لماذا لا يكفي
ذكاء اصطناعي واحد في 2026

مشكلة الهلوسة حقيقية وغير متكافئة، وتزداد سوءًا في بعض الفئات. تجد أبحاث مستقلة أن نسب أخطاء الذكاء الاصطناعي تبلغ 69–88% في الاستفسارات القانونية، و43–64% في الطبية، و15–52% في مهام المؤسسات العامة. وأفضل نموذج في المعرفة العامة (Gemini-2.0-Flash) يهلوس بنسبة 0.7%. أما نموذج الاستدلال OpenAI o3، وهو الأسوأ، فقد هلوس بنسبة 33% على PersonQA في 2025، وجاء خلفه o4-mini أسوأ لا أفضل، بنسبة 48% في الأسئلة المتعلقة بالأشخاص. حقيقتان:

1. النقاط العمياء ليست مشتركة بين المزوّدين. يميل Claude إلى التحوّط عند عدم اليقين، ونمط إخفاقه هو الإفراط في التحفظ. ويميل ChatGPT إلى الثقة، ونمط إخفاقه هو الاختلاق الواثق. ويميل Gemini إلى الحذر، ونمط إخفاقه هو الإجابة الناقصة. فحيث يقول Claude «لست متأكدًا» كثيرًا ما تكون لدى Gemini إجابة واضحة. وحيث يختلق ChatGPT بثقة، كثيرًا ما يرفض Gemini.

2. التحقق بين النماذج يقلّل الأخطاء تقليلًا كبيرًا. أبحاث 2026 مجمعة على ذلك: التحقق عبر عائلات النماذج (نموذج من مزوّد مختلف يتحقق من الإجابة) يخفض معدلات الخطأ أكثر بكثير من التحقق الذاتي (نموذج يتحقق من عمله). وإطار FACTS من DeepMind، الذي يستخدم Gemini وGPT-4o وClaude حكّامًا مستقلين، يخفض خطأ التقييم بنسبة تصل إلى 25.15%. واستخدام نموذج واحد وحده يُضيّع هذا كله.

أرخص نموذج رائد يفوز بنحو 22% من الاستفسارات. يحصد Grok 4.6 نحو 22% من الانتصارات في المقارنات المباشرة في معيارنا، بتكلفة أقل بنحو 40% لكل فوز من متوسط الفئة. وتوجيه الاستفسارات كثيفة الحجم منخفضة المخاطر إلى Grok مع Claude أو ChatGPT بديلًا احتياطيًا يوفّر مبالغ كبيرة دون خسارة في الجودة، لأن Grok يفوز فعلًا بتلك الاستفسارات.

نماذج الاستدلال مكلفة وتخطئ في الحقائق البسيطة أيضًا. يهلوس OpenAI o3 في الحقائق البسيطة بنسبة 33%. وإرسال الاستفسارات الواقعية البسيطة إلى نموذج استدلال يستهلك رموزًا أكثر بمقدار 3 إلى 5 أضعاف، وينتج إجابات أسوأ مما لو أُرسلت إلى نموذج شقيق غير استدلالي. فمعادلة التكلفة والجودة تنقلب حرفيًا على مستوى المهمة الواحدة.

بالنسبة إلى فريق نموذجي يرسل 100 ألف استفسار شهريًا، يخفض التوجيه حسب المهمة تكلفة الاستدلال إلى النصف تقريبًا مقارنةً بالاعتماد الدائم على Claude أو ChatGPT، بينما ترتفع الجودة لا تنخفض. والسبب الوحيد لعدم قيام الفرق بذلك هو الاحتكاك، والاحتكاك مشكلة أدوات لا مشكلة استراتيجية.

النماذج الرائدة تتغيّر بسرعة وعلى نحو لا يمكن التنبؤ به. النموذج الأول في الربع الثاني من 2026 ليس النموذج الأول في الربع الأول من 2026. وتطلق Anthropic وOpenAI وGoogle وxAI نماذج رائدة جديدة كل 2 إلى 4 أشهر تقريبًا. والفريق الذي اعتمد GPT-4 معيارًا في 2023 اضطر إلى الانتقال ثلاث مرات بحلول 2026 ليبقى مواكبًا. أما الفريق الذي اعتمد Claude Sonnet 3.5 في 2024 فقد فاته Claude Opus 4.6 كليًا إلى أن أعاد النظر.

انقطاعات المزوّدين حقيقية. شهد كل واحد من كبار مزوّدي النماذج انقطاعات استمرت عدة ساعات خلال الأشهر الـ12 الماضية. والفرق التي تشغّل أحمال عمل إنتاجية على مزوّد واحد تفصلها عن توقف الخدمة حادثة انقطاع واحدة. والتبديل التلقائي بين عدة مزوّدين هو الوضع الإنتاجي الآمن الوحيد.

الأسعار متقلبة. رفع المزوّدون أسعارهم وخفضوها مرارًا. والفرق التي بنت اقتصاديات وحداتها على تسعير مزوّد واحد اضطرت إلى إعادة حساباتها كل ربع سنة. أما الإعداد متعدد المزوّدين فيتيح لك الاستفادة من فروق الأسعار: حين يرفع مزوّد أسعاره، تنقل الحجم إلى البديل الأرخص.

هذا هو السبب الحقيقي لعدم انتقال معظم الفرق إلى تعدد النماذج. والإجابة الصحيحة في 2026 ليست «استخدم 5 اشتراكات ذكاء اصطناعي»، بل «استخدم منصة تشغّل النماذج الـ5 كلها نيابةً عنك وتوجّه كل استفسار إلى النموذج المناسب». هذا يزيل الاحتكاك: توقّع عقدًا واحدًا، وتدفع فاتورة واحدة، وتحصل على جودة أفضل نموذج لكل مهمة، وتحظى بالتحقق بين النماذج ميزةً إضافية.

هذا هو جوهر عرض MultipleChat: منصة واحدة، وكل النماذج الرائدة، وتوجيه تلقائي حسب المهمة، وتحقق بين النماذج، وعرض شفاف للخلاف حين تتباين النماذج تباينًا ذا معنى. إنه النوع نفسه من التوحيد الذي حققته AWS للحوسبة السحابية (وحدة تحكم واحدة، وكل المناطق، وكل الخدمات)، مطبّقًا على الذكاء الاصطناعي الرائد.