نافذة المليون رمز مقابل RAG: متى تحتاج كلاً منهما؟

أطلقت Moonshot AI نموذج Kimi K3 في السادس عشر من يوليو 2026 بنافذة سياق تبلغ مليون رمز و2.8 تريليون معامل وأوزان مفتوحة (وفق إعلان Moonshot). ومع كل قفزة في طول السياق يعود سؤال قديم: هل ما زلنا نحتاج RAG؟ الأقرب للدقّة أنهما ليسا خصمين، بل أداتان لمشكلتين مختلفتين.

ما الذي أطلقته Moonshot في Kimi K3

Kimi K3 نموذج مفتوح الأوزان بنافذة مليون رمز ورؤية أصلية متعددة الوسائط (وفق وثائق Moonshot). عملياً: يمكن تمرير مستند ضخم كاملاً إلى النموذج بدل تقطيعه واسترجاع أجزائه.

RAG (التوليد المعزّز بالاسترجاع) لا يضع كل شيء في النافذة، بل يسترجع المقاطع الأوثق صلة من قاعدة معرفة خارجية وقت السؤال ويمرّرها للنموذج. جوهره التأريض: ربط الإجابة بمصدر محدّد يمكن تحديثه وعرضه — لا مجرد «ذاكرة أكبر».

أربعة فوارق تحسم الاختيار

التكلفة والكمون: ملء نافذة مليونية في كل طلب يعني تمرير ملايين الرموز، فترتفع الكلفة والكمون مع طول المستند. يمرّر RAG المقاطع الصلة فقط، فيبقى الطلب أخفّ على القواعد الكبيرة.

الحداثة: محتوى النافذة ثابت لحظة إرساله؛ أما قاعدة RAG فتُحدَّث دون إعادة تدريب أو إعادة تحميل ضخمة — وهو ما يهمّ البيانات المتغيّرة كالأسعار والمخزون.

البيانات الخاصة والحجم: حين تتجاوز معرفتك أي نافذة (ملايين المستندات) يصبح الاسترجاع عادةً الخيار العملي. أما لمستند واحد كبير تريد فهمه كلّياً (عقد، ورقة بحثية) فالنافذة الطويلة أبسط.

التأريض والتتبّع: يتيح RAG ربط كل ادّعاء بمقطع مصدر قابل للعرض والتحديث والتتبّع. لكن التأريض بذاته لا يضمن صحة الإجابة؛ جودتها تبقى رهن جودة الاسترجاع وموثوقية المصدر — استرجاعٌ سيئ لمصدر ضعيف يُنتج إجابة واثقة وخاطئة رغم «التأريض».

قاعدة عملية

مستند واحد كبير تريد فهماً شاملاً له؟ النافذة الطويلة أبسط. قاعدة معرفة كبيرة أو متغيّرة وتحتاج إجابات قابلة للتحديث والتتبّع؟ RAG أنسب. وفي كثير من الأنظمة الجادة يُستخدم الاثنان معاً: استرجاعٌ يختصر المرشّحات، ونافذة طويلة تستوعبها. السؤال ليس «من يسيطر؟» بل «أي مشكلة نحلّ؟». ولنظرة أوسع على تنافس النماذج المفتوحة والمغلقة، راجع نماذج الصين تضيق الفجوة مع أمريكا.