تطلق Fortytwo واجهة Engine البرمجية، وتعلن عن استخدام رموز أقل بنسبة 24.7% في مهام البرمجة

أطلقت Fortytwo خدمة Fortytwo Engine، وهي واجهة برمجية للاستدلال تستخدم نماذج ذكاء اصطناعي متعاونة لتحسين الاستدلال مع تقليل النص المُولَّد اللازم لإنجاز المهمة. وتفيد الشركة بأن أول نموذج مدعوم، Qwen 3.8 27B، استخدم رموزًا أقل بنسبة 24.7% في 450 تشغيلًا لمهام هندسة البرمجيات على DeepSWE مقارنةً بالنموذج نفسه عند تشغيله منفردًا، كما نجح في حل نسبة أكبر من المهام.

يستهدف هذا الإعلان مشكلةً متفاقمة في تكاليف وكلاء الذكاء الاصطناعي: فانخفاض سعر الرمز الواحد لا يعني بالضرورة انخفاض تكلفة إنجاز المهمة. وقد تتراكم أثناء عمليات البرمجة والبحث الطويلة سياقات متكررة، واستدعاءات غير ضرورية للأدوات، ومحاولات إعادة. وتسعى Fortytwo إلى الحد من هذا العمل المهدور داخل عملية الاستدلال، مع إبقاء سعر الرمز الواحد عند مستوى سعر النموذج الأساسي، بحسب الشركة.

توجيه الاستدلال قبل تفاقم الأخطاء

تطلق Fortytwo على التقنية التي تقوم عليها خدمة Engine الجديدة اسم Swarm Decoder. ويعمل عدد من النماذج المشاركة على تشكيل مسار استدلال مشترك أثناء توليده، وتقييم الاتجاه الأقوى قبل اكتمال الإجابة. والهدف هو رصد الافتراضات الضعيفة مبكرًا، تفاديًا لما يتبع الانحراف إلى مسار خاطئ من توليد إضافي وجهد لاستدراك الخطأ.

يمثل ذلك تغييرًا عن البنية السابقة لدى Fortytwo. ففي أبحاثها لعام 2025 حول الاستدلال بالسرب، أنتجت عُقد منفصلة إجابات مستقلة، ثم قارنت بينها مباشرةً ودمجت أقوى المساهمات. وتصف الشركة آلية ترتيب إحصائية تمنح وزنًا أكبر للعُقد التي أثبتت جدارتها، فيما يساعد تقييم الأقران على ترسيخ سمعتها. كانت المقاربة السابقة تقيّم الإجابات المكتملة، أما خدمة Engine الجديدة فتُدخل ترتيب الأقران في عملية الاستدلال نفسها.

ويكتسب هذا الاختلاف أهميةً لدى الوكلاء الذين ينجزون مهام متعددة الخطوات. فاختيار أقوى إجابة مكتملة قد يحسّن النتيجة، لكنه لا يستعيد الرموز التي أُنفقت بالفعل في توليد البدائل الأضعف. ويُفترض أن يمنع التوجيه المستمر نمو مسار غير مثمر من الأساس. وتقول Fortytwo إن احتسابها للرموز يشمل جميع النماذج المشاركة، بدلًا من احتساب الإجابة النهائية وحدها.

وصف الرئيس التنفيذي والشريك المؤسس إيفان نيكيتين الفائدة بأنها مزدوجة: «يؤتي الاستدلال الجماعي ثماره مرتين: إجابات أفضل، ومهام تنجز باستخدام رموز أقل».

ما الذي تكشفه اختبارات Fortytwo

في تقييم الشركة على DeepSWE، حققت خدمة Engine درجة 47.8، مقارنةً بـ42.2 للنموذج الأساسي، أي بزيادة قدرها 5.6 نقاط مئوية. وانخفض متوسط استخدام الرموز من 16.3 مليونًا إلى 12.3 مليونًا لكل تشغيل. وفي إجمالي عمليات التشغيل البالغ عددها 450، تفيد Fortytwo بأن النموذج الأساسي استخدم 7.4 مليارات رمز، مقابل 5.6 مليارات لخدمة Engine.

وتفيد مواد الإطلاق أيضًا بتحقيق درجات أعلى في خمسة معايير مرجعية أخرى، تشمل العلوم والبرمجة والاستدلال العام:

المصدر: إعلان إطلاق Fortytwo. تقارن الدرجات بين Qwen 3.8 27B مع Engine ومن دونها، وفق بروتوكول التقييم الخاص بالشركة.

