الإجاباتمنشور16 المصادر
FlagOS 2.2 يوسّع نطاق تحسين الذكاء الاصطناعي عبر شرائح متعددة
ينتقل FlagOS 2.2 من مجرد تشغيل النماذج على شرائح مختلفة إلى محاولة إعادة استخدام الشيفرة وتحسينها عبر تلك الشرائح. تشمل الأدوات المعلنة توليد النوى وتصحيح الأخطاء والكمّ، لكن بعض ادعاءات التوافق والأداء تفتقر إلى تفاصيل كافية للتحقق أو التعميم.
نشر بواسطةتم التحرير باستخدام GPT-6 Lunaتم إنشاء الصور باستخدام GPT Image 2
إجابة البحث
الوجبات السريعة الرئيسية
- ينتقل FlagOS 2.2 من مجرد تشغيل النماذج على شرائح مختلفة إلى محاولة إعادة استخدام الشيفرة وتحسينها عبر تلك الشرائح.
- تشمل الأدوات المعلنة توليد النوى وتصحيح الأخطاء والكمّ، لكن بعض ادعاءات التوافق والأداء تفتقر إلى تفاصيل كافية للتحقق أو التعميم.
موجّه الذكاء الاصطناعي
openai.comCreate a landscape editorial hero image for this Studio Global article: How does the Beijing Academy of Artificial Intelligence’s FlagOS 2.2, released September 30 and showcased at the October 17, 2026 AI Open Co. Article summary: FlagOS 2.2’s central advance is a shift from making models run on different chips to reusing and optimizing a common software implementation across those chips, combining operator libraries, compilation, kernel generatio. Topic tags: general, documentation, general web, government. 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, cha
يركّز التحول الأساسي في FlagOS 2.2 على الانتقال من التوافق بين الشرائح إلى إعادة استخدام البرمجيات وتحسينها عبر شرائح متعددة. وتجمع المنظومة مكتبات العمليات، وتحسين المترجم، وتوليد النوى، وأدوات النشر. وتقول أكاديمية بكين للذكاء الاصطناعي (BAAI) إن المكتبات التسع تضم 1,454 عملية، وإن أداء العمليات عبر الشرائح ارتفع بنحو 27% في اختبارات شملت أكثر من 1,000 عملية وعشرة أنواع من أجهزة الذكاء الاصطناعي. هذه نتائج معلنة للاختبارات، ولا تعني أن كل نموذج أو حمل خدمة سيحقق التحسن نفسه. 6
8
ما الذي يضيفه FlagOS 2.2؟
قد تساعد حزمة برمجية متعددة الشرائح على تشغيل نموذج على عتاد مختلف. لكن التحدي التالي هو جعل العمل الهندسي، مثل تنفيذ العمليات وتحسينها، قابلاً لإعادة الاستخدام عبر تلك المنصات. ويجمع FlagOS 2.2 بين تنفيذ العمليات وتحسين المترجم FlagTree ضمن هذا التوجه. 6
تغطي المكتبات التسع، وفق الأرقام المعلنة، 1,454 عملية؛ أي بزيادة 890 عملية مقارنة بالإصدار السابق. ومن بينها FlagGems، وهي مكتبة عمليات مكتوبة بلغة Triton ومصممة لدعم الاستدلال والتدريب على خلفيات عتادية متعددة. 1
2
6
ويذكر تقرير ثانوي أن FlagGems-SGLang تضيف 40 عملية متعددة الشرائح لمهام تشمل الانتباه، وتحديث حالات Mamba، ومزيج الخبراء (MoE)، وLoRA، وأخذ العينات، والتكميم. لكن المقتطفات المتاحة من وثائق المؤتمر والوثائق الرسمية لا تفصّل بصورة مستقلة نطاق توافق هذه العمليات أو آليات التحقق منها؛ لذا ينبغي التعامل مع القائمة بوصفها وصفاً لميزة مُعلنة، لا نتيجة أداء مثبتة.
توليد النوى وتصحيح الأخطاء
KernelGen منصة آلية لتطوير نوى Triton، تشمل توليد العمليات وتحسينها واختبارها ونشرها على عتاد متنوع. 5 ويفيد تقرير الإصدار بأنها ولّدت 765 عملية خلال الربع، وأن 416 منها اجتازت التحقق من الدقة على خمسة منصات عتادية محلية على الأقل. لا يثبت ذلك أن العمليات الـ765 كلها خضعت للتحقق، ولا أن النوى التي اجتازته عُدلت أو تفوقت على التنفيذ الأصلي لكل منصة.
6
أما FlagPrism، فتصفها وثائق FlagOS بأنها مجموعة أدوات لتصحيح الأخطاء وتحليل الأداء في برامج Triton عبر خلفيات متعددة. 3 ويذكر تقرير الإصدار أنها تدعم خمسة مورّدين للعتاد، من بينهم Nvidia وHuawei Ascend.
