الولايات المتحدة - وكالة أنباء إخباري
نموذج NousCoder-14B الجديد: منافسة مفتوحة المصدر في سباق الذكاء الاصطناعي البرمجي
في خطوة تعكس التسارع المذهل في مجال الذكاء الاصطناعي وتطبيقاته في تطوير البرمجيات، أعلنت شركة Nous Research، وهي شركة ناشئة في مجال الذكاء الاصطناعي مفتوح المصدر تحظى بدعم من شركة رأس المال الاستثماري في مجال العملات المشفرة Paradigm، عن إطلاق نموذج برمجي تنافسي جديد يحمل اسم NousCoder-14B. وتقول الشركة إن هذا النموذج يضاهي أو يتفوق على العديد من الأنظمة الاحتكارية الأكبر حجمًا، وقد تم تدريبه في أربعة أيام فقط باستخدام 48 وحدة معالجة رسومية من طراز Nvidia B200 الأحدث.
يمثل NousCoder-14B إضافة جديدة إلى ساحة متزايدة الازدحام لمساعدي البرمجة المدعومين بالذكاء الاصطناعي. ويأتي إطلاقه في لحظة حساسة ومليئة بالتحديات، حيث استحوذت أداة البرمجة الوكيلة Claude Code، التي طورتها شركة Anthropic المنافسة، على اهتمام كبير على وسائل التواصل الاجتماعي منذ بداية العام الجديد. وقد قام المطورون بنشر شهادات حماسية حول قدراتها، مما يسلط الضوء على مدى سرعة تطور تطوير البرمجيات بمساعدة الذكاء الاصطناعي.
اقرأ أيضاً
- أبل تكشف عن Mac Mini M6 و Mac Studio M5 Ultra: قفزة نوعية في الأداء والذكاء الاصطناعي
- المحكمة العليا الأمريكية تقر قيوداً على التصويت البريدي وسط تحذيرات من فوضى انتخابية
- رحيل تيم كاري نجم "هوم ألون 2" عن 80 عاماً
- وفاة شخصين بجدري الماء في أمريكا.. أعلى حصيلة منذ 35 عاماً
- جوجل بيكسل 11 برو فولد: تحسينات طفيفة بسعر مرتفع يثير التساؤلات
وتؤكد التطورات المتزامنة هذه على السرعة التي يتطور بها تطوير البرمجيات بمساعدة الذكاء الاصطناعي، وعلى المنافسة الشرسة التي تخوضها الشركات الكبرى والصغيرة على حد سواء للاستحواذ على ما يعتقد الكثيرون أنه سيصبح تقنية تأسيسية لكيفية كتابة البرمجيات في المستقبل. إن سباق الابتكار في هذا المجال لا يقتصر على تحسين الأداء فحسب، بل يمتد ليشمل نماذج الأعمال واستراتيجيات النشر، مع تزايد الاهتمام بالنماذج مفتوحة المصدر التي توفر الشفافية والقدرة على التخصيص.
حقق نموذج NousCoder-14B معدل دقة بلغ 67.87% في اختبار LiveCodeBench v6، وهو تقييم معياري يختبر قدرة النماذج على حل مشاكل البرمجة التنافسية التي تم نشرها بين أغسطس 2024 ومايو 2025. ويمثل هذا الرقم تحسنًا بنسبة 7.08 نقطة مئوية مقارنة بالنموذج الأساسي الذي تم التدريب عليه، وهو Qwen3-14B من شركة Alibaba، وفقًا للتقرير الفني الذي نشرته Nous Research بالتزامن مع إطلاق النموذج.
وقد وصف أحد المهندسين البارزين في Google، وهو Jaana Dogan، المسؤول عن واجهة برمجة تطبيقات Gemini، تجربته مع Claude Code في منشور فيروسي على منصة X الأسبوع الماضي، قائلاً: "لقد أعطيت Claude Code وصفًا للمشكلة، فقام بتوليد ما بنيناه العام الماضي في ساعة واحدة". كان Dogan يصف نظام تنسيق وكيل موزع أمضى فريقه عامًا في تطويره، وهو نظام قام Claude Code بتقريبه بناءً على وصف من ثلاث فقرات.
