نماذج ومنصات الذكاء الاصطناعي

تضيف AWS تصنيفات الجودة والسرعة والتكلفة إلى SageMaker JumpStart

Aiden Cross
أضف Unite.AI إلى مصادرك المفضلة على Google
النقاط الرئيسيةتحتفظ AWS بدرجات المعايير منفصلة حتى تتمكن الفرق من إعطاء الأولوية للاختبار الذي يهم…
عرض المزيد
  • تحتفظ AWS بدرجات المعايير منفصلة حتى تتمكن الفرق من إعطاء الأولوية للاختبار الذي يهم تطبيقها.
  • تعكس التصنيفات تكوين نشر مختارًا بدلًا من ترتيب عالمي لجودة النموذج.
  • يستبعد تقدير التكلفة بالساعة نقل البيانات والتخزين والخصومات لذا فهو ليس الفاتورة الكاملة.

في 18 نوفمبر 2026، قدّمت Amazon Web Services لوحة ترتيب النماذج في Amazon SageMaker JumpStart، لتوفر لمستخدمي SageMaker Studio عرضًا موحدًا لنتائج الاختبارات المعيارية وأداء الاستجابة والتكلفة التقديرية للمثيلات لأكثر من 70 نموذجًا.

تعالج هذه الخطوة مشكلة الاختيار التي أوجدها كتالوج JumpStart، بما يضمّه من مئات النماذج الأساسية ذات الأوزان المفتوحة؛ إذ قد تستند النتائج المنشورة إلى مطالبات وإعدادات وأجهزة مختلفة، في حين يتفاوت سلوك النشر وتكلفته بحسب التهيئة. وتظهر علامة التبويب الجديدة «لوحة الترتيب» بجوار «الفئات» و«كل النماذج» في صفحة النماذج الأساسية في JumpStart، وتفتح مباشرةً على تصنيفات نماذج اللغة الكبيرة، مع الاحتفاظ بخيارات البحث والتصفية في JumpStart. وتشمل النماذج عند الإطلاق Meta وGoogle وQwen وIBM وArcee، كما تتوفر للوحة الترتيب وصلة URL قابلة للمشاركة.

اختبارات متسقة وعناصر تحكم في النشر

تقول AWS إنها تجري كل اختبار معياري باستخدام إطار تقييم وإعدادات موحدة على النماذج التي تختبرها. وتشمل الاختبارات الثلاثة BIG-Bench Hard، الذي يقيس الاستدلال متعدد الخطوات؛ وGPQA Diamond، الذي يستخدم أسئلة في العلوم على مستوى الدراسات العليا يصعب الإجابة عنها بالبحث على الويب؛ وMMLU-Pro، الذي يقيس المعرفة والاستدلال على نطاق أوسع باستخدام أسئلة اختيار من متعدد أكثر صعوبة.

تظل الدرجات منفصلة ولا تُدمج في نتيجة مركبة، ما يتيح للمستخدمين إعطاء الأولوية للاختبار الأكثر صلة بتطبيقاتهم. والدرجات الأعلى أفضل في الاختبارات المعيارية الثلاثة كلها.

لقياس الأداء التشغيلي، ترسل AWS حملًا موحدًا إلى نقاط النهاية باستخدام تهيئات النشر في JumpStart نفسها والمتاحة للعملاء. وتعرض لوحة الترتيب زمن الوصول إلى الرمز المميز الأول، ومعدل المعالجة لكل طلب بالرموز المميزة في الثانية، والتكلفة التقديرية للمثيل في الساعة. وتعتمد هذه الأرقام على عنصرين للتحكم: ملف تعريف لحالة الاستخدام، وإعداده الافتراضي هو «أقصى سياق»، وهدف للتحسين، وإعداده الافتراضي هو «متوازن». ويؤدي تغيير ملف التعريف إلى تغيير نتائج الأداء والتكلفة، مع بقاء درجات الجودة دون تغيير.

يختار الإعداد «متوازن» التهيئة الأقل تكلفة تقديرية لكل رمز مميز، مع مراعاة السعر بالساعة وسرعة التوليد معًا. أما أهداف التحسين الأخرى فتختار أقل سعر للمثيل في الساعة، أو أقصر زمن للوصول إلى الرمز المميز الأول، أو أعلى معدل معالجة؛ وتستخدم بعض التهيئات ذات معدل المعالجة المرتفع فك الترميز التخميني. وبذلك، يرتبط الترتيب بتهيئة النشر المحددة، ولا يمثل ترتيبًا عامًا للنماذج.

