← العودة إلى المدونة
Aiحوالي 1 دقيقة قراءة

نموذج كثيف بـ65 مليار معامل يتقدم على منافسين أكبر منه ثماني مرات، والسطر المهم هو التكلفة

نُشر في 11 نوفمبر 2026
نموذج كثيف بـ65 مليار معامل يتقدم على منافسين أكبر منه ثماني مرات، والسطر المهم هو التكلفة

أصدرت Ricursive Intelligence نموذج Ripple-65B Preview في 4 نوفمبر، مع أوزان على Hugging Face تحت رخصة Apache 2.0. وتعلن الشركة 80.52 على Terminal-Bench 2.1، وهو اختبار لعميل يعمل داخل طرفية. وفي جدول مقارنتها الخاص يتقدم قليلاً على Beam 501B من Reflection بـ80.1، وMuse Spark Open 816B من Meta بـ76.4، وInkling 975B من Thinking Machines بـ63.8، وNemotron 3 Ultra 550B من NVIDIA بـ56.4.

نموذج بـ65B في قمة جدول مليء بنماذج تتجاوز 500B هو العنوان. والسطر تحته أكثر تشويقاً: تقول Ricursive إن كل شيء كلف 32 مليون دولار من البداية إلى النهاية، وإن ذلك نحو عُشر ما أنفقه صاحب الرقم القياسي السابق.

كثيف، عن قصد

Ripple محوّل كثيف بـ64.8 مليار معامل. كل معامل يعمل على كل رمز. هذا غير معتاد في سنة يكون فيها الجواب الافتراضي للتوسع مزيج خبراء يفعّل شريحة من أوزانه لكل رمز، وهو القرار الوحيد الذي يجعل بقية القصة ممكنة.

النموذج الكثيف يطلب أقل من بنيتك التحتية. لا موجّه لتوازنه، ولا توازٍ للخبراء لتجزئته، ولا نمط اتصال شامل للضبط. تقول Ricursive إنها دربت باستغلال عتاد بنسبة 40 في المئة دون أنوية مخصصة، انطلاقاً من أساس Olmo 3 لا من صفحة بيضاء. والهندسة رقيقة وعميقة: عرض 5120 و80 طبقة، مع رؤوس انتباه موسّعة، وانتباه بوابي، وبواقي قيمة أُضيفت لمساعدة الاستدلال.

تأطير الشركة هو أن تكييف النموذج ووصفات التدريب مع العتاد اشترى كفاءة تعادل التدريب على 16 ضعف عدد وحدات GPU. تبني Ricursive أدوات تصميم شرائح، فادعاءات التصميم المشترك منها تستحق حاجباً مرفوعاً. الجزء القابل للقياس هو رقم الاستغلال وغياب الأنوية المخصصة، وكلاهما يمكن التحقق منه مقابل وصفة التدريب إن كانت لديك الشهية.

نافذة السياق 1,048,576 رمزاً، والتدريب المسبق كان 12 تريليون رمز من نص إنجليزي وكود في معظمه، والإصدار يتضمن نسخة BF16 مضبوطة بالتعليمات، ونسخة NVFP4 بأربع بتات، ونموذجاً أساسياً.

ما تغطيه 32 مليون دولار

يقول منشور الإطلاق صراحة إن 32 مليون دولار تشمل تجارب التدريب المسبق والبيانات والتقييمات والتنقيح والتشغيلات النهائية. هذا هو الرقم الذي يجب أن يتجادل فيه الناس، لأن كلفة البرنامج الكلية وكلفة آخر مهمة تدريب تُخلطان باستمرار.

تقول Ricursive إن الفريق نما من شخص واحد إلى خمسة خلال التطوير. لم تشترِ بيانات تدريب لاحق، وبنَت خطوطها التركيبية بنفسها. وتعلن 1.4 مليون استرجاع للوصول إلى نتيجتها في Terminal-Bench، أي أقل بنحو 70 مرة مما احتاجه Beam من Reflection. استرجاعات أقل هي نوع التوفير الذي يظهر في الفاتورة وفي التقويم.

إن صحت الأرقام، فالمعنى غير مريح لمن تعتمد استراتيجيته على رأس المال كخندق. فريق من خمسة، بلا أنوية مخصصة، ونموذج كثيف واحد، وعُشر الميزانية ينتج رقماً قياسياً على اختبار واحد. والرد أن اختباراً واحداً هدف ضيق، وأن الفريق نفسه سيحتاج أكثر بكثير من 32 مليون دولار ليكون منافساً في كل المجالات.

وهذا يوصلنا إلى بقية الجدول.

