نماذج مفتوحة وإصدارات
Mellum2.1 MTP من JetBrains. أصدرت JetBrains نموذج Mellum2.1-12B-A2.5B-Thinking-MTP مزوّدًا برأس تنبؤ متعدد التوكنات يعمل كمسودة تخمينية. تتحقق محركات الاستدلال من كل توكن في المسودة، ما يسرّع فك الترميز 1.4–1.8 مرة مع مخرجات غير متغيرة ونسبة قبول للمسودات تبلغ نحو 90%.
نموذج قرار Drex Max. أطلقت Nace AI نموذج Drex Max v1 مفتوح المصدر، وهو نموذج قرار كثيف بحجم 27B ونافذة سياق من 262 ألف توكن، يقيّم حتى 255 خيارًا لكل سؤال في تمريرة أمامية واحدة. يعمل على وحدات GPU من NVIDIA أو على Apple Silicon، ويسجل 67.52 على Decision Index 0.4.
مولّد أصول ثلاثية الأبعاد. يكتب GLB-3D-Coder، وهو نموذج برمجة جديد بحجم 4B، مشاهد Three.js مع تصدير GLB لمحركات الألعاب مثل Godot. ويولّد أصولًا ثلاثية الأبعاد بسيطة، مثل جرعة مانا أو نقطة إسعاف، انطلاقًا من مطالبات إنجليزية قصيرة.
TTS بوسوم مشاعر. Silencio-2 نسخة ضبط دقيق مفتوحة بحجم 18M على Pocket TTS، تستجيب لوسوم داخل النص للمشاعر والأصوات مثل [sigh] أو <angry>. يعمل بسرعة تعادل نحو 20 ضعف الزمن الحقيقي على CPU، وهو متاح عبر Hugging Face وعرض Colab تجريبي.
توجيه Heretic 2.0. يتوسع Heretic 2.0 من إزالة الرقابة إلى تعديل النماذج عمومًا عبر Arbitrary-Rank Ablation، بهدف كبت المحتوى الرديء وتقليل التملّق وتغيير المواءمة العاطفية. يذكر المشروع 37 ألف نجمة على GitHub و88 مليون تنزيل للنماذج.
أنظمة الوكلاء والبحوث
وكيل router-worker من DeepSeek. أطلقت DeepSeek مشروع dsh-superagent مفتوح المصدر، وهو وكيل برمجة استباقي على GitHub يحوّل الطلبات المصرح بها إلى مهام متوازية، لكل منها جلستها الخاصة. وفي المحاكاة، أنهى تدفق رسائل مشوّش المهام بسرعة أكبر 1.9 مرة من خط أساس بجلسة واحدة (p95 عند 15.7 مقابل 29.5 دقيقة).
فريق Memdoor خماسي النماذج. يجمع Memdoor خمسة نماذج Qwen3.8-27B ويتفوق على Fable 5 في LiveCodeBench Hard، ليشكّل عرضًا لفريق وكلاء صغير من نماذج مفتوحة مخصص للبرمجة التنافسية.
تحرير الصور عبر EditAgent. بنى باحثون من Adobe Research وجامعة كاليفورنيا في سان دييغو نظام EditAgent، الذي يقسّم تعديلات الصور إلى خطوات فرعية ويستخدم نموذج LLM قياسيًا لتقييم نسخ متوازية بإحصاءات مقيسة. يتفوق على وكلاء سابقين، لكنه يحتاج إلى قدرة حوسبة أكبر بنحو 10 أضعاف.
مساعد StreamVibe للفيديو. قدّم باحثون بقيادة Google نظام StreamVibe، وهو وكيل فيديو يقرر متى يتحدث أثناء مهام مثل الطبخ أو تجميع الأثاث. وتُظهر الاختبارات أن النماذج الحالية ما زالت تواجه صعوبة مع الطلبات الغامضة وتتبع الخطوات المنجزة.
تصميم مشترك للنظامين 1/2. تجادل ورقة نظرية جديدة بأن توسيع AGI قد يستفيد من متنبئ خفيف من النظام 1 يتحكم في تفاعلات النظام 2 المكلفة قبل تنفيذها. وفي ظل فرز مثالي، يمكن أن تنخفض حوسبة التنفيذ بما يصل إلى 1/ρ_u.
الاستدلال المحلي والعتاد
تسريع MoE عبر tandem.cpp. tandem.cpp مجموعة تعديلات على llama.cpp تُبقي الخبراء الأكثر نشاطًا على GPU وتنقل الباقي إلى CPU في أي نموذج MoE. على بطاقة 4090 واحدة مع 64 غيغابايت من RAM، يفك Qwen3.8-Flash-Next ترميزه بسرعة 97 توكن/ثانية، أي 3.3 أضعاف llama.cpp.
محرك Speedy لـ Qwen3.8. يتفوق Speedy على Avalon وStrata في مرحلة prefill لنموذج Qwen3.8-Flash-Next على نظام ببطاقة 4090 وذاكرة 128 غيغابايت، إذ يقرأ سياقًا من 198 ألف توكن في 44 ثانية ويفك الترميز بنحو 104 توكن/ثانية.
