مسطرة واحدة، وثمانية عشر تدريجًا، وكلها تخصّ غيرك.
في صباح 18 أكتوبر، أدخل أحدهم النموذج الجديد الذي أطلقته DeepSeek للتو إلى أداة اسمها ModelTrace، فظهرت له نتيجة واحدة: نسبة تشابه قدرها 84.66 مع GPT-6 Astra. وخلال نصف يوم، قفز هذا الرقم إلى المركز السابع في قائمة Zhihu الأكثر تداولًا، وحصد المنشور نفسه 744 نقطة على الصفحة الرئيسية لـ Hacker News.
كان أول استنتاج في التعليقات من أربع كلمات: دليل قاطع على التقطير.
قبل ذلك بيومين، كانت هذه الشركة قد دفعت تعويضات عن انقطاع دام خمس ساعات، فأعادت رصيدًا يعادل استهلاك سبعة أيام كاملًا. بدأت سمعتها تستعيد بعض بريقها. لكن ذلك لم يدم إلا يومين. والآن، لم يمضِ على إطلاق النموذج الجديد يوم واحد، حتى أُعيد فتح الحسابات كلها.
ذهبتُ لأطّلع على دليل الأداة. تضم مكتبتها المرجعية ثمانية عشر نموذجًا مرشحًا، وجميعها من عائلتي GPT وClaude، ولا تضم أي إصدار من DeepSeek. بل إن الدليل نفسه يذكر عبارة أشد وقعًا: النماذج غير المدرجة ستُوسم مع ذلك بوسم أحد النماذج المرشحة الموجودة، ولذلك لا يمكن استخدام النتيجة أصلًا لتحديد هوية النموذج.
ثمانية عشر خانة، ولا واحدة تحمل اسمك. تدخل إليها، فلا بد أن تشير لك إلى أقرب قريب. هذا كل ما في الأمر.
وقد اختبر أحدهم ذلك فعلًا. ولّد أرقامًا عشوائية ببايثون خالصة، وأدخلها إلى الأداة، فحكمت بأنها الأقرب إلى GPT-5.5. هل للأرقام العشوائية سلالة أيضًا؟
وقال آخرون ما يخبرهم به حدسهم: أسلوب النموذج الجديد في كتابة الشيفرة يشبه Astra. لكن الحدس ليس دليلًا.
لننظر أيضًا إلى كيفية جمع العينات. عيّنات GPT مأخوذة من اشتراك Codex، أما عيّنات Claude فمن خدمة تابعة لطرف ثالث. حين تستخدم عينات جُمعت بشروط مختلفة لتتخذها مقياسًا، فإن المسافة التي تقيسها لا تخبرك إلا بمن هو الأقرب ضمن هذه القائمة. أما بُعد النماذج التي تقع خارجها، فلم تكن الأداة تنوي الإجابة عنه منذ البداية.
وليست الأدلة المضادة غائبة أيضًا. فقد أظهر اختبار النموذج الجديد سرعة إخراج بلغت 244 tok/s، واقتربت بعض الطلبات من 300. أي إصدار من Astra سبق أن حقق هذه السرعة في خدمة مستضافة؟ كما أن الأوزان متاحة على Hugging Face بترخيص MIT، ويمكن لأي شخص تنزيلها وتشغيلها بنفسه.
من استخدموا وسطاء واجهات API لا بد أن هذا المشهد مألوف لهم. تدفع ثمن الخدمة A، لكن ما يصلك هو الخدمة B، ولا يظهر في الفاتورة أي خلل. مزودو الاستضافة، والأسعار المتداولة خارج السوق، وواجهات التداول الكمي؛ كلها تعاني المشكلة نفسها. أينما كان الأمر خارج السجل، يعتمد التحقق من البضاعة على تعاون الطرف الآخر. يقول لك إنها كذا، فعليك أن تصدّقه. أما سبل التثبت، فليست في يدك أصلًا. وإذا وقعت مشكلة وعدت تسأل عنها، فغالبًا لن تسمع إلا: لقد تحققنا من الأمر. والقليلون يعترفون بالمسؤولية.
الأشياء التي يمكن إثباتها ذاتيًا على السلسلة بسيطة جدًا: توقيع واحد، وارتفاع كتلة واحد. من وقّع، ومتى وقّع؛ أمور لا يمكن تغييرها. لكن لهذه المنظومة نقاطًا عمياء أيضًا، فقلّة هم من يتحققون من كل شيء بأنفسهم، بينما يكتفي معظم الناس بقراءة النتائج التي تحقّق منها آخرون. أن تفعل ذلك بنفسك له كلفة واضحة. وهنا تكمن المشكلة.
بعد تفكير، أرى أن أهم ما ينبغي تذكره في هذا الجدل هو جدول تدريجات تلك المسطرة. تستطيع الأداة قياس التشابه، لكنها لا تستطيع قياس النسب. وهذان أمران مختلفان. من يخلط التشابه بالنسب هو المستخدم، لا الأداة.
حتى مساء اليوم، لم تصدر DeepSeek أي رد، كما أنها لم تكشف قط عن بيانات التدريب تفصيلًا. ومع اجتماع هذين الأمرين، لا أحد يستطيع أن يحدد بوضوح ما العلاقة السببية بينهما.
النتائج حقيقية. ارتفعت درجات الاختبارات، وانخفض سعر المهمة الواحدة من 3.3 إلى 1.3؛ وهذان الأمران موثّقان بالصور والجداول الرسمية. أما النسب فمسألة أخرى. لا يمكن قياسه. علينا انتظار ظهور بنية تحتية تتيح لأطراف ثالثة إعادة الاختبارات؛ وهي غير متاحة حتى الآن.