6 لكن المواد المتاحة هنا لا تسرد جميع المورّدين، ولا تقدم مقارنة تفصيلية لكل ميزة من ميزات التصحيح والتحليل.
التكميم وتهيئة النماذج
تدعم FlagOS-Compressor تحويل نقاط حفظ النماذج، وتكميم الأوزان، والمعايرة، والتحقق من الملفات الناتجة. وتقول BAAI إن تكميم Qwen3.5-397B-A17B خفّض حجم ملف النموذج بنسبة 49.1%. لكن التقرير المشار إليه لا يقدم قياسات مقابلة للدقة أو سرعة الخدمة؛ لذلك لا يكفي انخفاض حجم الملف وحده لتحديد أثر ذلك في جودة النموذج أو أدائه أثناء التشغيل. 6
ويفيد التقرير نفسه بأن تهيئة نموذج جديد لتشغيله في اليوم الأول قد تصل إلى 12 منصة عتادية، عبر إضافات للأطر البرمجية متعددة العتاد وأداة FlagOS-Compressor. 6 وهذه قدرة مُعلنة، لكن المواد المتاحة لا تحدد الإضافات التي استخدمت في تهيئة بعينها، ولا تقدم تفاصيل كافية لإعادة اختبار الزمن المذكور.
كيف تُقرأ أرقام الأداء؟
تعلن BAAI تحسناً يقارب 27% في أداء العمليات عبر الشرائح، ضمن نطاق اختبار شمل أكثر من 1,000 عملية وعشرة أنواع من عتاد الذكاء الاصطناعي غير المتجانس. 6 وهذه نتيجة على مستوى العمليات، لا دليلاً على تحسن مماثل بنسبة 27% في خدمة نموذج متكاملة؛ إذ يتوقف الأداء النهائي على النموذج والعتاد والدقة ونوع الحمل وإعدادات الخدمة.
وفي مثال متعلق بالخدمة، يقول تقرير إخباري إن معدل المعالجة المنطقي لخدمة GLM-5.3-Flash على Ascend 910B بلغ 2.04 ضعف مستواه قبل التحسين. ولا يتضمن مقتطف المصدر تفاصيل كافية عن الحمل أو خط الأساس تسمح بتعميم النتيجة على عمليات نشر أخرى. كذلك، لا تثبت الأدلة المتاحة هنا النتائج المطلوبة لنموذج Xing4.0-29B-A4B التابع لشركة China Telecom عبر عشر منصات.
لماذا تهم إعادة استخدام جهود التحسين؟
تطرح تغطية المؤتمر فجوة عملية: نماذج الذكاء الاصطناعي تتغير بسرعة، فيما يُفترض أن تظل البنية التحتية للحوسبة في الخدمة لسنوات. وتعرض توجه FlagOS على أنه تحويل العمل الخاص بالعمليات والمترجمات والأنظمة، الذي يُنجز لنموذج بعينه، إلى قدرات قابلة لإعادة الاستخدام والتوزيع على شرائح مختلفة. 8
وتقول BAAI أيضاً إن أكثر من 80% من قدرات الحوسبة المخصصة للذكاء الاصطناعي والمستخدمة حالياً تعود إلى أجيال أقدم. هذا ادعاء من المؤسسة، وليس إحصاءً تحقق منه مصدر مستقل ضمن المواد المتاحة. وإذا صحّ هذا التقدير، فقد تمنح تحسينات البرمجيات التي تساعد العتاد القائم على تشغيل نماذج أحدث المشغّلين خياراً إضافياً إلى جانب استبدال المعدات. 6
8
الخلاصة أن الاتجاه واعد، لكن حدوده مهمة: يعلن FlagOS 2.2 عن تغطية أوسع للعمليات وأدوات تساعد على مشاركة جهود التحسين بين الشرائح. وتفيد الأرقام المعلنة في متابعة تقدم المشروع، إلا أن قرارات النشر تحتاج إلى اختبارات خاصة بكل حمل؛ كما أن التقارير المتاحة لا تتحقق بصورة مستقلة من كل ادعاء يتعلق بمنصة أو نموذج أو أداء.
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 "FlagOS 2.2 يوسّع نطاق تحسين الذكاء الاصطناعي عبر شرائح متعددة"؟
ينتقل FlagOS 2.2 من مجرد تشغيل النماذج على شرائح مختلفة إلى محاولة إعادة استخدام الشيفرة وتحسينها عبر تلك الشرائح.
ما هي النقاط الأساسية التي يجب التحقق منها أولاً؟
ينتقل FlagOS 2.2 من مجرد تشغيل النماذج على شرائح مختلفة إلى محاولة إعادة استخدام الشيفرة وتحسينها عبر تلك الشرائح. تشمل الأدوات المعلنة توليد النوى وتصحيح الأخطاء والكمّ، لكن بعض ادعاءات التوافق والأداء تفتقر إلى تفاصيل كافية للتحقق أو التعميم.