أخبار ar.wedoany.com، أصدرت أكاديمية الصين لتكنولوجيا المعلومات والاتصالات (المشار إليها اختصارًا باسم "أكاديمية الصين لتكنولوجيا المعلومات والاتصالات") في 16 يونيو 2026، خلال "ندوة خدمة التوكن عالية الجودة"، أحدث نتائج مراقبة أداء خدمة توكن النماذج الكبيرة. قامت السيدة تشين سي سي، كبيرة المشرفين على الأعمال في قسم المنصة والهندسة بمعهد أبحاث الذكاء الاصطناعي التابع للأكاديمية، بإصدار وتفسير "تقرير مراقبة أداء خدمة توكن النماذج الكبيرة (السحابة العامة لعام 2026)". أظهرت المراقبة أن معدل نجاح استدعاء خدمة توكن النماذج الكبيرة للسحابة العامة المحلية في عام 2026 كان مستقرًا بشكل عام، مع زيادة متزامنة في عدد التوكنات المُخرجة في الثانية (TPS) وزمن وصول الكلمة الأولى (TTFT)، وشهدت أسعار الخدمة انتعاشًا ملحوظًا.
بدأت أكاديمية الصين لتكنولوجيا المعلومات والاتصالات أعمال مراقبة أداء خدمة توكن النماذج الكبيرة منذ نهاية عام 2024، وقد شكلت حاليًا نظام مراقبة متكامل "معايير - مؤشرات - بيانات - منصة". يعتمد هذا النظام على المعايير ذات الصلة مثل "طريقة اختبار أداء خدمة استدلال النماذج الكبيرة" (ITU-T F.PEM-LLM، 2026-0478T-YD، AIAT/T 0221-2025)، وصمم مجموعة شاملة من مؤشرات الأداء ومجموعات بيانات اختبار متعددة الأبعاد، ويجري مراقبة أداء على مدار الساعة عبر خوادم موجودة في مواقع جغرافية مختلفة. حتى مايو 2026، تم اختبار أكثر من مائة خدمة توكن لنماذج كبيرة للسحابة العامة، وتغطي كائنات المراقبة خدمات توكن النماذج الكبيرة الأصلية محليًا ودوليًا، بالإضافة إلى الأداء الهندسي للنماذج مفتوحة المصدر مثل DeepSeek وQwen وGLM وKimi على منصات مختلفة. فيما يتعلق بتكرار المراقبة، يتم إرسال الطلبات بشكل مستمر في أوقات مختلفة من اليوم عبر خوادم في مواقع جغرافية مختلفة. اعتبارًا من أواخر مايو 2026، تم تحديث تكرار مراقبة معدل نجاح الاستدعاء إلى مرة كل 5 دقائق، لالتقاط تقلبات الخدمة بشكل أكثر حساسية.
تكشف بيانات المراقبة عن ثلاث ملاحظات رئيسية. أولاً، زيادة متزامنة في إنتاجية خدمة توكن النماذج الكبيرة وزمن الوصول. على الصعيد المحلي، بلغ معدل نجاح استدعاء النماذج الأصلية من يناير إلى أبريل أكثر من 99.9%، وارتفعت نسبة خدمات التوكن التي حققت معدل نجاح استدعاء 100% من 75% إلى 83%. في مايو، نظرًا لزيادة تواتر أخذ عينات المراقبة من 15 مرة يوميًا إلى مرة كل 5 دقائق، تم التقاط المزيد من حالات عدم التوفر العرضية، مما أدى إلى انخفاض معدل النجاح الإجمالي إلى 99.79%، وانخفاض نسبة تحقيق 100% إلى 39%.
فيما يتعلق بمؤشر TPS، ارتفع المتوسط المحلي بشكل مطرد من يناير إلى مايو، بزيادة قدرها 73.12% في مايو مقارنة بمتوسط عام 2025 بأكمله. حقق نموذجان TPS يتجاوز 100 رمز/ثانية، ووصل أعلى مستوى إلى أكثر من 200 رمز/ثانية، بمتوسط 66.22 رمز/ثانية ووسيط 53.68 رمز/ثانية. لا تزال النماذج الأجنبية تحافظ على مستوى TPS مرتفع نسبيًا بشكل عام، حيث وصل نموذج Gemini-3.1-pro-preview إلى 158.37 رمز/ثانية، وGPT-5.5 إلى 64.08 رمز/ثانية، بمتوسط 99.03 رمز/ثانية في مايو، وهو ما يزال يتجاوز النماذج المحلية بكثير.
فيما يتعلق بزمن وصول الكلمة الأولى، زاد متوسط TTFT المحلي من 0.8 ثانية إلى 1.09 ثانية من يناير إلى مايو، بزيادة قدرها 36.25%. كان أدنى TTFT في مايو 0.4 ثانية، وأعلى مستوى 1.64 ثانية، وكان TTFT لـ 47% من النماذج أقل من ثانية واحدة. تجاوز TTFT لثلاثة نماذج أجنبية كبيرة المعلمات ثانية واحدة، بمتوسط 1.8 ثانية، وكان أطولها لنموذج Gemini-3.1-pro-preview أكثر من ثانيتين. يشير التقرير إلى أن ارتفاع TTFT ليس مجرد تدهور في الأداء، بل هو نتيجة لتراكم عوامل متعددة مثل زيادة عدد معلمات النموذج، وطول السياق، وحجم الاستدعاءات.
