أبرز النقاط
- Soofi S يُفعّل 3.2 مليار معامل فقط من أصل 31.6 مليار لكل رمز، ما يخفض تكلفة الحوسبة دراماتيكياً
- النموذج يتصدر معايير الأداء للنماذج المفتوحة بالكامل في الإنجليزية والألمانية والبرمجة
- تدريب كامل على بنية Deutsche Telekom السحابية في ميونخ، خطوة نحو السيادة الرقمية الأوروبية
في خطوة تعكس طموحات أوروبا لامتلاك زمام الذكاء الاصطناعي، أعلن تحالف بحثي ألماني بتنسيق من اتحاد الذكاء الاصطناعي الألماني (KI Bundesverband) عن إطلاق نموذج Soofi S 30B-A3B، وهو نموذج لغوي مفتوح المصدر بالكامل يضم 31.6 مليار معامل، لكنه لا يُفعّل سوى 3.2 مليار منها لكل رمز يولّده. النتيجة؟ تكلفة حوسبة أقرب لنموذج بحجم 3 مليارات معامل، مع أداء ينافس عمالقة يفوقونه حجماً بمراحل.
لماذا يتفوق نموذج بـ 30 مليار معامل على منافسين بـ 70 ملياراً؟
السر يكمن في هندسة Mixture of Experts (MoE) الهجينة التي يتبناها Soofi S. النموذج مبني على معمارية Nvidia Nemotron 3 Nano دون تعديل، وهي تصميم يجمع بين طبقات Mamba-2 وطبقات الانتباه التقليدية (Transformer). الفارق الجوهري عن المحولات التقليدية يظهر في سلوك الذاكرة: في النماذج الكثيفة، تنمو ذاكرة KV cache—التي تخزّن الرموز السابقة لحسابات الانتباه—خطياً مع طول السياق، فتصبح عنق زجاجة مع المدخلات الطويلة والطلبات المتوازية.
Soofi S يتجنب هذا الفخ: 6 طبقات فقط من أصل 52 تحتفظ بهذه الذاكرة. النتيجة العملية تظهر في سرعة التوليد: عند سياق بطول 40,000 رمز مع 32 طلباً متوازياً، يولّد Soofi S نحو ثمانية أضعاف الرموز في الثانية لكل GPU مقارنة بالنماذج الكثيفة في نطاق 14-24 مليار معامل.
كيف حافظ النموذج على أدائه مع السياقات فائقة الطول؟
بينما ينخفض أداء النماذج التقليدية بشكل حاد مع نمو السياق، يبقى أداء Soofi S شبه ثابت من 4,000 إلى 256,000 رمز. النموذج الوحيد الذي أظهر سلوكاً مماثلاً في القياسات هو Qwen3.5 35B-A3B من Alibaba، الذي يستخدم هو الآخر معمارية هجينة. هذا يعني أن المطورين يمكنهم معالجة مستندات ضخمة أو محادثات طويلة دون التضحية بالسرعة.
ما حجم البيانات التي دُرّب عليها النموذج؟
التحالف عالج نحو 27 تريليون رمز موزعة على ثلاث مراحل تدريبية. المرحلة الأولى شملت 20 تريليون رمز من مزيج واسع يضم الويب والكود والرياضيات ونصوصاً متخصصة. المرحلة الثانية استخدمت 6 تريليونات رمز من مصادر أعلى جودة لصقل الأنماط المكتسبة. أما المرحلة الثالثة الأقصر فمدّدت نافذة السياق بالتدريب على مستندات طويلة جداً تصل إلى مليون رمز.
- المرحلة الأولى: 20 تريليون رمز — اللغة الألمانية تشكل 7.2%
- المرحلة الثانية: 6 تريليونات رمز — الألمانية ترتفع إلى 15.3%
- المرحلة الثالثة: مستندات طويلة تصل إلى مليون رمز لتوسيع نافذة السياق
لماذا التركيز على اللغة الألمانية تحديداً؟
في وصفة Nvidia Nemotron المرجعية، لا تتجاوز جميع اللغات غير الإنجليزية مجتمعة نسبة 5%. Soofi S يقلب هذه المعادلة بتخصيص حصة أكبر بكثير للألمانية. مصادر البيانات تشمل نصوص الويب الألمانية من مشروع HPLT، ومجموعة German Commons المفتوحة الترخيص، والأجزاء الألمانية من FinePDFs وFineWiki، إضافة إلى مجموعة Genios التجارية التي تحوي 193 مليون مقال صحفي من 916 منشورة ألمانية. نصوص مترجمة آلياً ومولّدة صناعياً أكملت المزيج.
