دراسة ستانفورد: نماذج لغوية صغيرة تهدد الكبرى

تشير دراسة جديدة من جامعة ستانفورد إلى أن النماذج اللغوية الصغيرة (SLMs) التي تعمل على أجهزة كمبيوتر محلية تُطابق أو تتفوق على النماذج اللغوية الكبيرة (LLMs) في معظم المهام. قارنت البحث QWEN 3، GEMMA 3، GPT-OSS وGRANITE 4.0 على شرائح Nvidia وApple M4 مع ChatGPT 5، Claude Sonnet 4.5 وGemini 2.5 Pro المستندة سحابياً. في مهام الدردشة، تطابق أو تفوق أفضل SLM أداء LLM في 98.6% من الحالات. بالنسبة لمهام التفكير، حققت SLMs تكافؤًا بنسبة 62.5%. بشكل مدمج، أداء SLMs كان جيدًا أو أفضل في 81.2% من السيناريوهات الواقعية. تكلف SLMs أقل بنسبة 50-85% في الطاقة والحوسبة. تحسنت معدلات نجاح SLMs من حوالي 50% في عام 2023 إلى 99% على المهام السهلة بحلول أكتوبر 2025، على الرغم من أنها لا تزال تتأخر في التفكير المعقد المستوى 5 (51.5%). يقدر البحث سوق SLMs في الولايات المتحدة بـ 10 تريليونات دولار، مهددًا استثمارات مراكز بيانات الشركات الكبرى وربما يقلل الطلب على الرقاقات المتقدمة.

المصدر: Hacker News · لخّصه HeadlinesBriefing