ورشة مجانية 21–22.11ورشة مجانية لمدة يومين في Vibecoding يومي 21–22 نوفمبر الساعة 16:00 بتوقيت موسكو · الدفعة 3 تبدأ 23.11سجّل مجاناً ←الدفعة 3 (23.11)
إصدارتحليل · على الرادارArtificial Analysis→ المصدر

نموذج Inkling 2 Mini المفتوح أرخص 6 مرات من Qwen3.8 27B: 0.59 دولار مقابل 3.53 دولار للمهمة الواحدة

أطلقت Thinking Machines نموذج Inkling 2 Mini المفتوح. تكلّف مهمة الاختبار من مؤشر Artificial Analysis معه 0.59 دولار، بينما تكلّف 3.53 دولار مع Qwen3.8 27B الذي يحقق النتيجة نفسها، أي 20 نقطة، وهذا يعني أنه أغلى بـ6 مرات. يكمن السر في التكرار: يمرّر النموذج 12 من أصل 24 طبقة ثلاث مرات، كما يعيد محرر قراءة النص الواحد ثلاث مرات، دون الحاجة إلى أوزان جديدة. لذلك يعمل النموذج على MacBook. وبالنسبة إلى الوكلاء المحليين، يمثّل هذا مرجعًا جديدًا في السعر.

معالج بواسطة الذكاء الاصطناعي من Artificial Analysis؛ بتحرير Hamidun News
نموذج Inkling 2 Mini المفتوح أرخص 6 مرات من Qwen3.8 27B: 0.59 دولار مقابل 3.53 دولار للمهمة الواحدة
المصدر: Artificial Analysis. كولاج: Hamidun News.
استمع للمقال
بطاقة الحقائق والأرقام
المعيارالتفاصيل
المصدر الأصليArtificial Analysis ↗
رئيس التحرير
المهمة0.59 دولار و9 دقائق مقابل 3.53 دولار و38 دقيقة مع Qwen3.8 27B
حقيقة رئيسية #226B معامل في المجموع، 5.4B منها نشطة؛ سياق بحجم مليون توكن
حقيقة رئيسية #3يكتب توكنات أكثر بنسبة 38%، لكنه يستهلك حسابات أقل بـ2.8 مرة

تعني كلمة «صغير» في الغالب أن النموذج يقدّم تنازلًا: هو أسرع وأرخص، لكنه أقل ذكاءً بوضوح. تحاول Thinking Machines الالتفاف على هذه القاعدة. فنموذجها المفتوح الجديد Inkling 2 Mini يحل مهمة واحدة من اختبار Artificial Analysis المستقل بتكلفة 0.59 دولار وخلال 9 دقائق. أما نموذج Qwen3.8 27B، وبالنتيجة نفسها البالغة 20 نقطة من مؤشر الذكاء، فتكلّفه المهمة ذاتها 3.53 دولار و38 دقيقة. أي أنه أغلى بنحو 6 مرات وأبطأ بنحو 4 مرات. ومؤشر الذكاء من Artificial Analysis هو تقييم مجمّع لمجموعة من المهام في الاستدلال والبرمجة والتعامل مع المعرفة: كلما ارتفعت النقاط، كان النموذج أقوى.

كيف يحقق Inkling هذا التوفير؟ إنه يعيد تمرير جزء من طبقاته عدة مرات بدل تضخيم عدد المعاملات.

كيف يعمل النموذج

Inkling 2 Mini هو نموذج mixture-of-experts: يضم 26 مليار معامل في المجموع، لكن جزءًا فقط من الخبراء يعمل مع كل توكن. أما المعاملات النشطة فعددها 5.4 مليار. وهذا الرقم يشمل أصلًا المرور ثلاث مرات عبر الطبقات «المكرَّرة». ويبلغ عدد الأوزان الفريدة المستخدمة لكل توكن نصي 3.1 مليار.

فكرة looped transformer («المحوّل المتكرر») أبسط مما يوحي به اسمها. تخيّل أنه بدل ثلاثة محررين مختلفين، يعيد المحرر نفسه قراءة النص ثلاث مرات، فيلاحظ في كل مرة شيئًا جديدًا. في النموذج، تُنفَّذ 12 طبقة من أصل 24 ثلاث مرات لكل توكن. تزداد الحسابات، لكن الذاكرة المخصصة للأوزان لا تزداد. ولهذا، بحسب بيانات Artificial Analysis، فإن النموذج صغير بما يكفي ليعمل على MacBook أو DGX Spark.

الترخيص هو Apache 2.0: يمكن استخدام النموذج بحرية في المنتجات التجارية وتعديله حسب الحاجة. ويقبل النموذج النصوص والصور، ونافذة السياق مليون توكن.

أرقام من الاختبار المستقل

حصل Inkling 2 Mini في Intelligence Index على 20 نقطة. وهي النتيجة نفسها لـQwen3.8 27B (وضع xhigh) ولـNanbeige4.3-33B. لكن عدد المعاملات النشطة في Inkling أقل بنحو 5 و6 مرات على التوالي. وعلى رسم «الذكاء مقابل الحجم» يقع النموذج على حدّ Pareto: لا يوجد نموذج آخر يقدّم ذكاءً أعلى بالحجم نفسه. وهذا صحيح بالنسبة إلى العدد الإجمالي للمعاملات وإلى المعاملات النشطة معًا.

