Qwen على جهازي DGX Spark أسرع بنسبة 34–59% في عدد التوكنات في الثانية ويتفوق على GLM
فقد مطوّر حسابه في Claude Code، وهو يختبر الآن نماذج محلية على جهازي حاسوب مصغّرين من طراز DGX Spark. يولّد Qwen 3.8 Flash Next ما بين 97 و117 توكن في الثانية، أي أسرع بنسبة 34–59% مما كان عليه على جهاز Spark واحد. أما انتظار أول توكن على سياق 128K فيستغرق 39 ثانية بدلًا من 57. يكتب GLM 5.3 Flash بأسلوب أكثر راحة للقراءة، لكنه يقع في حلقات تكرار. اختار المؤلف Qwen لأعمال البرمجة.
معالج بواسطة الذكاء الاصطناعي من Habr AI؛ بتحرير Hamidun News
ماذا تفعل إذا اختفى مساعد البرمجة السحابي وكان عليك مواصلة العمل؟ فقد كاتب سلسلة ملاحظات على Habr حسابه في Claude Code، ومنذ أسبوعين يختبر إمكانية الاستعاضة عنه بنماذج محلية مفتوحة الأوزان. لهذا الغرض ثبّت نموذجين، هما GLM 5.3 Flash وQwen 3.
8 Flash Next، على جهازي حاسوب مصغّرين من طراز NVIDIA DGX Spark رُبطا في عنقود واحد. وقاس السرعة بثلاثة مؤشرات. TPS هو عدد التوكنات (أجزاء النص) التي يولّدها النموذج في الثانية.
Prefill هو سرعة «قراءة» النموذج للموجّه المرسل إليه، مثل مستودع الشيفرة كاملًا. TTFT هو عدد الثواني التي تمرّ قبل ظهور أول توكن في الإجابة. افترض أنك تطلب من الوكيل العثور على خلل في مشروع كبير: كلما ارتفعت سرعة Prefill وانخفض TTFT، قلّ انتظارك قبل أن يبدأ العمل.
وإذا كنت تختار نموذجًا لوكيل محلي، فلا تنظر إلى عدد التوكنات في الثانية وحده، بل إلى هذه المؤشرات أيضًا، وإلى سلوك النموذج في الجلسات الطويلة. خلاصة التجربة: أصبح Qwen الأداة الأساسية، وبقي GLM احتياطيًا.
كيف جرى القياس وماذا كانت النتائج
عمل النموذجان على العتاد نفسه: جهازا DGX Spark ومحرك TensorFold وسياق يصل إلى مليون توكن. أما التكميم، أي درجة ضغط الأوزان، فمختلف: يستخدم GLM أربع بتات لكل وزن (صيغة EXL3)، ويستخدم Qwen صيغة INT4-AR. وعلى كل حجم سياق، من 2K إلى 256K توكن، أجرى المؤلف 10 قياسات. كانت الموجّهات فريدة وتحتوي على إضافة عشوائية، فلم يستفد النظام من ذاكرة البادئة المؤقتة. وبذلك يكون التحليل «باردًا» حقيقيًا يبدأ من الصفر. وسبق كل سلسلة قياسات طلب تسخين واحد.
يولّد Qwen 3.8 Flash Next على جهازي Spark ما بين 97 و117 توكن في الثانية، وسرعة Prefill لديه 3,1–3,8 ألف توكن في الثانية. وعلى سياق 128K ينتظر المستخدم أول توكن 39 ثانية، وعلى سياق 256K ينتظره 86 ثانية. أما GLM على الجهازين نفسيهما فيولّد 65–72 توكن في الثانية، وسرعة Prefill لديه 1,5–1,8 ألف توكن في الثانية، وعلى سياق 256K يستغرق وصول أول توكن 154 ثانية. وبالحساب لكل جهاز Spark على حدة، يبلغ أداء GLM 33–36 توكن في الثانية، وهو أسوأ نتيجة بين التهيئات الأربع التي اختبرها المؤلف.
