قدمت StepFun نموذج Step 3.7 Flash — وهو نموذج Vision-Language يضم 198 مليار معلمة

قدمت شركة StepFun رسميًا Step 3.7 Flash — نموذج رؤية-لغة جديد يعد بأن يصبح حلاً مهماً للمهام المتخصصة في مجال الذكاء الاصطناعي. تم بناء هذا النموذج على بنية خليط الخبراء (MoE) ويحتوي على 198 مليار معامل، مما يتيح له توفير أداء عالي مع الاستخدام الفعال للموارد الحسابية.

المعاملات الفنية والبنية المعمارية

يتميز Step 3.7 Flash بعدة خصائص فنية رئيسية. يستخدم النموذج بنية MoE التي يتم فيها تفعيل شبكات المعاملات الفرعية ذات الصلة فقط لكل مثال إدخال. وهذا يسمح بتحقيق توازن بين حجم النموذج وكفاءة عمله. تسمح الإمكانيات البصرية المدمجة للنموذج بمعالجة ليس فقط البيانات النصية بل أيضاً تحليل الصور. تتيح نافذة السياق الموسعة التي تبلغ 256 ألف رمز العمل مع المستندات الطويلة وقواعد الأكواد المعقدة والمواد البصرية التفصيلية دون فقدان السياق. يحتل وضعاً خاصاً نمط Advisor المدمج في بنية النموذج. يوفر هذا النمط مستوى إضافياً من التحكم في سلوك النموذج ويسمح بالحصول على مخرجات أكثر تنظيماً وتنبؤاً. يعتبر هذا النهج مفيداً بشكل خاص في بيئات الإنتاج حيث يكون الموثوقية واتساق النتائج مطلوباً.

التطبيقات المستهدفة وحالات الاستخدام

تضع شركة StepFun نموذج Step 3.7 Flash كحل لاتجاهين رئيسيين للتطبيق. الأول هو أتمتة تطوير الأكواد. يمكن للنموذج تحليل الأكواد المصدرية وتحديد التحسينات المحتملة وتوليد نسخ محسنة وحتى المشاركة في عملية تصحيح الأخطاء. تسمح الرؤية المدمجة له بالعمل مع لقطات شاشة الأكواد والرسوم البيانية للبنية المعمارية. الاتجاه الثاني هو التكامل في أنظمة البحث. تجعل الإمكانيات البصرية النموذج مناسباً لمنصات البحث التي تعمل مع استعلامات نصية وصور. يسمح السياق الموسع بالبحث عن إجابات معقدة ومتعددة الجوانب بناءً على البيانات الشاملة. بالإضافة إلى ذلك، يمكن تطبيق النموذج في أدوات التحليل — لمعالجة مجموعات البيانات المدمجة وتحليل المواد المرئية مع نسخ تفصيلي للمحتوى وتقديم توصيات منظمة بناءً على النتائج المحققة.

الموقع في السوق

يستمر إطلاق Step 3.7 Flash في الاتجاه الواضح في السوق نحو التخصص. بدلاً من إنشاء نماذج عامة، تقوم الشركات بشكل متزايد بتطوير حلول محسنة للمهام المحددة. توضح شركة StepFun أن التخصص الفعال يتحقق ليس فقط من خلال اختيار البنية المعمارية بل أيضاً من خلال أنماط تشغيل خاصة تسمح بتكييف سلوك النموذج مع المتطلبات المحددة. تصبح بنية MoE معياراً للنماذج الكبيرة، خاصة في سياق قيود استهلاك الطاقة وتكاليف البنية التحتية. وهذا يفتح الباب لحلول ذكاء اصطناعي أكثر إمكانية الوصول وصديقة للبيئة.

ما يعني هذا

يشير ظهور Step 3.7 Flash إلى تحول مهم في استراتيجية تطوير النماذج الكبيرة. بدلاً من السباق على الحجم والعالمية، يركز المطورون على التحسين العميق للتطبيقات المحددة. بالنسبة للمطورين والشركات، يعني هذا مزيداً من الأدوات للاختيار من بينها والقدرة على اختيار حل يطابق تماماً احتياجات مشروعهم. تصبح بنية MoE، بدورها، ليست مجرد خدعة هندسية بل معياراً للنماذج الفعالة من الجيل التالي. وهذا يتيح تقليل تكاليف البنية التحتية والنفقات التشغيلية دون المساس بالجودة، وهو أمر حاسم لتطبيق الذكاء الاصطناعي بشكل تجاري.