وهناك الوجه الآخر للعملة. فعلى كل مهمة من المؤشر، يكتب Inkling في المتوسط نحو 152 ألف توكن في المخرجات. أما Qwen3.8 27B فيكتب نحو 110 آلاف، أي أن Inkling يُنتج أكثر بنحو 38%. وNanbeige4.3-33B يكتب نحو 158 ألفًا. فالمرور المتكرر عبر الطبقات يزيد الحسابات، لكنه لا يزيد التوكنات في الإجابة. النموذج ببساطة يستدل بإسهاب نسبي.

ومع ذلك، وفق مقياس الحسابات التقريبي (المعاملات النشطة مضروبة في عدد التوكنات)، يستهلك النموذج أقل بنحو 2.8 مرة من Qwen3.8 27B، وأقل بـ5 مرات من Nanbeige4.3-33B.

وقد حُسبت التكلفة وفق قائمة أسعار Thinking Machines نفسها: 0.15 دولار لكل مليون توكن إدخال، و0.50 دولار لكل مليون توكن إخراج، و0.015 دولار لكل مليون توكن موجود في الذاكرة المؤقتة.

ماذا نفعل بهذا

نبدأ بالتحفظات. نتيجة 20 نقطة ليست بمستوى النماذج الرائدة. فنموذج GPT-6 Luna (max) المغلق يحقق 28 نقطة وتكلّفه المهمة 0.15 دولار، أي أنه عبر API أرخص وأقوى في آن واحد. يتفوق Inkling 2 Mini أولًا وقبل كل شيء بين النماذج المفتوحة التي يمكن نشرها على أجهزتك.

من سيستفيد منه:

  • الفرق التي تحتاج نموذجًا محليًا بسبب خصوصية البيانات أو العمل دون إنترنت؛
  • مطورو الوكلاء ذوو الدورات الطويلة، حيث يهم سعر التوكن وزمن الاستجابة؛
  • من يريدون إعادة تدريب النموذج بفضل ترخيص Apache 2.0.

إذا كنت تشغّل حاليًا نموذجًا بحجم 27–33B على أجهزتك، فجرّب Inkling 2 Mini على مهامك الخاصة. وراقب طول الإجابات تحديدًا. فالـ38% الزائدة من التوكنات تلتهم جزءًا من المكسب إذا كنت تدفع مقابل الإخراج. أما أسلوب إعادة تمرير الطبقات نفسه فيبدو وسيلة عملية لرفع الجودة دون زيادة في الذاكرة. ويستحق الأمر المتابعة لمعرفة ما إذا كانت مختبرات أخرى ستتبنّاه.

القصة

أسئلة وأجوبة حول الخبر

ما أبرز التفاصيل حول كيف يعمل النموذج؟

Inkling 2 Mini هو نموذج mixture-of-experts: يضم 26 مليار معامل في المجموع، لكن جزءًا فقط من الخبراء يعمل مع كل توكن. أما المعاملات النشطة فعددها 5.4 مليار. وهذا الرقم يشمل أصلًا المرور ثلاث مرات عبر الطبقات «المكرَّرة». ويبلغ عدد الأوزان الفريدة المستخدمة لكل توكن نصي 3.1 مليار. فكرة looped transformer («المحوّل المتكرر») أبسط مما يوحي به اسمها. تخيّل أنه بدل ثلاثة محررين مختلفين، يعيد المحرر نفسه قراءة النص ثلاث مرات، فيلاحظ في كل مرة شيئًا جديدًا. في النموذج، تُنفَّذ 12 طبقة من أصل 24 ثلاث مرات لكل توكن.

ما أبرز التفاصيل حول أرقام من الاختبار المستقل؟

حصل Inkling 2 Mini في Intelligence Index على 20 نقطة. وهي النتيجة نفسها لـQwen3.8 27B (وضع xhigh) ولـNanbeige4.3-33B. لكن عدد المعاملات النشطة في Inkling أقل بنحو 5 و6 مرات على التوالي. وعلى رسم «الذكاء مقابل الحجم» يقع النموذج على حدّ Pareto: لا يوجد نموذج آخر يقدّم ذكاءً أعلى بالحجم نفسه. وهذا صحيح بالنسبة إلى العدد الإجمالي للمعاملات وإلى المعاملات النشطة معًا. وهناك الوجه الآخر للعملة. فعلى كل مهمة من المؤشر، يكتب Inkling في المتوسط نحو 152 ألف توكن في المخرجات.

ما أبرز التفاصيل حول ماذا نفعل بهذا؟

نبدأ بالتحفظات. نتيجة 20 نقطة ليست بمستوى النماذج الرائدة. فنموذج GPT-6 Luna (max) المغلق يحقق 28 نقطة وتكلّفه المهمة 0.15 دولار، أي أنه عبر API أرخص وأقوى في آن واحد. يتفوق Inkling 2 Mini أولًا وقبل كل شيء بين النماذج المفتوحة التي يمكن نشرها على أجهزتك. من سيستفيد منه: الفرق التي تحتاج نموذجًا محليًا بسبب خصوصية البيانات أو العمل دون إنترنت؛ مطورو الوكلاء ذوو الدورات الطويلة، حيث يهم سعر التوكن وزمن الاستجابة؛ من يريدون إعادة تدريب النموذج بفضل ترخيص Apache 2.0.

ZK
جمال حميدون — مدير المنتجات في Alpina Digital ومدير منتج AlpinaGPT. يبني منتجات الذكاء الاصطناعي منذ 2019. بدأ Hamidun News كمشروع شخصي ثم أصبح مُجمِّعًا إنتاجيًا بأكثر من 6000 قارئ.
✦ Unified AI Workspace · Nomad

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.

Try Nomad AI →Launch Nomad Agent
ما رأيك؟
جارٍ تحميل التعليقات…