Drex for Finance مقابل قرار Gemini 1: طريقتان لشراء احتمال

ضع صحائف المواصفات جنبًا إلى جنب وDrex for Finance وG​emini Decision 1 يبدوان كأنهما المنتج نفسه من شركتين. كلاهما يأخذ كتلة من المدخلات ومجموعة من الأسئلة المحددة النوع، وكلاهما يعيد إجابة مُقيَّمة لكل سؤال دون أي نص مُولَّد، وكلاهما يغطي طلبًا بطول 262,144 رمزًا، وكلاهما يكلّف سنتات لكل مليون رمز مُدخل بدلًا من دولارات. لكن التشابه يتوقف عند الشيء الذي كنت ستشتريهما من أجله فعلًا. إنّ G​emini Decision 1، الذي صدر في 11 نوفمبر 2026 على واجهة برمجة المطورين من G​oogle، هو نموذج قرار عام تتمثل مهارته المميزة في معرفة متى يرفض؛ أما Drex for Finance، المتاح عمومًا منذ 2 نوفمبر 2026 بسعر 0.03 دولار لكل مليون رمز مُدخل، فهو نموذج مُخصَّص لمجال مالي تتمثل مهارته المميزة في قراءة مستند مالي وإصابة خمسة عشر إجابة دفعة واحدة. تسعة أيام تفصلهما، بالشكل نفسه للطلب، ورهانان متعاكسان — ولم يضع أي تشغيل منشور هذين النموذجين يومًا على المقياس نفسه.

المقارنة التي لم يُجرِها أحد

هذا هو أول ما يجب فهمه، لأنه يحدد مقدار ما يمكنك التصرف بناءً عليه في بقية هذا المقال.

أرقام Gemini Decision 1 مستمدة من Artificial Analysis، ضمن Decision Index v2.1 — ثمانية عشر نموذجًا مصنّفًا، وتركيب مرجّح لستة تقييمات، تُحتسب درجة كل منها على أنها الدقة ناقص عقوبة Brier على الاحتمال الذي ألحقه النموذج بإجابته. ويحصل على 66.0، وهو التاسع من بين ثمانية عشر، فوق وسيط لوحة النتائج البالغ 64 بقليل.

تأتي أرقام Drex for Finance من Nace، وفق Drex Finance Index المبني من 48 مجموعة اختبار مالية محجوزة. ويبلغ تقييمها 77.3. ولا يظهر Drex for Finance على لوحة Artificial Analysis على الإطلاق.

إذن الرقمان الرئيسيان هما 66 و77.3، وهما على أداتين مختلفتين، ويقيسان مجموعتين مختلفتين من المهام، وطرح أحدهما من الآخر ينتج رقمًا بلا معنى. أي شخص يفعل ذلك — والنسخ المنشورة بالفعل على الإنترنت من هذه المقارنة تفعل ذلك — إنما يقارن درجة لوحة عامة الأغراض بدرجة مجال خاصة بمورّد، ويسمّي الفرق فائزًا. البيان الصادق هو أن الدليل المتقاطع الوحيد تفصله خطوة واحدة: فـ Drex Max v1.1، نقطة التفتيش الأم التي جرى الضبط الدقيق لـ Drex for Finance انطلاقًا منها، موجود فعلًا على لوحة Artificial Analysis، ويتصدرها بفارق واضح عند 73.4 — الأول من بين ثمانية عشر، متقدمًا بـ7.4 نقاط على 66.0 الخاصة بـ Gemini Decision 1. ذلك إشارة قوية بشأن النموذج الأساسي ولا إشارة إطلاقًا بشأن الضبط الدقيق، لأن التدريب على المجال قد يكسب كثيرًا في اختبار مستندات ويخسر قليلًا في اختبار معرفي، ولا شيء منشور يفصل هذين الأثرين لهذه نقطة التفتيش. وهو أيضًا السبب في أنه لا يجوز قراءة 66 و77.3 على أنهما فجوة في أيٍّ من الاتجاهين.

ما الذي صُمِّم كل واحد منها فعليًا للقيام به

تفسّر البُنى المعمارية التباعد على نحو أفضل مما تفعله أي درجة.

