Frontier AI Models

النماذج الرائدة للذكاء الاصطناعي هي أكثر نماذج الذكاء الاصطناعي العامة قدرةً في وقت معين، وعادةً ما تكون نماذج تأسيسية كبيرة متعددة الوسائط تضاهي كل الأنظمة الأخرى أو تتجاوزها في اللغة والبرمجة والاستدلال وفهم الصور. والريادة حد متحرك: فالنموذج الذي تصدّر المجال قبل عامين تتجاوزه بانتظام نماذج أصغر وأقل كلفة. دخل المصطلح مجال السياسات عام 2023. ففي قمة سلامة الذكاء الاصطناعي في نوفمبر من ذلك العام، عرّفت حكومة المملكة المتحدة الذكاء الاصطناعي الرائد بأنه نماذج ذكاء اصطناعي عامة عالية القدرة تستطيع تنفيذ مجموعة واسعة من المهام وتضاهي قدرات أكثر النماذج تقدمًا في ذلك الوقت أو تتجاوزها. ويعد منتدى النماذج الرائدة، وهو هيئة صناعية أسستها Anthropic وGoogle وMicrosoft وOpenAI في ذلك العام، وانضمت إليها لاحقًا Amazon وMeta، النموذج العام رائدًا عندما يتفوق على كل نموذج نُشر على نطاق واسع لمدة عام على الأقل.

ما الذي يجعل النموذج ضمن النماذج المتقدمة#

لا توجد درجة واحدة تمنح صفة الريادة. تُدرَّب النماذج الرائدة بأكبر ميزانيات الحوسبة في جيلها، على عشرات الآلاف من المسرّعات، لأن القدرات ارتبطت ارتباطًا وثيقًا بالحوسبة والبيانات وعدد المعلمات وفق قوانين التوسع. وتؤدي بقوة في مجالات كثيرة في آن واحد، بما فيها استخدام الأدوات على خطوات متعددة ومهام وكيل الذكاء الاصطناعي طويلة الأمد التي تعجز النماذج الأضيق تخصصًا عن إكمالها. كما تحقق أعلى الدرجات في المعايير المصممة لإفشال الأنظمة السابقة، مثل أسئلة العلوم على مستوى الدراسات العليا في GPQA والمسائل التي أعدها خبراء في الامتحان الأخير للبشرية.

قدرات هذه النماذج غير متوازنة. فالنموذج نفسه الذي يحل مسائل رياضيات بمستوى بحثي قد يخطئ في عدّ العناصر داخل صورة أو يعجز عن حل لغز مكاني بسيط، وهو نمط يُعرف باسم الذكاء المتعرج. لذلك لا تكشف الصدارة في المعايير إلا القليل عن موثوقية النموذج في أي مهمة بعينها.

النماذج المتقدمة في الأنظمة العملية#

تأتي القدرات المتقدمة بتكلفة من حيث زمن الاستجابة والسعر والعتاد. ويعمل النموذج المتقدم في مركز بيانات بعيد، ويستغرق ثوانٍ لكل استجابة، ما يستبعده من كثير من أحمال عمل الوقت الحقيقي والذكاء الاصطناعي الطرفي. لذلك تجمع أنظمة الإنتاج بين نموذج متقدم للاستدلال المفتوح ونماذج صغيرة متخصصة للعمل السريع والمتكرر، وهو نمط يُعرف باسم أنظمة الذكاء الاصطناعي المركّبة، أو تستخدم توجيه النماذج لإرسال كل طلب إلى أقل النماذج تكلفةً القادرة على معالجته. وتستخدم الفرق أيضًا النماذج المتقدمة بوصفها معلّمين، فتولّد تسميات أو أمثلة تدريب تضغطها عملية تقطير المعرفة في نماذج مدمجة. وفي منصة Ultralytics، ترسل التسمية الذكية الموجّهة بالفئات صور مجموعات البيانات إلى نماذج الرؤية المدفوعة لدى مزودين مثل OpenAI وAnthropic وGoogle باستخدام مفتاح المزود الخاص بمساحة العمل، وتضيف اكتشافاتها كصناديق قابلة للتحرير؛ وهكذا يمكن لنموذج متقدم تسمية مجموعة بيانات كشف الكائنات التي يتدرب عليها لاحقًا نموذج YOLO26 مدمج. وتقارن لوحة صدارة VLM دقة هذه النماذج، بما فيها GPT-6 Astra وClaude Opus 5.5 وGemini 4 Argon، في تسمية مجموعات بيانات الكشف الواقعية إلى جانب نماذج مفتوحة أصغر.

