الإجاباتمنشور19 المصادر
ما الذي يغيّره نموذج Qwen3.8-2.4T-A95B المفتوح من علي بابا للاستضافة الذاتية؟
Qwen3.8 2.4T A95B هو إصدار بأوزان مفتوحة من نموذج Qwen Max؛ وهو نموذج نصي بتصميم خليط الخبراء يضم 2.4 تريليون معلَمة، لكنه يفعّل نحو 95 مليار معلَمة فقط لكل رمز. يدعم النموذج سياقاً أصلياً بطول 262,144 رمزاً، وتعرض بعض مسارات التشغيل دعماً يصل إلى مليون رمز، لكن الكلفة والذاكرة وزمن الاستجابة عند هذا الطول يجب اختبا...
نشر بواسطةتم التحرير باستخدام GPT-5.6 Terraتم إنشاء الصور باستخدام GPT Image 2
إجابة البحث
الوجبات السريعة الرئيسية
- Qwen3.8 2.4T A95B هو إصدار بأوزان مفتوحة من نموذج Qwen Max؛ وهو نموذج نصي بتصميم خليط الخبراء يضم 2.4 تريليون معلَمة، لكنه يفعّل نحو 95 مليار معلَمة فقط لكل رمز.
- يدعم النموذج سياقاً أصلياً بطول 262,144 رمزاً، وتعرض بعض مسارات التشغيل دعماً يصل إلى مليون رمز، لكن الكلفة والذاكرة وزمن الاستجابة عند هذا الطول يجب اختبارها عملياً.
- إتاحة الأوزان لا تعني سهولة التشغيل أو ترخيصاً متساهلاً: النموذج يحتاج عادةً إلى بنية متعددة العقد ووحدات GPU متقدمة، ويخضع لترخيص Qwen3.8 Max المخصص.
موجّه الذكاء الاصطناعي
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Alibaba’s Qwen3.8-2.4T-A95B, and what do its open-weight release, Qwen-Max-class status, 2.4-trillion-parameter/95-billion-active-pa. Article summary: Alibaba’s Qwen3.8-2.4T-A95B is an open-weight, text-generation release of its Qwen3.8-Max/“Max-class” flagship: a very large sparse Mixture-of-Experts (MoE) model rather than a model that can realistically be run like an. Topic tags: general, documentation, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
إصدار Qwen3.8-2.4T-A95B من علي بابا هو إتاحة بأوزان مفتوحة لنموذج يرتبط بفئة Qwen3.8-Max الرائدة. أهميته ليست أن نموذجاً بحجم 2.4 تريليون معلَمة أصبح مناسباً للتشغيل السهل، بل أن المؤسسات باتت تستطيع الحصول على الأوزان وتكييفها بدلاً من الاعتماد حصراً على واجهة API مُدارة. لذلك يخاطب الإصدار مزوّدي السحابة، والمؤسسات الكبرى، والبيئات المنظمة، والفرق البحثية التي تملك قدرة فعلية على الاستدلال الموزع. 1
18
21
ما مواصفات النموذج؟
هو نموذج لتوليد النصوص بتصميم خليط الخبراء المتناثر (MoE)، يضم 2.4 تريليون معلَمة إجمالاً، مع نحو 95 مليار معلَمة نشطة لكل رمز. وتوثّق NVIDIA وجود 92 طبقة و512 خبيراً موجهاً، مع اختيار أفضل 10 خبراء في التوجيه لكل خطوة. 18
21
الفارق بين إجمالي المعلمات والمعلمات النشطة أساسي هنا: لا يشغّل MoE جميع المعلمات مع كل رمز، ما قد يخفض الحوسبة لكل رمز مقارنة بنموذج كثيف بالحجم الإجمالي نفسه. لكنه لا يلغي الحاجة إلى تخزين الأوزان أو توزيعها، وإدارة توازي الخبراء، وتوفير ذاكرة كبيرة وشبكات سريعة وسعة كافية لذاكرة التخزين المؤقت للمفاتيح والقيم (KV cache).
