استثمار بقيمة 240 مليون دولار من الحكومة الكندية لبناء مركز بيانات ضخم للذكاء الاصطناعي في كندا.
تأسست Cohere عام 2019 وتركز على تطوير نماذج لغوية مخصصة لتطبيقات الأعمال، بخلاف شركات أخرى مثل OpenAI وجوجل التي تهتم أيضًا بتطوير الذكاء الاصطناعي العام (AGI). وقد بلغت قيمة الشركة السوقية 5.5 مليار دولار في وقت سابق هذا العام بعد جولة تمويلية جمعت فيها 500 مليون دولار.
