LLM هو JPEG التالي

دعني أخبرك قصة.

في التسعينيات، إذا كنت تريد إرسال صورة إلى شخص ما، فستحتاج إلى التفكير في الكثير من الأشياء: تنسيق الملف، وخوارزمية الضغط، وعمق الألوان. كان لكل برنامج تنسيقه الخاص. ثم ظهر JPEG.

فجأة، لم يعد أحد يهتم بتنسيقات الصور. أصبح JPEG بنية تحتية. لن تقول "لقد صنعت صورة باستخدام JPEG"، بل ستقول فقط "لقد أرسلت صورة".

LLM يسير على نفس الطريق.

عندما تصبح التكنولوجيا هواءً

"LLM سلعة. يسعد Apple شراء رموز من شركات LLM، لكن Apple هي شركة تبيع منتجات متميزة." - @deuteronormative

هذه العبارة واضحة ومباشرة. إذا كنت Apple، فلن تقوم بتوليد الكهرباء بنفسك، بل ستشتري الكهرباء من الشبكة. لن تصنع الإطارات بنفسك، بل ستشتري الإطارات من Michelin. الآن، لن تقوم بتدريب LLM بنفسك، بل ستشتري الرموز من السحابة.

هذا لا يعني أن LLM غير مهم. الكهرباء مهمة. الإطارات مهمة. لكنها بنية تحتية، وليست عوامل تمييز.

الفائز في حرب التكلفة

Qwen 3.5 الذي أطلقته Alibaba للتو:

397 مليار معلمة، 17 مليار نشطة
أرخص بنسبة 60٪ من Qwen 3
أسرع 8 مرات
سعر الرمز هو 1/18 من سعر Gemini 3 Pro

هذا ليس اختراقًا تقنيًا، بل هي حرب أسعار. كانت هذه هي الطريقة التي انخفضت بها أسعار تلفزيونات LCD في ذلك الوقت. أول شركة تنخفض عن 1000 دولار ليست الأفضل تقنيًا، لكنها الفائزة.

نصيحة عملية

ماذا يعني هذا إذا كنت مطورًا؟

لا تقم بتدريب النماذج بنفسك. ما لم تكن OpenAI أو Anthropic أو Alibaba، فإن تدريب النماذج هو إضاعة للمال. استخدم API.
ركز على السعر وليس المعلمات. 397 مليار معلمة تبدو رائعة، لكن المستخدمين لا يهتمون. ما يهمهم هو سرعة الاستجابة والتكلفة.
كن مستعدًا للترحيل. LLM سلعة، مما يعني أنها قابلة للاستبدال. استخدم GPT اليوم، و Claude غدًا، و Qwen بعد غد. يجب أن يدعم هيكلك هذا التبديل.

مفارقة مثيرة للاهتمام

الأشخاص الذين يفهمون LLM أكثر هم الأقل حديثًا عن LLM.

"كتب Andrej Karpathy برنامج GPT صغير بـ 240 سطرًا من Python الخالص. لا يوجد TensorFlow. لا يوجد PyTorch. مجرد رياضيات. إنه يوضح أن LLM ليست سحرًا - إنها مجرد تنبؤ بالرمز المميز التالي."

عندما تفهم أن "التنبؤ بالرمز المميز التالي" هو كل ما يتعلق بهذه التكنولوجيا، فإن الكثير من الضجيج يختفي. هذا ليس تقليلاً من شأنها. الميكروويف يسخن جزيئات الماء، لكنه يغير المطبخ.