دخل نموذج جديد إلى المنافسة بين نماذج الذكاء الاصطناعي، فبدل التركيز فقط على زيادة قدرات النموذج أو حجمه، تحاول Fireworks AI تقليل كمية الحوسبة التي يستهلكها أثناء التفكير، وقدمت الشركة نموذج Ember-1 الذي يستهدف تنفيذ مهام الاستدلال باستخدام عدد أقل من الرموز مع الحفاظ على مستوى قريب من النموذج الذي بُني عليه، وهي معادلة ترتبط مباشرة بتكلفة تشغيل تطبيقات الذكاء الاصطناعي والوكلاء الذين قد ينفذون سلسلة طويلة من عمليات التفكير قبل الوصول إلى النتيجة.

40% رموز أقل مع جودة مماثلة

وفقًا لما أعلنته Fireworks AI، بُني Ember-1 اعتمادًا على نموذج Kimi K3 ثم خضع لعملية تدريب لاحقة تستهدف التخلص من خطوات الاستدلال غير الضرورية، وتقول الشركة إن النموذج يستخدم نحو 40% رموز أقل مع الحفاظ على جودة مماثلة عبر تقييماتها، إضافة إلى اختبارات مباشرة على أحمال عمل للعملاء ومهام البرمجة، ويتوافر النموذج عبر خدمة Serverless التابعة للشركة، كما يدعم استدعاء الوظائف والمدخلات الصورية وسياقًا يصل إلى 1.04 مليون رمز، بينما تبلغ بنيته 2.78 تريليون معلمة بنظام Mixture-of-Experts.

المنافسة تنتقل من الذكاء إلى تكلفة التفكير

تكمن أهمية Ember-1 في المشكلة التي يحاول حلها، فالنماذج الاستدلالية قد تنتج عددًا كبيرًا من الرموز الداخلية قبل تقديم الإجابة، ومع التطبيقات متعددة الخطوات والوكلاء يمكن أن تتراكم هذه الرموز وتزيد التكلفة وزمن الاستجابة، ولذلك فإن تقليل مسار التفكير مع الاحتفاظ بجودة النتيجة قد يصبح ميدانًا جديدًا للمنافسة، وتقول Fireworks إن Ember-1 يمثل أول نموذج تدربه الشركة ضمن سلسلة من النماذج المتخصصة، لكن أرقام الأداء والكفاءة تظل في جانب منها نتائج معلنة من الشركة نفسها، وهو ما يجعل الاختبارات المستقلة مهمة لتحديد حجم التحسن في الاستخدام الفعلي.