نماذج ومنصات الذكاء الاصطناعي
Thinking Machines Lab يطرح أول نموذج له بتفاعل آني على دفعات من 200 مللي ثانية

النقاط الرئيسيةتراهن Thinking Machines على أن التفاعل المستمر، بدلاً من التوجيه القائم على الأدوار، هو…
عرض المزيد
- تراهن Thinking Machines على أن التفاعل المستمر، بدلاً من التوجيه القائم على الأدوار، هو ما سيحدد الحدود التنافسية المقبلة في مجال الذكاء الاصطناعي.
- يعالج نموذج التفاعل المدخلات والمخرجات في دورة الساعة نفسها، ما يتيح له المقاطعة والتفاعل والترجمة في الوقت الفعلي.
- لا يزال التحقق المستقل من معايير التفاعل التي أعلنها المختبر بنفسه هو السؤال المفتوح المباشر بشأن المعاينة البحثية.
Thinking Machines Lab، شركة ناشئة في مجال الذكاء الاصطناعي أسستها المديرة التقنية السابقة لـOpenAI، ميرا موراتي، أصدرت في 11 مايو 2026 معاينة بحثية لأول نموذج تطوره داخليًا، لتنهي أكثر من عام من الصمت بشأن ما سيبنيه المختبر بالفعل. وتطلق الشركة على النظام اسم «نموذج التفاعل»، وهو بنية متعددة الوسائط دُرّبت من الصفر لمعالجة الصوت والفيديو والنص على دفعات طول كل منها 200 مللي ثانية، بدلًا من انتظار انتهاء دور المستخدم في الحديث.
يحمل النموذج اسم TML-Interaction-Small، وهو نظام بمزيج من الخبراء يضم 276 مليار معامل، منها 12 مليار معامل نشط. ووفقًا لـ تدوينة الإعلان التي نشرتها الشركة، فهو أول منتج من مختبر جمع نحو ملياري دولار بتقييم قدره 12 مليار دولار، من دون أن يطرح قبل ذلك سوى أداة للضبط الدقيق. ويأتي الإصدار وسط ضغوط متواصلة بسبب مغادرة الكفاءات وتعثر جولة تمويل لاحقة.
ما الذي يفعله نموذج التفاعل فعليًا؟
ترى Thinking Machines أن النماذج المتقدمة الحالية، ومنها GPT-Realtime من OpenAI وGemini Live من Google، تضيف السلوك الآني إلى بنى قائمة على تبادل الأدوار عبر منظومة تحكم من مكونات خارجية، مثل اكتشاف النشاط الصوتي. وتحدد هذه المكونات متى يتوقف المستخدم عن الكلام، ثم تسلّم كلامه المكتمل إلى النموذج. وأثناء توليد الرد، يتجمد إدراك النموذج للعالم.
يستبدل نموذج التفاعل هذه البنية المساندة بما تسميه الشركة أدوارًا مصغرة متزامنة زمنيًا. ويعالج النظام باستمرار 200 مللي ثانية من المدخلات بينما يولّد 200 مللي ثانية من المخرجات، مع تشابك تدفقي الرموز على دورة الساعة نفسها. وتتيح هذه البنية للنموذج مقاطعة المستخدم في منتصف الجملة، أو الاستجابة لإشارات بصرية من دون طلب، أو التحدث بالتزامن مع المستخدم في مهام مثل الترجمة المباشرة.
وتستغني البنية عن المرمّزات المستقلة الثقيلة. ويُدخل الصوت في صورة سمات dMel عبر طبقة تضمين خفيفة، وتُقسّم الصور إلى رقع بحجم 40 × 40، وتُدرّب جميع المكونات معًا من الصفر مع المحوّل. ويعمل نموذج خلفي منفصل بصورة غير متزامنة، فيتولى الاستدلال الأعمق واستدعاءات الأدوات وتصفح الويب، بينما يظل نموذج التفاعل حاضرًا في المحادثة.
وفي الاختبارات المعيارية التي أبلغت عنها الشركة، يسجل TML-Interaction-Small زمن تأخر في تبادل أدوار الحديث قدره 0.40 ثانية على FD-bench V1، مقابل 1.18 ثانية لـGPT-Realtime-2.0 في وضع الحد الأدنى من التفكير و0.57 ثانية لـGemini-3.1-flash-live. أما FD-bench V1.5 فيقيّم جودة التفاعل عند مقاطعات المستخدم والإشارات اللفظية القصيرة الدالة على المتابعة والكلام في الخلفية. ويحصل النموذج فيه على 77.8، مقابل 46.8 لـGPT-Realtime-2.0 في وضع الحد الأدنى من التفكير، و45.5 لـGemini-3.1-flash-live في وضع التفكير المرتفع. وهذه الأرقام معلنة من الشركة نفسها.
