في 29 أكتوبر، أتاحت Mistral تنزيل أوزان نموذجها Large 4. وهذا يعني أن الشركات والحكومات يمكنها تطبيق نموذج الذكاء الاصطناعي للأمن السيبراني داخل مؤسساتها، بدلاً من الاعتماد على شركات أمريكية أو صينية. لكن هذه الحرية لها ثمن. فبما أن Mistral لا تملك سوى سيطرة محدودة على النموذج، لا يمكنها تحديد من سيتمكن من استخدامه ولأي أغراض.

من معاينة واجهة API إلى أوزان قابلة للتنزيل

أُطلق نموذج Mistral’s Large 4 لأول مرة عبر واجهة API في 6 أكتوبر، وأُتيحت أوزانه للتنزيل في 29 أكتوبر. ولا يزال الوصول عبر واجهة API متاحاً كخيار للنشر. وتشير المواصفات الرسمية لـ Large 4 إلى أن عدد معلماته يبلغ 1.05 تريليون، منها 52 مليار معلمة نشطة، وهو عدد يزيد قليلاً على 49 ملياراً، وفقاً لما ذكره Cryptopolitan سابقاً.

يمكن للشركات تخصيص النموذج واستضافته بنفسها. لكن من يرغب في إعادة بيعه كخدمة مستضافة يحتاج إلى ترخيص تجاري منفصل. ويشكّل هذا الاستقلال جوهر ما تطرحه Mistral. وكما قال المدير التنفيذي للشركة بيير ستوك لموقع TechCrunch، فإن الوصول «لا يمكن قطعه».

ما الذي تُظهره المعايير وما الذي لا تُظهره

تفيد Mistral بأن Large 4 حقق 48% في مؤشر وكيل البرمجة، ليأتي قريبًا جدًا من GLM-5.3. لكن Large 4 استخدم رموزًا أقل بنسبة 47% لكل مهمة. وأعلنت الشركة أيضًا عن نتائج بلغت 19.7% في FrontierCode 2.0 و41% في Terminal-Bench 4.0.

تبدو الصورة مختلفة قليلًا في مجال الأمن السيبراني. حقق Large 4 نتيجة 51 في مؤشر الأمن السيبراني الصادر عن Artificial Analysis، متأخرًا عن Kimi K3.1 Pro (64) وDeepSeek V4.1 Flash (57) وGrok 4.7 (56). لكن هذه النتائج تحتاج إلى سياق. يقيس المؤشر مدى كفاءة نماذج الذكاء الاصطناعي في العثور على الثغرات الأمنية وإصلاحها، ولا يقيّم قدرتها على شن هجمات إلكترونية.

معايير الذكاء الاصطناعي السيبراني لنموذج Mistral Large 4 مقارنة بالمنافسين واعتماد النماذج ذات الأوزان المفتوحة

إلى أي مدى تتأخر عن النماذج المغلقة المتقدمة

على الرغم من التحسينات المعلنة في Large 4 في مجالَي البرمجة والأمن السيبراني الدفاعي، لا تزال النماذج الرائدة ذات الأوزان المفتوحة متأخرة عن أقوى الأنظمة المغلقة. وقد منح تحليل أجرته Epoch AI في 16 أكتوبر نموذج GLM-5.3، وهو النموذج الرائد ذو الأوزان المفتوحة، درجة Cyber ECI بلغت 160، فيما سجلت أقوى النماذج المغلقة 171. وبالنظر إلى الأداء التاريخي، قدّرت Epoch أن النماذج ذات الأوزان المفتوحة تتأخر ستة إلى سبعة أشهر عن النماذج المغلقة المتقدمة. لكن تقييمها صدر قبل الإطلاق النهائي لـ Large 4.

خلص معهد أمن الذكاء الاصطناعي البريطاني إلى نتيجة مشابهة. فقدّر الفجوة بين النماذج ذات الأوزان المفتوحة ومنافسيها ذات الأوزان المغلقة بأربعة إلى سبعة أشهر، رغم اختلاف اختباراته عن اختبارات Epoch AI.

لا تقتصر المسألة على القدرات الدفاعية. ففي إطار اختباراتها المضبوطة، أفادت Anthropic بأن GLM-5.3 استغل ثغرات موجودة بنجاح في 50 من أصل 410 تجارب. وتمكّن الباحثون من تجاوز ميزات الأمان في النموذج في 64%-100% من عمليات المحاكاة المختلفة التي أجروها.

وعود السيادة تصطدم بواقع التبني

تُبدي الشركات اهتمامًا متزايدًا بالتحكم في أنظمة الذكاء الاصطناعي لديها، لكن الإنفاق يروي قصة مختلفة. فوفقًا للتقارير، استخدمت 42% من المؤسسات التي شملها الاستطلاع نماذج ذات أوزان مفتوحة في بيئة الإنتاج في سبتمبر، ارتفاعًا من 31% في يوليو.

مع ذلك، لم تتجاوز حصة النماذج ذات الأوزان المفتوحة 5% من استهلاك الذكاء الاصطناعي المقاس في أكتوبر. واستحوذ Claude على 29%، فيما بلغت حصة Microsoft 365 Copilot 36%.

ووجدت Futurum أيضًا أن مصدر النموذج أثّر في قرارات 47% من مستخدميه في بيئة الإنتاج. لكن استطلاعها ركّز إلى حد كبير على أمريكا الشمالية، ما يحدّ من إمكانية تعميم استنتاجاته.

بالنسبة إلى الشركات، يعني الاستقلال الأكبر تحمّل مسؤولية أكبر أيضًا. وقد حذّرت PwC من أن الشركات التي تختار النماذج ذات الأوزان المفتوحة عليها إدارة أمنها وصيانتها بنفسها.

ضمانات لا يمكن استعادتها

تكتسب هذه المسؤولية أهمية خاصة عندما تستطيع نماذج الذكاء الاصطناعي التعامل مع مهام حساسة في الأمن السيبراني. تقول Mistral إن Large 4 يرفض 96.6% من الطلبات الضارة المتعلقة بالأمن السيبراني. لكن يمكن إزالة هذه الضمانات بعد تنزيل النموذج. وتحذّر AISI أيضًا من أن المطورين لا يستطيعون مراقبة النسخ المستضافة بشكل خاص أو سحبها.

اتبعت Moonshot نهجًا مختلفًا. فقد أزالت الشركة مواد التدريب على الأمن السيبراني من Kimi K3.1 Pro قبل الإصدار المخطط للأوزان في 4 نوفمبر. وبعد ذلك، انخفضت نتيجته في معيار الهجوم الداخلي من 90.5% إلى 81.0%. لكن هذه النتائج لم تخضع لتحقق مستقل.

حتى 30 أكتوبر، لم يُربط أي هجوم إلكتروني موثّق علنًا بالأوزان التي أُصدرت حديثًا لـ Large 4.

لا تكتفِ بقراءة أخبار العملات الرقمية. افهمها. اشترك في نشرتنا الإخبارية. إنها مجانية.