Hy-Memory-30B-A3B مقابل Nemotron 3.5 Lightning 30B-A3B Base: نفس الأحرف الثلاثة، كائنان مختلفان

Hy-Memory-30B-A3B وNVIDIA-Nemotron-3.5-Lightning-30B-A3B-Base-BF16 يحملان البنية الحسابية نفسها للمعاملات — 30 مليارًا إجمالًا، و3 مليارات نشطة — وهنا يتوقف التشابه عن كونه مفيدًا. نموذج فريق Hunyuan، المفتوح المصدر في 15 أكتوبر 2026، هو منتج مكتمل: مُدرَّب تدريبًا لاحقًا بالكامل لتنفيذ كتابة الذاكرة داخل Mem0 وMemOS وHy-Memory، ويُشحن مع وصفة تقديم متوافقة مع OpenAI وجدول قياسات مرجعية يزعم التفوق على Claude Opus 5. أما نموذج NVIDIA، الصادر في 11 أغسطس 2026، فليس منتجًا على الإطلاق. كلمة "Base" في اسمه حرفية — لم يُطبَّق أي ضبط دقيق بإشراف، ولا تعلم معزز، ولا تقطير. إنه مادة خام مُدرَّبة مسبقًا، نُشرت كي تبني فوقها نموذجك الخاص المُدرَّب تدريبًا لاحقًا. ما لا تستطيع الأرقام إخبارك به هو ما إذا كان أي من ذلك قد سار على نحو خاطئ في الميدان: الحوادث الموثقة للذكاء الاصطناعي وإخفاقات الوكلاء المرتبطة بنماذج من هذه الفئة مجموعة في the OrcaRouter AI Incident Archive حيث يحمل كل مُدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محل خلاف.

نموذجان يحملان الرقم نفسه في الاسم، أُصمّم أحدهما ليُستخدم، وأُصمّم الآخر ليُعدَّل. المقارنة التي تستحق أن تُعقد ليست أيّهما يحصل على درجة أعلى — فلم يُقيَّما على أي شيء مشترك، وأحدهما ليس لديه سلوك اتباع التعليمات ليُقيَّم. المقارنة التي تستحق أن تُعقد تتعلق بالأدلة: ما نشرته كل جهة مزوّدة، وكم منه يمكنك التحقق منه بنفسك، وما يطلبه كل واحد منك قبل أن يفعل أي شيء على الإطلاق.

ما هو كل نموذج في الواقع

Hy-Memory-30B-A3B هو محوّل متناثر تقليدي له مهمة غير معتادة. يصف ملف تهيئته 48 طبقة، أولها كتلة تغذية أمامية كثيفة، أما الـ47 المتبقية فهي خليط خبراء، مع 128 خبيرًا لكل كتلة بتوجيه top-8 بالإضافة إلى خبير مشترك واحد، وحجم مخفي 2,048، وعرض وسيط للخبير 768، و32 رأس انتباه مقابل 4 رؤوس مفتاح-قيمة مع تطبيع الاستعلام-المفتاح، وسياق من 262,144 موضعًا. نحو 60.1 غيغابايت موزعة على 51 جزءًا BF16. دُرِّب على مرحلتين — التقطير أثناء السياسة للذاكرة، ثم التعلّم المعزّز للذاكرة المنسوبة — وكان الهدف كله من التمرين هو استبدال النموذج العام الذي تستدعي أطر عمل الذاكرة حاليًا في كل دور. عند تقديمه باستخدام vLLM 0.31.0، يعيد سجلات JSON منظمة تصف ما ينبغي للوكيل أن يتذكره.

Nemotron 3.5 Lightning 30B-A3B Base هو نموذج هجين. تُشابك NVIDIA كتل Mamba-2 ذات فضاء الحالة مع طبقات مزيج الخبراء والانتباه، وتضيف رؤوس التنبؤ متعدد الرموز (Multi-Token Prediction) المدرَّبة في مرحلة تدريب مسبق مستمر مخصصة، ودرّبت النموذج بالكامل مسبقًا وفق وصفة NVFP4 على أكثر من 20 تريليون رمز. الهدف من البنية الهجينة هو ذاكرة التخزين المؤقت للمفاتيح والقيم: فكتل Mamba-2 تمنعها من النمو بالطريقة التي تنمو بها ذاكرة محوّل تقليدي، وهذا ما يتيح لـ NVIDIA الإعلان عن طول سياق يصل إلى مليون رمز. يتوفر بنُسخ BF16 وNVFP4 وFP8، مع تحويلات GGUF وتكميمات من عدة أطراف ثالثة. رخصته هي OpenMDW-1.1، وهي تغطي الأوزان وبيانات التدريب والوصفات — وهو منح أوسع مما تكون عليه رخصة نموذج عادةً.

