Google Gemma 4 Under Apache 2.0: What Changes for Enterprise AI Agents

أطلقت Google مؤخراً نموذج Gemma 4 بموجب ترخيص Apache 2.0. يتوفر النموذج بأربعة أحجام، بدءاً من الأجهزة الطرفية ووصولاً إلى نموذج مكثف بحجم 31B يحتل حالياً المرتبة الثالثة في لوحة صدارة Arena AI.

إن نتائج اختبارات الأداء مبهرة حقاً، ولكن التغيير في الترخيص هو ما يهم فرق العمل في الشركات والمؤسسات بالفعل.

كانت إصدارات Gemma السابقة تُطرح بموجب ترخيص Google مخصص يفرض قيوداً على الاستخدام التجاري وسياسات المحتوى. وكان ذلك يثير قلق الإدارات القانونية ويبطئ عمليات الشراء والتعاقد. أما Gemma 4 فيأتي بموجب الترخيص المرن والمسموح ذاته لـ Linux وKubernetes ومعظم البرمجيات التي تقوم الشركات بتشغيلها بالفعل. لا توجد حدود قصوى للاستخدام، ولا قيود جغرافية، ولا سياسات استخدام مقبول تتجاوز ما يتطلبه القانون بالفعل.

بالنسبة لفرق العمل التي تبني وكلاء الذكاء الاصطناعي في بيئات الإنتاج، فإن هذه هي المرة الأولى التي يأتي فيها نموذج مفتوح المصدر من بين أفضل 3 نماذج عالمياً دون أي عقبات ترخيصية.

ما يقدمه نموذج Gemma 4 بالفعل

يتوفر بأربعة أحجام مختلفة للنموذج، صُمم كل منها لسيناريو نشر مختلف:

يعد نموذج Gemma 4 31B Dense الإصدار الرائد والمتميز. حيث يسجل 85.2% في اختبارات MMLU Pro، و89.2% في اختبارات الرياضيات الفنية AIME 2026، و80.0% في LiveCodeBench v6. ويحتل مرتبة 1452 في لوحة صدارة Arena AI، متفوقاً بذلك على نماذج تفوقه في عدد المعاملات والبارامترات بمقدار 20 ضعفاً. هذا هو النموذج الذي تقوم بضبطه الدقيق لمهام الوكلاء الخاصة بمجال عملك المحدد.

بينما يضحي نموذج Gemma 4 26B MoE (مزيج الخبراء) بنسبة ضئيلة جداً من الجودة مقابل تحسين زمن الاستجابة والكمون بشكل كبير. فهو يقوم بتنشيط 3.8 مليار معلمة فقط من أصل 25.2 مليار معلمة أثناء الاستدلال، مما يعني معدل رموز (tokens) أسرع في الثانية وتكلفة حوسبة أقل. كما يسجل 1441 في Arena AI، وهي نتيجة قريبة جداً من نموذج 31B لدرجة تجعل معظم مهام بيئات الإنتاج لا تلاحظ الفرق. وبالنسبة لعمليات تنسيق وإدارة الوكلاء ذات الإنتاجية العالية والتي تتطلب تنفيذ العشرات من الاستدعاءات المتوازية، فإن هذا النموذج هو الخيار العملي الأفضل.

أما طرازا Gemma 4 E4B و E2B فهما النماذج المخصصة للأجهزة الطرفية. يعمل نموذج E2B في ذاكرة تقل عن 1.5 جيجابايت مع تكميم بـ 2 بت و4 بت، مما يعني إمكانية تشغيله على هاتف ذكي، أو جهاز Raspberry Pi، أو NVIDIA Jetson Orin Nano. ويدعم كلا نموذجي الأجهزة الطرفية نافذة سياق تبلغ 128K، ويعملان دون اتصال بالإنترنت تماماً مع زمن استجابة يقارب الصفر. بالنسبة للشركات والمؤسسات التي تحتاج إلى قدرات الوكلاء الذكية في صالات المصانع، أو العمليات الميدانية، أو أي مكان لا يكون فيه الاتصال بالسحابة خياراً قابلاً للتطبيق، فإن هذه النماذج تجعل ذلك ممكناً دون الحاجة لبناء بنية تحتية مخصصة.