• الشكل — Drex for Finance هو ضبط دقيق لـ Drex Max، وهو نموذج قرار مزوَّد بمُرمِّز رؤية. وGemini Decision 1 هو أول نموذج قرار من نوعه من Google DeepMind، على نقطة النهاية POST /v1beta/decisions الخاصة به، منفصلة عن مسار generate-content.

• تركيز التدريب — تسعة مجالات مالية محددة بالاسم في Nace: الخدمات المصرفية والمدفوعات، والمحاسبة والتدقيق، والائتمان والإقراض، والتأمين، والامتثال والمخاطر، والإيداعات والتقارير، والأسواق والاستثمار، وESG، والخزينة والعمليات. لا تنشر Google أي وصف للتدريب يتجاوز النموذج وواجهة برمجة التطبيقات (API).

• حجم الطلب — كلاهما يسمح بنحو 1,000 سؤال في مرور واحد، لكن الأشكال تختلف. يحدّ G​emini Decision 1 من عدد الأسئلة عند 1,000 سؤال لكل طلب ويحتسب المدخل المشترك مرة واحدة. يمنحك Drex for Finance ‏262,144 رمزًا عبر الطلب بأكمله مع عدم تقييد عدد الأسئلة في الوثائق، مما يكافئ كثرة الأسئلة القصيرة على مستند واحد طويل.

• الامتناع — نوع نعم/لا في G​emini Decision 1 يعيد احتمالًا محصورًا بين 0.01 و0.99، لذا لا يمكن أبدًا أن يتحقق حدّ عتبة مضبوط فوق 0.99؛ وتصدّره لوحة الصدارة في AA-Omniscience وHLE-MultiChoice هو إلى حد كبير تصدّر في الامتناع عن الإجابة بدلًا من التخمين. أما Drex for Finance فيعيد P(true) ضمن [0,1] من دون حدّ موثّق، ولا يوجد أي معدل منشور لعدم الهلوسة على الإطلاق.

• معالجة الخيارات — يرتّب G​emini Decision 1 مفاتيح خياراتك أبجديًا وفق ترتيب بايت UTF-8 قبل التقييم، لذا تُحسم التعادلات لصالح المفتاح الأول أبجديًا، كما تنصح إرشادات G​oogle نفسها بتسمية خيار شامل باسم other بدلًا من none_of_the_above. ولا توثّق Nace أي تطبيع من هذا القبيل، وهذا لا يعني أنه لا يحدث — بل يعني أنه لا يمكنك الاعتماد عليه في أي من الحالتين.

• السعر — Drex for Finance: 0.03 دولار لكل مليون رمز إدخال، والمخرجات غير مفوترة. G​emini Decision 1: 0.10 دولار لكل مليون رمز إدخال، والمخرجات لا ينطبق عليها ذلك. وفق مقياس معدل المهام لدى Artificial Analysis، يبلغ G​emini Decision 1 نحو 345 دولارًا لكل مليون قرار؛ أما الرقم المماثل لطراز Nace فلا يُنشر على هذا الأساس.

• الوصول — إلى Drex for Finance عبر واجهة برمجة التطبيقات الخاصة بالمورّد، وحزم SDK الخاصة به، وواجهة CLI الخاصة به، وخادم MCP بعيد، مع طبقة مجانية تضم 100 قرار يوميًا بحجم يصل إلى 32 كيلوبايت لكل قرار. G​emini Decision 1 على G​emini Developer API بإصدار v1beta فقط — دون إدراج في Vertex AI، ودون Batch API، ودون تخزين مؤقت للسياق.

حيث يتفوّق النموذج العام، وهي ليست مجموعة صغيرة

ثلاثة من تلك الصفوف حاسمة حسب عبء العمل لديك.

المعايرة. يعاقب مؤشر القرار الإجابةَ الخاطئة الواثقة بقسوة أكبر من الإجابة غير المؤكدة، وهذا التصميم هو سبب وجود G​emini Decision 1 في موضعه الحالي. إذا كان خط أنابيبك يوجّه القرار بناءً على الاحتمال — فيوافق فوق 0.95، ويصعّد تحت 0.6 — فإن قيمة الرقم تكمن بالكامل في ما إذا كان 0.95 يعني 95%. إن مخرجات G​oogle المحدودة، إضافةً إلى حصولها على المركز الأول في مكوّني المعرفة، دليل على ذلك؛ إذ تنشر Nace الدقة وتفصيلًا حسب الفئة لكن دون منحنى معايرة، لذا فإن احتمال Drex هو درجة عليك التحقق منها بنفسك قبل أن تعتمد عليها كبوابة.

