لقد أدركت شيئًا يزعجني بشأن وضعية Cursor بأكملها. أنت تعرف أداة البرمجة بالذكاء الاصطناعي التي تبلغ قيمتها 29.3 مليار دولار والتي يجن جنون الجميع بشأنها؟ اتضح أن العقل الذي يدعم Composer 2 ليس كما تظن.

في الأسبوع الماضي، بدأ المطورون في فحص استجابات API ووجدوا شيئًا مثيرًا للاهتمام في مسار النموذج: kimi-k2p5-rl-0317-s515-fast. Kimi K2.5. هذا هو النموذج مفتوح المصدر من Moonshot AI من الصين. ليس مخفيًا تمامًا في التفاصيل الدقيقة، لكنه بالتأكيد لم يُعلن عنه أيضًا.

اعترف نائب رئيس قسم تعليم المطورين في Cursor بعد يومين، قائلًا إن حوالي 25% من قوة الحوسبة تأتي من منصة Kimi، والباقي من تدريبهم الخاص. ووصفوا الإغفال في منشور المدونة بأنه "خطأ". إلا أن هذه هي المرة الثانية. عندما أُطلق Composer 1، لاحظ الناس أنه يستخدم Tokenizer من DeepSeek — ولم يُذكر ذلك أيضًا أبدًا. في أي نقطة يتوقف الأمر عن كونه خطأً؟

لكن الأمر هنا هو: استخدام Kimi K2.5 في الواقع ذكي. النموذج قوي في توليد الكود، وهو مفتوح المصدر لذا تكاليف الاستحواذ عليه تقريبًا صفر، ولشركة تركز على تكامل طبقة المنتج وسلسلة الأدوات، فإنه من المنطقي تمامًا من ناحية العمل. المشكلة ليست في الاختيار التقني، بل في الصمت.

لكن هناك مشكلة امتثال لا يتحدث عنها أحد. يستخدم Kimi K2.5 رخصة MIT معدلة مع شرط واحد محدد: إذا كان المنتج التجاري لديه أكثر من 100 مليون مستخدم نشط شهريًا أو إيرادات شهرية تزيد عن 20 مليون دولار، يجب عرض "Kimi K2.5" بشكل بارز في واجهة المستخدم. تقوم Cursor بذلك تقريبًا $2B سنويًا — وهو مثل 8 أضعاف الحد الأقصى. الشرط واضح، وتم تجاهله.

لست محاميًا، لكن هذا مهم لأن صناعة البرمجيات قضت عقدين من الزمن في تعلم احترام تراخيص المصادر المفتوحة. انتقلنا من دعاوى GPL إلى أن تصبح قوائم مكونات البرمجيات (SBOMs) ممارسة قياسية. ترخيص نماذج الذكاء الاصطناعي ربما لا يزال في مراحله المبكرة من نفس الرحلة. إذا كانت الشركات تستطيع تخطي شيء بسيط مثل إضافة تسمية، فماذا عن الأمور الأصعب — تدفقات البيانات، قابلية تدقيق النموذج، الامتثال عبر الحدود؟

هناك مفهوم يُسمى "ضرائب الثقة" ينطبق هنا. المستخدمون يدفعون 20 دولارًا شهريًا مقابل ما يعتقدون أنه تقنية ملكية متطورة، ثم يكتشفون أنه نموذج مفتوح المصدر مجاني مع تعديلات؟ تلك الثقة تتصدع. خاصة عندما كانت Cursor قد واجهت دراما تسعير مع خطة Pro "غير محدودة" حيث استهلك الناس الاعتمادات الشهرية خلال ثلاثة أيام.

السؤال الحقيقي هو: ماذا يدفع المستخدمون فعلاً مقابل؟ إذا كانت قدرات النموذج، فكل ما عليهم فعله هو استدعاء API الخاص بـ Kimi مباشرة — أرخص بكثير. إذا كانت تجربة المنتج وتكامل سلسلة الأدوات، فليكون ذلك واضحًا بدلاً من الإيحاء بأن كل شيء تم تطويره ذاتيًا. آبل لا تتظاهر بأنها تصنع شرائحها الخاصة. تيمو TSMC يصنعها. لا أحد يشعر بأنه مخدوع لأنه يعرف ما يدفع مقابله فعليًا.

ما هو مثير هنا حقًا هو التحول الهيكلي الأكبر: نماذج المصادر المفتوحة الصينية أصبحت الأساس غير المرئي لتطبيقات الذكاء الاصطناعي العالمية. DeepSeek، Tongyi Qianwen، Kimi — هذه تدعم بشكل هادئ أشياء كثيرة حول العالم. قال مدير شركة Hugging Face حرفيًا إن المصدر المفتوح في الصين هو "القوة الأكبر التي تشكل مكدس تكنولوجيا الذكاء الاصطناعي العالمي." وليس مبالغًا فيه.

لكن بالنسبة للمستخدمين المؤسساتيين، هذا يخلق مشكلة حقيقية. مطوروك يمررون الكود عبر نماذج لا تعرف حتى أصلها. في الصناعات المنظمة — المالية، الرعاية الصحية، الحكومة — هذا كابوس امتثال. سيادة البيانات، اللوائح عبر الحدود، كل ذلك يصبح غير واضح. يطلق عليه البعض "Shadow AI"، مثلما كانت Shadow IT من قبل. يدمج المطورون هذه النماذج في بيئات التطوير وأدوات خطوط الأنابيب، بينما فرق الأمان لا تعلم شيئًا.

وفي النهاية، صنعت صناعة البرمجيات ذلك مع SBOMs — قائمة مكونات البرمجيات. تسرد المكونات التي تستخدمها، الإصدارات، الثغرات المعروفة. الذكاء الاصطناعي يحتاج الشيء نفسه. يتم مناقشة AI-BOM بالفعل في دوائر الأمان. يجب أن يتضمن: النموذج الأساسي، مصدر و معالجة بيانات التدريب، طريقة التخصيص، النشر، تدفقات البيانات.

بالنسبة للمطورين الذين يختارون الأدوات، هذا يعني تدقيق مصادر النماذج بنفس طريقة تدقيق تراخيص الاعتمادات. npm audit، pip check — هذه ممارسات قياسية. تدقيق النموذج قد يكون التالي. بالنسبة لبائعي الذكاء الاصطناعي، الإفصاح المسبق عن مصادر النموذج ليس ضعفًا، بل استثمار في الثقة على المدى الطويل. قد تسيطر الشركة الأولى التي تجعل AI-BOM معيارًا على سوق مميز.

الخلاصة: Kimi K2.5 جيد حقًا. العمل التقني لـ Moonshot يستحق الاحترام. خبرة Cursor في المنتج حقيقية. المشكلة لم تكن أبدًا "تم استخدام نموذج صيني." في نظام بيئي مفتوح المصدر، لا ينبغي أن يكون التقنية الجيدة تحمل علامة وطنية. المشكلة أننا لم نُخبر. مع تزايد دمج وكلاء الذكاء الاصطناعي في سير عملنا، ومع زيادة التعامل مع المزيد من الكود والبيانات والقرارات، يجب أن نعرف على الأقل من يفكر وراء الكواليس.