Alibaba تكشف عن Qwen3.8-Flash-Next: عصر جديد من الذكاء الاصطناعي الفعال

أطلق فريق Qwen التابع لشركة Alibaba رسميًا نموذج Qwen3.8-Flash-Next، وهو نموذج رائد متعدد الوسائط يعتمد على تقنية "خليط الخبراء" (Mixture-of-Experts - MoE)، صُمم لتقديم أداء متميز بتكلفة ضئيلة مقارنة بالتكاليف التقليدية. وباعتباره معاينة معمارية لنموذج Qwen4 القادم، يتحدى هذا النموذج هيمنة النماذج اللغوية الكبيرة (LLMs) الأضخم حجمًا من خلال تحسين كيفية تنشيط المعلمات وتخزينها.

بنية ثورية: ابتكار تضمين N-gram

يتمثل الإنجاز التقني الأبرز في Qwen3.8-Flash-Next في تعامله الفريد مع التوازن بين الحجم والكفاءة. فبينما يمتلك النموذج إجمالي 125 مليار معلمة، فإنه يستخدم نهج MoE متفرق (sparse) يقوم بتنشيط 6 مليارات معلمة فقط لكل رمز (token). وهذا يسمح بعمليات استدلال عالية السرعة دون التضحية باتساع المعرفة الموجودة في النماذج الأكثر كثافة.

ومن الابتكارات الحاسمة المقرر تضمينها في إصدار Qwen4 الكامل وجود طبقة تضمين N-gram مكونة من 51 مليار معلمة. تعمل هذه الطبقة بمثابة "قاموس عبارات"، حيث تخزن مجموعات الكلمات الشائعة كمدخلات مستقلة. والأهم من ذلك، أن هذه الطبقة مصممة لتستقر في ذاكرة الوصول العشوائي (RAM) العادية للنظام بدلاً من ذاكرة وحدة معالجة الرسومات (GPU) المكلفة، مما يقلل بشكل كبير من الأعباء الإضافية للأجهزة المطلوبة لتشغيل النموذج. علاوة على ذلك، يدعم النموذج بشكل أصلي نافذة سياق ضخمة تصل إلى 262,144 رمزًا، مع القدرة على التوسع إلى مليون رمز عبر تقنية YaRN.

التفوق على العمالقة في البرمجة والإنتاجية

على الرغم من صغر عدد المعلمات النشطة، يحقق Qwen3.8-Flash-Next نتائج في الاختبارات المعيارية تتفوق غالبًا على منافسين أكبر بكثير مثل DeepSeek-V4-Flash (بـ 284 مليار معلمة) و Claude Opus 4.6 (Max) من شركة Anthropic. ويظهر النموذج قوة خاصة في المهام "الوكيلية" (agentic)—وهي السيناريوهات التي يجب فيها للذكاء الاصطناعي التنقل بشكل مستقل في بيئات برمجية معقدة لحل المشكلات.

وفي الاختبارات المعيارية المتخصصة، حقق Flash-Next درجة 62.5 في SWE-bench Pro و58.7 في DeepSWE، متفوقًا على كل من DeepSeek و Claude. وتظهر فجوة الأداء بشكل أكثر وضوحًا في سير العمل المهني؛ ففي CoWorkBench، سجل Flash-Next 73.9، وهو ما يقرب من ضعف نتيجة DeepSeek-V4-Flash البالغة 45.1. وفي JobBench، سجل 55.7، وهي قفزة هائلة مقارنة بـ 27.6 التي سجلها نموذج Qwen3.7-Plus السابق.

تسعير مزعزع للمنافسة ومشهد تنافسي جديد

لا تنافس Alibaba على مستوى الذكاء فحسب، بل على مستوى كفاءة التكلفة القصوى أيضًا. فالنسخة الإنتاجية، التي يتم توفيرها كـ Qwen3.8-Flash عبر QwenCloud، مُسعرة بمبلغ مذهل قدره 0.16 دولار لكل مليون رمز إدخال و0.47 دولار لكل مليون رمز إخراج. ولتوضيح الصورة، فإن أداء النموذج يقارب أداء النموذج الرائد Qwen3.8-Max ولكن بتكلفة تعادل تقريبًا جزءًا من اثني عشر من التكلفة الأصلية.

تضع استراتيجية التسعير الهجومية هذه ضغوطًا هائلة على قادة الذكاء الاصطناعي الغربيين مثل OpenAI و Anthropic. ومن خلال إثبات أن نموذجًا تم تدريبه بتكلفة تبلغ تسع تكلفة سلفه يمكنه تقديم نتائج متفوقة في البرمجة والمهام المكتبية، ترسل Alibaba إشارة إلى تحول في الصناعة: قد لا ينتمي مستقبل الذكاء الاصطناعي إلى النماذج الأكبر حجمًا، بل إلى النماذج الأكثر كفاءة من حيث البنية المعمارية.

النقاط الرئيسية

  • معاينة معمارية: يقدم Qwen3.8-Flash-Next طبقة تضمين N-gram مكونة من 51 مليار معلمة تستخدم ذاكرة الوصول العشوائي (RAM) للنظام لتقليل الاعتماد على وحدة معالجة الرسومات (GPU)، وهو ما يعد تمهيدًا لبنية Qwen4.
  • هيمنة في الاختبارات المعيارية: يتفوق النموذج على المنافسين الأكبر مثل Claude Opus 4.6 و DeepSeek-V4-Flash في البرمجة الوكيلية (SWE-bench Pro) والإنتاجية المهنية (CoWorkBench).
  • كفاءة قصوى في التكلفة: مع عدد معلمات نشطة يبلغ 6 مليارات فقط لكل رمز، يوفر النموذج ذكاءً رفيع المستوى بجزء بسيط من تكلفة النماذج الرائدة، مما يغير مشهد تسعير الذكاء الاصطناعي الحالي.