أين يخسر Ripple

بطاقة النموذج صريحة، وهنا يكسب بعض الثقة. على SWE-bench Verified يسجل Ripple 76.5 مقابل 81.6 لـBeam من Reflection. وعلى SciCode يحصل على 39.4 مقابل 58.5 لـMuse Spark Open. وعلى MCP Atlas، وهو اختبار لاستخدام الأدوات، 71.67 مقابل 89.2. وعلى DeepSWE 1.1، 44.3 مقابل 60.0.

فالنمط نموذج بارع في قيادة طرفية ومتوسط في الكود العلمي وتنسيق الأدوات مقارنة بأكبر المنافسين المفتوحين. وMMLU عند 89.6 وAIME 2024 عند 97.1، وكلاهما متأخر قليلاً عن أكبر النماذج، وهذا متوقع من 65B مقابل 816B.

وتعترف البطاقة بشيء تتجاوزه معظم البطاقات: تكرار نتائج الاختبارات الوكيلة صعب، وبعض خلايا الجدول تستخدم تشغيلات Ricursive نفسها حيث لم ينشر المختبر الآخر رقماً. وتلاحظ أن نتائج Terminal-Bench جاءت أقل لدى كل النماذج تقريباً عند التشغيل بأداة Terminus 2 الرسمية بطول تسلسل 128K. اقرأ تلك الجملة مرتين. معناها أن جدول المقارنة متسق داخلياً وليس بالضرورة قابلاً للنقل.

وقد يكون الرقم القياسي دام أسبوعاً. أصدرت Thinking Machines نموذج Inkling 2 Small في 5 نوفمبر، وبطاقته تضع Terminal-Bench 2.1 عند 81.3 في المئة على أداة Terminus نفسها كما يُنقل. بقيت تلك الأوزان مغلقة عند الإطلاق، فلا تُحسب رقماً قياسياً مفتوح الأوزان، وقال المختبر إن أوزان Apache 2.0 ستأتي بعد اختبار سلامة خارجي.

ادعاء التشغيل المحلي، مفككاً

تقول Ricursive إن Ripple يتسع على NVIDIA DGX Spark وحتى على MacBook. لا يذكر أي المنشورين كم من الذاكرة يلزم لذلك، وملفات الدقة الكاملة على Hugging Face تبلغ نحو 130 غيغابايت، وهو أبعد بكثير من حاسوب محمول.

ما يجعل الاستخدام المحلي معقولاً هو عمل التكميم. يشحن المستودع نسخة NVFP4 ودفتر Colab، وتُدرج صفحة Hugging Face نحو 30 نسخة مكممة بالفعل. وعلى جهازَي B200 بحجم دفعة 8 يولّد النموذج 250 رمزاً في الثانية قبل التكميم أو ضبط الأنوية، وهو رقم معقول لنموذج كثيف بـ65B.

الجاذبية لمكتب محاماة أو عيادة واضحة: لا تخرج المطالبات والكود من الشبكة، ورخصة Apache 2.0 تسمح بالاستخدام التجاري دون دفع رسوم ترخيص لـRicursive. المشكلة أن هذا إصدار Preview بتدريب لاحق خفيف موجّه للبرمجة، وأن المستودع يشحن كوداً مخصصاً في `modeling_ricursive.py`، أي تحميل بأسلوب trust-remote-code. وعلى فريق المنصة أن يقرأ ذلك الملف قبل تشغيله في أي مكان يهم.

لماذا تشحن شركة شرائح نموذجاً

عمل Ricursive هو أدوات تصميم الشرائح، وRipple نسخة عامة الغرض من النموذج الذي يقف خلف تلك المنصة. وحجتها أن هندسة النموذج وهندسة الشريحة يجب أن تُصمما معاً، وأن شحن نموذج مفتوح طريقة لإثبات الادعاء علناً.

هذا دافع مختلف عن مختبرات الحدود، ويغيّر ما تتوقعه. لا تحتاج Ricursive إلى الفوز في الاتساع. تحتاج إلى إظهار أن نموذجاً صغيراً متلائماً مع عتاد متلائم يستطيع أداء عمل وكيل جدي، لأن هذا هو العرض الذي تبيعه لعملاء لا يستطيعون شراء مركز بيانات.

وهل يصمد الرقم القياسي أمام التدقيق أقل أهمية من صمود الوصفة. نموذج كثيف بـ65B دُرّب بـ32 مليون دولار، ويعمل على صندوق مكتبي، تحت رخصة متساهلة، اقتراح محدد وقابل للاختبار. وإن صح، يتوقف السؤال المثير عن كونه من يملك أكبر نموذج، ويصبح من يستطيع تحمّل تكلفة الاستمرار في التظاهر بأن الحجم هو المحور الوحيد.

مقالات ذات صلة