وفي المقارنة مع جهاز Spark واحد من المقال السابق، ارتفعت سرعة التوليد بنسبة 34–59%، وسرعة Prefill بنسبة 47–62%، وانخفض TTFT على سياق 128K من 57 إلى 39 ثانية (−32%). لكن السرعة لا تتضاعف: فالجهاز الثاني يمنح تسارعًا بنحو مرة ونصف لا مرتين. ويتوسّع Prefill بشكل أفضل من التوليد، ولذلك يفيد العنقود بصورة خاصة حين يعيد الوكيل قراءة قواعد شيفرة كبيرة مرارًا. وكان DeepSeek على جهازي Spark في المقال السابق يولّد 99–109 توكن في الثانية، أي أن Qwen في مستواه أو أعلى منه قليلًا، وهو متقدم عليه بوضوح في Prefill وTTFT.
ثمة تحفّظ. فقد عمل جهاز Spark الواحد بتكميم NVFP4 بأربع بتات، بينما عمل العنقود بتكميم INT4-AR. لذا فالمقارنة ليست دقيقة تمامًا، وهي تعطي فقط تصورًا عن حجم الفروق. ولا توجد قياسات لسياق 256K على جهاز Spark واحد.
ما المشكلة في GLM 5.3 Flash
المفارقة أن قراءة إجابات GLM أكثر راحة. فبحسب المؤلف، يخلط Qwen وDeepSeek أحيانًا بين نهايات الكلمات ويخترعان كلمات جديدة، مثل «echoшить»، أو يُدرجان أحرفًا صينية. أما GLM فيكتب بأسلوب متسق، وينقل بنود قائمة TODO بدقة على مستويي high وmax، ويتّبع المهارات والقوالب بدقة.
لكن لديه عادات مزعجة في العمل الوكيلي:
- 90% من مخرجات Bash هي تعليقات النموذج نفسه. فيتضخم السياق سريعًا، وتختفي كتل «Thinking» التي كانت في بداية الجلسة، لأن الاستدلال ينتقل إلى داخل الأوامر.
- الوقوع في حلقات تكرار. ففي المهمة الأولى أنشأ الوكيل 119 ملفًا من نوع /tmp/probe119.php. ولم يلاحظ المؤلف ذلك إلا لأن الإضافة التي كتبها تعرض استدعاءات الأدوات. ولو لم يكن يراقب، لربما نفدت مساحة القرص بحلول الصباح.
- الارتباك في أفعاله هو، حين يتجاوز السياق 130–150 ألف توكن. فيبدأ النموذج «تحقيقًا» لمعرفة من بدّل الفرع، ثم يتبيّن أن السكربت calibrate.sh الخاص به هو من فعل ذلك.
بعد ذلك أضاف المؤلف إلى AGENTS.md قاعدة: إذا أعطت ثلاث محاولات مختلفة النتيجة نفسها، فعلى الوكيل التوقف ومراجعة فرضيته دون تشغيل محاولة رابعة. والخلاصة العملية: يحتاج الوكيل المستقل إلى حدّ للأفعال المتكررة، وإلا استُنزفت التوكنات ومساحة القرص معًا.
الأدوات المحيطة بالنموذج
يعمل المؤلف عبر غلاف بسيط اسمه Pi داخل WSL، وكتب له إضافة لـ PhpStorm وبيئات JetBrains الأخرى. وخلال أسبوع أضاف ثلاث ميزات. الأولى إشعارات في Telegram حين ينهي الوكيل خطوة، أو يطلب إذنًا، أو يطرح سؤالًا. والثانية جلسات remote: يمكن التحكم بالوكيل من متصفح الهاتف. والثالثة أداة ask_question، وهي نظير AskUserQuestion في Claude Code، وتتيح إضافة ملاحظة إلى خيار الإجابة أو طلب شرح السؤال. وكتب DeepSeek وQwen الميزات الجديدة: ونادرًا ما نجح ذلك من المرة الأولى، لكن عمل كل شيء من المحاولة الثانية أو الثالثة.
