تقول Together AI إنها طوّرت مترجمًا يضبط باستمرار طريقة تشغيل نماذج الذكاء الاصطناعي، مشيرةً إلى زيادة في معدل المعالجة تصل إلى 2.6× على عدة نماذج مفتوحة بعد أقل من 24 ساعة من التحسين. وتقول الشركة إن النظام، الذي يحمل اسم Together Compiler (TKCC)، يُستخدم بالفعل لتشغيل أعباء العمل لديها، والتي تعالج تريليونات الرموز.
صُمّم المترجم ليتكيف مع التغييرات في النماذج وشرائح الحوسبة وحركة المستخدمين، بدلًا من الاعتماد على إعداد واحد ثابت. وتقول Together إن اختباراتِها شملت نماذج منها Kimi K3 وGLM 5.3 وMiniMax M3.1-Flash وDeepSeek v4.1-Flash. ويشير معدل المعالجة إلى عدد الرموز التي يستطيع النظام معالجتها خلال فترة زمنية؛ وقد يتيح المعدل الأعلى لمزوّد الخدمة تلبية مزيد من الطلبات على الأجهزة نفسها.
كيف يعمل المترجم؟
يستخدم TKCC وكلاء ذكاء اصطناعي لاقتراح تغييرات على محرّك الاستدلال واختبارها، وهو البرنامج الذي يشغّل النموذج عندما يرسل إليه شخص طلبًا. وتقول الشركة إن من أبرز خيارات التصميم إبقاء محرّكات الاختبار قيد التشغيل، بدلًا من إعادة تشغيلها من الصفر في كل مرة. ووفقًا لمقارنتها، استغرق تشغيل المحرّك 467 ثانية بالطريقة المعتادة، مقابل تسع ثوانٍ باستخدام TKCC.
يعمل عدة وكلاء بالتوازي على تحسينات محتملة، فيما تختبر محرّكات مستمرة مقترحاتهم. وتتيح طبقة اختبار سريعة إجراء تجارب خاطفة، بينما تتحقق طبقة أبطأ من استمرار عمل التغييرات مع أجزاء أكبر من النموذج وبيانات إدخال واقعية. وتقول Together إن هذا الإعداد أجرى التجارب بسرعة تفوق الأنظمة الأساسية لتحسين الأداء باستخدام الوكلاء 252 مرة. وهذه مقارنة داخلية، ولم تذكر الشركة أن النتائج خضعت للتحقق المستقل.
ما الاختبارات التي أجرتها Together؟
في معيار SemiAnalysis InferenceX AgentX، تقول Together إن معدل المعالجة زاد حتى 2.6× مقارنةً بأفضل إعدادات محرّكات مفتوحة المصدر متاحة استخدمتها كخط أساس. وفي اختبار منفصل لزمن استجابة منخفض وحجم دفعة يساوي واحدًا، سجلت الشركة 1,111 رمزًا في الثانية على MiniMax M3.1-Flash و1,205 على DeepSeek v4.1-Flash. وهذه نتائج Together وليست تقييمًا مستقلًا.
وتقول الشركة أيضًا إن معدل المعالجة لديها زاد 1.7× مقارنةً بنوى فائقة مفتوحة المصدر في عبء عمل Llama 1B بحجم دفعة يساوي واحدًا. وبعيدًا عن نماذج اللغة، تقول إن TKCC تفوّق على استخدام Claude Code مع الأمر “/goal” في ثلاثة من أربعة اختبارات شملت نمذجة الطقس، والمعادلات التفاضلية الجزئية، والتنبؤ بالسلاسل الزمنية، وعلم الأحياء. وتقول Together إن المترجم مستخدم داخليًا، لكنها لم توضح ما إذا كان المطورون الآخرون سيتمكنون من الوصول إليه أو متى.
لماذا يهم
قد يتيح معدل المعالجة الأعلى لمزوّدي خدمات الذكاء الاصطناعي تلبية مزيد من الطلبات باستخدام أجهزتهم الحالية، أو تحسين سرعة الاستجابة إذا اختاروا توظيف السعة الإضافية لهذا الغرض. وتستند نتائج Together إلى تقارير الشركة نفسها، التي لم توضح ما إذا كان بإمكان العملاء أو المطورين الخارجيين استخدام المترجم.