التشابه في عدد المعاملات حقيقي لكنه سطحي. يفعّل كلاهما نحو 3 مليارات معامل لكل رمز؛ وهذا هو القرار التصميمي الوحيد الذي اتخذه الفريقان بالطريقة نفسها.

تلك اللافتة هي العنصر الأكثر إفادةً على الإطلاق في الصفحة. وقد وضعتها NVIDIA عن قصد في أعلى المستودع الأساسي: فنقطة الحفظ هذه ليست تلك التي يريدها معظم الناس، ويقول المورّد ذلك قبل أن تنزّل 30 مليار معامل.

الفرق الذي يحسم كل شيء: المُدرَّب لاحقاً مقابل المُدرَّب مسبقاً

لا تتبع نقطة التحقق الأساسية التعليمات. اطرح عليها سؤالاً فتُكمل النص، لأن ذلك هو الشيء الوحيد الذي علّمها إياه التدريب المسبق. لا تملك قالب محادثة يُذكر، ولا سلوك استدعاء أدوات، ولا حدود رفض، ولا فكرة عن أن للمحادثة أدوارًا. تقول بطاقة NVIDIA هذا صراحةً، وتشير لافتة "هل تبحث عن النموذج المدرَّب لاحقًا؟" في أعلى المستودع إلى نقطة التحقق الشقيقة لكل من يريد شيئًا يمكنه التحدث معه.

الغرض من نقطة التحقق الأساسية هو أنها نقطة البدايةالخاصة بك للتدريب اللاحق. مواصلة التدريب المسبق على مجموعة نصوص خاصة بمجال معيّن، أو الضبط الدقيق الخاضع للإشراف، والتعلّم المعزّز والتقطير عبر NeMo RL وNeMo Gym وMegatron-LM — وهي المنظومة التي تسمّيها NVIDIA وتطرح لها وصفات جاهزة. إذا كانت لديك ميزة في البيانات ورأي في الكيفية التي ينبغي أن يتصرف بها النموذج، فإن نقطة التحقق الأساسية هي نقطة الانطلاق التي تتيح لك التصرف بناءً على كليهما. وإذا لم تكن لديك، فهي ثقل ورقي بثلاثين مليار معلمة.

Hy-Memory-30B-A3B في الطرف المقابل من هذا المسار. لقد خضع بالفعل للتدريب اللاحق، مرتين، وعرض القيمة بأكمله هو أنك لست مضطرًا للقيام بذلك العمل — تأخذ المخطط الذي تعطيك إياه البطاقة، وتوجّهه إلى إطار التشغيل الخاص بك، وهو يكتب الذاكرة. إنه أضيق نطاقًا من Nemotron بفارق هائل، ومكتمل بطريقة لا يكون Nemotron مكتملًا بها عن قصد.

المواصفات والتغليف، سطر واحد لكل بُعد

• إجمالي المعاملات / المعاملات النشطة — 30 مليار / ~3 مليار لكليهما. هذا هو الصف الوحيد الذي يتفقان فيه.

• البنية — Hy-Memory-30B-A3B هو محوّل متناثر يحتوي على كتلة كثيفة واحدة و47 كتلة MoE، و128 خبيرًا مع top-8 بالإضافة إلى خبير مشترك؛ Nemotron 3.5 Lightning 30B-A3B Base هو هجين Mamba-2، يتشابك بين طبقات فضاء الحالة وMoE والانتباه مع رؤوس التنبؤ متعدد الرموز.

• السياق — 262,144 موضعًا لـ Hy-Memory-30B-A3B وفق إعداداته؛ وما يصل إلى مليون رمز لـ Nemotron، مع 256K كالرقم العملي الموثّق على وحدة H100 واحدة.

• ما بعد التدريب — مرحلتان لـ Hy-Memory-30B-A3B (تقطير وفق السياسة، ثم تعلّم معزّز منسوب)؛ ولا شيء على الإطلاق لنقطة التفتيش الأساسية Nemotron.