ويجمع التصميم بين مكونات Gated DeltaNet والانتباه المُبوّب. وهو مهيأ للعمل النصي ذي السياق الطويل، لكن الحكم الهندسي الحقيقي يبقى في الأداء الكامل وفق أطوال الطلبات، ومستوى التزامن، ودقة الحساب، ومنظومة خدمة النموذج التي ستستخدمها المؤسسة. 1
19
سياق يصل إلى مليون رمز: قدرة لا وعد مجاني
يبلغ طول السياق الأصلي 262,144 رمزاً. وتوثّق NVIDIA عمليات نشر بنافذة سياق تبلغ مليون رمز، بينما يُذكر أن حد المخرجات يقارب 131 ألف رمز. 1
19
21
لا ينبغي فهم هذه الأرقام بوصفها ضماناً بأن كل طلب بطول مليون رمز سيكون سريعاً أو منخفض التكلفة أو متماثل الاعتمادية. فالطلبات الطويلة ترفع كلفة مرحلة معالجة الإدخال الأولية وتزيد الضغط على ذاكرة KV. وإذا كانت الحالة الاستخدامية تشمل استرجاع معلومات من مستندات ضخمة، أو تحليل ملفات طويلة، أو سلاسل عمل لوكلاء الذكاء الاصطناعي، فمن الضروري اختبار أطوال الإدخال وأنماط التزامن الفعلية المتوقعة.
الاستدلال والوكلاء: النموذج وحده ليس منتجاً كاملاً
يدعم النموذج إعداد reasoning_effort بخيارات low وmedium وxhigh، بغرض الموازنة بين السرعة والكلفة من جهة، وعمق التفكير من جهة أخرى. كما أن إعداداته المنشورة تميل إلى الاحتفاظ بمحتوى التفكير. 1
وهذا يجعله مرشحاً لأعمال نصية صعبة مثل البرمجة، وتلخيص الأبحاث، وتحليل المستندات الطويلة، وسير العمل القائم على الوكلاء. لكن بناء وكيل موثوق لا يقتصر على نموذج قادر: ما زالت التطبيقات تحتاج إلى تعريفات واضحة للأدوات، وحدود صلاحيات، وعزل آمن للتنفيذ، وآليات إعادة المحاولة، ومراقبة تشغيلية، واختبارات تقييم.
ومن القيود المهمة أن نقطة التحقق المفتوحة نصية فقط، وأن التقارير عن الإصدار تشير إلى عدم إمكان إيقاف نمط التفكير. لذا ينبغي للجهات التي تحتاج إلى إدخال صور أو فيديو، أو مسار محادثة سريع من دون تفكير موسّع، أو أدوات مدمجة ومدارة، التفريق بين الأوزان القابلة للتنزيل وخدمة Qwen3.8-Max المستضافة. 3
8
21
الأوزان المفتوحة تعني تحكماً أكبر، لا صعوبة تشغيلية أقل
تمنح الأوزان المفتوحة فرق العمل تحكماً أوسع في موقع البيانات، وبنية النشر، والتخصيص، والتدريب اللاحق للنموذج مقارنةً بالاعتماد على API فقط. وتدعم NeMo AutoModel من NVIDIA الضبط الدقيق لكامل المعلمات باستخدام FSDP2، وتوازي الخبراء، وتوازي خطوط الأنابيب، وهو مسار متخصص للجهات التي تريد تكييف النموذج. 18
لكن هذه المرونة ترفع سقف المتطلبات التشغيلية. فوثائق NVIDIA NIM تذكر مسار نشر مخصصاً لـ GB300-NVL72 يتطلب أربعة عُقد على الأقل وKubernetes. وتصف وصفات Dynamo تشغيل النموذج عبر vLLM أو SGLang مع أوزان وذاكرة KV بدقة FP8، وتوازي موتر متعدد العقد، وتوجيه واعٍ بذاكرة KV؛ ويستخدم أحد الإعدادات الموثقة 16 وحدة GPU من GB300 موزعة على أربع عُقد. 19
21
هذه وصفات مدعومة من المورّد وليست الحد الأدنى الشامل لكل نشر ممكن، لكنها توضح حجم البيئة المستهدفة. بعبارة مباشرة: هذا ليس نموذجاً للحاسوب المحمول أو لمحطة عمل اعتيادية أو لخادم منفرد عادي.
