تكراري، وهي شركة ناشئة في مجال الذكاء الاصطناعي تأسست العام الماضي، بدأت تثبت جدارة اسمها. الشركة، التي تحاول بناء ذكاء اصطناعي قادر على تحسين نفسه، أطلقت أول نماذجها، فلينت، يوم الأربعاء. فلينت هو نموذج برمجة مجاني يمكن تشغيله على حاسوب محمول، وقد تم بناؤه إلى حد كبير بمساعدة الذكاء الاصطناعي.
تقول الشركة إن نظام الأبحاث المؤتمت الخاص بشركة Recursive، والذي تسميه آلة Eureka، ساعد في جميع خطوات تطوير Flint تقريبًا، مما مكّن فريقًا صغيرًا من بناء النموذج من الصفر في أقل من أربعة أشهر.
ترجمة النص: "فلينت" هو اختبار عام مبكر لفكرة التحسين الذاتي التكراري: الفكرة القائلة بأن الذكاء الاصطناعي يمكنه بناء ذكاء اصطناعي أفضل، والذي بدوره يبني ذكاءً اصطناعياً أفضل من ذلك. وهي أيضاً واحدة من أكثر الأفكار إثارة للجدل في الصناعة. يخشى بعض الباحثين من أن يتجاوز الذكاء الاصطناعي الذي يحسّن نفسه سيطرة البشر. في الوقت الحالي، تُعد نسخة "ريكيرسيف" أكثر محدودية: مساعد بحثي بالذكاء الاصطناعي يشرف عليه البشر وأنتج نموذجاً صغيراً بما يكفي للعمل على حاسوب محمول.
خرجت الشركة من التخفي في مايو مع تمويل بقيمة 650 مليون دولار بتقييم يبلغ 4.65 مليار دولار، من مستثمرين من بينهم GV وNvidia وAMD Ventures. وتقود Recursive المديرة التنفيذية ريتشارد سوكر، عالمة البيانات السابقة في Salesforce.
لأن Flint يعمل على جهاز المستخدم نفسه بدلاً من خوادم الشركة السحابية، يمكن للمطورين استخدامه دون اتصال بالإنترنت، وإبقاء شيفرتهم البرمجية خاصة، وتجنّب رسوم الاستخدام أن خدمات الذكاء الاصطناعي السحابية تفرض رسومًا بناءً على حجم النص الذي تعالجه النماذج. أما النموذج فيمكن تنزيله مجانًا على موقع Hugging Face، الموقع الشهير لمشاركة نماذج الذكاء الاصطناعي، بموجب ترخيص Apache 2.0، وهو ترخيص مفتوح المصدر يسمح بالاستخدام والتعديل المجاني.
فلينت (Flint) نموذج من نموذج «خبراء متعددين» (mixture-of-experts)، ما يعني أنه يستخدم شريحة صغيرة فقط من نفسه لأي مهمة معينة: 2.5 مليار إعداد فقط من أصل 40 مليار إعداد يُعرف بالمعاملات (parameters) في كل مرة. هذا يجعله خفيفًا بما يكفي للعمل على حاسوب محمول عادي، وأصغر بكثير من نموذج ميتا افتتاح Muse Spark، وهو نموذج مفتوح صُمم لأجهزة ماك وتم إطلاقه الأسبوع الماضي. يستخدم Muse Spark Open 816 مليار معلمة ويحتاج إلى تيرابايت واحد من الذاكرة على الأقل.
فلينت سريع أيضاً. في اختبارات شركة Recursive، أنتج النحو من 131 رمزاً (مقاطع نصية) في الثانية على جهاز MacBook Pro مزوّد برقاقة M4 Pro من أبل — أي نحو ضعف الـ58 إلى 69 رمزاً في الثانية التي حققتها نماذج مشابهة على الجهاز نفسه، بما في ذلك Gemma 4 من جوجل وNemotron 3.5 Lightning من إنفيديا. وعلى RTX Spark من إنفيديا، تجاوز فلينت 150 رمزاً في الثانية.
على SWE-Bench Verified، وهو معيار قياس يقيس مدى قدرة الذكاء الاصطناعي على إصلاح أخطاء البرمجيات في العالم الحقيقي، تفوق Flint على النماذج الأخرى الأقل من 50 مليار معامل. وفي المتوسط الخاص بشركة Recursive عبر ستة اختبارات، كان هناك نموذج واحد فقط، وهو Qwen3.8 27B من شركة Alibaba، حقق درجة أعلى من Flint.
أقرّت الشركة بأن فلينت سيحتاج إلى توجيه أكثر من المساعدات البرمجية الكبيرة المدفوعة، واقترحت تقسيم المهام الكبيرة إلى خطوات أصغر. ومع ذلك، كانت المراجعات المبكرة إيجابية. ويل نايت من مجلة Wired مُستخدَم جرّب Flint على جهاز Mac بذاكرة تبلغ 48GB لبناء عدة برامج صغيرة، بما في ذلك تطبيق قائمة مهام وأداة تبحث في الويب عن أبحاث. وجد أن نماذج البرمجة الأصغر غالبًا ما كانت ترتكب أخطاء أو تكون بطيئة مقارنةً بـ Claude أو Codex، لكن Flint نجح في تنفيذ طلباته البرمجية في كل مرة.
يطرح جهاز Eureka Machine أفكاراً، ويجري التجارب ويستخدم النتائج لتحديد ما يجب تجربته بعد ذلك. ووفقاً لـ فيديو الإطلاق، فقد ساهمت في كل جزء تقريبًا من بناء Flint، من التدريب المسبق إلى التدريب اللاحق والاستدلال.
قالت شركة Recursive إن إسهامات Eureka تشمل شكلًا نموذجيًا أكثر تناثرًا، وتدريبًا منخفض البت قلّص حجم Flint بنسبة 71% تقريبًا دون أي خسارة تُذكر في الجودة، ونوى برمجية مخصصة وهي برامج متخصصة تُسرّع الحسابات الأساسية.
لم تذكر شركة Recursive مقدار الوقت الذي وفّره جهاز Eureka Machine لباحثيها، لكنها ليست الوحيدة في الاعتماد على الذكاء الاصطناعي للقيام بالأبحاث. قالت OpenAI الشهر الماضي أن وكالاتها الذكية كانت تسجل 3.1 أيام عمل مقابل كل يوم عمل واحد يقوم به باحث بشري بحلول منتصف أغسطس.
إذا كانت رهان شركة Recursive ناجحاً، فيجب أن يكون كل نموذج جديد قادراً على تولي فترات أطول من العمل دون مساعدة بشرية. وأوضحت الشركة سابقاً أخبر TechCrunch أن اتفاقه بقيمة 410 مليون دولار مع Amazon Web Services في يونيو كان "أقل اعتمادًا على عدد الموظفين وأكثر اعتمادًا على عدد الوكلاء".
أخبر سوكر مجلة Wired أن الهدف الأبعد هو أن تحقق آلة يوريكا تحسناً ذاتياً تكرارياً كاملاً، مع إشراف البشر على العملية وقدرتهم على إيقافها إذا حدث خطأ ما. وتقول شركة Recursive إن كل نموذج جديد ينبغي أن يجعل آلة يوريكا باحثاً أفضل، مما يساعدها على بناء النموذج التالي بوتيرة أسرع.