ممارسات الاختبار والسلامة#

ينشر المطورون الرائدون أطرًا للسلامة، مثل سياسة التوسع المسؤول لدى Anthropic وإطار الاستعداد لدى OpenAI وإطار سلامة النماذج الرائدة لدى Google DeepMind. ويلتزم كل إطار باختبار النماذج الجديدة للكشف عن قدرات خطرة، بما فيها تقديم مساعدة كبيرة في صنع أسلحة بيولوجية أو تنفيذ عمليات سيبرانية هجومية، والقدرة على أتمتة أبحاث الذكاء الاصطناعي، وبإضافة ضمانات أو تأخير الإصدار عندما يتجاوز النموذج عتبة محددة. ويجمع الاختبار بين التقييمات الآلية واختبارات الفريق الأحمر للذكاء الاصطناعي التي تنفذها فرق داخلية وخبراء خارجيون وهيئات حكومية، مثل معهد أمن الذكاء الاصطناعي في المملكة المتحدة ومركز معايير وابتكار الذكاء الاصطناعي (CAISI) في الولايات المتحدة، اللذين يقيّمان النماذج الرائدة، غالبًا قبل إصدارها. ويفحص المقيّمون أيضًا التعمد في إخفاء القدرات، أي أداء النموذج بأقل من قدرته عمدًا في اختبارات القدرات، وينشر المطورون النتائج في بطاقات النماذج وبطاقات الأنظمة.

كيف تحدد القوانين النماذج المتقدمة#

من الصعب صياغة القدرات في القانون، لذا تستخدم أنظمة حوكمة الذكاء الاصطناعي حوسبة التدريب بوصفها مؤشرًا بديلًا. ويفترض قانون الذكاء الاصطناعي للاتحاد الأوروبي أن نموذجًا عامًا للذكاء الاصطناعي ينطوي على مخاطر نظامية عندما يتطلب تدريبه أكثر من 10²⁵ عملية حسابية بالفاصلة العائمة، ويمكن للمفوضية الأوروبية أيضًا تصنيف نماذج تقل عن هذا الحد بناءً على قدراتها ومدى انتشارها. يجب على مزوّدي هذه النماذج تقييمها، بما في ذلك إجراء اختبارات خصومية، وتقييم المخاطر النظامية والتخفيف منها، والإبلاغ عن الحوادث الخطيرة، وحماية الأمن السيبراني للنموذج. وقد بدأ تطبيق الالتزامات منذ 2 أغسطس 2025، واعتبارًا من 2 أغسطس 2026، يمكن للمفوضية إنفاذها بفرض غرامات تصل إلى 3% من رقم الأعمال السنوي العالمي أو 15 مليون يورو، أيهما أعلى.

يعرّف قانون كاليفورنيا للشفافية في مجال الذكاء الاصطناعي المتقدم (SB 53)، الساري منذ 1 يناير 2026، النموذج المتقدم بأنه نموذج دُرّب باستخدام أكثر من 10²⁶ عملية، مع احتساب الضبط الدقيق اللاحق والتعلم بالتعزيز. ويلزم مطوّري النماذج المتقدمة الكبيرة، أي من تتجاوز إيراداتهم السنوية 500 مليون دولار، بنشر أطر عمل الذكاء الاصطناعي المتقدم الخاصة بهم، كما يلزم مطوّري النماذج المتقدمة بالإبلاغ عن حوادث السلامة الحرجة إلى مكتب خدمات الطوارئ في الولاية خلال 15 يومًا. وتُعد عتبات القدرة الحاسوبية أداةً فظة، لأن التقدم في الخوارزميات والأجهزة يتيح لعمليات التدريب الأصغر باستمرار بلوغ قدرات النماذج المتقدمة السابقة، ولذلك ينص القانونان على مراجعة تعريفاتهما. ويدخل قانون RAISE في نيويورك، المعدّل في مارس 2026 ليتوافق مع تعريفات SB 53، بما في ذلك معيار الإيرادات البالغ 500 مليون دولار للمطوّرين الكبار للنماذج المتقدمة، حيز التنفيذ في 1 يناير 2027، ويمنح المطوّرين 72 ساعة للإبلاغ عن حادث سلامة حرج.