Model Routing

توجيه النماذج هو اختيار النموذج، من بين عدة نماذج منشورة، الذي سيتولى كل طلب وارد من الذكاء الاصطناعي. يفحص موجّه الطلب، وفي بعض التصاميم يفحص الإجابة الأولية لنموذج منخفض التكلفة، ثم يحيله إلى النموذج المرشح الذي يحقق هدف الجودة بأقل تكلفة أو زمن استدلال. تُرسل الطلبات السهلة إلى نموذج صغير وسريع، ولا تصل إلى نموذج أكبر إلا المدخلات التي تحتاج إليه. وقد تكون الوفورات كبيرة لأن أسعار النماذج تتفاوت كثيرًا: ففي FrugalGPT، وجد لينغجياو تشين وماتي زاهاريا وجيمس زو في Stanford أن رسوم واجهات نماذج اللغة الكبيرة (LLM) الشائعة اختلفت بنحو مئتي ضعف، وأن سلسلة النماذج المتعلّمة التي وضعوها طابقت دقة GPT-4 بتكلفة أقل تصل إلى 98%.

استراتيجيات التوجيه#

تختلف الموجّهات بحسب المعلومات المتاحة لها عند اتخاذ القرار:

• التوجيه القائم على القواعد: تحدد حقول الطلب الصريحة النموذج، مثل المهمة أو لغة الإدخال أو نوع الملف أو فئة العميل. القواعد متوقعة وسهلة التدقيق، لكنها لا تستطيع تقدير صعوبة مدخل بعينه.
• التوجيه المتعلّم: يتنبأ مصنّف صغير، قبل تشغيل أي نموذج كبير، بما إذا كانت إجابة نموذج أضعف ستكون كافية. درّب فريق RouteLLM، بقيادة إسحاق أونغ وزملائه في LMSYS وUC Berkeley عام 2024، مثل هذه الموجّهات على بيانات تفضيلات بشرية من Chatbot Arena، وخفّض التكاليف بأكثر من النصف في بعض الإعدادات من دون تقليل جودة الإجابات.
• السلاسل المتتابعة: يجيب النموذج الأقل تكلفة أولًا، ويُصعّد الطلب عندما تقل ثقة الإجابة أو نتيجة نموذج التقييم عن حد معين. تتحمل السلاسل تكلفة استدعاء ثانٍ للمدخلات الصعبة، وتتخذ القرار مع توافر الإجابة الأولى.

انتقل التوجيه إلى المنتجات. عندما أطلقت OpenAI GPT-5 في ChatGPT في أغسطس 2025، اختار موجّه آني لكل رسالة بين نموذج سريع ونموذج استدلال أعمق، مستعينًا بنوع المحادثة وتعقيدها واحتياجات الأدوات والنية الصريحة، مثل «فكّر مليًا في هذا». وتوفر منصات السحابة موجّهات مُدارة أيضًا، مثل التوجيه الذكي للموجّهات في Amazon Bedrock، الذي يتنبأ بجودة الاستجابة لكل موجّه ويختار بين نموذجين من العائلة نفسها.

سلسلة ثقة للرؤية#

تنطبق الفكرة نفسها على نشر النماذج في اكتشاف الأجسام. يأتي YOLO26 بخمسة أحجام عبر واجهة برمجية واحدة، بدءًا من YOLO26n بدقة 40.9 COCO mAP وزمن 38.9 ms لكل صورة على CPU باستخدام ONNX، وصولًا إلى YOLO26x بدقة 57.5 mAP وزمن 525.8 ms؛ لذا يمكن للتتابع تشغيل نموذج nano على كل صورة وإرسال الصور التي تحتوي على اكتشافات منخفضة الثقة فقط إلى النموذج فائق الكبر:

from ultralytics import YOLO

source = "https://ultralytics.com/images/bus.jpg"
small_model = YOLO("yolo26n.pt")
large_model = YOLO("yolo26x.pt")

# Every image goes to the small model first
results = small_model(source)
route = "yolo26n"

# Escalate when the small model finds nothing or is unsure about any detection
confidences = results[0].boxes.conf
if len(confidences) == 0 or confidences.min() < 0.5:
    results = large_model(source)
    route = "yolo26x"

print(f"answered by {route}: {len(results[0].boxes)} objects")

تُظهر المخرجات اسم النموذج الذي أنتج الإجابة النهائية. تؤدي زيادة العتبة 0.5 إلى إرسال مزيد من الصور إلى YOLO26x، لذا فهي تحدد المفاضلة بين متوسط الدقة ومتوسط التكلفة لكل صورة، ويُضبط ذلك باستخدام صور محجوبة عن التدريب من بيئة النشر.

مصطلحات ذات صلة#

غالبًا ما يُخلط بين توجيه النماذج والمفاهيم المجاورة:

• موازنة التحميل: توزّع الطلبات على نُسخ متطابقة من نموذج واحد لتقاسم الحمل. وتعطي كل نسخة الإجابة نفسها.
• مزيج الخبراء: ترسل شبكة بوّابة داخل نموذج واحد كل وحدة إلى بضع طبقات خبيرة، ويتدرب الخبراء والبوابة معًا.
• تجميعة النماذج: تشغّل عدة نماذج على المدخل نفسه وتجمع مخرجاتها، ما يزيد تكلفة كل طلب.
• بوابة الذكاء الاصطناعي: طبقة البنية التحتية بين التطبيقات ومزودي النماذج، وغالبًا ما تستضيف الموجّه إلى جانب المصادقة وحدود المعدل والتسجيل.
• تنسيق وكلاء الذكاء الاصطناعي: يختار الوكيل أو الأداة التي تتولى كل خطوة من المهمة، ويمكن لكل خطوة من هذه الخطوات أن تتخذ قرارها الخاص بشأن توجيه النموذج.

تُقيّم الموجّهات على حركة مرور ممثلة مقارنةً بخط أساس يستدعي دائمًا أقوى نموذج. يقيس RouteLLM مقدار استعادة فجوة الأداء، أي نسبة فرق الجودة بين النموذج الضعيف والقوي التي يحافظ عليها الموجّه، عند كل نسبة من الاستدعاءات المرسلة إلى النموذج القوي. وفي بيئة الإنتاج، يتتبع رصد النماذج معدل التصعيد وزمن الاستجابة والتكلفة لكل طلب لكل مسار، لأن تغير حركة المرور الواردة يغيّر هذه المؤشرات الثلاثة.