$TAO $FET $BTC
#DeepSeek #AI模型 #开源 #加密
في صباح 18 أكتوبر، أدخل أحدهم النموذج الجديد الذي أطلقته DeepSeek للتو إلى أداة اسمها ModelTrace، فظهرت له نتيجة واحدة: نسبة تشابه قدرها 84.66 مع GPT-6 Astra. وخلال نصف يوم، قفز هذا الرقم إلى المركز السابع في قائمة Zhihu الأكثر تداولًا، وحصد المنشور نفسه 744 نقطة على الصفحة الرئيسية لـ Hacker News.
كان أول استنتاج في التعليقات من أربع كلمات: دليل قاطع على التقطير.
قبل ذلك بيومين، كانت هذه الشركة قد دفعت تعويضات عن انقطاع دام خمس ساعات، فأعادت رصيدًا يعادل استهلاك سبعة أيام كاملًا. بدأت سمعتها تستعيد بعض بريقها. لكن ذلك لم يدم إلا يومين. والآن، لم يمضِ على إطلاق النموذج الجديد يوم واحد، حتى أُعيد فتح الحسابات كلها.
ذهبتُ لأطّلع على دليل الأداة. تضم مكتبتها المرجعية ثمانية عشر نموذجًا مرشحًا، وجميعها من عائلتي GPT وClaude، ولا تضم أي إصدار من DeepSeek. بل إن الدليل نفسه يذكر عبارة أشد وقعًا: النماذج غير المدرجة ستُوسم مع ذلك بوسم أحد النماذج المرشحة الموجودة، ولذلك لا يمكن استخدام النتيجة أصلًا لتحديد هوية النموذج.
ثمانية عشر خانة، ولا واحدة تحمل اسمك. تدخل إليها، فلا بد أن تشير لك إلى أقرب قريب. هذا كل ما في الأمر.
وقد اختبر أحدهم ذلك فعلًا. ولّد أرقامًا عشوائية ببايثون خالصة، وأدخلها إلى الأداة، فحكمت بأنها الأقرب إلى GPT-5.5. هل للأرقام العشوائية سلالة أيضًا؟
وقال آخرون ما يخبرهم به حدسهم: أسلوب النموذج الجديد في كتابة الشيفرة يشبه Astra. لكن الحدس ليس دليلًا.
لننظر أيضًا إلى كيفية جمع العينات. عيّنات GPT مأخوذة من اشتراك Codex، أما عيّنات Claude فمن خدمة تابعة لطرف ثالث. حين تستخدم عينات جُمعت بشروط مختلفة لتتخذها مقياسًا، فإن المسافة التي تقيسها لا تخبرك إلا بمن هو الأقرب ضمن هذه القائمة. أما بُعد النماذج التي تقع خارجها، فلم تكن الأداة تنوي الإجابة عنه منذ البداية.
وليست الأدلة المضادة غائبة أيضًا. فقد أظهر اختبار النموذج الجديد سرعة إخراج بلغت 244 tok/s، واقتربت بعض الطلبات من 300. أي إصدار من Astra سبق أن حقق هذه السرعة في خدمة مستضافة؟ كما أن الأوزان متاحة على Hugging Face بترخيص MIT، ويمكن لأي شخص تنزيلها وتشغيلها بنفسه.
من استخدموا وسطاء واجهات API لا بد أن هذا المشهد مألوف لهم. تدفع ثمن الخدمة A، لكن ما يصلك هو الخدمة B، ولا يظهر في الفاتورة أي خلل. مزودو الاستضافة، والأسعار المتداولة خارج السوق، وواجهات التداول الكمي؛ كلها تعاني المشكلة نفسها. أينما كان الأمر خارج السجل، يعتمد التحقق من البضاعة على تعاون الطرف الآخر. يقول لك إنها كذا، فعليك أن تصدّقه. أما سبل التثبت، فليست في يدك أصلًا. وإذا وقعت مشكلة وعدت تسأل عنها، فغالبًا لن تسمع إلا: لقد تحققنا من الأمر. والقليلون يعترفون بالمسؤولية.
الأشياء التي يمكن إثباتها ذاتيًا على السلسلة بسيطة جدًا: توقيع واحد، وارتفاع كتلة واحد. من وقّع، ومتى وقّع؛ أمور لا يمكن تغييرها. لكن لهذه المنظومة نقاطًا عمياء أيضًا، فقلّة هم من يتحققون من كل شيء بأنفسهم، بينما يكتفي معظم الناس بقراءة النتائج التي تحقّق منها آخرون. أن تفعل ذلك بنفسك له كلفة واضحة. وهنا تكمن المشكلة.
بعد تفكير، أرى أن أهم ما ينبغي تذكره في هذا الجدل هو جدول تدريجات تلك المسطرة. تستطيع الأداة قياس التشابه، لكنها لا تستطيع قياس النسب. وهذان أمران مختلفان. من يخلط التشابه بالنسب هو المستخدم، لا الأداة.
حتى مساء اليوم، لم تصدر DeepSeek أي رد، كما أنها لم تكشف قط عن بيانات التدريب تفصيلًا. ومع اجتماع هذين الأمرين، لا أحد يستطيع أن يحدد بوضوح ما العلاقة السببية بينهما.
النتائج حقيقية. ارتفعت درجات الاختبارات، وانخفض سعر المهمة الواحدة من 3.3 إلى 1.3؛ وهذان الأمران موثّقان بالصور والجداول الرسمية. أما النسب فمسألة أخرى. لا يمكن قياسه. علينا انتظار ظهور بنية تحتية تتيح لأطراف ثالثة إعادة الاختبارات؛ وهي غير متاحة حتى الآن.
$TAO $FET $BTC
#DeepSeek #AI模型 #开源 #加密