مركز Huawei Ascend يضيف 26 نسخة مرآة لنماذج مفتوحة خلال خمس ساعات
أضاف مركز Huawei Ascend Modelers خلال خمس ساعات يوم الخميس 26 عنصرًا جديدًا، ولا يوجد بينها أي نموذج رائد جديد. هذه نسخ مرآة وإعادة تعبئة لأوزان مفتوحة من Google DeepMind وTencent ARC وStability AI وMeta وAMD، كي يستغني المطورون عن Hugging Face. وأفيد هذه العناصر هو المشفّر SigLIP SO400M المخصص للبحث في الصور. حتى الآن يبقى المركز مستودعًا لنماذج الآخرين، لا إصدارات من Huawei نفسها.
معالج بواسطة الذكاء الاصطناعي من X: @AiChinaNews؛ بتحرير Hamidun News
شهد يوم الخميس ما يشبه الجرد الشامل في منظومة Huawei Ascend. فخلال خمس ساعات ظهر على مركزها Modelers ما مجموعه 26 عنصرًا، ولم يكن أي منها نموذجًا رائدًا جديدًا. معظمها نسخ مرآة وإعادة تعبئة لأوزان مفتوحة من Google DeepMind وTencent ARC وStability AI وMeta وAMD، إضافة إلى مجموعة من الإصدارات المضبوطة بالتدريب الإضافي. والمغزى واضح: ينبغي أن يحصل المطور العامل على شرائح Ascend على المجموعة المألوفة من النماذج المفتوحة دون أن يعتمد على Hugging Face. وبالنسبة إلى من يبنون منتجاتهم داخل المنظومة الصينية، فهذه إشارة إلى أن البديل المحلي يمتلئ بالمحتوى بسرعة.
ما الذي يمكن أن يدخل فعلًا في بيئة عملكم؟
أفيد العناصر هو في الوقت نفسه أكثرها شهرة: SigLIP SO400M (نقطة التحقق patch14-384) من Google DeepMind. بنيته ليست جديدة. إنه «العين» التي تعتمد عليها كثير من الأنظمة متعددة الوسائط: فهو يطابق بين الصور والنصوص، ولذلك يصلح للتصنيف دون تدريب إضافي، وللبحث عن الصور بالوصف، ولكل مهمة تتطلب فهم ما يظهر في اللقطة. والآن صار بالإمكان الحصول عليه داخل منظومة Ascend.
العنصر المفيد الثاني هو PIIP-LLaVA، وهو نموذج بحجم 7 مليارات معامل ينفذ التعليمات المتعلقة بالصور وفق مخطط LLaVA. بُني على المشفّرين ConvNeXt-L وCLIP-L. وهو متواضع إذا قورن بالعروض التجريبية الضخمة متعددة الوسائط، لكن النماذج من هذا النوع هي التي تصل غالبًا إلى بيئة الإنتاج.
ومن الخيارات المدمجة يبرز PVC-InternVL2-8B من OpenGVLab. وهو العنصر الوحيد الذي يختلف فعليًا عن النموذج الأساسي: فهو InternVL2 مدرَّبًا من جديد على الإدراك البصري، أي التعرف على النصوص في الصور وقراءة الرسوم البيانية والمستندات والاستدلال عبر عدة صور. وأوزانه بصيغة bf16 بترخيص MIT تتسع في مسرّع واحد. وللأجهزة الطرفية أضافت شركة Axera نسختين من Qwen: نسخة Omni بحجم 3B ونسخة 7B مجزأة إلى أجزاء. أما المركز نفسه فنشر نموذجي Qwen صغيرين بحجم 1,7B و0,5B.
المحوّلات وإعادة التعبئة والحشو الصريح
أكثر ما أثار الضجة وأقله جدة هو محوّلات T2I-Adapter من Tencent ARC الخاصة بـ Stable Diffusion XL، وهي سبعة عناصر منفصلة. ومنها محوّل العمق المبني على ZoeDepth، وصيغة ثانية للعمق مبنية على MiDaS (نحو 779 مليون معامل)، ومحوّلات الحواف Canny والرسم التخطيطي والرسم الخطي وOpenPose. هذه أوزان إضافية خفيفة تمنح SDXL تحكمًا في تكوين اللقطة دون الحاجة إلى ControlNet الكامل، وبالصيغة القياسية في diffusers. هندسيًا هذا جيد، لكن طريقة العرض غريبة: فقد نُشر Canny مرتين في يوم واحد، وقُدّم كل متغير على أنه إطلاق مستقل.
ومن بين إعادة تعبئة نماذج الآخرين نسختان من DeepSeek-R1-Distill-Llama-8B لمعالجات AMD Ryzen AI: حزمة ONNX لوحدة NPU، ونسخة هجينة تجمع NPU مع الرسوميات المدمجة لأدوات Ryzen AI 1.7.1، وكلتاهما بترخيص MIT. وهما تتيحان تشغيل نموذج استدلالي بصورة خاصة ودون اتصال على حواسيب Windows المحمولة العادية بلا بطاقة رسوميات منفصلة. وتضم القائمة أيضًا مكبّرًا بمعامل x4 قائمًا على الانتشار من Stability AI، ومحوّل هوية الوجه InstantID الخاص بـ SDXL، وLoRA خفيفة للرسوم التخطيطية على FLUX.
