Jev من TypeSafe AI: نماذج القرار بديل جديد لنماذج اللغة في التصنيف

ما الذي أطلقته TypeSafe AI؟

أعلنت شركة TypeSafe AI عن Jev، وهو أول نموذج في فئة تسميها الشركة "نماذج النظام الأول" (System One Models)، بينما يفضّل كثيرون في المجتمع تسميتها نماذج القرار (Decision Models). الفكرة الأساسية بسيطة لكنها مختلفة عن نماذج اللغة المألوفة: Jev يستقبل نصاً، لكنه لا يعيد نصاً، بل يعيد أرقاماً عشرية تمثل احتمالات ودرجات ثقة.

تصفه الشركة بأنه "استدعاء دالة بذكاء متقدم: حالة غير منظمة تدخل، وقرارات احتمالية مصنّفة تخرج".

كيف يعمل؟

تُرسل إلى واجهة Jev كائن "حالة" (state) يحتوي على نص أو مصفوفة نصوص أو أزواج اسم-قيمة، يمثل مقالاً أو سجلاً عن عميل أو أي بيانات مشابهة. ثم تطرح عليه سؤالاً أو أكثر من ثلاثة أنواع:

نوع السؤال	الوصف	المخرجات
Noul (نعم/لا)	تطرح عبارة وتطلب الحكم بصحتها	رقم بين 0 و1 يمثل درجة الثقة
الاختيار	تقدّم قائمة خيارات	درجة ثقة + توزيع احتمالي على الخيارات
التقييم	تقدّم مستويات رقمية موصوفة	درجة عشرية على المقياس

اسم "Noul" مشتق من توزيع برنولي الإحصائي، كما أكد الرئيس التنفيذي للشركة.

لماذا السعر مهم؟

النموذج	سعر الإدخال لكل مليون رمز	سعر الإخراج
Jev	0.042 دولار	مجاني
GPT-5 Nano	0.05 دولار	مدفوع

هذا التسعير يجعل Jev أرخص من أرخص نماذج OpenAI المتاحة، والأهم أن الإخراج مجاني لأن الناتج رقم واحد لا نص مطوّل. كما تُقيَّم الأسئلة في التوازي، لذا إرسال مئة سؤال يستغرق وقتاً مشابهاً تقريباً لإرسال سؤال واحد.

حالات استخدام عملية للمؤسسات

• كشف الرسائل المزعجة والمحتوى الضار: تصنيف سريع لكميات ضخمة من المحتوى.
• إعادة ترتيب نتائج البحث: جلب 100 نتيجة بخوارزمية رخيصة مثل BM25 ثم تقييمها بـ Jev حسب الصلة.
• فرز تذاكر الدعم والشكاوى: تصنيف حسب الأولوية أو القسم المسؤول.
• اقتراح وسوم وتصنيفات: تنظيم أرشيفات ضخمة من الوثائق العربية أو الإنجليزية.

المشكلة: عودة الصناديق السوداء

يمثل Jev تراجعاً نحو أنظمة تعلّم آلي لا يمكن تفسير قراراتها. نماذج اللغة الكبيرة يمكن على الأقل أن تشرح أسبابها، حتى لو لم يكن الشرح موثوقاً دائماً. أما Jev فلا يعيد سوى رقم عشري. إذا صنّف مستنداً بأنه مزعج، فما الإشارات التي أدت إلى ذلك؟ لا سبيل لمعرفة ذلك من المخرجات.

هذا يرفع من مخاطر التحيز الخفي. أجرى سايمون ويلسون تجربة على مدن منطقة خليج سان فرانسيسكو بسؤال "هل هذه مدينة جيدة؟" فجاءت كوبرتينو في القمة وإيست بالو ألتو في القاع، وهو نمط يستدعي الحذر. استخدام Jev لترتيب المتقدمين للوظائف أو تقييم طلبات الائتمان يظل فكرة محفوفة بالمخاطر.

بدائل مفتوحة المصدر ومعيار جديد

خلال أقل من أسبوع على إطلاق Jev، ظهرت مشاريع مجتمعية عدة:

• Kev: نماذج مبنية على Qwen 3.5 بأحجام 0.8B و4B و9B.
• JevBench: معيار لمقارنة "نماذج القرار".
• jevchat: تحويل Jev إلى نموذج محادثة (بنتائج ضعيفة).
• jev-2048: استخدام Jev للعب لعبة 2048.

هذه البدائل المفتوحة مهمة للجهات الحكومية والمؤسسات في الشرق الأوسط التي تفرض قيوداً على نقل البيانات خارج الحدود، إذ تتيح تشغيل النموذج محلياً.

ماذا يعني ذلك للمنطقة؟

الفرصة الأكبر أمام المؤسسات العربية هي خفض تكلفة المعالجة الجماعية للنصوص، خصوصاً في القطاعات التي تتعامل مع كميات هائلة من المحتوى مثل الاتصالات والمصارف والجهات الحكومية. لكن يجب أن يقترن أي تبنٍّ بمنظومة تقييم صارمة، لأن غياب التفسير يجعل كشف التحيز مهمة شاقة تتطلب مئات التجارب المنظمة. لحسن الحظ، التكلفة المنخفضة تجعل هذه التجارب ممكنة ببضعة سنتات.

---

ملاحظة للمراجعة البشرية: يجب التحقق من تفاصيل التسعير الحالية وأسماء النماذج من المصدر الرسمي قبل النشر، والتأكد من عدم وجود تحديثات على واجهة Jev.