TensorFold 1.2.0 يرفع إنتاجية Qwen3.8-27B على M3 Ultra بنسبة 44,2% عند 16 تدفقًا

أعلن مطوّر محرك الاستدلال المحلي TensorFold إصدار النسخة 1.2.0. وأبرز ما في التحديث لمستخدمي Mac أن Qwen3.8-27B بأوزان MLX بدقة 4 بت ومع وضع DFlash2 أصبح أسرع بوضوح مما كان عليه في 1.1.9. ويظهر ذلك خصوصًا تحت الحمل المتوازي: فعلى M3 Ultra ارتفعت الإنتاجية الإجمالية عند 16 تدفقًا بنسبة 44,2%. كما يضيف الإصدار دعمًا لنماذج جديدة على Metal وCUDA وIntel Arc.

قياسات M3 Ultra وM5 Ultra

أُجريت المقارنة على النموذج نفسه: Qwen3.8-27B بأوزان MLX بدقة 4 بت ومع DFlash2، واعتُمدت النسخة TensorFold 1.1.9 مرجعًا للمقارنة.

• M3 Ultra: فك الترميز لتدفق واحد أسرع بنسبة 14,4%، والإنتاجية الإجمالية عند 16 تدفقًا أعلى بنسبة 44,2%.
• M5 Ultra: التدفق الواحد أسرع بنسبة 5,8%، والإنتاجية الإجمالية عند 16 تدفقًا أعلى بنسبة 25,2%.

توضح الأرقام سبب الفارق بين السيناريوهين. فالتدفق الواحد يتقيد بسرعة توليد كل توكن، ولذلك يبقى المكسب فيه متواضعًا. أما عند تعدد الطلبات فيستغل المحرك العتاد بصورة أفضل، فيأتي التحسن أكبر بأضعاف. وبالنسبة إلى خادم محلي يخدم عدة مستخدمين أو وكلاء يعملون بالتوازي، فهذا أهم من سرعة محادثة واحدة.

من اللافت أن المكسب النسبي على الشريحة الأحدث M5 Ultra أقل منه على M3 Ultra. ولا يشرح المطوّر الأسباب. ويبدو من الأرقام أن M5 Ultra تملك هامش أداء أكبر، ولذلك تمنحها التحسينات نسبة أقل. لكن هذا مجرد افتراض وليس تصريحًا من المطوّر. كما أن الإعلان لا يورد القيم المطلقة بالتوكنات في الثانية، ولذلك لا يمكن المقارنة بين الشريحتين استنادًا إلى هذه البيانات. نحن نرى فقط المكسب مقارنةً بالنسخة السابقة على كل منهما.

ويشير المطوّر بشكل منفصل إلى أن التسارع في السيناريوهات التي جرى قياسها ترافق مع تطابق التوكنات. فقد بقي النص الناتج مطابقًا لما كان عليه في 1.1.9. وهذا يعني أن المكسب تحقق دون تنازل عن الجودة.

نماذج وعتاد جديدة

إلى جانب التسريع، يوسّع الإصدار قائمة التهيئات المدعومة:

• MiniMax-M3.1-Flash على Metal، أي على أجهزة Mac.
• نسخة NVFP4 من Qwen3.6-35B-A3B على CUDA.
• النموذج الكثيف Qwen3.8-27B بصيغة EXL3 على CUDA.
• Gemma 4 E4B على Intel Arc Pro B70.

يلفت البند الأخير الانتباه لأن TensorFold يتجاوز بذلك حدود ثنائي Apple وNvidia. فنادرًا ما تُذكر بطاقات Intel Arc Pro في مشاريع الاستدلال المحلي، ويمنح ظهور تهيئة عاملة بديلًا لمن يبنون محطة عمل لا تعتمد على Nvidia. أما سرعة تشغيل Gemma 4 E4B على Arc Pro B70 فلم يذكرها الإعلان، ولذلك فالحديث هنا عن الدعم فقط وليس عن نتائج السرعة.

ما الذي تغيّر في الإجابات متعددة الوسائط

يتضمن الإصدار تنبيهًا ينبغي أن يأخذه في الحسبان من يستخدمون النماذج البصرية. فقد تختلف إجابات Qwen-VL عن الصور عن تلك التي كانت تعطيها النسخة 1.1.9. والسبب أن معالجة الصور باتت الآن تطابق المعالج الخاص بنقطة الحفظ (checkpoint). ويبدو أنها كانت في السابق تختلف عن المعالجة المرجعية، ولذلك فالاختلاف يصحح السلوك السابق أكثر مما يستحدث سلوكًا جديدًا. لكن إذا كنت تقارن النتائج على مجموعة صور ثابتة أو تجري اختبارات انحدار، فسيتعين عليك بعد التحديث إعادة حساب المخرجات من جديد.

ويخص هذا التنبيه Qwen-VL تحديدًا. فالمطوّر يؤكد تطابق التوكنات في حالات التسارع التي قيست، وهي تتعلق بالنموذج النصي Qwen3.8-27B.

المجتمع والخلاصة العملية

شكر المطوّر تسعة عشر مشاركًا في المشروع على GitHub على طلبات الدمج (pull requests) والمراجعة والاختبار وتقارير الأخطاء وإتاحة العتاد: AbrahamCete, akol1, alexderz, Arminova, BadAd84, BlivionIaG, BobClawblaw, fche, gilby, jrb-ai, jschmied, laudney, Mirrdhyn, mrv777, ppardus, simon-lin88, ThomasHalwax, valacroix وwojo. ويفسّر الشكر الخاص على إتاحة العتاد مصدر دعم منصات متباينة إلى هذا الحد، إذ يصعب أن يملك شخص واحد M3 Ultra وM5 Ultra وبطاقات Nvidia وIntel Arc Pro معًا.

والخلاصة العملية بسيطة. فبالنسبة إلى مالكي Mac Studio بشريحة M3 Ultra الذين يشغّلون Qwen3.8-27B بصيغة MLX بدقة 4 بت، يعطي التحديث أوضح أثر عند وجود عدة طلبات متزامنة. وعلى M5 Ultra يكون المكسب أقل لكنه موجود. أما التحفظات فهي أن الأرقام مأخوذة من إعلان المطوّر نفسه، ولا توجد قياسات مستقلة، ولم تُكشف المنهجية ولا السرعات المطلقة. وقبل نقل بيئة الإنتاج إلى 1.2.0، يُستحسن اختبار حملك الخاص، وإذا كنت تستخدم Qwen-VL فأعد التحقق من الإجابات عن الصور.