Nvidia تطلق Nemotron 3 Nano Omni: نموذج مفتوح متعدد الوسائط لوكلاء الحوسبة الطرفية

كشفت Nvidia في 28 أبريل 2026 عن Nemotron 3 Nano Omni، وهو نموذج مفتوح متعدد الوسائط صُمّم لوكلاء الذكاء الاصطناعي المستقلين على الأجهزة الطرفية. وهذا ليس مجرد إصدار جديد آخر لمنظومة CUDA: فالشركة تُظهر أنها تريد أن تربح لا من العتاد وحده، بل من النماذج نفسها أيضاً.

ما الذي يستطيع النموذج فعله

يجمع Nemotron 3 Nano Omni في بنية واحدة فهم النصوص والصور والصوت والفيديو. كما يستطيع التعامل مع المستندات والمخططات البيانية وواجهات المستخدم الرسومية، ويقدّم مخرجاته في صورة إجابة نصية. وبذلك لا تعرض Nvidia مجموعة من النماذج المنفصلة للرؤية والكلام والمستندات، بل محركاً واحداً مشتركاً للمهام التي يحتاج فيها الوكيل إلى رؤية الشاشة وقراءة ملف والاستماع إلى أمر صوتي والاستجابة في آن واحد، دون تأخيرات زائدة بين الخدمات.

الفكرة الأساسية أن النموذج كبير من حيث الحجم الإجمالي، لكنه خفيف نسبياً في التشغيل. يضم Nemotron 3 Nano Omni 30 مليار معامل، غير أن 3 مليارات فقط تُفعَّل في كل خطوة استدلال بفضل بنية mixture-of-experts. وتقول Nvidia إن هذا النهج يمنح زيادة تصل إلى تسعة أضعاف في الإنتاجية مقارنةً بنماذج مفتوحة متعددة الوسائط مماثلة، وإن النموذج يتصدّر ستة اختبارات معيارية (benchmarks) في التعامل مع المستندات والفيديو والصوت. وقد تدرّب الجزء النصي الأساسي على 25 تريليون رمز (token)، ويدعم نافذة سياق تصل إلى 256 ألف رمز.

يعتمد النموذج في بنيته الداخلية على مخطط هجين من Mamba وTransformer. ووفق وصف Nvidia، يجمع بين 23 طبقة Mamba-2 و23 طبقة mixture-of-experts وست طبقات grouped-query attention. ويُوجَّه كل رمز إلى ستة خبراء فقط من أصل 128، إضافةً إلى خبير مشترك، ولذلك لا تتضخّم الحسابات. وفي معالجة الفيديو تُستخدم التفافات ثلاثية الأبعاد تراعي الحركة بين الإطارات، بدل التعامل مع المقطع كمجموعة صور ثابتة. ويُفترض أن يجعل هذا الجانب الهندسي النموذج مناسباً لوكلاء الزمن الحقيقي على وحدة GPU واحدة.

• 30 مليار معامل في المجموع، منها 3 مليارات نشطة أثناء الاستدلال
• يمكن تشغيله على وحدة GPU واحدة، دون عنقود خوادم
• الاستخدام التجاري مسموح بموجب Nvidia Open Model Agreement
• النموذج متاح على Hugging Face وعبر Nvidia NIM
• تشمل المدخلات النصوص والصور والصوت والفيديو والمستندات وواجهات المستخدم الرسومية

لماذا تفعل Nvidia ذلك

خلال العامين الماضيين، كان مصدر نجاح Nvidia الأول هو دورها كمزوّد للبنية التحتية: وحدات GPU والشبكات وCUDA وكل البرمجيات المحيطة بها. لكن عائلة Nemotron تحوّلت بالفعل إلى اتجاه مستقل، والآن تتخذ الشركة خطوة أكثر جرأة، إذ تروّج لنموذجها الخاص بوصفه أساساً جاهزاً لوكلاء ذكاء اصطناعي صناعيين. والمنطق بسيط: إذا كان النموذج محسَّناً لعتاد Nvidia والعتاد محسَّناً لنموذج Nvidia، فإن الشركة تحصل على سيطرة على المنظومة بأكملها تقريباً، كما تفعل Google وAmazon وMicrosoft في منظوماتها السحابية.

ولهذا لا يُقدَّم الإصدار كاستعراض لقدرات مخبرية، بل كمنتج جاهز للتطبيق. وتذكر Nvidia بين المستخدمين الأوائل والشركاء كلاً من Foxconn وPalantir وAible وASI وEka Care وH Company، بينما تقيّم Dell وDocuSign وInfosys وOracle وZefr النموذج للاستخدام الإنتاجي. كما أن السيناريوهات المختارة ليست استهلاكية: الفحص البصري في المصانع، ومعالجة المستندات، والوكلاء الصوتيون، وفهم الشاشة لأنظمة computer-use. ويمكن نشر النموذج عبر Amazon SageMaker JumpStart وOpenRouter وvLLM وSGLang وOllama وllama.cpp وTensorRT-LLM، أي أن Nvidia تريد أن تجعله متاحاً في أي بيئة عمل مألوفة.

وإزاء المنافسين، تبدو هذه الرهانة دقيقة إلى حد بعيد. فلدى Google نماذج Gemini متعددة الوسائط ونسخة Gemini Nano العاملة على الجهاز، ولدى Meta* سلسلة Llama القوية، وتبقى OpenAI مرجعاً تجارياً بنماذج GPT. لكن Nvidia تحاول جمع توليفة نادرة من أربع خصائص معاً: تعدد الوسائط، والأوزان المفتوحة، والترخيص التجاري، والعمل على عتاد طرفي دون بنية سحابية ضخمة. وإذا نجح ذلك، فستتمكن الشركة من اقتناص القيمة على ثلاثة مستويات في آن واحد: العتاد وأدوات الاستدلال والنموذج نفسه.

ماذا يعني ذلك

يمثّل Nemotron 3 Nano Omni رهاناً على أن الموجة المقبلة من وكلاء الذكاء الاصطناعي لن تعمل في السحابة فحسب، بل محلياً أيضاً، أقرب إلى البيانات والكاميرات والميكروفونات وواجهات المؤسسات. وإذا أثبتت Nvidia الأرقام المعلنة في تطبيقات فعلية، فلن تكتفي بدور مورّد «المعاول» في طفرة الذكاء الاصطناعي، بل ستصبح من أقوى اللاعبين في سوق النماذج نفسها.

*Meta مصنّفة منظمة متطرفة ومحظورة في روسيا الاتحادية.