• بصمة الأوزان — 60.1 GB بصيغة BF16 لـ Hy-Memory-30B-A3B دون نشر أي دقة أخرى، مقابل إصدارات BF16 وNVFP4 وFP8 من NVIDIA بالإضافة إلى GGUF من المجتمع.

• الترخيص — Apache 2.0 مقابل OpenMDW-1.1، الذي يغطي إضافةً إلى ذلك بيانات التدريب والوصفات.

• مسار التقديم — vLLM 0.31.0 خلف نقطة نهاية متوافقة مع OpenAI لـ Hy-Memory-30B-A3B؛ التدريب اللاحق أولًا، ثم التقديم، لـ Nemotron.

• نقطة نهاية مستضافة — لا يتم نشر أي من النموذجين بواسطة مزوّد استدلال مستضاف. كلاهما يُعدّان خيارين للاستضافة الذاتية.

الدليل: NVIDIA تنشر وصفة، وHunyuan تنشر جدولاً

هذا هو الفرق الأكثر حدّة بين الإصدارين، وهو لا يتعلق بالأرقام نفسها.

تنشر NVIDIA منهجية تقييمها بأسلوب يمكنك التصرف بناءً عليه. توضح بطاقة Lightning الأساسية أن أرقام دقتها قيست ضمن إطار اختبار متسق — NeMo Gym وNeMo Evaluator SDK، مع تغليف حاوية مفتوحة المصدر من LM Evaluation Harness، وتشغيل RULER عبر NeMo Skills — ثم تقول الشيء الذي نادرًا ما تقوله الشركات المورّدة: قد تختلف هذه الأرقام عن الأرقام التي تعلنها شركات أخرى عن نفسها. وهي تضع روابط لوصفات إعادة الإنتاج. لا تزال الأرقام ناتجة عن تشغيل NVIDIA نفسه، لكن الإطار مُسمّى ومُحزَّم وقابل للتنزيل، ما يعني أن المسافة بين «قياس NVIDIA لهذا» و«قياسي لهذا» هي بضع ساعات من العمل بدلًا من مشروع بحثي.

يصعب التحقق من إصدار Hy-Memory بطريقتين مختلفتين. تصميم التقييم سليم في حد ذاته — فهو يغيّر كاتب الذاكرة فقط ويُبقي إطار الاختبار والتوجيهات وإعدادات الاسترجاع ونموذج الإجابة والمُقيِّم ثابتة، وهي الطريقة الصحيحة لعزل مساهمة الكاتب. لكن كل معيار في المصفوفة الرئيسية يعمل على عينة فرعية بنسبة 20% بدلاً من المجموعة الكاملة، والهامش الرئيسي ضيق: متوسط ماكرو 55.49 مقابل 54.62 لـ Claude Opus 5، بفارق 0.87 نقطة، مع حسم إطار MemOS بفارق 0.01 من نقطة. العقبة الثانية هي العتاد. إعادة إنتاج أرقام NVIDIA الأساسية تعني تحميل نقطة تحقق توجد لها بنى مُكمَّمة؛ أما إعادة إنتاج أرقام Hy-Memory فتعني تحميل 60 GB بصيغة BF16 دون نشر بديل أصغر.

لم تُعَد إنتاج أي من مجموعتي الأرقام بشكل مستقل. الفرق هو مدى معقولية أن تكون أنت من يمكنه فعل ذلك.

ضع المصدرين الأساسيين جنبًا إلى جنب، فيبدو التباين صارخًا: تقييم Hy-Memory يوجد في ورقة بحثية تتضمن وصفًا للبنية وطريقة تدريب، بينما تقييم NVIDIA يوجد في بطاقة نموذج مع أداة اختبار مُسمّاة وقابلة للتنزيل. كلاهما من المزوّد الذي يصحّح واجبه بنفسه. واحد فقط منهما يسلّمك المسطرة.

سببان مختلفان لإدخال موجّه في الأمر

كلا النموذجين مستضافان ذاتيًا، ولا يتوفر Hy-Memory-30B-A3B ولا Nemotron 3.5 Lightning 30B-A3B Base في كتالوج OrcaRouter — فنحن لا نستضيف أيًا منهما. الطريق إلى كليهما هو الأوزان ووحدات معالجة الرسومات الخاصة بك. لكن سؤال الموجّه يطرح نفسه بشكل مختلف على كل جانب من هذه المقارنة، وهو أمر يستحق التناول لأنه الشكل العملي للاختيار.