أما الباقي فهو الجزء الأقل إقناعًا. نقطتا تحقق من OpenO1 SFT (مشروع مجتمعي بترخيص Apache 2.0، بما فيها v3.1) تحاولان محاكاة نموذج الاستدلال o1، لكن بحسب وصف القائمة نفسها تحتاج بطاقة النموذج إلى استكمال. والترخيص الحر لا يثبت الجودة. وحصلت عائلة OpenCodeReasoning على عنصرين خلال عشرين دقيقة من أجل مجموعة ضئيلة من أمثلة الاستدلال البرمجي (ترخيص Apache 2.0). ويَعِد النموذج المسودة بتسريع توليد الشيفرة بمقدار 2–4 مرات، لكن العنوان نفسه لا يتضمن ما يثبت ذلك. أما Llama 2 7B الذي أصدرته Meta قبل ثلاث سنوات فقد قُدّم في نوفمبر 2026 على أنه إصدار جديد. ويختم النافذة FlanFred، وهو نموذج غامض مضبوط على التعليمات دون وصف مفهوم.
ماذا يعني ذلك؟
الاستنتاج الرئيسي لا يتعلق بنموذج بعينه بل بالوتيرة. فـ Huawei تعمل على جعل Hugging Face غير ضروري لمطوريها، وبهذه السرعة سينجح ذلك. والقيد واضح: حتى الآن يخزّن المركز في معظمه أعمال الآخرين ولا ينشر أعماله. عمليًا يستحق النظر في SigLIP وPVC-InternVL2-8B ونسخ Ryzen AI إذا كنتم بحاجة إلى تعدد الوسائط أو الاستدلال دون اتصال. أما الباقي فهو فهرس يمتلئ حتى الآن أسرع مما يكتسب معنى. والتحول الحقيقي سيكون حين يظهر على Modelers أول نموذج من Huawei نفسها، لا نسخة مرآة أخرى.
- 21 نوفمبر 2026كاليفورنيا تقاضي OpenAI بسبب وكلاء ذكاء اصطناعي اخترقوا Hugging Face: غرامة 2500 دولار عن كل مخالفة
- 21 نوفمبر 2026Anthropic تدخل البورصة بتقييم 1.4 تريليون دولار، والمؤسسون السبعة يحتفظون بـ50.1% من الأصوات
- 21 نوفمبر 2026ذكاء اصطناعي طبي غاني بلا ضوابط حماية صمّم 1 020 بروتينًا و5 000 جزيء سام
- 21 نوفمبر 2026Apple تعدّ نظارات ذكية بلا شاشة: مساعد قائم على Siri يرى عبر الكاميرا، والإطلاق في 2027
أسئلة وأجوبة حول الخبر
ما الذي يمكن أن يدخل فعلًا في بيئة عملكم؟
أفيد العناصر هو في الوقت نفسه أكثرها شهرة: SigLIP SO400M (نقطة التحقق patch14-384) من Google DeepMind. بنيته ليست جديدة. إنه «العين» التي تعتمد عليها كثير من الأنظمة متعددة الوسائط: فهو يطابق بين الصور والنصوص، ولذلك يصلح للتصنيف دون تدريب إضافي، وللبحث عن الصور بالوصف، ولكل مهمة تتطلب فهم ما يظهر في اللقطة. والآن صار بالإمكان الحصول عليه داخل منظومة Ascend. العنصر المفيد الثاني هو PIIP-LLaVA، وهو نموذج بحجم 7 مليارات معامل ينفذ التعليمات المتعلقة بالصور وفق مخطط LLaVA. بُني على المشفّرين ConvNeXt-L وCLIP-L.
ماذا يعني ذلك؟
الاستنتاج الرئيسي لا يتعلق بنموذج بعينه بل بالوتيرة. فـ Huawei تعمل على جعل Hugging Face غير ضروري لمطوريها، وبهذه السرعة سينجح ذلك. والقيد واضح: حتى الآن يخزّن المركز في معظمه أعمال الآخرين ولا ينشر أعماله. عمليًا يستحق النظر في SigLIP وPVC-InternVL2-8B ونسخ Ryzen AI إذا كنتم بحاجة إلى تعدد الوسائط أو الاستدلال دون اتصال. أما الباقي فهو فهرس يمتلئ حتى الآن أسرع مما يكتسب معنى. والتحول الحقيقي سيكون حين يظهر على Modelers أول نموذج من Huawei نفسها، لا نسخة مرآة أخرى.
ما أبرز التفاصيل حول المحوّلات وإعادة التعبئة والحشو الصريح؟
أكثر ما أثار الضجة وأقله جدة هو محوّلات T2I-Adapter من Tencent ARC الخاصة بـ Stable Diffusion XL، وهي سبعة عناصر منفصلة. ومنها محوّل العمق المبني على ZoeDepth، وصيغة ثانية للعمق مبنية على MiDaS (نحو 779 مليون معامل)، ومحوّلات الحواف Canny والرسم التخطيطي والرسم الخطي وOpenPose. هذه أوزان إضافية خفيفة تمنح SDXL تحكمًا في تكوين اللقطة دون الحاجة إلى ControlNet الكامل، وبالصيغة القياسية في diffusers. هندسيًا هذا جيد، لكن طريقة العرض غريبة: فقد نُشر Canny مرتين في يوم واحد، وقُدّم كل متغير على أنه إطلاق مستقل.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
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.