تمريرة واحدة، قواعد كثيرة. إن طرح ألف سؤال في الطلب الواحد على مدخل مشترك واحد هو قدرة مختلفة حقًا عن سياق واحد طويل جدًا. ففحص تذكرة دعم مقابل أربعين قاعدة سياسة في استدعاء واحد، مع احتساب تكلفة المدخل مرة واحدة فقط، هو نوع من المهام التي يكون فيها شكل G​emini Decision 1 أفضل من نافذة سياق بسعة 262K، لأن التكلفة تتناسب مع عدد الأسئلة لا مع النص الذي تكرره.

اتساع أنماط الوسائط. يقرأ Drex for Finance النصوص إضافةً إلى صور PNG وJPEG وWebP، بما يصل إلى ثماني صور لكل طلب. ويقبل G​emini Decision 1 النصوص والصور والفيديو والصوت وملفات PDF في طلب واحد، بما يصل إلى 100 ميغابايت من base64 المضمّن، و50 ميغابايت لملفات PDF. إذا كان قرار ما يعتمد على تسجيل مكالمة هاتفية أو إطار فيديو، فإن واحدًا فقط من هذين الاثنين يستطيع رؤيته.

حيث يفوز المتخصص

الحالة المضادة أضيق نطاقًا لكنها حقيقية، وهي تتلخص في ما يحدث في المستندات التي تحتاج إلى عدة إجابات في آنٍ واحد كي تكون جميعها صحيحة.

على AA-Paperclip — الذي يمثّل 30% من الدرجة المركّبة لـG​emini Decision 1، وأثقل مكوّن منفرد فيها — يجتاز G​emini Decision 1 نسبة 33% من المستندات مباشرةً، مقابل 63% لـDrex Max v1.1. يتألف الاختبار من 1,500 سيرة ذاتية وإيصال وفاتورة وورقة خاصة، يحمل كل منها خمسة قرارات وعشر حقائق، ويُقيَّم بنظام الكل أو لا شيء لكل مستند. تم ضبط Drex for Finance بدقة على هذه المادة نفسها: حقول الفواتير والإيصالات، وتصنيف حسابات دفتر الأستاذ العام، والفواتير المكررة، واستثناءات التسوية، وأخذ عينات التدقيق، ووسم 10-K وXBRL. ويسجّل Nace 92.3 في Documents & extraction و96.7 في Financial QA & filings، وكلاهما مُدار من البائع.

إذا كان قرارك هو "اقرأ هذه الفاتورة وأخبرني ما إذا كانت تكرر فاتورة سبق دفعها"، فإن النتيجة المركبة للوحة العامة تكاد تكون غير ذات صلة، والضبط الدقيق في المجال يكاد يكون كل الإجابة. هذا هو مبرر دفع سعر متخصص مقابل نموذج متخصص — وهو أيضًا سبب عدم وجوب مقارنة 77.3 و66: فهما درجتان لنموذجين على مجموعتي المهام اللتين اختير كل منهما ليكون جيدًا فيهما.

نقطتا ضعف صادقتان على جانب Nace، بما أنّ الجدول هو جدول المورّد: فئة «الائتمان والمخاطر» تسجّل 48.3، وهو أدنى رقم مطلق في جدول التمويل، وفئة «الأسواق والاستدلال» تسجّل 41.5، وهي الفئة الوحيدة التي لا يتصدّرها النموذج — إذ يحصل pplx-decider v1.2 على 43.1. وكلتاهما مُفصح عنهما في منشور الإطلاق الخاص بـ Nace، وهو أكثر مما يفعله معظم المورّدين، وكلتاهما تحدّدان ما ينبغي أن يُوثق به في نقطة التفتيش المالية.

التكلفة، على النطاق الذي يعمل به مسار القرار فعليًا

تكلّف حالة من 4,000 توكن تُقيَّم مرة واحدة نحو $0.00012 على Drex for Finance ونحو $0.0004 على G​emini Decision 1. ولا يمثل أيٌّ منهما الرقم الذي يحسم أي شيء؛ فعند مليون قرار شهريًا يبلغ الفارق نحو $280، وهو أقل من أسبوع عمل مهندس يُنفق على الترحيل.

