Inkling 2 Small يدرّب نموذجًا آخر ويضاعف أداءه في التنبؤ بأكثر من الضعف

كشفت شركة Thinking Machines، التابعة لميرا مراتي، المديرة التقنية السابقة في وبهناي، عن نموذج الذكاء الاصطناعي Inkling 2 Small، الذي يضم 594 مليار معامل، لكنه لا يفعّل سوى 17 مليارًا منها أثناء المعالجة. وفي تجربة للشركة، استخدم النموذج منصة Tinker لتدريب نموذج آخر، فحسّن أداءه في التنبؤ بأكثر من الضعف.

معاملات كثيرة واحتياجات معالجة أقل

يعتمد Inkling 2 Small على بنية «مزيج الخبراء» (MoE)، التي تتيح الاستفادة من مجموعة كبيرة من المعاملات من دون تشغيلها كلها في الوقت نفسه، ما يحد من احتياجات المعالجة. وفي تقييمات أجرتها Artificial Analysis، سجل النموذج 31 نقطة على مؤشر Intelligence Index. وتتوقع Thinking Machines أن يتصدر، عند نشر أوزانه، النماذج مفتوحة الأوزان المطوّرة خارج الصين.

وفي اختبار EnterpriseBench-CoreCraft من Surge AI، الذي يحاكي عمليات شركة حقيقية، حقق النموذج نسبة نجاح بلغت 71.8%، وحل ثالثًا خلف Claude Fable 5.1 بنسبة 77.4% وClaude Opus 5.5 بنسبة 74.4%. كما سجل 46.8% في اختبار EnterpriseOps-Gym، الذي يشمل مجالات خدمة العملاء والموارد البشرية وتقنية المعلومات، متقدمًا على Claude Sonnet 5.

تدريب نموذج آخر وتحسين التنبؤات

درّبت Thinking Machines نموذجها باستخدام التعلم المعزز على مئات الآلاف من مهام البرمجة الطويلة. ولم يقتصر التقييم على التحقق من عمل الشيفرة، بل شمل طريقة معالجة المشكلة والخطوات التي اتبعها النموذج للوصول إلى الحل. وتقول الشركة إن التدريب حسّن قدرته على مراجعة التعديلات التي يجريها واتباع التعليمات، مقارنة بإصداراته السابقة.

وفي تجربة أخرى، استخدم Inkling 2 Small منصة Tinker لتدريب نموذج Qwen3.5-4B على التنبؤ ببيانات مثل الطقس ومشاهدات صفحات ويكيبيديا.، أنشأ النموذج نظام تقييم خاصًا به وجرّب أساليب تدريب مختلفة، قبل أن يرفع أداء التنبؤ إلى أكثر من الضعف خلال 4.5 ساعات، وبكلفة بلغت 426 دولارًا.

تحليل الصور متاح والأوزان مرتقبة

يستطيع Inkling 2 Small معالجة الصور إلى جانب النصوص، مستعينًا بمشفّر صور يضم 292 مليون معامل ويستند إلى Perception Encoder. ويقسّم النظام الصور إلى أجزاء بحجم 20 × 20 بكسل، ثم يعالجها باستخدام التجميع المكاني 2 × 2. وتشمل مهامه قراءة النصوص من الصور (OCR)، وتفسير الرسوم المعلوماتية، وتحديد مواقع الأشياء والاستدلال البصري.

وتمكّنه هذه القدرات أيضًا من فحص ما ينتجه بصريًا؛ إذ يمكنه مراجعة واجهة ويب أنشأها أو مشهد صممه في بلهندهر، ثم إجراء التعديلات اللازمة. لكنه لا يدعم استقبال الصوت، ما يستلزم استخدام نموذج إضافي في التطبيقات الصوتية.

يتاح النموذج حاليًا عبر منصة Tinker، حيث يستطيع المطورون تجربته وضبطه وفق احتياجاتهم. وتعتزم Thinking Machines نشر أوزانه الأسبوع المقبل بموجب ترخيص Apache 2.0، بعد استكمال تقييمات السلامة، بما يتيح للمطورين تشغيله على خوادمهم وتعديله واستخدامه في مشاريع تجارية. وستكون الاختبارات المستقلة ونشر الأوزان ضروريين لتقييم أدائه في الاستخدام الفعلي.

المصدر: donanimhaber