إذا سلكت مسار Nemotron، فأنت تُجري تدريبًا لاحقًا لنقطة تحقق. ينتج عن ذلك نموذج لا يوجد إلا على بنيتك التحتية، والمشكلة الكلاسيكية مع نقطة التحقق المخصصة أنها لا تجد مكانًا تستقر فيه: فهي ليست في أي كتالوج، لذا يحتاج كل تطبيق يريدها إلى توصيلات مخصصة، وكل مسار احتياطي عند تعطّلها يحتاج إلى بناء يدوي. والموجّه (router) يحل هذا تحديدًا — مفتاح API واحد عبر أكثر من 200 نموذج، مع تسجيل نقطة النهاية الخاصة بك إلى جانبها وتجاوز تلقائي عند الفشل عندما تتدهور. دمج النماذج هو الجزء الآخر الجدير بالمعرفة هنا: فهو يشغّل مجموعة من النماذج معًا في نداء واحد، وهكذا يمكنك مقارنة تدريب لاحق جديد مقابل خط أساس قوي دون كتابة أداة اختبار لكل منها.

إذا سلكت مسار Hy-Memory، فإن الكاتب ليس سوى استدعاء واحد داخل حلقة أكبر بكثير. تستدعي منظومة تشغيل الذاكرة الكاتب، ثم تستدعي نموذج إجابة ليقرأ بنك الذاكرة مرة أخرى ويستجيب — وهذا الاستدعاء الثاني هو الموضع الذي يوجد فيه عادةً نموذج مستضاف. يمرر OrcaRouter سعر قائمة المزوّد كما هو دون أي هامش ربح، لذا يصبح أي تخفيض سعري من المورّد على نموذج الإجابة سارياً من جانبنا في اليوم نفسه، كما تجمع لغة التوجيه routing DSL الكاتب المستضاف ذاتياً والقارئ المستضاف في استدعاء واحد. لا تحتاج إلى أن يأتي الشقان من المصدر نفسه، ولا تحتاج إلى عقد ثانٍ لإضافة ما ينقصك.

أي واحد هو نقطة البداية الصحيحة؟

إذا كان ما تريده هو نموذج يفعل شيئًا في اليوم الذي تنزّله — تحديدًا، أن يحسّن ذاكرة وكيل دون أن تدرّب أي شيء — فإن Hy-Memory-30B-A3B هو الوحيد من بين هذين الاثنين الذي يجيب. وهو أيضًا النموذج الذي لا يمكنك اختباره بتكلفة زهيدة، وادعاؤه الرئيسي هو ذو أضيق هامش. ابدأ متوقعًا أن تنفق على العتاد قبل أن تتعلم أي شيء.

إذا كان ما تريده هو أساس يمكنك تشكيله، فإن Nemotron 3.5 Lightning 30B-A3B Base عمل منشور جاد: بنية هجينة مصممة للسياق الطويل والاستدلال السريع، صدرت مع وصفات تدريبها وأداة تقييم يمكنك إعادة تشغيلها. لن يجيب عن أي سؤال حتى تجري عليه تدريبًا لاحقًا، وهذا هو الاتفاق وليس عيبًا.

سيظل تصادم الأسماء يضع هذين الاثنين في الجملة نفسها. وستظل أعداد المعاملات متطابقة. ولن يتطابق أي شيء آخر بشأنهما، وكلما أسرع القارئ في الفصل بين «30B-A3B» و«النوع نفسه من النماذج»، أسرعت المقارنة في أن تصبح مفيدة.

رقم التنزيلات يستحق أن يبقى على الشاشة. متخصص مُدرَّب لاحقًا صدر أمس بلا نسخة مكمّمة، ولا نقطة نهاية مستضافة، ولا إعلان، لديه صفر تنزيلات وتسع إعجابات — بينما نقطة تفتيش NVIDIA الأساسية المدربة مسبقًا، المنشورة قبل شهرين، تستقر عند عشرات الآلاف. هذه الفجوة ليست حكمًا على الجودة. إنها قياس لمدى الصعوبة التي جعلها كل فريق في طريق تجربة الشيء.