أنماط الخدمة التي قد تحدد جدوى المشروع
في نموذج بهذا الحجم، قد تحسم هندسة البنية التحتية إن كانت الخدمة قابلة للاستخدام أم لا:
- التكميم: تخفيض دقة التمثيل الرقمي يمكن أن يقلص متطلبات ذاكرة النموذج، لكن الجودة والاستقرار يجب التحقق منهما على المهام المقصودة. وتذكر AWS صيغ FP8 وMXFP4 وNVFP4 ضمن الخيارات التي تخفض متطلبات ذاكرة الاستدلال.
- فصل معالجة الإدخال عن التوليد: معالجة الطلب الطويل أولاً وتوليد الرموز واحداً تلو الآخر مرحلتان تختلفان في عنق الزجاجة. وتصف AWS فصل المرحلتين إلى مجموعات GPU مخصصة لتقليل التداخل وتحسين زمن الرموز في أعباء العمل المناسبة.
- فك الترميز التخميني: تقترح آلية أو نموذج أرخص رموزاً مرشحة، ثم يتحقق منها النموذج الكبير؛ ما قد يقلل العمل التسلسلي في التوليد عندما تُقبل المقترحات.
- الخدمة الموزعة: تقرن وصفات NVIDIA النموذج بمحركي vLLM أو SGLang مع توجيه واعٍ بذاكرة KV ودقة FP8 وتوازٍ متعدد العقد على أنظمة GB200 أو GB300.
19
وأعلنت NVIDIA قياسات تتجاوز 4,000 رمز في الثانية لكل GPU، وأكثر من 350 رمزاً في الثانية لكل مستخدم، لإعداد GB300 NVL72 بدقة FP8 في اليوم الأول من الدعم. لكنها قياسات من المورّد على عتاد وبرمجيات وإعداد محدد، وليست توقعاً ثابتاً لكل أعباء الإنتاج.
الترخيص: «أوزان مفتوحة» لا تساوي ترخيصاً متساهلاً
يوزّع النموذج بموجب ترخيص Qwen3.8-Max المخصص، وليس Apache-2.0 أو MIT. ويمنح الترخيص حقوقاً واسعة للاستخدام والتعديل والتوزيع والاستضافة والضبط الدقيق وإنشاء الأعمال المشتقة، لكن وفق شروطه الخاصة.
وتشير ملخصات الإصدار إلى التزامات إضافية على بعض شركات «النموذج كخدمة» (MaaS) أو مساعدات العمل بالذكاء الاصطناعي التي تتجاوز إيراداتها حداً معيناً. ولأن هذه البنود قد تؤثر في النشر التجاري وإعادة التوزيع اللاحقة، يجب مراجعة نص الترخيص الحالي وطلب استشارة قانونية قبل إطلاق منتج يعتمد على هذه الأوزان. 3
10
الخدمة المستضافة أم الاستضافة الذاتية؟
تُوصَف خدمة Qwen3.8-Max المستضافة بأنها نسخة رسمية مبنية على A95B، مع خصائص إضافية تشمل إدخال الصور، ودعم وضع من دون تفكير، وسياق افتراضي بطول مليون رمز، وأدوات رسمية مدمجة. 8
12
عملياً، ينشأ خياران مختلفان:
- اختر الخدمة المستضافة عندما تكون قابلية التوسع المدارة، وتعدد الوسائط، والأدوات المدمجة، وبساطة التشغيل أهم من التحكم في البنية التحتية.
