أضافت Snowflake ميزة التوجيه الديناميكي للنماذج إلى بوابة Cortex AI Gateway، ما يتيح لفرق المؤسسات اختيار وضع «auto» بدلاً من تثبيت نموذج واحد لجميع المهام. عند تفعيل هذا الخيار، تحاول المنصة تحديد النموذج الذي يحقق التوازن الأنسب بين جودة الإجابة وتكلفتها لكل استعلام، بدلاً من إرسال الأسئلة البسيطة إلى النموذج الأقوى والأغلى دائماً.
وقالت Snowflake إن هذه الآلية خفّضت تكلفة الرموز بما يصل إلى ثلاثة أضعاف في بعض أعباء العمل، استناداً إلى اختبارات داخلية أجرتها الشركة. ولا تمثل النتيجة ضماناً عاماً لكل بيئة، لكنها توضح المشكلة التي تستهدفها الميزة: تشغيل عدد كبير من الوكلاء الذكيين قد يجعل الاختيار اليدوي للنماذج مصدراً متراكماً للتكلفة، خصوصاً عندما تتولى النماذج المتقدمة مهام يمكن لنماذج أبسط تنفيذها.
كيف يحدد النظام النموذج المناسب؟
تعتمد آلية التوجيه، وفقاً لما أوضحه Baris Gultekin، نائب رئيس الذكاء الاصطناعي في Snowflake، على مسارين. في الأول، يُستخدم نموذج صغير مبدئياً ضمن ما تسميه الشركة «نمط المستشار». وإذا لم يتمكن النموذج من إتمام المهمة، فإنه يستدعي نموذجاً أكبر كأداة ويواصل العمل من هناك.
أما المسار الثاني فيستخدم مصنفاً دُرّب على سجل الاستعلامات السابقة، لتمييز الأسئلة المباشرة وتوجيهها تلقائياً إلى نماذج أبسط. ويظل التوجيه التلقائي اختيارياً؛ إذ يستطيع العميل تثبيت نموذج بعينه أو حصر الاختيار في نموذج واحد أو مجموعة محددة من النماذج. ولا تفرض Snowflake رسماً منفصلاً على قرار التوجيه، لأن تسعير خدمات الذكاء الاصطناعي لديها يعتمد على استخدام الرموز، وبالتالي يؤدي اختيار نموذج أقل تكلفة إلى خفض الفاتورة.
التوجيه مرتبط بالحوكمة والسياق
تقدم Cortex AI Gateway، التي أطلقتها Snowflake في يوليو 2026، طبقة حوكمة لحركة النماذج والوكلاء. وتقول الشركة إن ضوابط الوصول لا تتعلق بالبيانات وحدها، بل تمتد إلى النماذج والوكلاء أيضاً: فالأدوار تحدد النماذج المسموح بها، ويمكن تقييد الوكيل بصلاحيات أضيق من صلاحيات المستخدم الذي يستدعيه.
كما يمكن تشغيل النماذج المفتوحة من منطقة العميل لتلبية متطلبات إقامة البيانات. ووفق Gultekin، تبقى عمليات الاستدلال، سواء للنماذج المفتوحة أو المملوكة، داخل حدود Snowflake الأمنية بدلاً من توجيهها إلى مزود خارجي. وتبرز هذه النقطة عند استخدام نماذج ذات منشأ غير أمريكي، مثل DeepSeek-V4-Flash وGLM-5.3، وكلاهما مطور في الصين.
وتضيف صفقة استحواذ Snowflake على Natoma أكثر من 100 موصل لـMCP مع وصول مضبوط ومحوكم. ويتيح ذلك، على سبيل المثال، منح وكيل صلاحية قراءة البريد الإلكتروني فقط بدلاً من منحه صلاحيات أوسع على الأداة المتصلة.
لماذا يهم هذا التطور؟
ترى Snowflake أن توفير السياق مسبقاً يجعل النماذج الأرخص قادرة على إنجاز مهام كانت تتطلب نموذجاً أكثر قوة. فبدون سياق كافٍ، قد يضطر النموذج إلى استكشاف البيانات وكتابة استعلامات SQL وتجربتها والبحث وإعادة المحاولة. أما أدوات Horizon Context وCortex Sense فتجهز هذا السياق مسبقاً، كما تُدمج ذاكرة الوكيل في الاستعلامات اللاحقة، ما يقلل الحاجة إلى حل المشكلة نفسها من البداية كل مرة.
وتأتي الخطوة ضمن منافسة أوسع تشمل Databricks عبر Smart Routing في Unity AI Gateway، وNvidia عبر Switchyard الذي أعلنت عنه في 11 أغسطس، إضافة إلى OpenRouter وLiteLLM وPortkey وبوابات مزودي الخدمات السحابية مثل Azure AI Foundry.
وبحسب Sanjeev Mohan، مؤسس SanjMo، لا تتمثل نقطة تمايز Snowflake في التوجيه وحده، بل في إبقاء التوجيه داخل حدود البيانات الخاضعة للحوكمة مع ربطه بضوابط الوصول ووسوم الاستخدام ونسب التكلفة إلى الفرق. عملياً، قد تكون هذه المقاربة أكثر ملاءمة للمؤسسات التي تتمحور بياناتها وحوكمتها حول Snowflake، بينما قد تفضل الفرق متعددة المنصات بوابات محايدة توفر نطاقاً أوسع من النماذج وتقلل الارتباط بمزود واحد.
كيف أعددنا هذا الخبر؟
اعتمد الخبر على المصدر الأصلي الموضح أعلاه. قد نستخدم أدوات آلية للمساعدة في الاستخراج والتصنيف والصياغة،
لكن النشر يخضع لقواعد تمنع المحتوى المكرر والقصير أو الروتيني منخفض القيمة.
اقرأ سياستنا التحريرية.