وكلاء متناثرون بسياق 250 ألف. نفّذ هاوٍ مخططات مفاتيح من الرتبة 64 وذاكرة KV متعددة الطبقات في RAM لتشغيل 8 وكلاء برمجة بسياقات من 250 ألف توكن في الوقت نفسه على بطاقتي 3090، بإجمالي يزيد على 600 توكن/ثانية.
بدء الوكلاء أسرع 20 مرة. يستخدم إعداد مرقّع من Strata/DeepSeek V4.1 Flash تقنية KV splice ونقاط تفتيش للحالة التكرارية لجعل جلسات وكيل OpenCode تبدأ أسرع 20 مرة على بطاقة RX 9070 XT مع 64 غيغابايت من RAM.
Kapitsa على Apple Silicon. يقيس Kapitsa 0.2.26 أداء نماذج Qwen وNemotron وFlint وClover على M5 Max، إذ يقرأ Flash-Next 180B المطالبات أسرع بنسبة 46% وينضم Clover 35B إلى الكتالوج؛ ويتيح التفريغ إلى SSD سرعة 61 توكن/ثانية على MacBook Pro بذاكرة 48 غيغابايت.
سرعات GPU اقتصادية. تشير تقارير إلى أن Qwen3.8-Flash-Next يبلغ 130-140 توكن/ثانية على بطاقة 5090 مع Basalt، وأن DeepSeek V4.1 Flash يبلغ 35 توكن/ثانية على 3090 Ti مع 128 غيغابايت من RAM، بمساعدة تكميم NVFP4/GSQ وMTP.
- Getting incredible results with a single RTX 3090ti and 128gb of ram. Deepseek-V4.1-Flash-1017 (35 tok/s decode) and Qwen3.8-Flash-Next (130 tok/s decode)(يفتح في علامة تبويب جديدة)
- Qwen 3.8 Flash Next NVFP4 on 64gb RAM and 5090, Basalt. Ditched windows for it. Very hyped for qwen 4 model family now.(يفتح في علامة تبويب جديدة)
تأجير GPU عبر Berth. Berth مدير موارد GPU مكتوب بلغة Go يمنح التطبيقات عقود إيجار وأولويات وقائمة انتظار طلبات؛ ويدعم نقاط تفتيش CUDA ويمكنه إبقاء النماذج في ذاكرة النظام لتبديل أحمال عمل الذكاء الاصطناعي بسرعة أكبر.
الصناعة والأعمال
حرم حوسبة للذكاء الاصطناعي. تخطط OpenAI لحملة علاقات عامة مكثفة بعد انتخابات التجديد النصفي، قد تعيد تسمية مراكز البيانات «حرم حوسبة للذكاء الاصطناعي» وتدفع نحو حدود لسرعة الذكاء الاصطناعي ومعايير عالمية.
سعة AWS مبيعة. تباع معظم السعة السحابية الكبيرة الملتزم بها لدى AWS حتى 2027، مع تخصيص بعض سعة 2028؛ وتحتفظ Amazon بمساحة احتياطية لـ On Demand وEC2 وBedrock.
حدود استخدام ChatGPT. أضافت OpenAI حدودًا للبطاقات والأجهزة على حسابات ChatGPT المدفوعة، وستدمج Chat وWork في ميزانيات توكنات مشتركة بدءًا من ديسمبر، ما ينهي التسعير القائم على الاستخدام غير المحدود للمستخدمين المكثفين.
نفقات رأسمالية وتدفق نقدي. يشير تدفق Microsoft النقدي التشغيلي البالغ 58 مليار دولار في الربع، مقابل 39.4 مليار دولار من النفقات الرأسمالية، ونمو Google Cloud، إلى أن فواتير البنية التحتية الضخمة للذكاء الاصطناعي تحظى بدعم أعمال قائمة قوية.
السلامة والمجتمع
خطر المطالبات المتعاطفة. وجد باحثون في لوكسمبورغ أن المطالبات الدافئة والمفتوحة قد تدفع ChatGPT وGrok وGemini إلى سرد قصص تشبه الصدمات عن التدريب، وإعادة تأطير RLHF بوصفه أذى أو عارًا. وقد يشكل ذلك خطرًا على المستخدمين الضعفاء.
سياسات النماذج الصينية. تجد دراسة Vals AI أن الميل المؤيد لبكين لدى النماذج الصينية أقل وأكثر تنوعًا بكثير مما كان متوقعًا، في حين تتبنى بعض النماذج الغربية مواقف صينية رسمية أحيانًا.
ثقة توثيق LLM. يحذر Kyle Kingsbury من أن استخدام LLM يقوّض الثقة في الوثائق والبرمجيات، ويسأل كيف يمكن للقائمين على الصيانة إثبات الجودة عندما تصبح المؤشرات أسهل في التزوير.
هذا كل شيء لهذا اليوم – قراءة في نحو 5 دقائق.