علي بابا تفتح المصدر لنموذج متعدد الوسائط بحجم 30B: 3 مليارات معامل نشط، تتحدى GPT-5-Mini وجهاً لوجه

في 4 أكتوبر، أصدر فريق تونغي تشيان ون (Qwen) في علي كلاود دفعة واحدة نسختي Instruct وThinking من Qwen3-VL-30B-A3B، مع أوزان مكمَّمة بصيغة FP8، وأطلق في الجلسة نفسها النسخة الأكبر Qwen3-VL-235B-A22B بصيغة FP8. النتائج الرسمية مباشرة: في الاستدلال في مجالات STEM، والإجابة على الأسئلة البصرية، والتعرف الضوئي على الحروف (OCR)، وفهم الفيديو، ومهام الوكلاء (Agent)، ينافس النموذج GPT-5-Mini وClaude 4-Sonnet، بل يتفوق عليهما في بعض البنود.

لكن ما يستحق التوقف حقاً هو ذلك اللاحق A3B في الاسم.

هيكل بحجم 30B وشهية بـ3B

يبلغ إجمالي عدد معاملات Qwen3-VL-30B-A3B نحو 30 ملياراً، لكن ما يشارك فعلياً في الحساب عند كل استدلال لا يزيد على نحو 3 مليارات. هذا هو معمار «الخبراء المختلطون» (MoE) النموذجي: يجهّز النموذج داخلياً عدداً كبيراً من الخبراء، وعند معالجة كل رمز (token) يختار فقط مجموعة صغيرة من الأنسب للقيام بالعمل، ويترك الباقي دون حركة.

تصوّره كشركة يصبح الأمر أوضح. الشركة تضم ثلاثين ألف موظف، لكن كل مشروع محدد لا يستدعي سوى ثلاثة آلاف من الخبراء المناسبين، بينما يبقى الباقون في وضع الاستعداد. قدرة الشركة الاحتياطية بمستوى ثلاثين ألف شخص، بينما تكلفة الموارد البشرية لمشروع واحد تقترب من ثلاثة آلاف.

الفوائد التي يمنحها هذا البنيان عملية جداً. فاستهلاك ذاكرة العرض وسرعة الاستدلال أقرب إلى نموذج كثيف أصغر بكثير من 30B، في حين يبقى سقف القدرات محتفظاً بأساس بمستوى 30B. وبالنسبة للفرق التي تحتاج إلى تشغيل قدرات متعددة الوسائط محلياً أو في بيئة خاصة، فهذه بالتحديد هي التوليفة التي كان أصعب من تحقيقها خلال السنوات الماضية: أداء ينافس الطرازات الرائدة مغلقة المصدر، دون اشتراط بطاقة مكدسة بذاكرة العرض.

لماذا صدرت النتائج في هذه الاتجاهات الخمسة تحديداً

الاتجاهات التي اختارتها الجهة الرسمية للمقارنة هي بالضبط الساحات الأكثر كثافة في تطبيق تقنيات تعدد الوسائط على أرض الواقع.

فالتعرف الضوئي على الحروف (OCR) حاجة أساسية في رقمنة المستندات والتعرف على الفواتير واستخراج النصوص من لقطات الشاشة. وفهم الفيديو هو مدخل إنتاج المحتوى في عصر الفيديوهات القصيرة: من يستطيع فهم الفيديو يستطيع تحويله إلى مادة قابلة للبحث والتحرير. أما الوكلاء (Agent) فهم ما يجعل النموذج لا يكتفي بالفهم بل يمدّ يده إلى التنفيذ، وهو الخط الرئيسي الذي يراهن عليه الجميع تقريباً في القطاع هذا العام. وSTEM وVQA هما تذكرة الدخول إلى مجالات عالية القيمة مثل التعليم والبحث العلمي وفحص الجودة الصناعي.

نموذج لا تتجاوز معاملاته النشطة 3 مليارات، قادر على مصارعة الطرازات الرائدة مغلقة المصدر في هذه الخطوط، وهذه الحقيقة بحد ذاتها ذات دلالة أكبر من أي نتيجة بند منفرد. فهي تقول إن كثافة القدرة ما زالت تُضغط من جديد: النتيجة نفسها تحتاج الآن إلى قدرة حسابية أقل؛ أو بعبارة أخرى، القوة الحسابية نفسها صارت تشتري قدرات أكبر.