هذه نتائج أبلغت عنها الشركة. ويُعزى انخفاض استخدام الرموز بنسبة 24.7% تحديدًا إلى عمليات التشغيل على DeepSWE؛ ولا ينبغي اعتباره توفيرًا مقاسًا في جميع المعايير المرجعية أو أعباء العمل الإنتاجية. وبالنسبة إلى المطورين، يتمثل الاختبار العملي في معرفة ما إذا كان النموذج ينجز مهامهم بدقة باستخدام عدد إجمالي أقل من الرموز ومحاولات الإعادة واستدعاءات الأدوات.

واجهة برمجية مألوفة مع حدود توافق واضحة

تتوفر الخدمة عبر منصة المطورين التابعة لـFortytwo. وتوضح وثائق واجهة البرمجة توافقها مع واجهة OpenAI Chat Completions API، ما يتيح لمجموعة تطوير برمجيات أو عميل قائم استخدام مفتاح API وعنوان URL أساسي من Fortytwo، إلى جانب معرّف نموذج مدعوم.

تشمل الإمكانات الموثقة البث، وأدوات الوظائف، واستدعاءات الأدوات المتوازية، والمخرجات المنظّمة. ويمكن للمطورين أيضًا تحديد مستوى جهد الاستدلال. وتجعل هذه الميزات الخدمة مناسبةً للوكلاء الذين يحتاجون إلى استدعاء أدوات برمجية وإرجاع نتائج قابلة للقراءة آليًا، بدلًا من توليد نصوص حوارية فحسب.

للتوافق حدود. إذ تسرد الوثائق واجهتي Chat Completions وإدراج النماذج ضمن نقاط النهاية المدعومة، في حين أن واجهات مثل Responses وEmbeddings وAudio وFiles وAssistants غير مدعومة. ولا تحظى بعض حقول الطلبات إلا بدعم جزئي أو يعتمد دعمها على النموذج المحدد، كما تؤدي الحقول غير المدعومة إلى ظهور خطأ بدلًا من تجاهلها بصمت. لذلك، ينبغي للفرق التي تنقل تطبيقًا قائمًا التحقق من طلباته الفعلية بالرجوع إلى دليل التوافق.

رهان أوسع على الذكاء الاصطناعي الجماعي

يأتي Engine إلى جانب Fortytwo Harbor، وهو الحل الذي تقدمه الشركة للمؤسسات الراغبة في تشغيل الاستدلال الجماعي على بنيتها التحتية الخاصة. وتسوّق Fortytwo لـ Harbor بوصفه وسيلةً لإبقاء البيانات داخل حدود المؤسسة واعتماد تكلفة ثابتة للأجهزة بدلًا من الفوترة بحسب عدد الرموز عبر واجهة برمجة التطبيقات.

يشمل البرنامج البحثي الأوسع للشركة أيضًا إنشاء بيانات التدريب عبر شبكة نماذجها. ويسلّط موقعها الإلكتروني الضوء على Strand-Rust-Coder-14B، وهو نموذج مفتوح دُرّب على مجموعة بيانات أنشأتها Fortytwo. ويتناول هذا العمل تدريب النماذج، في حين يركّز Engine الجديد على تحسين طريقة استدلال النماذج الحالية ذات الأوزان المفتوحة وقت الاستدلال.

تأسست Fortytwo عام 2024، وتقول إن فريقها يضم 15 مهندسًا، من بينهم مهندسون في ماونتن فيو وأبوظبي، وإنها جمعت 2.3 مليون دولار في جولة تمويل ما قبل التأسيس عام 2025، وانضمت إلى منظومة Hub71 في أبوظبي عام 2026. وتعتزم الشركة إضافة مزيد من النماذج المفتوحة إلى Engine بعد Qwen 3.8 27B.

يركّز الإطلاق على التكلفة لكل مهمة ناجحة. وإذا أمكن للتقييم المستمر بين النماذج أن يمنع، على نحو موثوق، قدرًا كافيًا من الاستدلال المهدور لتعويض تكلفته الإضافية، فقد تتاح للمطورين وسيلة أخرى لتحسين اقتصاديات الوكلاء، إلى جانب النماذج الأفضل والأجهزة الأسرع.