Inkling 2 Small: 68 ساعة من التدريب المسبق ليست سوى المرحلة الأولى، تليها 9 أيام من التعلّم المعزز على 2048 وحدة GPU

عندما يرد في إعلان نموذج جديد «8.4 تريليون رمز في 68 ساعة»، يراودك الميل إلى إعادة حساب ميزانية تدريب نموذجك الخاص فورًا. لا تتعجل. هذا الرقم صحيح، لكنه يخص جزءًا واحدًا من خط تدريب كبير. فلنتبيّن ما الذي فعلته Thinking Machines Lab بالضبط مع Inkling 2 Small وكيف تُقرأ مثل هذه الأرقام.

ما هذا النموذج، ولماذا تُعدّ 68 ساعة كثيرة وقليلة في آن واحد

Inkling 2 Small نموذج لغوي متعدد الوسائط قدّمته الشركة في 5 نوفمبر 2026. يضم 594 مليار معامل في المجموع، لكنه يعتمد بنية مزيج الخبراء (Mixture-of-Experts، أو MoE): فلكل رمز يُفعَّل جزء فقط من «الخبراء»، أي نحو 17 مليار معامل، وهو ما يعادل 3% تقريبًا من النموذج. وهكذا تكون الحسابات لكل رمز كحسابات نموذج متوسط الحجم، بينما تكون سعة المعرفة كسعة نموذج عملاق.

استغرق التدريب المسبق على 8.4 تريليون رمز 68 ساعة، أي أقل من ثلاثة أيام. وبالحساب يعادل ذلك في المتوسط نحو 34 مليون رمز في الثانية. وقد أصبحت هذه الوتيرة ممكنة بفضل أمرين: حاملات NVIDIA GB300 NVL72 وصيغة NVFP4 ذات الأربعة بتات. فكلما قلّ عدد البتات لكل رقم قلّت الذاكرة وحركة البيانات بين الشرائح وتسارع ضرب المصفوفات. أما الوجه الآخر فهو الدقة، ولذلك تتطلب هذه الصيغ ضبطًا دقيقًا للتدريب.

ما الذي يختبئ خلف العنوان

أهم تحفّظ ورد في الإعلان نفسه: 68 ساعة هي المرحلة الأولى فقط. وبعدها جاءت ثلاث مراحل تدريب أخرى على بيانات إضافية. أما ما هي هذه البيانات وكم استغرقت فلم يُكشف عنه في المقطع المتاح من المادة، لذا لا ينبغي الاستنتاج أن النموذج كله «تكوّن في ثلاثة أيام».

ثم جاء التعلّم المعزز (Reinforcement Learning): تسعة أيام على 2048 وحدة GPU وأكثر من 17 مليون مسار. المسار هو تشغيل كامل واحد للنموذج: يتلقى مهمة ويتصرف، ثم يُقيَّم ناتجه. وإذا قسمنا 17 مليونًا على تسعة أيام نحصل على 22 مسارًا في الثانية على الأقل بشكل متواصل. في هذه المرحلة لا يتعلم النموذج مجرد متابعة النص، بل إيصال المهام إلى نتيجة يمكن التحقق منها: الشيفرة والاستدلال والعمل مع الأدوات.

وهذه صورة نموذجية للتدريب الحديث. فالتدريب المسبق الرخيص والسريع يوفر الأساس، أما الكلفة الحقيقية والجودة فتتشكلان في المراحل المتأخرة، حيث البيانات أغلى والإشارة أدق. ويتوقف مطلع المقال على موقع «هابر» عند عبارة «النموذج الناتج حقق…»، ولذلك لا ترد نتائج الاختبارات المعيارية النهائية في المقطع المتاح. تحقق منها في المصدر الأصلي.

ما الذي يمكن أخذه من ذلك

أولًا: قارِن النماذج بحسب الدورة الكاملة، لا بحسب رقم لافت. فزمن التدريب المسبق من دون عدد وحدات GPU والمراحل وكلفة التعلّم المعزز لا يقول الكثير عن التكاليف.

ثانيًا: نموذج MoE بنسبة صغيرة من المعاملات النشطة طريقة عملية للحصول على نموذج كبير دون زيادة متناسبة في كلفة الحساب. لكن في الاستدلال سيتعين الاحتفاظ بالمعاملات الـ594 مليارًا كلها في الذاكرة في مكان ما، فالتوفير يخص عمليات FLOPs أكثر مما يخص حجم العتاد.

ثالثًا: يبدو، بحسب هذا الإصدار، أن التدريب بأربعة بتات يخرج من المختبرات إلى خطوط الإنتاج. وإذا كنت تخطط لمنظومة تدريب مسبق أو تدريب إضافي خاصة بك على عتاد من فئة Blackwell، فإن NVFP4 يستحق الاختبار على الأقل.

وأخيرًا: يتطلب التعلّم المعزز على ملايين المسارات بنية تحتية لتوليدها والتحقق منها، لا وحدات GPU فقط. وهنا تتعثر في الغالب الفرق التي تحاول تكرار النتيجة.