ما يحسم الأمر هو البنية المحيطة. لا يملك G​emini Decision 1 أي تخزين مؤقت للسياق ولا Batch API، لذا تُحتسب وثيقة السياسات نفسها البالغة 40,000 رمز بالكامل في كل طلب، ولا توجد معالجة ليلية بنصف السعر للتذاكر التاريخية. كما لا يملك Drex for Finance أيًا من هاتين الميزتين، وفوترة كل طلب وليس لكل سؤال، مما يعني أن تكلفة طرح أربعين سؤالًا حول مستند واحد هي عدد رموز المستند، مرة واحدة. في عبء عمل بكثرة الأسئلة وقصر المدخلات، يعكس ذلك ترتيب التكلفة لكل رمز تمامًا: فمقابل $0.10 لدى G​emini Decision 1، تحصل على ألف سؤال، بينما الألف سؤال نفسها حول حالة قصيرة واحدة تمثل طلب Drex واحدًا بسعر $0.03 لكل مليون رمز.

كيف يمكنني الوصول إلى أيٍّ منهما، بصراحة؟

نحن لا نوفّر gemini-decision-1 ولا نوفّر drex-max-finance. نقطة نهاية للاحتمالات فقط ليست هدفًا لـ chat-completions، لذا لا يملك موجّه بهيكلنا طريقة صادقة لوضع أيٍّ منهما خلف مفتاح واحد، والادّعاء بخلاف ذلك سيفشل عند أول طلب.ما نوفّره فعلًا هو منتج TypeSafe: typesafe/jev-1.14 بسعر $0.042 لكل مليون من رموز الإدخال والإخراج على systemone — بالشكل نفسه للطلب الذي تكون Nace's API متوافقة معه سلكيًا، ونموذج على لوحة النماذج الثمانية عشر نفسها التي تضم G​emini Decision 1، بنتيجة 66.2 مقابل 66.0.

مما يجعله الخيار الثالث العملي في هذه المقارنة بدلًا من مجرد حاشية. وإذا كان القرار نفسه غير محلّ نزاع، وما تحتاجه هو نقطة نهاية واحدة لكامل خط العمل — استدعاء القرار، واستدعاء الصياغة الذي يكتب ملاحظة المحلل، واستدعاء التصعيد الذي يراجع الحالات المعلَّمة — فإن مسار القرار العامل على المفتاح نفسه المستخدم مع أكثر من 200 طراز آخر، بسعر قائمة المزوّد الممرَّر كما هو دون أي زيادة لكل رمز، يستحق أكثر من أفضلية بفارق نقطتين على مؤشر مركّب. وإذا كان القرار هو المنتج بأكمله، فاشترِ المتخصص من البائع ووجّه الباقي.

ما الذي سيحسم الأمر؟

تجربة واحدة، ولم يُجرِها أحد. خُذ بضع مئات من المستندات المالية الحقيقية — فواتير حالتها التكرارية معروفة، وإيداعات علاماتها معروفة — وقيّمها باستخدام كلا النموذجين وفق المعيار نفسه. تلك الجولة الواحدة ستستبدل كل رقم في هذا المقال برقم قابل للمقارنة، وستخبرك ما إذا كانت ميزة الضبط الدقيق للنطاق ستصمد أمام إطار اختبار مستقل.

إلى أن يوجد ذلك، فإن القراءة الصحيحة هي أن هذين ليسا منافسين. Gemini Decision 1 هو الخيار الأفضل عندما يجب أن يكون الاحتمال موثوقًا، أو عندما تكون الأسئلة كثيرة، أو عندما لا يكون المدخل نصًا. Drex for Finance هو الخيار الأفضل عندما يكون المدخل مستندًا ماليًا، وعندما يجب أن تكون الإجابات كلها صحيحة دفعة واحدة، وعندما يجعل حجم الحالات 0.03 دولار لكل مليون توكن هو المعيار الذي يهم. كلتا العبارتين يمكن الدفاع عنهما استنادًا إلى الأرقام المنشورة. أما المقارنة التي تضعهما على لوحة صدارة واحدة فليست كذلك، وسيمضي وقت قبل أن توجد واحدة.