تتشارك الأحجام الأربعة كلها في نفس تحسينات البنية: طبقات انتباه متبادلة بين نافذة الانزلاق المحلية والسياق الكامل العالمي، وتقنية جديدة تسمى تضمينات الطبقات (Per-Layer Embeddings) التي تضيف مسار تكييف متوازٍ إلى جانب التدفق الرئيسي المتبقي. والنتيجة العملية هي أداء أفضل لكل معلمة على كافة المستويات.

استدعاء الدوال الأصيل يغير معادلة الوكلاء تماماً

الميزة الأكثر أهمية بالنسبة لـ منصات وكلاء الذكاء الاصطناعي هي ميزة استدعاء الدوال الأصيلة (native function calling) المتوفرة في الأحجام الأربعة للنموذج.

يدعم Gemma 4 تحديد الأدوات كـ JSON schemas، ويقوم النموذج بإنشاء استدعاءات مهيكلة للأدوات بشكل أصيل كاستجابة لذلك. لا مزيد من الحيل المعقدة في هندسة الأوامر، ولا حاجة لمعالجة المخرجات وتفسيرها، ولا داعي لتمني التزام النموذج بارشادات التنسيق الخاصة بك. أنت تحدد الواجهة، والنموذج يستدعيها على النحو الصحيح تماماً.

تعمل هذه الميزة جنباً إلى جنب مع مخرجات JSON المهيكلة والتخطيط متعدد الخطوات. ومن الناحية العملية، يعني هذا أنه يمكنك بناء مسار عمل للوكيل يتلقى فيه النموذج مهمة معينة، ويقسمها إلى خطوات، ويستدعي واجهات برمجة التطبيقات (APIs) الخارجية في كل خطوة، ثم يعيد نتائج مهيكلة. كل ذلك بشكل أصيل دون الحاجة لأطر عمل الوكلاء مفتوحة المصدر الهشة والمليئة بالتعقيدات والمستخدمة حالياً.

بالنسبة لفرق العمل في المؤسسات، تعد المخرجات المهيكلة الميزة الحاسمة لمعرفة ما إذا كان النموذج جاهزاً للتشغيل الفعلي في بيئة الإنتاج أم أنه سيظل عالقاً بشكل دائم في مرحلة النموذج الأولي. فعندما يعالج الوكيل فاتورة، أو يوجه تذكرة دعم فني، أو يقيم مرشحاً لوظيفة، يحتاج النظام المستقبِل إلى بيانات مهيكلة، وليس إلى نصوص إنشائية أو عبارات مثل "إليك تحليلي". يحتاج ببساطة إلى كائن JSON يحتوي على الحقول التي يتوقعها نظامك في كل مرة وبدقة متناهية.

يوفر Gemma 4 هذا الأمر على مستوى النموذج نفسه بدلاً من توفيره كطبقة معالجة لاحقة. ويقضي ذلك على فئة كاملة من أعطال بيئات الإنتاج حيث يقوم النموذج بتقديم تحليل منطقي صحيح ولكن بتنسيق مخرجات غير صالح للأنظمة.

كما يتوفر أيضاً وضع التفكير الممتد: حيث يمكن تهيئة النموذج للتفكير في المشكلات المعقدة خطوة بخطوة قبل تقديم الإجابة النهائية. وبالنسبة لمهام الوكيل التي تتضمن قرارات متعددة المعايير، أو منطقاً شرطياً، أو مدخلات غامضة، فإن هذه الميزة تصنع الفارق بين وكيل يتعامل فقط مع نسبة 80% من المهام السهلة ووكيل يتولى الـ 20% الصعبة التي ترسم قيمة حقيقية للعمل.

فجوة الترخيص التي لا يتحدث عنها أحد

تواجه نماذج الذكاء الاصطناعي مفتوحة المصدر مشكلة في التراخيص تتجاهلها معظم التقييمات الفنية تماماً.