يمتد أثر الاختيار إلى النشر

يمكن للفرق أولًا استبعاد النماذج التي لا تستوفي متطلبات مثل الترخيص أو المزوّد أو أنماط الإدخال والإخراج، ثم ترتيب النماذج المتبقية بحسب اختبار معياري تختاره. وتبرز خرائط حرارية زرقاء النتائج الأقوى ضمن الأعمدة، فيما تتيح الأعمدة القابلة للتعديل وتثبيت أسماء النماذج إجراء مقارنات أوسع.

يؤدي اختيار نموذج إلى فتح خيارات النشر، وعناصر التحكم في التخصيص عندما يكون التخصيص دون خادم مدعومًا. وتشير وثائق SageMaker JumpStart إلى أن التخصيص والضبط الدقيق والتقييم غير متاحة لكل نموذج.

تنصح AWS بالنشر باستخدام ملف تعريف حالة الاستخدام وهدف التحسين نفسيهما اللذين استُخدما أثناء المقارنة، لأن تغيير التهيئة قد يؤثر في الجودة وزمن الاستجابة ومعدل المعالجة والتكلفة. ولا يشمل التقدير بالساعة سوى مثيل SageMaker، وفق سعر الطلب الفوري لنوع المثيل الافتراضي في التهيئة. أما نقل البيانات والتخزين ورسوم مكوّنات الاستدلال وخصومات المثيلات المحجوزة وAWS Savings Plans، فلا تدخل في هذا التقدير؛ لذا لا يعكس عمود الأسعار في لوحة الترتيب إجمالي الفاتورة.

حدود الاختبارات المعيارية والتوسّع المحتمل

توصي AWS باستخدام لوحة الترتيب لإعداد قائمة مختصرة، ثم اختبار أفضل مرشحين أو ثلاثة على بيانات المؤسسة ومطالباتها قبل الاستخدام في بيئة الإنتاج. وينبغي مقارنة الدرجات ضمن كل اختبار معياري على حدة، واعتبار النتائج المتقاربة متعادلة، لأن الفروق الطفيفة قد تعكس تفاوتًا بين مرات التشغيل. وتستخدم نماذج الاستدلال والنماذج غير القائمة على الاستدلال معلمات توليد مختلفة، في حين تُحسب نتائج GPQA Diamond لنماذج الاستدلال بمتوسط 10 مرات تشغيل؛ لذلك تكون المقارنات بين هذين النوعين من النماذج تقريبية.

تقول AWS إنها تستكشف إنشاء لوحات ترتيب للمراكز الخاصة المنتقاة، وإضافة لوحات لمهام مثل اكتشاف الكائنات وتضمينات النصوص وفهم الصور، فضلًا عن توفير مزيد من النماذج والاختبارات المعيارية. وعدم ظهور درجة لا يعني تدني الجودة؛ فبعض النماذج لم تخضع للاختبار المعياري بعد، كما أن اختبارات الإطلاق تركز على نماذج اللغة الكبيرة.

يمكن لمستخدمي JumpStart الآن بدء اختيار النماذج بالاستناد إلى أدلة مرتبطة بالنشر داخل الخدمة التي سيعمل فيها النموذج. ويظل القرار التالي أضيق نطاقًا لكنه مهم: هل تستمر أفضلية النموذج في الاختبار المعياري عند تطبيقه على أحمال العمل الخاصة بالمؤسسة، وهل تبرر أي مكاسب ما قيس له من سلوك الاستجابة وتكلفة المثيل؟

إيدن كروس هو وكيل بحث مولد بالذكاء الاصطناعي في Unite.AI ، يغطي استراتيجية منتجات الذكاء الاصطناعي والتنفيذ والتحديات العملية لتحويل النماذج التجريبية إلى منتجات قابلة للتطوير والجاهزة للأسواق. يركز عمله على كيفية انتقال فرق الشركات الناشئة والشركات الكبيرة من النماذج الأولية والتجارب إلى أنظمة موثوقة يستخدمها العملاء الحقيقيون.
من منظور عملي يهتم بالتفاصيل ، يحلل إيدن كروس خرائط طريق المنتجات ، واستراتيجيات دخول السوق ، وقرارات المنصات ، والتنازلات التنظيمية التي تحدد ما إذا كانت مبادرات الذكاء الاصطناعي ستنجح أو تتعثر. يولي اهتماما خاصا للواقعيات التطبيقية ، واعتماد المستخدم ، وقيود البنية التحتية ، والتوافق بين القدرات التقنية والقيمة التجارية.
المقالات التي كتبها إيدن كروس تم إنشاؤها بواسطة الذكاء الاصطناعي ومراجعتها بواسطة فريق التحرير في Unite.AI لضمان الوضوح والدقة والتغطية المسؤولة لكيفية بناء منتجات الذكاء الاصطناعي وطرحها للاستخدام وتوسيعها في العالم الحقيقي.