نموذج بـ0.8 مليار معامل يتفوق على Qwen 9B في توليد أوامر Bash: 79% مقابل 63%

كل من يعمل في الطرفية يعرف هذا الشعور: تتذكر جيدًا أنك بحاجة إلى العثور على الملفات الكبيرة، لكنك لا تتذكر خيارات الأمر find ولا كيفية ترتيب المخرجات بشكل صحيح. عادةً يتجه المرء إلى محرك بحث أو يفتح محادثة مع نموذج كبير. الخيار الأول بطيء، والثاني يتطلب اتصالًا بالإنترنت ومفتاح API وإرسال البيانات إلى الخارج. أما مطوّر مشروع dale فقد اختار حلًا مختلفًا: نموذج صغير يعمل مباشرة على الجهاز ويؤدي مهمة واحدة فقط.

ما هو dale

ظهر على Hugging Face النموذج dale-0.8b-GGUF، وهو نموذج متخصص بـ0.8 مليار معامل. تكتب طلبك بلغة عادية، مثل «ابحث عن كل الملفات الكبيرة في المجلد الحالي». وفي المقابل يعيد النموذج أمر Bash واحدًا بصيغة JSON منظمة مع شرح قصير لما يفعله هذا الأمر.

هناك أمران يميّزانه عن «مجرد مولّد أوامر». أولًا، يستطيع النموذج الرفض: فإذا كان الطلب غير مناسب يرد بـ refuse. ثانيًا، إذا كان الطلب غامضًا أكثر من اللازم فإنه لا يخمّن بل يعيد unsure. وبالنسبة لأداة قد تنفّذ أوامر على نظامك، فهذا أهم من بضع نقاط مئوية إضافية من الدقة: «لست متأكدًا» الصادقة أفضل من أمر واثق لكنه مدمّر.

الأرقام وما وراءها

اختبر المطوّر النماذج على مجموعة من 471 مهمة. وكانت النتائج كالتالي:

• dale-0.8B — 79.4%؛
• Qwen3.5-9B — 62.8%؛
• Gemma 4 E4B — 62.8%؛
• Qwen3.5-4B — 54.6%؛
• Qwen3.5-0.8B — 14.9%.

وأكثر ما يلفت الانتباه هو السطر الأخير. فالنموذج العام ذو الحجم نفسه يكاد يفشل في المهمة، بينما يتفوق النموذج المتخصص على نماذج أكبر منه بخمسة إلى عشرة أضعاف. وهذا تأكيد جديد لفكرة معروفة منذ زمن: في مهمة ضيقة ومحددة بوضوح مع صيغة إجابة صارمة، يمكن لنموذج صغير مضبوط بدقة أن يتفوق على النماذج العامة. فهو لا يحتاج إلى معرفة كل شيء، يكفيه أن يعرف Bash وصيغة المخرجات جيدًا.

أما من ناحية العتاد فكل شيء متواضع: تكميم Q4_K_M، وملف بحجم نحو 529 ميغابايت، وتشغيل على المعالج المركزي عبر llama.cpp. ومتوسط زمن الاستجابة 1.72 ثانية على حاسوب محمول من عام 2020. لا حاجة إلى بطاقة رسومات ولا إلى شبكة. الرخصة Apache 2.0، أي يمكن استخدام النموذج في المشاريع التجارية أيضًا.

وقد بُنيت على أساسه أداة سطر أوامر باسم dale. تقترح الأداة الأمر، وتطلب تأكيدًا قبل التنفيذ، وتصنّف العمليات الخطرة. وطبقة الحماية هذه منطقية: فنموذج بـ0.8 مليار معامل يخطئ مع ذلك في حالة من كل خمس تقريبًا.

القيود

التحفظ الرئيسي: جميع الأرقام مُعلنة من المطوّر نفسه. لا نعرف مدى تشابه مجموعة الاختبار مع بيانات التدريب، ولا كيف أُعدّت. وربما اختيرت المهام بما يلائم نقاط قوة النموذج. لا توجد قياسات مستقلة حتى الآن، كما أن 79.4% لا تعني «صحيح في معظم الأحيان». إضافةً إلى ذلك، يغطي الاختبار Bash على Linux؛ ولا يُعرف شيء عن خصوصيات macOS أو PowerShell أو الأدوات غير الشائعة.

ماذا نفعل بهذا

يُنصح المطورون بتنزيل النموذج وتجربته على طلباتهم الواقعية: فعيّنتكم الخاصة ستخبركم أكثر من 471 مهمة أعدّها غيركم. أما الفرق التي تبني أدوات داخلية فسيفيدها النمط نفسه: نموذج محلي صغير، وJSON منظم، وفروع صريحة لـ refuse وunsure، وتأكيد بشري قبل التشغيل. وللمهتمين بالخصوصية أو العاملين دون إنترنت، هذا أساس جاهز لا يحتاج إلى الاتصال بواجهة API سحابية.