في السنوات الأخيرة، كانت تكلفة نماذج اللغات الكبيرة (LLMs) عاملاً رئيسياً في إعاقة تطبيقها على نطاق واسع. في الآونة الأخيرة، قادت ميسترال ومايكروسوفت اتجاه "نماذج اللغات الصغيرة"، مما جلب أملًا جديدًا لتقليل تكلفة تطبيقات الذكاء الاصطناعي وتوسيع نطاق تطبيق تكنولوجيا الذكاء الاصطناعي التوليدية. بل إن نموذج ميسترال المتوسط يتفوق على GPT-4 من حيث إمكانيات الكود، كما تم تخفيض التكلفة بمقدار الثلثين، وهو بلا شك تقدم بارز. وقد أدى إطلاق نموذج Mixtral8x7B والنموذج الصغير Phi-2 إلى تعزيز هذا الاتجاه.
تقود ميسترال ومايكروسوفت اتجاه "نموذج اللغة الصغيرة" حيث تتجاوز قدرات التعليمات البرمجية لـ Mistral-medium GPT-4 ويتم تقليل تكلفتها بمقدار 2/3. أدى إصدار نموذج Mixtral8x7B والنموذج الصغير Phi-2 إلى جعل اتجاه النماذج الصغيرة أكثر شيوعًا، مما قلل من تكلفة تطبيقات الذكاء الاصطناعي واسعة النطاق وتوسيع نطاق تطبيق تكنولوجيا الذكاء الاصطناعي التوليدية. تظهر نتائج الاختبار الداخلي لـ Mistral-medium أن جودة إنشاء التعليمات البرمجية وتكلفتها أفضل من GPT-4، مما يوفر للمطورين خيارًا أكثر كفاءة.يوفر ظهور نماذج اللغات الصغيرة حلولاً أكثر اقتصاداً وكفاءة لنشر تكنولوجيا الذكاء الاصطناعي وتطبيقها، كما يبشر باتجاه جديد للتنمية المستقبلية للذكاء الاصطناعي. ولا شك أن نجاح حالة ميسترال-ميديوم سيشجع المزيد من الشركات والمؤسسات البحثية على الاستثمار في البحث والتطوير وتطبيق النماذج الصغيرة، وبالتالي تعزيز تكنولوجيا الذكاء الاصطناعي لإفادة المجتمع البشري بشكل أسرع وأفضل. وفي المستقبل، لدينا سبب للتطلع إلى ظهور نماذج لغوية صغيرة أكثر وأفضل، والتي سيكون لها تأثير تحويلي على جميع مناحي الحياة.