كيف كان أداء Soofi S في المعايير القياسية؟
في تقييمات شملت 16 نموذجاً مفتوحاً آخر، تصدّر Soofi S جميع النماذج المفتوحة بالكامل في المجموع الكلي للإنجليزية والألمانية معاً. تفوّق على OLMo 3 32B من معهد Allen للذكاء الاصطناعي وApertus 70B من ETH Zurich وEPFL. أمام كل نموذج أوروبي سيادي، جاء Soofi S في المقدمة على جميع معايير الألمانية، أحياناً بفوارق من خانتين.
في معايير البرمجة، سجّل Soofi S نسبة 73.8% على HumanEval، و70.2% على MBPP، و84.2% على النسخة الألمانية من MBPP—أفضل النتائج بين النماذج مفتوحة المصدر. وعلى اختبار INCLUDE-DE للمعرفة الإقليمية الألمانية، تعادل في المركز الأول عند 61.2 نقطة مع النموذج الأكبر حجماً Qwen3.5 35B-A3B.
- HumanEval: 73.8%
- MBPP: 70.2%
- MBPP الألمانية: 84.2%
- INCLUDE-DE: 61.2 نقطة (تعادل للمركز الأول)
ما أهمية التدريب على بنية Deutsche Telekom؟
Soofi S هو من أوائل النماذج اللغوية الكبيرة التي دُرّبت بالكامل على سحابة Deutsche Telekom للذكاء الاصطناعي الصناعي في ميونخ. هذا ليس تفصيلاً تقنياً هامشياً: إنه إعلان سيادة رقمية أوروبية. في عالم تهيمن فيه البنية التحتية الأمريكية والصينية على تدريب النماذج الكبرى، يثبت هذا المشروع أن أوروبا قادرة على بناء نماذج تنافسية على أرضها.
رأي Logicity
Soofi S يطرح سؤالاً جوهرياً على صناع القرار: هل حجم المعاملات هو المقياس الحقيقي للقدرة؟ معمارية MoE تثبت أن الكفاءة قد تتفوق على الضخامة. للمقارنة، Mistral Large 2 يستخدم منهجاً مشابهاً لكن بترخيص تجاري أكثر تقييداً، بينما Llama 3.1 70B من Meta يبقى كثيفاً بالكامل مع تكلفة استضافة أعلى. النماذج الأوروبية المفتوحة مثل Soofi S قد تصبح الخيار الافتراضي للمؤسسات التي تريد الجمع بين الأداء والامتثال التنظيمي.
الأسئلة الشائعة
ما الفرق بين Soofi S والنماذج الكثيفة مثل Llama؟
Soofi S يستخدم معمارية Mixture of Experts فيُفعّل 3.2 مليار معامل فقط من أصل 31.6 مليار لكل رمز، ما يخفض تكلفة الحوسبة ويحافظ على السرعة مع السياقات الطويلة، بينما النماذج الكثيفة تُفعّل جميع معاملاتها دائماً.
هل Soofi S مفتوح المصدر بالكامل؟
نعم، النموذج مفتوح المصدر بالكامل ويتفوق على نماذج مفتوحة أخرى مثل OLMo 3 32B وApertus 70B في معايير الأداء.
ما أقصى طول سياق يدعمه Soofi S؟
النموذج يدعم سياقاً يصل إلى 256,000 رمز مع الحفاظ على سرعة توليد شبه ثابتة، وتم تدريبه على مستندات تصل إلى مليون رمز.
لماذا دُرّب النموذج في ألمانيا وليس على سحابة أمريكية؟
التدريب على بنية Deutsche Telekom في ميونخ يمثل خطوة نحو السيادة الرقمية الأوروبية ويضمن الامتثال لقوانين حماية البيانات الأوروبية GDPR.
كيف يقارن أداء Soofi S البرمجي بالنماذج الأخرى؟
سجّل 73.8% على HumanEval و84.2% على النسخة الألمانية من MBPP، وهي أفضل النتائج بين النماذج مفتوحة المصدر في هذه الفئة.
هل تحتاج مساعدة في التطبيق؟
إذا كنت تدرس دمج نماذج MoE مثل Soofi S في منتجاتك أو تحتاج استشارة حول اختيار النموذج الأمثل لحالتك، تواصل مع فريق Logicity للحصول على تحليل مخصص لاحتياجاتك.
فاطمة الزهراء
كاتبة تقنية متخصصة في الذكاء الاصطناعي
أُنتِج هذا المقال بمساعدة الذكاء الاصطناعي وراجعه فريق التحرير في لوجيسيتي. اعرف المزيد في سياسة التحرير.
