أنتروبيك أضافت وظيفة كشف التقطير في كلاود فابل 5، هل يمكنها حجب النماذج المفتوحة المصدر الصينية؟

أنثروبيك أضافت تقنية الكشف عن التقطير في كلاود فابل 5، حيث يتم تلقائيًا الرجوع إلى أوبوس 4.8 عندما يحاول طرف ثالث استخراج قدرات النموذج، مما يعني أن "حظر التقطير" أصبح جزءًا من شروط الاستخدام مدمجًا في جوهر النموذج.
(ملخص سابق: أنثروبيك اتهمت DeepSeek و Moonshot AI و MiniMax بسرقة تعلم كلاود عبر حوالي 24,000 حساب مزيف، وإجراء أكثر من 16 مليون استعلام، لاستخراج البيانات لتدريب نماذجها الخاصة.)
(معلومات إضافية: أنثروبيك: أن النموذج الأمريكي يتقدم على الصين لحماية الديمقراطية، وتقترح أن يكون التقطير جريمة جنائية)

فهرس المقال

تبديل

• من التهديد القانوني إلى الحظر التقني
• ما الذي يمنعه حظر التقطير؟
• الحدود الحقيقية للحظر التقني

أُطلق كلاود فابل 5 من أنثروبيك رسميًا صباح اليوم (10)، وهو أول نموذج من مستوى Mythos متاح للجمهور من أنثروبيك، حيث حقق تقييم SWE-Bench Pro نسبة 80.3%، في حين أن أوبوس 4.8 حقق 69.2%. السعر هو 10 دولارات لكل مليون وحدة إدخال، و50 دولارًا للمخرجات، وهو تقريبًا ضعف سعر أوبوس 4.8.

بالإضافة إلى قدرات النموذج نفسه، هناك نقطة نقاش حول الآلية الوقائية المصاحبة له، حيث أدخلت أنثروبيك "حظر التقطير" مباشرة في جوهر النموذج؛ لكن الرمزية وراء هذا الإجراء قد تكون أكبر بكثير من فعاليته الفعلية.

من التهديد القانوني إلى الحظر التقني

ربما تتذكر أن في فبراير من هذا العام، وجهت أنثروبيك اتهامات علنية لـ DeepSeek و Moonshot AI و MiniMax باستخدام حوالي 24,000 حساب مزيف، لإجراء أكثر من 16 مليون استعلام على كلاود، بهدف استخراج البيانات لتدريب نماذجها الخاصة. كما ضغطت OpenAI على المشرعين الأمريكيين لسن قوانين للحد من ذلك.

قراءة إضافية: ما هو التقطير في نماذج الذكاء الاصطناعي؟ كيف أنفقت DeepSeek 6 ملايين دولار لتعلم مهارات بقيمة مليار

بعد أربعة أشهر، اختلفت طريقة فابل 5: حيث تستخدم مصنفات ذكاء اصطناعي لتصنيف ثلاثة أنواع عالية الخطورة من الطلبات تلقائيًا، وهي الأمن السيبراني، والأسلحة البيولوجية والكيميائية، والتقطير، وعندما يكتشف النموذج ذلك، يرجع الرد إلى أوبوس 4.8. كما أن أنثروبيك تقول إن تقنيات إعادة صياغة الطلبات، والمتجهات التوجيهية (التي تحاول من خلالها السيطرة على مخرجات النموذج من الخارج)، والمعايرة الفعالة باستخدام PEFT، ستعمل على تقليل فعاليتها.

من "أريد أن أبلغ عليك" إلى "لن تتمكن من الوصول"، هذه ترقية استراتيجية. لكن المشكلة أن أنثروبيك تعترف أيضًا بأن أكثر من 95% من المحادثات لا تتأثر على الإطلاق. آلية الحماية تغطي سيناريوهات ضيقة جدًا؛ معدل نجاح اعتراض المهام الأمنية عالية جدًا، لكن حدود "سلوك التقطير" غامضة، فالتقطير القانوني وغير المصرح به يبدوان متشابهين تقنيًا.

ما الذي يمنعه حظر التقطير؟

بالعودة إلى اتهام فبراير. قام الباحث في التعلم الآلي Nathan Lambert بتحليل الأرقام الفعلية: حوالي 150,000 استعلام من DeepSeek، كانت موجهة نحو نماذج الاستدلال والمكافأة؛ و340,000 استعلام من Moonshot، و1.3 مليون من MiniMax، مما يعادل بين 1500 و4000 مليار وحدة token من البيانات بعد التدريب.

حكم Lambert أن المختبرات الصينية، حتى في بيئة محدودة باستخدام وحدات GPU، لا تزال تمتلك بنية تحتية قوية للتعلم المعزز (RL)؛ والمنافسة الحقيقية تكمن في "توليد البيانات الاصطناعية بشكل صحيح ومقياسي". بعبارة بسيطة، جعل النموذج يتعلم من التجربة والمكافأة بشكل متكرر، دون الاعتماد على الإجابات الجاهزة.

وهناك تناقض جوهري آخر: طالما أن أنثروبيك تبيع واجهات برمجة التطبيقات (API)، فإن التقطير لا يمكن إيقافه تمامًا. فتح API هو نموذج عمل أنثروبيك، والتقطير هو ببساطة نتيجة طبيعية لكون API مفتوحة. مدى التغطية لهذا الحظر هو 5%، و95% من المحادثات لا تزال تتدفق.

الحدود الحقيقية للحظر التقني

قال Lambert بصراحة: "حظر التقطير سيكون أصعب بكثير من تقييد شحنات الأجهزة المادية مثل وحدات GPU."

من هذا المنظور، فإن آلية الحماية في فابل 5 لها معنيان: إشارة للصناعة، حيث ترى أن تدفق التقنية قد وصل إلى درجة تتطلب إدراجها في جوهر النموذج؛ وإزعاج للمختبرات الصينية المفتوحة المصدر، لكنه ليس عائقًا حقيقيًا. حتى لو كانت حماية التقطير في فابل 5 فعالة تمامًا، فإن المختبرات الصينية لا تزال تعتمد على نماذج مفتوحة المصدر من Google و Meta، والبنية التحتية الخاصة بـ RL، وخطوط توليد البيانات الاصطناعية.

لكن من الناحية الرمزية، فإن ترقية أنثروبيك من المستوى القانوني إلى المستوى التقني مهمة جدًا: فهي توضح أن "الحظر التقني" يتحول إلى أداة جديدة في الجغرافيا السياسية للذكاء الاصطناعي.