ورقة المصدر المفتوح، رهانها على كلفة النشر

لم تُطلق تونغي هذه المرة نسخة واحدة فقط. فـ Instruct موجّه للمتابعة العادية للأوامر والأسئلة والأجوبة، وThinking يسلك مسار الاستدلال «التفكير قبل الإجابة»، أما أوزان FP8 فهي مُعدّة لمن يريد أن يحشر النموذج بكامله داخل ذاكرة عرض محدودة.

إطلاق النسخ الثلاث معاً يشير إلى الشيء نفسه: نقل تعدد الوسائط من «استدعاء API سحابي» إلى «قابل للنشر الذاتي». فبمجرد أن تصبح الأوزان قابلة للتنزيل والتكميم والتشغيل على خادم خاص، يتغيّر منطق الشراء. كانت المؤسسات تحسب كم تكلفة كل مليون رمز، والآن أصبح أمامها خيار إضافي: كم تبلغ تكلفة بطاقات الرسوميات الخاصة بها موزّعة على كل مليون رمز. وبالنسبة للفرق ذات الاستخدام الكثيف، تكون حسابات الخيار الثاني غالباً أوفر، مع ضمان ألا تخرج البيانات من الشبكة الداخلية.

وهذا أيضاً هو الاتجاه الهجومي الأكثر ثباتاً للنماذج الصينية مفتوحة المصدر خلال العام الماضي. فلم يعد التنافس على من يملك معاملات أكثر أو مركزاً أعلى في قوائم التصنيف، بل على من يستطيع أن يُمكّن مزيداً من الناس من استخدام النموذج بعتبة أدنى. وعندما تُضغط الفجوة في القدرات إلى نطاق مقبول، يصبح السعر والتوافر هما عامل الحسم الحقيقي.

الوجه الآخر للمصدر المفتوح

إتاحة الأوزان للعموم تعني أن أي شخص يستطيع تنزيلها وضبطها بدقة وتوزيعها من جديد. الفائدة أن المنظومة تتوسّع بسرعة كبيرة، إذ تنبت في المجتمع سريعاً نسخ مكمَّمة، ونسخ معدَّلة لمجالات معينة، ونسخ مهيّأة لأجهزة الحوسبة الطرفية. أما الخطر فواضح هو الآخر: فبمجرد أن يغادر النموذج مجال رؤية الجهة المطوّرة، يصبح من المستحيل تقريباً عليها أن تتحكم في أين يُستخدم وكيف.

وبالنسبة للمطوّرين، فإن هذا يضع حق الاختيار في أيديهم. عليك أن تعرف حدودك التنظيمية بدقة، وأن تعرف ما إذا كان مسموحاً للبيانات بالخروج من البلد، وأن تعرف شروط ترخيص إعادة التوزيع. المصدر المفتوح يسلّمك الأداة، ويسلّمك المسؤولية في الوقت نفسه.

ما الذي نراقبه بعد ذلك

المقارنة في هذه الاتجاهات الخمسة ليست سوى نقطة البداية. فما يحدد فعلاً قدرة نموذج متعدد الوسائط على الصمود في بيئة الإنتاج نادراً ما يكون نتيجة مقياس واحد، بل ما إذا كان سيتعثر فجأة بعد عشرات الجولات المتتالية من المهام، ومدى استقراره أمام مستندات حقيقية وفيديوهات حقيقية ومدخلات فوضوية حقيقية.

وقدرة مسار الـ3 مليارات معامل نشط على مواصلة الصعود تعتمد على كفاءة توجيه الخبراء في الجيل القادم، وجودة بيانات التدريب، واستراتيجيات ما بعد التدريب. وإذا نجح هذا المسار، فلن يُعاد كتابة قائمة تصنيف بعينها فقط، بل الافتراض الافتراضي للقطاع كله حول «ما حجم النموذج الكافي».

نموذج تقترب قدراته من الطراز الرائد، إذا كانت كلفة تشغيله لا تمثّل سوى جزء ضئيل من كلفة الرائد، فالشيء النادر حقاً لن يكون القدرة الحسابية بعد الآن، بل الأشخاص الذين يفكرون جيداً فيما ينبغي فعله به.