الضبط الدقيق مقابل RAG مقابل هندسة المطالبات في 2026: إطار قرار

يتوقف الالتباس بين الضبط الدقيق (fine-tuning) وRAG وهندسة المطالبات لحظة طرح السؤال الصحيح: ما الذي تحاول تغييره؟ المعرفة مكانها نافذة السياق (RAG). السلوك والتنسيق والنبرة مكانها المطالبات أولًا ثم الأوزان (SFT). وفي 2026 صوّت السوق بنفسه: OpenAI توقف منصة الضبط الدقيق الذاتي تدريجيًا — مغلقة أمام المستخدمين الجدد منذ مايو، ووظائف التدريب الجديدة تنتهي في يناير 2027 — بحجة نماذج أساس أقدر، والمطالبات وRAG والأدوات كمسارات مفضلة.

الخبر الذي يعيد تأطير النقاش

ليس قرار OpenAI إشارة معزولة: عائلة GPT-5 لم تكن قابلة للضبط أصلًا، وAnthropic لا تقدم ضبطًا خارج Claude 3 Haiku على Bedrock (عرض من 2024). المنصات المغلقة تتقارب على الرسالة نفسها: قد تكون هندسة المطالبات كل ما تحتاجه، والاسترجاع للمعرفة، والضبط فقط للفجوات السلوكية المستمرة — المقاسة بالتقييمات أولًا. في المقابل لم يمت الضبط الدقيق؛ بل انتقل إلى الأوزان المفتوحة حيث صار أرخص وأكثر قابلية للتحكم من أي وقت.

القرار: ما الذي تحاول تغييره؟

• معرفة النموذج (مستنداتك، بيانات متجددة، محتوى لكل مستخدم) → RAG. المعرفة خارج الأوزان قابلة للتحديث ومقيدة بالصلاحيات وقابلة للاستشهاد.
• السلوك والتنسيق والنبرة → المطالبات أولًا ثم SFT. إذا استمر الانحراف على نطاق واسع، فالضبط المُشرف هو الحل — ويبدأ من ~50 مثالًا جيدًا لا الآلاف (إرشادات OpenAI نفسها).
• الاستدلال في مهمة ضيقة قابلة للتقييم البرمجي → RFT. الضبط بالتعزيز مع مقيّم برمجي — ولم يعد حكرًا على المختبرات المغلقة: Bedrock أطلقته للأوزان المفتوحة في فبراير 2026.
• التكلفة والكمون عند الحجم الكبير → التقطير. ولّد بيانات التدريب بالنموذج الحدودي واضبط نموذجًا مفتوحًا صغيرًا عليها. ضبط LoRA مستضاف لنموذج 70B على 10 ملايين توكن يكلف نحو 29 دولارًا على Together AI.
• عصر الدقة من مطالبات موجودة → DSPy. محسّنات مثل MIPROv2 وGEPA تضبط المطالبات آليًا على مجموعة تقييمك — مكاسب شبيهة بالضبط بلا أي تغيير في الأوزان.

الدليل: الضبط الدقيق لا يضيف معرفة (بموثوقية)

الاستشهاد الذي يخطئ فيه الجميع: Gekhman وآخرون، EMNLP 2024 — النماذج تتعلم الحقائق الجديدة من الضبط أبطأ مما تتعلم الهلوسة، ومع استيعابها المتأخر تزداد الهلوسة على المعرفة السابقة خطيًا تقريبًا. الضبط يعلّم السلوك ويُضعف حدود المعرفة. المعرفة مكانها نافذة السياق — ليست هذه أفضلية بل قياس.

أين يعيش الضبط الدقيق الآن: الأوزان المفتوحة

القواعد المعتمدة في 2026: Qwen3 (أقوى عائلة مفتوحة، Apache 2.0)، وLlama 4، وMistral Large 3، وGemma 3 27B لبطاقة واحدة. الوصفة الافتراضية — QLoRA مع Unsloth لبطاقة واحدة أو Axolotl/TRL للتعدد — تُدخل ضبط 70B في بطاقة 24 جيجابايت واحدة، وH100 مستأجرة تنهي المهمة في أقل من ثلاث ساعات. عصر «تحتاج ملايين الأمثلة وعنقودًا» انتهى ببساطة: 50–10,000 مثال، عشرات الدولارات، أمسية واحدة.

ترتيب العمليات — أنفق بهذا التسلسل

1. التقييمات أولًا: لا تحسّن ما لا تقيسه — قاعدة OpenAI صريحة: لا ضبط قبل وجود تقييمات.
2. المطالبات + RAG: تغطي المعرفة والتنسيق ومعظم السلوك — وقابلة للتراجع في دقائق لا في دورات تدريب.
3. حسّن ما لديك: تحسين المطالبات على طريقة DSPy؛ ونموذج أرخص حيث ينجح.
4. اضبط أخيرًا: عندما تكون الفجوة سلوكية ومستمرة ومقاسة — SFT أو RFT على أوزان مفتوحة.

الأسئلة الشائعة

ضبط أم RAG لروبوت محادثة على مستنداتي؟

RAG. مستنداتك معرفة: تتغير وتحتاج استشهادات وقد يرى كل مستخدم مجموعة مختلفة. الضبط عليها يزيد خطر الهلوسة قياسيًا. اضبط فقط إذا بقي الأسلوب أو التنسيق خاطئًا بعد عمل جاد على المطالبات.

كم مثالًا يحتاج الضبط في 2026؟

أقل بكثير من الفولكلور: ابدأ بنحو 50 عرضًا متقنًا، والمكاسب الواضحة عادة بين 50 و100 مثال.

هل أستطيع ضبط GPT-5 أو أحدث Claude؟

لا. عائلة GPT-5 لم تكن قابلة للضبط ومنصة OpenAI تُغلق، وعرض Anthropic الوحيد هو Haiku عبر Bedrock. الضبط الحديث يعني الأوزان المفتوحة.

كم يكلف الضبط في 2026؟

SFT بـ LoRA مستضاف: 0.48 دولار لكل مليون توكن تدريب حتى 16B، و2.90 دولار عند 70B — أي عشرات الدولارات للمهام النموذجية. التكلفة الحقيقية في بناء مجموعة التقييم والبيانات، لا في الحوسبة.

تفاضل بين هذه المسارات لمنتج حقيقي؟ تواصل معي — شحنت المسارات الأربعة كلها.