ما الجديد؟
انضمّت الشركة الناشئة Subquadratic من سان فرانسيسكو إلى موجة Decision Models (نماذج القرار) بنموذج SubQ Snap، الذي تقول إنه يعالج حتى 384 ألف رمز من النصوص والصور في طلب واحد، أي 12 ضعف حدّ Jev البالغ 32 ألف رمز لكل قرار، بحسب The New Stack.
التفاصيل
- يعالج Snap مئة ألف رمز ويعيد قرارًا في نحو ثانية واحدة، بحسب الشركة.
- يعتمد على معمارية Subquadratic Sparse Attention التي قدّمتها الشركة في مايو، وتقول إن متطلّبات الانتباه فيها تنمو خطّيًا مع طول السياق، لا تربيعيًا كما في المحوّلات التقليدية.
- نماذج القرار، عكس النماذج اللغوية التي تولّد نصًّا وكودًا، تختار من إجابات محدّدة مسبقًا: أيّ أداة يستخدمها الوكيل، أو أيّ الملفات ذات صلة، أو هل نجح الاختبار.
رؤية الشركة
يقول الرئيس التنفيذي Alex Whedon إن Snap «طُوّر بإلهام من Jev»، لكنه يرى «فراغًا في الرؤية» لنماذج القرار التي تؤدّي حاليًا أدوارًا مساندة: «نماذج القرار تصبح مثيرة حين تأخذ العمل فعلًا من النماذج اللغوية الرائدة».
ومثاله: وكيل برمجة يحاول إصلاح خطأ في مستودع كبير، قد يكون أصله في وحدة أخرى أو تكون أدلّته في ملفات الاختبار. بسياق 32 ألف رمز، قد يضطرّ لتجاهل معلومات مهمّة أو اللجوء لنموذج أكبر. أما بـ384 ألفًا فيستطيع فحص جزء أكبر من الكود والسجلّات معًا قبل القرار.
ليه ده مهم؟
منذ إطلاق Jev في منتصف سبتمبر، دخلت OpenAI وPerplexity وCloudflare وAmazon وMicrosoft سوق نماذج القرار. والمنافسة الآن تتحرّك من السرعة إلى حجم السياق. للمطوّرين: كل قرار صغير يُنقل من نموذج رائد إلى نموذج قرار سريع يعني وكيلًا أرخص وأسرع.
المصادر: The New Stack — 2026-10-14