- فكّر في الاستضافة الذاتية لـ A95B عندما تبرر سيادة البيانات، وسلوك الخدمة المخصص، والضبط الدقيق، أو الاستخدام العالي المستمر كلفة التشغيل وتعقيده.
لذلك، نقطة التحقق المفتوحة ليست بديلاً مطابقاً في الخصائص للخدمة المدارة؛ بل هي أساس نصي قوي تتولى المؤسسة بنفسها بناء طبقات المنتج والبنية المحيطة به.
كيف تُقرأ نتائج المعايير؟
تضع Qwen نموذج A95B في فئة Max، وتعرض مواد الإصدار نتائج قوية في معايير البرمجة والبحث والاستدلال. وهي إشارات مفيدة، لكنها لا تثبت أن النموذج الأفضل في كل مهمة أو بيئة نشر. 6
القرار السليم يبدأ بالتقييم الداخلي: اختبر اللغات المستهدفة، وتسلسلات استخدام الأدوات، وأطوال الاسترجاع، وصيغ المخرجات، ومتطلبات السلامة، وأهداف زمن الاستجابة، وسقف الكلفة. فالسؤال المركزي لمعظم الفرق ليس ما إذا كانت 95 مليار معلَمة نشطة رقماً مثيراً للإعجاب، بل ما إذا كانت الزيادة في القدرة تبرر كلفة وتعقيد تشغيل نموذج إجمالي حجمه 2.4 تريليون معلَمة.
الخلاصة
يُعد Qwen3.8-2.4T-A95B إصداراً مؤثراً لأنه يتيح نموذجاً نصياً من فئة Qwen-Max، بتصميم MoE وحجم إجمالي يبلغ 2.4 تريليون معلَمة، للجهات التي تحتاج إلى التحكم في الأوزان وطريقة النشر. ويُحسن التصميم المتناثر جانب الحوسبة مقارنة بنموذج كثيف مماثل في الحجم، لكنه يظل مشروعاً كبيراً في هندسة الأنظمة الموزعة.
بالنسبة إلى الفرق ذات الموارد الكبيرة، قد يفتح النموذج طريقاً إلى استدلال نصي رائد قابل للتخصيص والسيادة، وإلى تدريب لاحق داخلي. أما الفرق الصغيرة التي تبحث عن تشغيل محلي بسيط، فعادةً ما سيكون نموذج أصغر أو واجهة مستضافة الخيار الأكثر واقعية. 18
19
21
Studio Global AI
مواصلة البحث الخاص بك
تتضمن هذه الصفحة إجابة مدعومة بالمصدر يمكنك المتابعة داخل Studio Global.
يسأل الناس أيضا
ما هي الإجابة المختصرة على "ما الذي يغيّره نموذج Qwen3.8-2.4T-A95B المفتوح من علي بابا للاستضافة الذاتية؟"؟
Qwen3.8 2.4T A95B هو إصدار بأوزان مفتوحة من نموذج Qwen Max؛ وهو نموذج نصي بتصميم خليط الخبراء يضم 2.4 تريليون معلَمة، لكنه يفعّل نحو 95 مليار معلَمة فقط لكل رمز.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
Qwen3.8 2.4T A95B هو إصدار بأوزان مفتوحة من نموذج Qwen Max؛ وهو نموذج نصي بتصميم خليط الخبراء يضم 2.4 تريليون معلَمة، لكنه يفعّل نحو 95 مليار معلَمة فقط لكل رمز. يدعم النموذج سياقاً أصلياً بطول 262,144 رمزاً، وتعرض بعض مسارات التشغيل دعماً يصل إلى مليون رمز، لكن الكلفة والذاكرة وزمن الاستجابة عند هذا الطول يجب اختبارها عملياً.
ماذا يجب أن أفعل بعد ذلك في الممارسة العملية؟
إتاحة الأوزان لا تعني سهولة التشغيل أو ترخيصاً متساهلاً: النموذج يحتاج عادةً إلى بنية متعددة العقد ووحدات GPU متقدمة، ويخضع لترخيص Qwen3.8 Max المخصص.