نموذج Inkling 2 Mini المفتوح بذاكرة 16 غيغابايت يلحق بـ Qwen3.8-27B في تصنيف مستقل
أصدرت Thinking Machines النموذج المفتوح Inkling 2 Mini، وهو يعمل على حاسوب محمول بذاكرة 16 غيغابايت، وقد تساوى في تصنيف Artificial Analysis المستقل مع Qwen3.8-27B. يمرّر النموذج 12 طبقة وسطى من أصل 24 ثلاث مرات، على غرار محرر يعيد قراءة النص: 48 مرورًا مقابل 24 طبقة مخزَّنة فقط. فضلًا عن ذلك، لا يعمل لكل كلمة سوى 5,4 مليار معامل من أصل 26,4 مليار. وبالنسبة إلى المساعدات المحلية، قد يتيح ذلك الاستغناء عن بطاقة رسوميات باهظة الثمن. نشرت Unsloth بالفعل إصدارات GGUF للتشغيل المحلي، لكن سياق المليون رمز غير واقعي على ذاكرة 16 غيغابايت، كما يتطلب llama.cpp حاليًا بناءً خاصًا يدعم الطبقات المكرَّرة.
معالج بواسطة الذكاء الاصطناعي من X: @TeksEdge؛ بتحرير Hamidun News
عادةً ما يعني النموذج القوي ذاكرة كبيرة: كلما زاد ذكاء الشبكة العصبية، زاد عدد الأوزان التي ينبغي الاحتفاظ بها في بطاقة الرسوميات أو في الذاكرة العشوائية، ويبقى التشغيل المحلي على حاسوب محمول حلمًا بعيد المنال. أصدرت شركة Thinking Machines الأمريكية نموذجًا مفتوحًا باسم Inkling 2 Mini يحاول كسر هذه القاعدة. وبحسب منشور للمعلّق @TeksEdge، تساوى النموذج في مؤشر Artificial Analysis Intelligence Index (وهو تصنيف مستقل مجمَّع تُقارَن فيه النماذج عبر مجموعة من الاختبارات) مع Qwen3.8-27B، وهو نموذج كثيف بـ 27 مليار معامل من عائلة Qwen. ومع ذلك يعمل Inkling 2 Mini على جهاز بذاكرة 16 غيغابايت.
كيف تتحول 24 طبقة إلى 48
يضم Inkling 2 Mini 24 طبقة محوِّل (Transformer) فقط. لكن المطوّرين لم يزيدوا عدد الطبقات، بل كرّروا الجزء الأوسط: يمرّر النموذج 12 طبقة وسطى ثلاث مرات متتالية لكل رمز (الرمز هو قطعة من كلمة). والنتيجة 48 تنفيذًا للطبقات مقابل 24 طبقة مخزَّنة فعليًا.
والتشبيه المبسّط: بدل ثلاثة محررين، يعيد المحرر نفسه قراءة النص ثلاث مرات ويحسّن التعديل في كل مرة. تزيد الحسابات المطلوبة، لكن «الطاقم»، أي مجموعة الأوزان، يبقى صغيرًا. وهذا مهم للتشغيل المحلي لأن عنق الزجاجة عادةً هو الذاكرة، لا زمن المرور الواحد.
أما الجزء الثاني من التوفير فهو بنية مزيج الخبراء (Mixture of Experts، أو MoE): يتألف النموذج من «خبراء» كثيرين، ولا يُفعَّل لكل رمز سوى جزء منهم. يبلغ إجمالي معاملات Inkling 2 Mini نحو 26,4 مليار، لكن النشط منها 5,4 مليار فقط. وهذا أقل بنحو خمسة أضعاف مما في Qwen3.8-27B الكثيف الذي تعمل فيه كل المعاملات الـ 27 مليارًا. وقلة الأوزان النشطة تعني توليدًا أسرع وحملًا أخف على العتاد.
ماذا عن الأرقام والتشغيل
يذكر المنشور أن Qwen3.8-27B حصل في Artificial Analysis Intelligence Index v5 على 20,1، بينما أورد لـ Inkling 2 Mini القيمتين 48,2% و77,9%، مع أن عناوين هاتين القيمتين في المنشور مختلطة. لكن المنشور يذكر أمرًا مهمًا: مؤشر Artificial Analysis جرى تقييمه بصورة مستقلة، أما نتائج البرمجة فمأخوذة من اختبارات نشرتها Thinking Machines نفسها. والأفضل مطابقة الدرجات الدقيقة على موقع Artificial Analysis وفي بطاقة النموذج، واختبار ادعاءات الشركة بشأن الشيفرة البرمجية على مهامكم الخاصة.
أما من ناحية التشغيل العملي، فالصورة كما يلي:
- الأوزان مفتوحة، لذا يمكن تشغيل النموذج محليًا وإعادة تدريبه.
- أصدرت Unsloth بالفعل إصدارات GGUF، بما فيها إصدار بتكميم مضغوط للأنظمة ذات ذاكرة 16 غيغابايت.
- أجهزة Mac بذاكرة 32 غيغابايت فأكثر مدعومة عبر Ollama.
- عرضت Thinking Machines كيف يبني النموذج، بالكامل دون اتصال بالإنترنت على MacBook Pro، محاكي طيران قابلًا للعب.
