سبيربنك تطلق GigaChat 3.5 Ultra بـ 432 مليار معامل كنموذج مفتوح المصدر
نشر سبيربنك نموذج GigaChat 3.5 Ultra كنموذج مفتوح المصدر، وهو نموذجه الرائد الجديد بـ 432 مليار معامل. ويقل عدد معاملاته بنحو 40% عن النموذج الرائد السابق GigaChat 3.1 Ultra (700 مليار معامل). وبحسب المطورين، لا يقل النموذج الجديد جودةً عن سابقه. فقد حدّث الفريق البيانات ووصفة التدريب، وسرّع الاستدلال (inference)، وعزّز قدرات النموذج في البرمجة والسيناريوهات الوكيلية (agentic) والمجالات المعقدة.
معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
نشر سبيربنك في المصدر المفتوح (open source) نموذجه الرائد الجديد GigaChat 3.5 Ultra، ويضم 432 مليار معامل، أي أقل بنحو 40% من النموذج الرائد السابق GigaChat 3.1 Ultra الذي يضم 700 مليار معامل. وأتاح الأوزان للمطورين لنشر النموذج ذاتيًا، دون الحاجة إلى الرجوع إلى واجهة API المغلقة التابعة للشركة.
ما مدى تقلّص حجم النموذج؟
يضم GigaChat 3.5 Ultra نحو 432 مليار معامل مقابل 700 مليار في GigaChat 3.1 Ultra، أي تقلّص بنحو 40%. ويؤكد المطورون أن الأمر ليس مقايضة من نوع «حجم أصغر مقابل تكلفة أقل»: فبحسب قولهم، جعلت البيانات الجديدة ووصفة التدريب المحدّثة والتغييرات المعمارية النموذجَ أصغر حجمًا وأقوى في آن واحد.
- GigaChat 3.5 Ultra — 432 مليار معامل، ويُوزَّع كنموذج مفتوح المصدر
- GigaChat 3.1 Ultra (النموذج الرائد السابق في السلسلة) — 700 مليار معامل
- تقلّص حجم النموذج بنحو 40%، أي بمقدار 268 مليار معامل
- للمرة الأولى في سلسلة GigaChat، تُوسَّع البنية الهجينة الخاصة بالشركة لتبلغ مئات المليارات من المعاملات
ما الذي تغيّر في البنية المعمارية؟
وسّع فريق Sber للمرة الأولى بنيةَ GigaChat الهجينة الخاصة به لتبلغ مئات المليارات من المعاملات ضمن إصدار واحد. وتعني البنية الهجينة في مثل هذه النماذج عادةً الجمع بين أنواع مختلفة من الطبقات وآليات الانتباه، ما يتيح رفع الحجم دون زيادة متناسبة في التكاليف الحسابية. ويقول المطورون إن ذلك أتاح تسريع الاستدلال (توليد الإجابات) وتوسيع قدرات النموذج في آن واحد، وفي مقدمتها البرمجة والسيناريوهات الوكيلية (حين يستدعي النموذج الأدوات بنفسه وينفّذ سلاسل من الإجراءات) والمجالات المتخصصة المعقدة.
«هذه ليست مقايضة من نوع "حجم أصغر مقابل تكلفة أقل": بفضل البيانات
الجديدة ووصفة التدريب المحدّثة والتغييرات المعمارية، أصبح النموذج أقوى، وكذلك أكثر كفاءة من حيث الذاكرة وسرعة التوليد»، بحسب المدوّنة الرسمية لـ Sber على Habr.
لماذا صغّرت الشركة النموذج؟
تعزو Sber تقليص حجم النموذج إلى حسابات هندسية لا إلى التوفير: فالنموذج الأصغر أكثر كفاءة من حيث الذاكرة وسرعة التوليد، مع الحفاظ على الجودة أو رفعها. ويظهر الفارق البالغ 268 مليار معامل بين GigaChat 3.1 Ultra وGigaChat 3.5 Ultra مباشرةً في البنية التحتية: فكلما قلّ عدد معاملات النموذج، قلّت ذاكرة الفيديو اللازمة لتحميله، وارتفعت سرعة توليد الرموز (tokens) على العتاد نفسه.
ماذا يعني ذلك للمطورين؟
بالنسبة إلى من ينشرون نماذج المصدر المفتوح ذاتيًا، يعني تقليص النموذج الرائد من 700 مليار إلى 432 مليار معامل عتبة دخول أدنى من حيث العتاد، مع جودة إجابات مماثلة أو أعلى. ويستهدف GigaChat 3.5 Ultra، ضمن ما يستهدفه، البرمجة والسيناريوهات الوكيلية، وهي المهام التي يقارن فيها المطورون النماذج المفتوحة المصدر بواجهات API المغلقة لدى المنافسين في أغلب الأحيان.
ما دلالة ذلك؟
تواصل Sber نشر نماذج GigaChat الرائدة في المصدر المفتوح، وتتجه في الوقت نفسه نحو بنى أصغر حجمًا وأسرع. وهو اتجاه يسود حاليًا صناعة النماذج اللغوية الكبيرة بأكملها، إذ يسعى المطورون إلى التوازن بين حجم النموذج وتكلفة البنية التحتية وفائدته العملية في البرمجة والسيناريوهات الوكيلية.
Delegate Deep Research, Coding & Workflows to an AI Agent
Deploy autonomous multi-step execution with NomadNet Agent (agent.nomadnet.ai) — automated web research, data synthesis, code generation, and complex task orchestration.
أهم ما في عالم الذكاء الاصطناعي — مرة كل أسبوع
سبع قصص مهمة فعلاً هذا الأسبوع، مختارة بعناية. بلا ضجيج ولا بيانات صحفية.
تم! تحقق من بريدك للتأكيد.