والأثر العملي: يشغّل الوكيل اختبار أداء ليلًا بهدوء، ويمكن الرد على سؤاله في الخامسة صباحًا من الهاتف. وبلا حدود اشتراك، يعمل الوكيل المحلي على مدار الساعة، ويعترف المؤلف بأن اعتماده على الوكلاء ازداد فحسب.
من المهم تذكّر أن هذه تجربة مطوّر واحد على مشاريع شخصية، وليست اختبار أداء مستقلًّا. فقد عمل مع Qwen قليلًا، ولا توجد أرقام عن جودة الشيفرة. وفي الخطوة التالية يعد المؤلف بتجربة مستوى reasoning effort في البرمجة.
- 18 نوفمبر 2026نماذج LLM على VPS بلا بطاقة رسومية: نماذج 4B تصنّف الطلبات بدقة 90% خلال 3–5 ثوانٍ
- 18 نوفمبر 2026Bonsai 2 27B المضغوطة حققت 17 توكن/ث على بطاقة من 2017، مقابل 32 لـ Qwen3 8B
- 18 نوفمبر 2026تسريع نموذج لغوي على ESP32-S3 إلى 406 رموز/ث — أسرع بـ18 مرة
- 18 نوفمبر 2026بعد الأعطال، لا يتراجع وكلاء الذكاء الاصطناعي عن عملهم إلا في 47% من الحالات رغم حلّهم 84% من المهام
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول كيف جرى القياس وماذا كانت النتائج؟
عمل النموذجان على العتاد نفسه: جهازا DGX Spark ومحرك TensorFold وسياق يصل إلى مليون توكن. أما التكميم، أي درجة ضغط الأوزان، فمختلف: يستخدم GLM أربع بتات لكل وزن (صيغة EXL3)، ويستخدم Qwen صيغة INT4-AR. وعلى كل حجم سياق، من 2K إلى 256K توكن، أجرى المؤلف 10 قياسات. كانت الموجّهات فريدة وتحتوي على إضافة عشوائية، فلم يستفد النظام من ذاكرة البادئة المؤقتة. وبذلك يكون التحليل «باردًا» حقيقيًا يبدأ من الصفر. وسبق كل سلسلة قياسات طلب تسخين واحد.
ما أبرز التفاصيل حول ما المشكلة في GLM 5.3 Flash؟
المفارقة أن قراءة إجابات GLM أكثر راحة. فبحسب المؤلف، يخلط Qwen وDeepSeek أحيانًا بين نهايات الكلمات ويخترعان كلمات جديدة، مثل «echoшить»، أو يُدرجان أحرفًا صينية. أما GLM فيكتب بأسلوب متسق، وينقل بنود قائمة TODO بدقة على مستويي high وmax، ويتّبع المهارات والقوالب بدقة. لكن لديه عادات مزعجة في العمل الوكيلي: 90% من مخرجات Bash هي تعليقات النموذج نفسه. فيتضخم السياق سريعًا، وتختفي كتل «Thinking» التي كانت في بداية الجلسة، لأن الاستدلال ينتقل إلى داخل الأوامر. الوقوع في حلقات تكرار.
ما أبرز التفاصيل حول الأدوات المحيطة بالنموذج؟
يعمل المؤلف عبر غلاف بسيط اسمه Pi داخل WSL، وكتب له إضافة لـ PhpStorm وبيئات JetBrains الأخرى. وخلال أسبوع أضاف ثلاث ميزات. الأولى إشعارات في Telegram حين ينهي الوكيل خطوة، أو يطلب إذنًا، أو يطرح سؤالًا. والثانية جلسات remote: يمكن التحكم بالوكيل من متصفح الهاتف. والثالثة أداة ask_question، وهي نظير AskUserQuestion في Claude Code، وتتيح إضافة ملاحظة إلى خيار الإجابة أو طلب شرح السؤال. وكتب DeepSeek وQwen الميزات الجديدة: ونادرًا ما نجح ذلك من المرة الأولى، لكن عمل كل شيء من المحاولة الثانية أو الثالثة.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
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.