Tencent Hy3 يراهن على وكيل الذكاء الاصطناعي بدلاً من حجم النموذج: ثورة الكفاءة في الذكاء الاصطناعي الصيني

خلفية الصناعة: بينما تتنافس وادي السيليكون في حجم النماذج، اختار تينسنت طريقًا آخر

أشار مارك زوكربيرغ، الرئيس التنفيذي لشركة ميتا، مؤخرًا إلى أن شركات الذكاء الاصطناعي بحاجة إلى إجراء مقايضات صعبة بين البنية التحتية للحوسبة والمواهب البحثية، لكن الافتراض الافتراضي في وادي السيليكون لا يزال كما هو: جوهر المنافسة هو من يستطيع بناء أكبر نموذج. ومع ذلك، فإن أحدث إصدار من تينسنت يشير إلى أن أكبر شركة تكنولوجيا في الصين قد تجري حسابات مختلفة تمامًا.

الأسبوع الماضي، أطلقت تينسنت رسميًا نموذج اللغة الكبير من الجيل الثالث، Hy3. مواصفاته تنافسية تمامًا: بنية Mixture-of-Experts (MoE)، بإجمالي 295 مليار معامل، و 21 مليار معامل نشط، يدعم نافذة سياق تصل إلى 256 ألف رمز. لكن ما يلفت الانتباه حقًا ليس الحجم، بل التموضع - تروج تينسنت لـ Hy3 كنموذج مُحسّن لعوامل الذكاء الاصطناعي في العالم الحقيقي (مساعدي البرمجة وسير عمل الإنتاجية المؤسسية)، بدلاً من السعي للهيمنة على المعايير.

يعكس هذا الفرق تحولًا أوسع في مجال الذكاء الاصطناعي الصيني. في ظل القيود المفروضة على الأجهزة التي لا تزال تؤثر على التطوير المحلي، تعطي الشركات الصينية أولوية متزايدة لكفاءة النشر والتسويق التجاري على حساب حجم النموذج الخام. والسؤال هو، هل يمكن لهذه الاستراتيجية القائمة على المنتج سد الفجوة في القدرات مع النماذج الغربية المتطورة؟

تأثير السوق: أداء متميز في مهام العوامل، فجوة في البرمجة

قدمت التقييمات المستقلة نتائج مختلطة. في مجالات البحث عن العوامل وتنسيق الأدوات، أدى Hy3 أداءً قويًا - وفقًا لتقييم من مؤسسة Flowtivity الاستشارية المستقلة للذكاء الاصطناعي، حصل على 84.2 في BrowseComp، و 79.1 في مجموعة MCP-Atlas العامة، متنافسًا مع نماذج خاصة مثل Claude Opus 4.8 و GPT-5.5. بلغ معدل الهلوسة لديه 5.4%، وهو أقل بكثير من 54% لـ Grok 4.5، ومماثل للنماذج الخاصة المتطورة.

لكن قصة البرمجة مختلفة. في SWE-bench Verified، سجل Hy3 78% - مقبول، لكنه أقل من GLM-5.2 (84.2%) و Claude Opus 4.8 و GPT-5.5. الفجوة أكبر في معايير البرمجة الأكثر تحديًا: Terminal-Bench 2.1 سجل 71.7 مقابل 81 لـ GLM-5.2، و DeepSWE سجل 28.0 مقابل 46.2 لـ GLM-5.2.

هذا منطقي من الناحية المعمارية. GLM-5.2 هو نموذج MoE بـ 744 مليار معامل، مع حوالي 40 مليار معامل نشط - أي ما يقرب من ضعف الحوسبة النشطة لكل رمز لـ Hy3. كما أشارت إحدى المؤسسات التحليلية المستقلة: "بالنسبة لنموذج مع 21 مليار معامل نشط فقط، فإن هذه النتائج ممتازة للغاية."

المشهد التنافسي: الاختلاف بين الصين والولايات المتحدة في ظل استراتيجية إعطاء الأولوية للكفاءة`

مشهد المنافسة: الاختلافات بين الصين والولايات المتحدة في ظل استراتيجية الأولوية للكفاءة

استراتيجية تينسنت ليست فريدة من نوعها في الصين. في وادي السيليكون، تفوقت أنثروبيك (Anthropic) على أوبن إيه آي (OpenAI) بهدوء في حصة سوق واجهات برمجة التطبيقات للمؤسسات (حوالي 32% مقابل 25% في 2026) من خلال التركيز على موثوقية الترميز والاستدلال طويل السياق، بدلاً من حجم النموذج. أصبح كلود كود (Claude Code) - وكيل الترميز الأصلي للمحطة الطرفية من أنثروبيك - محرك النمو الرئيسي، حيث تبلغ إيراداته السنوية المبلغ عنها حوالي 2.5 مليار دولار.