على سبيل المثال، يتم طرح نموذج Llama 4 من Meta، وهو العائلة الرائدة الأخرى من النماذج المفتوحة، بموجب ترخيص مجتمع Llama 4. وعلى الرغم من أنه يتيح الوصول لأوزان النموذج، إلا أنه يفرض قيوداً حقيقية: فالتطبيقات التي تتجاوز 700 مليون مستخدم نشط شهرياً تتطلب اتفاقية تجارية منفصلة. كما تقيد سياسة الاستخدام المقبول فئات كاملة من التطبيقات. وقد صرحت مبادرة المصادر المفتوحة مراراً وتكراراً بأن تراخيص Llama لا تتوافق مع التعريف المعتمد للمصادر المفتوحة.

بالنسبة لشركة ناشئة تبني تطبيقاً موجهاً للمستهلكين، قد لا تشكل هذه القيود أي أهمية أبداً. ولكن بالنسبة لمؤسسة تقوم بنشر وكلاء ذكاء اصطناعي عبر عملياتها التجارية، فإن هذه القيود تخلق عوائق إدارية وقانونية تؤخر اعتماد التكنولوجيا لعدة أشهر.

تقوم الفرق القانونية بالشركات بتقييم تراخيص نماذج الذكاء الاصطناعي بنفس الطريقة التي تقيم بها أي برمجيات أخرى تعتمد عليها. هل يمكننا تعديلها؟ هل يمكننا توزيع الأعمال المشتقة منها؟ هل هناك حدود قصوى للاستخدام قد نصطدم بها؟ هل تتعارض سياسة الاستخدام المقبول مع أي من أنشطتنا التجارية؟ مع Llama، تكون الإجابة على العديد من هذه الأسئلة هي "الأمر يعتمد على كذا وكذا" أو "يجب مراجعة Meta". أما مع رخصة Apache 2.0، فالإجابة هي دائماً وبكل ثقة: "نعم، تفضل بالبدء مباشرة".

ليست Google أول من يستخدم ترخيص Apache 2.0 لنماذج الذكاء الاصطناعي، فنماذج Qwen 3.6 و Mistral Small 4 تستخدمه أيضاً. ولكن Gemma 4 هو أول نموذج مرخص بموجب Apache 2.0 يحتل مرتبة ضمن أفضل 3 نماذج عالمياً. هذا المزيج الرائع بين القدرات الفنية العالية والوضوح التام في الترخيص لم يكن له وجود قبل تاريخ 2 أبريل.

ماذا يعني هذا لفرق عمل وكلاء الذكاء الاصطناعي في الشركات والمنشآت

هناك ثلاثة تأثيرات جوهرية تهم فرق العمل التي تدير مسارات عمل الوكلاء في بيئات الإنتاج الفعلي:

الضبط الدقيق دون الحاجة لمراجعات قانونية معقدة. يعني ترخيص Apache 2.0 أنه يمكنك ضبط Gemma 4 بدقة على بياناتك الخاصة المملوكة لك ونشر النموذج الناتج تجارياً دون الحاجة لتراخيص إضافية. بالنسبة للمؤسسات التي تبني وكلاء متخصصين في مجالات مثل المالية والموارد البشرية والمشتريات، فإن هذا الأمر يزيل الأعباء القانونية التي كانت تجعل ضبط النماذج المفتوحة أمراً غير عملي. أنت تملك نموذجك الذي قمت بضبطه تماماً كما تملك أي كود برمجي تكتبه بنفسك.

نشر النماذج على الأجهزة الطرفية يصبح حقيقة ملموسة. إن نموذجي E2B و E4B ليسا مجرد نسختين أصغر حجماً من النموذج الكبير، بل هما مصممان خصيصاً للاستدلال على الأجهزة مباشرة مع قدرات متعددة الوسائط (multimodal)، والعمل دون اتصال بالإنترنت، وبصمة ذاكرة منخفضة تناسب الأجهزة الشائعة والتجارية البسيطة. بالنسبة لعمليات التصنيع، واللوجستيات، والخدمات الميدانية، يعني هذا توفير وبث ذكاء الوكلاء مباشرة في موقع العمل دون الحاجة للاعتماد على السحابة، ودون انتظار لزمن استجابة الشبكة، ودون أن تخرج أي بيانات من الأجهزة.

