فخّ النموذج الواحد
يريد كل مزوّد كبير أن تصدّق أن نموذجه الرائد هو الجواب الصحيح عن أي سؤال. وهذا الاعتقاد مريح له تجاريًّا وخاطئ لك تقنيًّا.
فالنموذج الذي يتألّق في الاستدلال القانوني ذي السياق الطويل ليس المناسب لصياغة تعليق من عشر كلمات. والنموذج ذو الإبصار المتقدّم مبالغ فيه — وربّما باهظ — لعمل دفعي يعيد تنسيق JSON مبنيّ. والنموذج الذي ضُبط سعره على الإنتاجية قد يكون أسوأ اختيار ممكن حين تحتاج جوابًا في ثانيتين.
حين تبني على نموذج واحد، لا تختار أفضل أداة. بل تختار أفضل أداة متاحة داخل قيد مصطنع. ومع الوقت يتراكم ذلك القيد: تدفع أكثر مما ينبغي في المهامّ البسيطة، وتقصّر في المعقّدة، وحين يقع عند ذلك المزوّد عطل أو رفع أسعار، توقّف منتجك كله.
قدرات لا أسماء
التجريد المفيد ليس «أي نموذج» بل «أي قدرات يحتاجها هذا الطلب». ولهذا السؤال جواب دقيق.
رسالة محادثة بلقطة شاشة مرفقة تحتاج إبصارًا. وخطوة سير عمل تنادي واجهة خارجية تحتاج أدوات. ومساعد شيفرة يُفترض أن يتحقّق من مخرَجه يحتاج تنفيذ شيفرة. ومسار تلخيص ليلي لا يلزمه أن يكون سريعًا يستطيع استعمال أسعار الدفعات؛ أما مساعد داخل المنتج ينتظره أحد فلا يستطيع.
حين تعدّد متطلّبات القدرة أولًا، صار اختيار النموذج مسألة تصفية وترتيب. فبإزاء مجموعة مطلوبة — لنقل نصّ وإبصار ومخرَج مبنيّ — تجد كل النماذج التي تدعم الثلاثة، ثم ترتّبها بالجودة والسعر لسياق الطلب الحالي. وقد يتبدّل ذلك الترتيب من طلب إلى آخر بحسب ما يفعله الشخص وحال ماله.
وهذا بالضبط ما يفعله مسار التوجيه في ToRun. فالنمط (محادثة، شيفرة، صورة، بحث وغيرها) ينعكس على مجموعة قدرات. والمجموعة تصفّي فهرس النماذج. وترتيب السعر والجودة يختار الفائز. والنتيجة أنك تستطيع استعمال DeepSeek للاستخلاص المبنيّ بكمّيات كبيرة، وClaude أو نماذج من طبقة GPT-4 للاستدلال الدقيق، وGoogle Gemini للعمل على المستندات بسياق طويل، ونموذج صور متخصّصًا للتوليد — كل ذلك من سطح المنتج نفسه، دون أن تكتب منطق التوزيع بنفسك.
البديل ليس إضافة لطيفة
أعطال المزوّدين ليست حالات نادرة على الأطراف. إنها تقع في القطاع كله مرّات في الشهر. فإن كان منتجك معتمدًا على مزوّد واحد وتدهورت واجهته، تدهور منتجك معه.
السلسلة البديلة هي الحدّ الأدنى التشغيلي: حين يعيد النموذج الأساسي خطأً عابرًا لطلب، أعادت المنصّة المحاولة على ثاني أنسب نموذج. ويفترض ذلك أن طبقة التوجيه تعرف سلفًا أي النماذج صالح — وهذا بالضبط ما يقدّمه التوجيه بالقدرات.
وللبديل فائدة أخرى أقلّ ظهورًا: يبقي سلوك فوترتك قابلًا للتنبّؤ. فإن تجاوز نموذج الخيار الأول حدّ استعمال مؤقّتًا، أبقى الانحرافُ إلى النموذج الصالح التالي الكلفةَ في نطاقها دون إظهار خطأ.
الخلاصة العملية
حين توازن بين المنصّات، اسأل سؤالين: كيف تختار نموذجًا لكل طلب، وماذا يحدث حين لا يكون ذلك النموذج متاحًا أو يصير باهظًا؟
إن كان الجواب عن أيّهما «إنها تأخذ النموذج س دائمًا»، فتلك رائحة معمارية. فالنماذج المتاحة اليوم ليست أفضل النماذج بعد ستة أشهر. يظهر مزوّدون جدد. وتتحرّك الأسعار. وتنزاح حدود القدرات. والبنية التي تعامل اختيار النموذج مسألةَ توجيه — لا قرارَ إعداد — تشيخ على نحو أفضل، وتكلّف أقلّ مع الوقت، وتتدهور بأناقة أكبر تحت الضغط.
النموذج الواحد نقطة انطلاق. أما طبقة التوجيه فهي الأساس الحقيقي.