يراهن كلاهما على أن عملاء المؤسسات يهتمون أكثر باكتمال سير العمل والموثوقية وزمن الاستجابة بدلاً من التحسينات الهامشية في المعايير الأكاديمية. وكلاهما يسعى لتحقيق الكفاءة بدلاً من الحجم.

ومع ذلك، تمتلك تينسنت ميزة بيئية فريدة. فلسفتها "التصميم المشترك" (Co-Design) - حيث تتطور النماذج جنباً إلى جنب مع التطبيقات الأصلية للذكاء الاصطناعي (مثل WorkBuddy و Yuanbao و ima و Marvis و CodeBuddy) - تسمح لكل سير عمل بتوليد ردود فعل لتحسين قدرات النموذج. تعلن الشركة أن معدل نجاح المهام الداخلية لـ WorkBuddy ارتفع من 72% إلى 90%، مع انخفاض متوسط وقت التنفيذ بنسبة 34%؛ بينما انخفض معدل الهلوسة في Yuanbao في سيناريوهات المستندات الطويلة والبحث بالذكاء الاصطناعي بأكثر من النصف.

دروس للمؤسسات: البرمجيات تعيد تشكيل الذكاء الاصطناعي، لا مجرد استضافته

يسلط إطلاق Hy3 الضوء على تحول هيكلي في طريقة نشر الذكاء الاصطناعي. تتطور حزم المكاتب من مديري مستندات إلى محركات تنفيذ. يدعم WorkBuddy بالفعل إنشاء النصوص البرمجية الآلية وتنسيق سير العمل. ومع نضوج هذه المنتجات، تعمل البرمجيات على تشكيل الذكاء الكامن وراءها - ليس فقط استضافة الذكاء الاصطناعي، بل تدريبه بنشاط.

قد يصبح هذا الديناميك أقوى خندق تنافسي لتينسنت. على عكس مزودي النماذج المستقلين، يمكن لتينسنت التحقق من التحسينات من خلال ملايين مهام الأعمال الحقيقية في نظامها البيئي قبل أن يتمكن المطورون الخارجيون من الوصول إليها.

بالنسبة لصانعي القرار في المؤسسات، فإن انخفاض تسعير Hy3 (حوالي 0.18 دولار لكل مليون رمز إدخال و 0.59 دولار لكل مليون رمز إخراج عبر Tencent Cloud) ومتغيره الكمي FP8 (يمكن تشغيله على عقدة واحدة 8x H200 بأقل من 300 جيجابايت) يجعله قابلاً للنشر الذاتي، خاصة للمؤسسات المهتمة بسيادة البيانات.

نظرة مستقبلية: هل يمكن سد فجوة القدرات؟

Hy3 ليس مجرد ترقية نموذجية. إنه اختبار لمدى نجاح استراتيجية الذكاء الاصطناعي المتكاملة مع المنتجات الصينية في ظل قيود الأجهزة وفجوة المعايير.

على المدى القصير (12 شهرًا)، ستستفيد تينسنت من دولاب البيانات البيئي لتحسين قدرات الوكلاء باستمرار، وقد يخترق Hy3 بسرعة سيناريوهات الأعمال المكتبية وخدمة العملاء والتسويق. على المدى المتوسط (24 شهرًا)، إذا تم حل مشاكل "عدم استغلال الخبراء" وتوازن الحمل في بنية MoE، فقد يتفوق Hy3 في كفاءة التكلفة. على المدى الطويل (3 سنوات)، قد تتباعد مسارات الذكاء الاصطناعي بين الصين والولايات المتحدة: يسعى أحدهما إلى نماذج عامة فائقة الحجم، بينما يسعى الآخر إلى أنظمة بيئية من الوكلاء الفعالين المتكاملة رأسياً.

`رهان تينسنت هو أن نظامها البيئي البرمجي الضخم سيحل مشكلة معدل الاستخدام. طلبات سير العمل، بيانات المحادثات، خدمات وي تشات والألعاب ستولد أنماط تفاعل متنوعة. تدعي الشركة أنه منذ إطلاق النسخة التجريبية، زاد استهلاك الرموز اليومي لـ Hy3 بمقدار 20 ضعفًا، وزاد عدد المستخدمين الذين يختارون Hy3 بنشاط في WorkBuddy بمقدار 6 أضعاف.

ما إذا كانت حلقة التغذية الراجعة هذه قادرة على سد فجوة القدرات - بدلاً من مجرد جعل نموذج فعال أكثر كفاءة - سيحدد ما إذا كان Hy3 سيصبح بديلاً تنافسيًا، أم مجرد حل محلي متكامل بشكل جيد.