إصدار أول طال انتظاره
يسد الإصدار فجوة طويلة بين التمويل والمنتج. تأسست Thinking Machines في فبراير 2025، وأغلقت في يوليو من العام نفسه جولة تمويل تأسيسي بقيمة ملياري دولار عند تقييم قدره 12 مليار دولار. ووُصفت الجولة على نطاق واسع بأنها أكبر جولة تمويل تأسيسي مسجلة. وقادتها Andreessen Horowitz بمشاركة Nvidia (NVDA ) وAMD وCisco وAccel وServiceNow (NOW ) وJane Street. وحتى الآن، كان المنتج الوحيد الذي طرحته الشركة هو Tinker، وهو واجهة برمجة تطبيقات للضبط الدقيق للنماذج ذات الأوزان المفتوحة، أُطلقت في أكتوبر 2025.
وشهدت الأشهر الفاصلة اضطرابات. غادر الشريكان المؤسسان Barret Zoph وLuke Metz في يناير 2026 للعودة إلى OpenAI، وأعلنت موراتي أن الشركة «افترقت» عن Zoph. وانتقل Andrew Tulloch إلى Superintelligence Labs التابعة لـMeta بعد رفض عرض نُقل عن Mark Zuckerberg بقيمة مليار دولار للاستحواذ على الشركة بالكامل. وقد وظفت Meta منذ ذلك الحين خمسة من أعضاء المختبر المؤسسين. وردت موراتي بترقية Soumith Chintala، أحد مطوري PyTorch، إلى منصب المدير التقني. ولم تُغلق جولة تمويل لاحقة، أُفيد بأنها عند تقييم يقارب 50 مليار دولار، بحلول نهاية 2025.
أما قصة القدرة الحاسوبية فسارت في الاتجاه المعاكس. ففي مارس، أعلنت Thinking Machines شراكة مع Nvidia تشمل استثمارًا لم يُكشف عن حجمه ونشر أنظمة من الجيل التالي بقدرة لا تقل عن جيجاواط واحد، من طراز Vera Rubin . ووسّع المختبر أيضًا علاقته مع Google Cloud لتشمل تدريب النماذج المتقدمة على عتاد Nvidia GB300.
ما الذي ينبغي متابعته؟
نموذج التفاعل ليس متاحًا بعد للشركات أو للجمهور. وتقول Thinking Machines إن معاينة بحثية محدودة ستُفتح لشركاء مختارين خلال الأشهر المقبلة، مع طرح أوسع في وقت لاحق من 2026. وتخطط الشركة أيضًا لإصدار نماذج تفاعل أكبر، موضحة أن النسخة الحالية ذات 276 مليار معامل هي أصغر نسخة يمكنها تقديمها بزمن التأخر المطلوب.
والسؤال المباشر هو التحقق المستقل من ادعاءات الاختبارات المعيارية. يُعد FD-bench أحد الاختبارات العامة القليلة التي تستهدف جودة التفاعل، ولم تكرر أطراف ثالثة حتى الآن نتائج Thinking Machines تحت أحمال واقعية. واختبارات المبادرة التي قدمتها الشركة للإشارات البصرية، ومنها نسخ معدلة من RepCount-A وProactiveVideoQA وCharades، هي أدوات قياس جديدة من دون خط أساس راسخ.
والرهان الاستراتيجي أكثر تحديدًا. فبينما أمضت OpenAI وAnthropic وGoogle العام الماضي في تطوير قدرات الوكلاء المستقلين، تراهن Thinking Machines على أن محور المنافسة التالي سيكون كيفية تواصل البشر مع الذكاء الاصطناعي ، في صورة أقرب إلى محادثة متواصلة منها إلى سلسلة من الموجّهات. وينافس نموذج التفاعل بصورة مباشرة أكثر أنظمة الذكاء الاصطناعي الصوتي الآني التي تطرحها OpenAI وGoogle وشريحة متنامية من الشركات الناشئة المتخصصة في الكلام. وسيكون الاختبار الذي تفرضه جولة المعاينة المقبلة هو ما إذا كانت البنية ستصمد أمام أحمال العمل في بيئات التشغيل الفعلية: الجلسات الطويلة، والاتصالات غير الموثوقة، وقيود السلامة المتعلقة بالرفض في الوقت الفعلي.