ثانيًا، تتطور النماذج الكبيرة نحو "العودة إلى القيمة" و"القفزة في القدرات". فيما يتعلق بأسعار السوق، شهدت أسعار خدمة التوكن في عام 2026 انتعاشًا ملحوظًا. في النصف الثاني من عام 2025، كان السعر المعياري لكل مليون توكن 6.8 يوان، وارتفع إلى 10.3 يوان في عام 2026، بزيادة قدرها 51%، لكنه لا يزال أقل بكثير من مستوى أسعار النماذج الأجنبية الرئيسية البالغ حوالي 120 يوانًا. يؤكد التقرير على أن التكلفة الفعلية للاستخدام يجب أن تأخذ في الاعتبار كلاً من السعر الفردي وكفاءة استهلاك التوكن. تستهلك النماذج الأجنبية عددًا أقل من التوكنات أثناء عملية الاستدلال، ولكن نظرًا لارتفاع أسعارها، لا يزال إجمالي مبلغ الاستهلاك مرتفعًا، حيث يعتبر GPT وClaude النموذجين الأعلى استهلاكًا. تستهلك النماذج المحلية عددًا أكبر من التوكنات بشكل عام، ولكن نظرًا لانخفاض أسعارها، فإن إجمالي مبلغ الاستهلاك منخفض.
يتوسع طول سياق النماذج باستمرار نحو مستوى الملايين. في مايو، بلغت نسبة النماذج المحلية التي يصل طول سياقها إلى 1M (مليون توكن) 35.3%، وبلغ إجمالي النماذج التي يبلغ طول سياقها 200K أو أكثر 88.3%، بزيادة تزيد عن 60% مقارنة بنهاية عام 2025. وصل طول سياق أحدث سلاسل النماذج الأجنبية من OpenAI وAnthropic وGoogle إلى 1M أو أكثر. أصبحت النماذج الكبيرة مفتوحة المصدر المحلية الخيار السائد للعديد من المنصات العالمية. في مسح شمل 22 منصة MaaS محلية ودولية، بلغ معدل توفر سلسلتي نماذج DeepSeek وQwen 100%، بينما بلغ معدل توفر سلاسل GLM وKimi وMiniMax 91% و86% و82% على التوالي.
ثالثًا، يظهر أداء الاستدلال للنماذج مفتوحة المصدر تباينًا واضحًا عبر منصات MaaS المختلفة. يتقلب أداء النموذج نفسه بشكل كبير عبر المنصات، مع وجود اختلافات ملحوظة في التحسين الهندسي على مستوى المنصة. يتركز TPS لأربعة نماذج محلية مفتوحة المصدر على منصات مختلفة حول 50 رمزًا/ثانية، ويتركز TTFT حول ثانية واحدة. يقترب معدل نجاح الاستدعاء بشكل عام من 100%، لكن معدل نجاح استدعاء بعض النماذج على منصات معينة لا يزال أقل من 90%، مما يشير إلى وجود مجال لمزيد من التحسين في استقرار خدمة المنصة.
أعلنت أكاديمية الصين لتكنولوجيا المعلومات والاتصالات أن أعمال مراقبة أداء خدمة التوكن في المرحلة القادمة ستتعمق من أربعة جوانب. الأول، تحسين نظام المراقبة من خلال إضافة مراقبة مؤشرات أداء النماذج الكبيرة متعددة الوسائط، وتقصير دورة إصدار التقارير، وتحسين وظائف التحليل الآلي والتنبيه على المنصة. الثاني، فتح بيانات المراقبة تدريجيًا لتوفير دعم بيانات للبحث العلمي والتحليل الصناعي واختيار التطبيقات. الثالث، إنشاء منصات مراقبة إقليمية لتقديم خدمات مخصصة للمناطق والمجموعات، واستخدامها كمعيار لدخول الخدمة لمصانع التوكن. الرابع، تعزيز آلية الإشراف على جودة الخدمة والتنبيه بالحالات الشاذة، والتعمق في تحليل المشكلات والإشراف على الجودة للحالات غير الطبيعية.
ستواصل أكاديمية الصين لتكنولوجيا المعلومات والاتصالات التعاون مع جميع قطاعات الصناعة، بالاعتماد على فريق عمل خدمة التوكن (قيد التأسيس) التابع لتحالف صناعة الذكاء الاصطناعي في الصين (AIIA)، لتعزيز العمل في مجالات وضع المعايير، ومشروع التسلق، وإعداد التقارير البحثية، والتقييم المطابق للمعايير، وذلك لتسريع بناء نظام بيئي لخدمة التوكن عالية الجودة.
