لم يعد معيار سباق نماذج الذكاء الاصطناعي محصورًا في دقة الإجابات وحدها، بل بدأ يتحول تدريجيًا إلى سؤال أكثر عملية: **كم يستغرق النموذج لإنجاز المهمة فعليًا؟** فمع تزايد اعتماد الشركات على الذكاء الاصطناعي في عمليات حساسة ومستمرة—مثل المراقبة الفورية للأعطال، والتعامل مع الحوادث التقنية، والتحليل المالي لحظيًا—أصبحت سرعة الاستجابة عاملًا حاسمًا ينعكس مباشرة على جودة القرار والقدرة على التنفيذ.
في هذا السياق، كشفت OpenAI عن وضع تشغيل جديد يحمل اسم **Ultrafast** ضمن نموذج **GPT-5.6 Sol**، هدفه تقليل زمن الانتظار إلى مستويات قريبة من “التفاعل اللحظي” بدل الانتظار المعتاد مع النماذج المتقدمة. ويستهدف هذا الوضع سيناريوهات تكون فيها ثوانٍ قليلة من التأخير كفيلة بتغيير النتيجة، أو على الأقل تقليل كفاءة العمليات التي تعتمد على سرعة الاستجابة.
## 750 رمزًا في الثانية: قفزة قابلة للقياس
بحسب الإعلان الرسمي، يمكن تشغيل GPT-5.6 Sol عبر وضع Ultrafast بسرعات تصل إلى **14 ضعفًا** من الأداء القياسي، مع إنتاج حتى **750 رمزًا في الثانية**. هذه الأرقام ليست مجرد تحسين تقني تجميلي، بل تعني—في الاستخدام الواقعي—قدرة أعلى على توليد نص بسرعة، وتقديم مخرجات متتابعة عند الحاجة، وتقليل زمن الوصول إلى “الجزء المفيد” من الإجابة.
كما أوضحت OpenAI أن الخدمة تعتمد على بنية من **Cerebras**، وهي شركة أمريكية متخصصة في رقائق وأجهزة الذكاء الاصطناعي. وتأتي هذه الشراكة في إطار اتجاه أوسع في الصناعة نحو تحسين الأداء عبر تحسين البنية التحتية للتشغيل، وليس فقط عبر تغيير النموذج نفسه.
## اختبار محدود ثم توسع عبر واجهة OpenAI
تذكر OpenAI أن Ultrafast يتم اختباره حاليًا مع **مجموعة محدودة** من الشركات، في مجالات مثل:
– البرمجة وتوليد الأكواد ومراجعتها بسرعة عند ظهور الأخطاء.
– التجارة، خصوصًا حيث تتطلب القرارات متابعة مستمرة للسياق.
– الأبحاث المالية وتحليل البيانات المتغيرة.
– خدمات الدعم، حيث تؤثر الاستجابة السريعة على تجربة المستخدم وفعالية التعامل مع البلاغات.
وبحسب الخطة المعلنة، من المتوقع أن يبدأ توفر Ultrafast عبر **واجهة OpenAI البرمجية (API)** قبل توسيع نطاق الوصول تدريجيًا.
## السرعة كجزء من “الذكاء” وليس مجرد تحسين شكلي
تقليديًا، كان الحصول على استجابات سريعة يتطلب غالبًا اختيار نموذج أصغر أو أقل قدرة. أما الفكرة التي تحاول OpenAI إثباتها عبر Ultrafast فهي أن المستخدم—حتى عند استخدام نموذج متقدم—يمكنه الحصول على زمن استجابة أقرب للتطبيقات التفاعلية المعتادة.
هذا التحول قد يكون مهمًا بشكل خاص في سيناريوهات تتطلب:
– **تدخلًا سريعًا أثناء الأزمات التقنية**: صياغة خطط استجابة، تلخيص سجلات الأعطال، وتقديم خطوات تشخيص متتابعة دون تأخير كبير.
– **تحليل مالي أثناء تغير المعطيات**: تلخيص تغييرات السوق، تفسير أثر أخبار أو أحداث، وتوليد توصيات أولية قابلة للمراجعة.
– **مساعدة الموظفين لحظة بلحظة**: دعم فرق التشغيل أو المبيعات أو المكاتب الإدارية بإجابات متتابعة تساعد على اتخاذ القرار بسرعة.
## نحو منافسة “كمية العمل المفيد” في الثانية الواحدة
إذا أثبت Ultrafast فعاليته على نطاق أوسع، فقد يعيد تشكيل طريقة قياس التفوق بين الشركات المنافسة في مجال الذكاء الاصطناعي. فبدلًا من أن تظل المقارنة محصورة في الاختبارات الأكاديمية والقدرات النظرية فقط، قد تصبح المنافسة على قدرة كل نظام على إنتاج **كمية أكبر من العمل المفيد خلال زمن قصير جدًا**—أي “الإنجاز الفعلي” في الثانية الواحدة.
## ما الذي يعنيه ذلك للمستخدمين والشركات؟
من الناحية العملية، تحسين سرعة التوليد يمكن أن ينعكس على:
– تسريع سير العمل في أدوات تعتمد على تفاعل متكرر بين الإنسان والنظام.
– تقليل زمن الانتظار الذي يؤثر على الإنتاجية، خصوصًا في البيئات التشغيلية أو مراكز الدعم.
– تمكين حالات استخدام أكثر تعقيدًا في الوقت الحقيقي (مثل تلخيص أحداث متتابعة أو اقتراح خطوات تصحيح مباشرة).
وفي النهاية، يبدو أن OpenAI لا تركز فقط على “ماذا” يستطيع GPT-5.6 Sol قوله، بل تركز أيضًا على “متى” يمكنه قول ذلك—وهذا فارق قد يحدد شكل تجربة المستخدم والميزة التنافسية في المرحلة المقبلة من الذكاء الاصطناعي.
التعليقات