Zyphra تطلق Zamba2-VL: نماذج بصرية بزمن استجابة أسرع بعشر مرات

أطلقت شركة Zyphra عائلة مفتوحة المصدر من النماذج البصرية اللغوية Zamba2-VL بحجم 1.2B و2.7B و7B معامل. وتقوم هذه النماذج على هندسة هجينة تجمع كتل Mamba2 وTransformer. والنتيجة الأبرز: ينخفض زمن الوصول إلى أول رمز بنحو 10 مرات مقارنة بنماذج VLM القائمة على Transformer الخالصة ذات الحجم المماثل.

ثلاثة أحجام وترخيص واحد

تضم العائلة ثلاثة إصدارات: 1.2B و2.7B و7B معامل. وقد صدرت جميعها بترخيص Apache 2.0، ما يعني حرية الاستخدام التجاري دون قيود على الدمج والتطوير وإعادة التوزيع، أي حرية كاملة للمشاريع التجارية والبحثية.

نماذج Zamba2-VL نماذج بصرية لغوية متكاملة. فهي تعالج الصور والنص معًا، ما يتيح استخدامها في طيف واسع من المهام: وصف الصور والفوتوغرافيا، والإجابة البصرية عن الأسئلة، وتحليل المستندات المصحوبة برسوم توضيحية، وتفسير لقطات شاشة واجهات المستخدم، والتعامل مع الصور الطبية. وعلى خلاف نماذج LLM النصية الخالصة، تستطيع نماذج VLM الإجابة عن أسئلة حول ما تُظهره الصورة، والجمع بين السياقين البصري والنصي في طلب واحد.

وعلى مقاييس الأداء القياسية، تحافظ Zamba2-VL على مستوى مكافئ لنماذج VLM القائمة على Transformer الخالصة بالحجم نفسه. فالانتقال إلى الهندسة الهجينة لا يتطلب التضحية بالدقة مقابل السرعة، إذ يبقى المؤشران عند مستوى تنافسي.

كيف يعمل العمود الفقري الهجين

تُبنى معظم النماذج اللغوية ومتعددة الوسائط الحديثة على هندسة Transformer الخالصة. وفيها «يستعرض» كل رمز جديد يُولَّد التسلسل السابق كاملًا عبر آلية الانتباه (attention). وهذا نهج قوي لكنه مكلف حسابيًا: فمع السياقات الطويلة يتزايد حجم العمل تربيعيًا. ومن هنا ينشأ عنق الزجاجة في السرعة، بما في ذلك ارتفاع زمن الوصول إلى أول رمز.

أما Mamba2 فهي هندسة قائمة على فضاء الحالة (state space model، SSM). فبدلًا من المرور الكامل على السجل السابق، تضغط السياق السابق في «حالة» مدمجة تتحدث خطيًا مع معالجة الرموز الجديدة. وتجمع Zamba2-VL بالتناوب بين كتل Mamba2 وطبقات Transformer التقليدية: توفر كتل SSM السرعة والكفاءة، بينما تضيف طبقات Transformer المرونة في التعامل مع الاعتماديات المعقدة.

النتائج:

• ينخفض زمن الوصول إلى أول رمز بنحو 10 مرات
• تبقى الجودة تنافسية مقارنة بنماذج VLM القائمة على Transformer الخالصة
• بصمة حسابية أصغر أثناء الاستدلال
• قابلية أفضل للتوسع مع السياقات الطويلة
• إمكانية النشر على عتاد أقل قوة دون فقدان سرعة الاستجابة

لماذا يحسم TTFT الأمر

زمن الوصول إلى أول رمز (time-to-first-token، TTFT) هو الفترة بين إرسال الطلب وظهور أول حرف من الإجابة. وهو ما يحدد الإحساس بـ«الحيوية» في الأنظمة التفاعلية: روبوتات الدردشة والمساعدات الصوتية وخدمات API التي تهم فيها سرعة الاستجابة. وما دام النموذج «يفكر»، يبقى المستخدم في الانتظار. ويبدو ارتفاع TTFT كأنه «تجمّد» حتى لو كانت الإجابة النهائية جيدة.

وخفض TTFT بمقدار 10 مرات مكسب عملي مضاعف. فبالموارد العتادية نفسها، يعني ذلك إما خدمة أكثر استجابة بكثير، وإما القدرة على معالجة عدد أكبر بكثير من الطلبات في آن واحد. وبالنسبة للشركات التي تدفع مقابل وقت GPU، يؤثر كلا الخيارين مباشرة في اقتصاديات الوحدة للمنتج.

تتيح النماذج المفتوحة بهذه السرعة في الاستجابة بناء منتجات في مجالات

كان تأخر الاستجابة فيها يجعل فئة كاملة من الحلول غير قابلة للتطبيق.

ماذا يعني ذلك

تواصل الهندسات الهجينة SSM + Transformer انتقالها من الأوراق الأكاديمية إلى المنتجات العملية. ويغطي إطلاق Zamba2-VL في ثلاثة نماذج، من 1.2B المدمج إلى 7B كامل الحجم، سيناريوهات نشر متنوعة: من الأجهزة محدودة الموارد إلى مزارع الخوادم.

ويخفض الانفتاح بترخيص Apache 2.0 عتبة الدخول: إذ تستطيع الفرق اعتماد نموذج متعدد الوسائط جاهز وسريع دون الارتهان لواجهات API التجارية، بكل ما فيها من أسعار وحدود وخطر تغيّر الشروط فجأة.