ظهور خيار جديد وقوي لتنسيق النماذج المتعددة. تستخدم معظم أنظمة الوكلاء الفاعلة في بيئات الإنتاج بالفعل نماذج متعددة لمهام مختلفة: نموذج تفكير وتحليل للقرارات المعقدة، ونموذج سريع للتصنيف وفهرسة البيانات، ونموذج كود برمجي للحصول على مخرجات مهيكلة. إن توفر أحجام Gemma 4 التي تتراوح من 2B إلى 31B، وكلها تحت نفس الترخيص والبنية، يعني أنه يمكنك بناء بيئة عمل متناسقة من النماذج المتعددة من عائلة واحدة. يتولى نموذج 31B التفكير المعقد، ونموذج 26B MoE التصنيف ذو الإنتاجية العالية والسرعة الفائقة، بينما يتولى E4B الاستدلال على الأجهزة الطرفية والمستقلة. أسلوب ضبط دقيق وتنسيق مخرجات وترخيص واحد يجمعها كلها.

مسألة السرعة

لقد أشار مجتمع المطورين إلى مأخذ واحد يستحق الاهتمام والاعتراف به: وهو سرعة الاستدلال. تظهر اختبارات الأداء الأولية أن نموذج 31B يعمل بشكل أبطأ مقارنة ببعض المنافسين من نفس الحجم عند بعض مزودي الخدمات. ويأتي نموذج 26B MoE كحل عملي لهذا الأمر لمهام العمل التي تتأثر جداً بزمن الاستجابة، وذلك عبر تفعيل 3.8B معامل فقط في كل مسار عبور ومعالجة، ولكن يتعين على فرق العمل التي تقيم Gemma 4 إجراء اختبارات أداء واضحة على أجهزتها وبنيتها التحتية المخصصة قبل اتخاذ قرار النشر النهائي في بيئة الإنتاج الفعلي.

هذه مشكلة قابلة للحل تماماً؛ حيث توفر تقنيات التكميم والتحسينات الخاصة بمزودي الخدمات وإصدار MoE مسارات ممتازة للوصول إلى زمن استجابة مقبول وممتاز. لكنها مشكلة حقيقية وتستحق النقاش بصراحة حتى لا نضلل من يخطط لنشر النماذج واستغلالها.

الصورة الأشمل والأكبر

لقد تم تنزيل عائلة Gemma أكثر من 400 مليون مرة، مع توفر أكثر من 100,000 إصدار مخصص من تطوير مجتمع المبرمجين. وسيؤدي إطلاق Gemma 4 بموجب ترخيص Apache 2.0 إلى تسريع هذه الوتيرة بشكل أكبر.

لكن القصة الحقيقية لا تكمن فقط في إطلاق نموذج واحد جديد، بل تكمن في تلاشي الفجوة الكبيرة بين النماذج التجارية مغلقة المصدر وتلك المفتوحة. قبل عام من الآن، كان اختيار نموذج مفتوح يعني التنازل التام عن الأداء وقبول جودة أضعف بكثير. أما اليوم، فإن نموذجاً بحجم 31B معلمة يمكنك تشغيله على أجهزتك الخاصة، وضبطه على بياناتك وسريتك، ونشره بالكامل دون عوائق التراخيص والمراجعات القانونية، يتفوق بوضوح على نماذج تفوقه حجماً بمقدار 20 ضعفاً.

وبالنسبة للشركات التي تبني وكلاء ذكاء اصطناعي، لم يعد السؤال هو ما إذا كانت النماذج المفتوحة جيدة بما يكفي؛ بل أصبح السؤال هو ما إذا كانت المزايا التشغيلية المتمثلة في تشغيل نماذجك الخاصة، والحفاظ الكامل على خصوصية البيانات، والتحكم في زمن الاستجابة والكمون، والقدرة على التنبؤ بالتكاليف، وإجراء التخصيص الكامل والتعديل، تفوق بكثير وتتجاوز مجرد سهولة الوصول للخدمات عبر واجهات برمجة التطبيقات وسحابتها المباشرة.

ومع Beam AI وإطلاق طراز Gemma 4 الجديد، فقد مالت كفة تلك الحسابات بشكل قاطع لصالح تشغيل بنيتك التحتية المستقلة والخاصة بك.