القيود
أولًا: سياق المليون رمز المعلن غير واقعي على ذاكرة 16 غيغابايت. فذاكرة التخزين المؤقت للسياق الطويل تستهلك الذاكرة بسرعة، ولذلك سيضطر المستخدم على العتاد المتواضع إلى العمل بنوافذ سياق أقصر بكثير.
ثانيًا: لا يزال llama.cpp يتطلب حاليًا بناءً مستقلًا يدعم الطبقات المكرَّرة. فالإصدار العادي لا يتعامل مع هذه البنية، وفي البداية سيتطلب التشغيل عناء التجميع البرمجي أو انتظار إضافة الدعم إلى الفرع الرئيسي.
ثالثًا: المقارنة بالمؤشر المجمَّع لا تضمن التفوق في مهمتكم أنتم. فقد تظهر صورة مختلفة في السيناريوهات الوكيلية (agentic)، وفي العمل باللغة الروسية، وفي سلاسل استدعاء الأدوات الطويلة.
ما العمل بهذا الإصدار
إذا كنتم تبنون مساعدات محلية أو أدوات برمجية تعمل دون اتصال أو مسارات معالجة خاصة، فالإصدار مثير للاهتمام لسببين. أولًا، يقدّم بديلًا عمليًا عن الزيادة البسيطة في عدد المعاملات: فإعادة استخدام الطبقات تمنح قدرًا أكبر من «التفكير» دون زيادة الأوزان. وثانيًا، هو نموذج أمريكي مفتوح قوي في ظل هيمنة عائلتي Qwen وDeepSeek الصينيتين على القطاع المحلي.
ونصيحة عملية: إذا كان لديكم حاسوب محمول بذاكرة 16–32 غيغابايت، فنزّلوا إصدار GGUF من Unsloth، وابنوا llama.cpp بالدعم المطلوب، وجرّبوا النموذج على مهامكم إلى جانب Qwen. ويجدر أن يستند القرار إلى اختباراتكم الخاصة لسرعة التوليد وجودة الشيفرة والاستقرار على سياقكم، لا إلى التصنيف.
- 21 نوفمبر 2026Apple تعدّ وكيل ذكاء اصطناعي وتصعّب الوصول على الوكلاء الآخرين: الإذن الآن في 14 خطوة بدلًا من 4
- 21 نوفمبر 2026لم يعد المبرمج منسّقًا لوكلاء الذكاء الاصطناعي: Multica يتولى روتين التسليم بينهم
- 21 نوفمبر 2026مطوّر يستغني عن Pinecone: بحث في 72 450 مقطعًا برمجيًا خلال 50 مللي ثانية
- 21 نوفمبر 2026ثمانية أدوات مفتوحة المصدر لوكلاء الذكاء الاصطناعي: Browser Use في الصدارة بـ121 ألف نجمة
أسئلة وأجوبة حول الخبر
ما أبرز التفاصيل حول كيف تتحول 24 طبقة إلى 48؟
يضم Inkling 2 Mini 24 طبقة محوِّل (Transformer) فقط. لكن المطوّرين لم يزيدوا عدد الطبقات، بل كرّروا الجزء الأوسط: يمرّر النموذج 12 طبقة وسطى ثلاث مرات متتالية لكل رمز (الرمز هو قطعة من كلمة). والنتيجة 48 تنفيذًا للطبقات مقابل 24 طبقة مخزَّنة فعليًا. والتشبيه المبسّط: بدل ثلاثة محررين، يعيد المحرر نفسه قراءة النص ثلاث مرات ويحسّن التعديل في كل مرة. تزيد الحسابات المطلوبة، لكن «الطاقم»، أي مجموعة الأوزان، يبقى صغيرًا. وهذا مهم للتشغيل المحلي لأن عنق الزجاجة عادةً هو الذاكرة، لا زمن المرور الواحد.
ما أبرز التفاصيل حول ماذا عن الأرقام والتشغيل؟
يذكر المنشور أن Qwen3.8-27B حصل في Artificial Analysis Intelligence Index v5 على 20,1، بينما أورد لـ Inkling 2 Mini القيمتين 48,2% و77,9%، مع أن عناوين هاتين القيمتين في المنشور مختلطة. لكن المنشور يذكر أمرًا مهمًا: مؤشر Artificial Analysis جرى تقييمه بصورة مستقلة، أما نتائج البرمجة فمأخوذة من اختبارات نشرتها Thinking Machines نفسها. والأفضل مطابقة الدرجات الدقيقة على موقع Artificial Analysis وفي بطاقة النموذج، واختبار ادعاءات الشركة بشأن الشيفرة البرمجية على مهامكم الخاصة.
ما أبرز التفاصيل حول القيود؟
أولًا: سياق المليون رمز المعلن غير واقعي على ذاكرة 16 غيغابايت. فذاكرة التخزين المؤقت للسياق الطويل تستهلك الذاكرة بسرعة، ولذلك سيضطر المستخدم على العتاد المتواضع إلى العمل بنوافذ سياق أقصر بكثير. ثانيًا: لا يزال llama.cpp يتطلب حاليًا بناءً مستقلًا يدعم الطبقات المكرَّرة. فالإصدار العادي لا يتعامل مع هذه البنية، وفي البداية سيتطلب التشغيل عناء التجميع البرمجي أو انتظار إضافة الدعم إلى الفرع الرئيسي. ثالثًا: المقارنة بالمؤشر المجمَّع لا تضمن التفوق في مهمتكم أنتم.
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.