هذه المقارنة مثيرة للاهتمام: فبينما استحوذت Claude Code من Anthropic على خيال المطورين بعروض توضيحية لتطوير البرمجيات من البداية إلى النهاية، تراهن Nous Research على أن البدائل مفتوحة المصدر المدربة على مشاكل قابلة للتحقق يمكنها سد الفجوة. وتؤمن الشركة بأن الشفافية في كيفية بناء هذه النماذج لا تقل أهمية عن قدرتها الخام. إن هذا التوجه نحو المصادر المفتوحة يمثل تحديًا للنماذج المغلقة ويشجع على التعاون والابتكار المجتمعي.
ما يميز إطلاق NousCoder-14B عن العديد من إعلانات المنافسين هو انفتاحه الجذري. لم تنشر Nous Research أوزان النموذج فحسب، بل نشرت أيضًا بيئة التعلم المعزز الكاملة، ومجموعة معايير التقييم، وأدوات التدريب - المبنية على إطار عمل Atropos الخاص بالشركة - مما يمكّن أي باحث يمتلك القدرة الحاسوبية الكافية من إعادة إنتاج العمل أو توسيعه. وقد أشار أحد المراقبين على X إلى أن "فتح حزمة Atropos يوفر البنية التحتية اللازمة لأبحاث التفكير على مستوى الألعاب الأولمبية القابلة للتكرار"، مما يلخص أهمية هذا النهج للمجتمعات الأكاديمية ومجتمعات المصادر المفتوحة.
تم تدريب النموذج بواسطة Joe Li، وهو باحث مقيم في Nous Research ومبرمج تنافسي سابق. يكشف تقرير Li الفني عن بعد شخصي غير متوقع: فقد قارن مسار تحسين النموذج برحلته الخاصة على منصة Codeforces، وهي منصة البرمجة التنافسية حيث يكسب المشاركون تصنيفات بناءً على أدائهم في المسابقات. وبناءً على تقديرات تقريبية لربط نتائج LiveCodeBench بتصنيفات Codeforces، حسب Li أن تحسن NousCoder-14B - من نطاق تصنيف تقريبي 1600-1750 إلى 2100-2200 - يعكس قفزة استغرقت منه ما يقرب من عامين من التدريب المستمر بين سن 14 و 16 عامًا. وقد حقق النموذج ما يعادله في أربعة أيام فقط.
وصف Li هذه التجربة بأنها "كانت مشاهدة مرحلة التدريب النهائية أمرًا سرياليًا للغاية". ومع ذلك، سارع Li إلى ملاحظة تحذير مهم يتعلق بالأسئلة الأوسع حول كفاءة الذكاء الاصطناعي: فقد حل حوالي 1000 مشكلة خلال هذين العامين، بينما احتاج النموذج إلى 24000 مشكلة. وهذا يؤكد أن البشر، على الأقل في الوقت الحالي، لا يزالون متعلمين أكثر كفاءة بكثير من حيث عدد العينات المطلوبة.
تقدم عملية تدريب NousCoder-14B نافذة على التقنيات المتزايدة التطور التي يستخدمها الباحثون لتحسين قدرات التفكير لدى الذكاء الاصطناعي من خلال التعلم المعزز. يعتمد هذا النهج على ما يسميه الباحثون "مكافآت قابلة للتحقق" - وهو نظام يقوم فيه النموذج بتوليد حلول برمجية، ثم يتم تنفيذ هذه الحلول مقابل حالات اختبار، ويتلقى النموذج إشارة ثنائية بسيطة: صحيحة أو غير صحيحة. هذه الحلقة التغذوية، على الرغم من بساطتها من الناحية المفاهيمية، تتطلب بنية تحتية كبيرة لتنفيذها على نطاق واسع. وقد استخدمت Nous Research منصة Modal السحابية لتسهيل هذه العملية.