Ming-3.0-audio-tiny يعمل الآن على وحدة معالجة رسوميات واحدة — وأخيرًا يذكر إعداده 128K

نقطة التحقق الكامنة وراء Ming-3.0-audio-tiny متاحة للتنزيل منذ 3 سبتمبر 2026 — شريحتان من safetensors، بحجم 17.7 GB، رُفعتا بعد تسع دقائق من إنشاء المستودع نفسه. وما لم يكن موجودًا حتى هذا الأسبوع كان تقريبًا كل ما يخبرك بكيفية تشغيله. بين 16 و19 أكتوبر 2026، استبدلت inclusionAI التكوين الذي شُحن في سبتمبر، فحوّلت نسخة تجمع بين الفيديو واللغة والصوت بنافذة سياق من 8,192 رمزًا إلى نسخة صوتية فقط تدّعي نافذة من 131,072، وأضافت مكوّن Talker الذي ينتج الكلام، وأضافت مقطعي صوت مرجعيين مع نصوصهما المكتوبة، وبعد ثلاثة أيام لم تكن للمستودع خلالها بطاقة نموذج على الإطلاق، كتبت واحدة. وصل الكود الذي تشير إليه تلك المستندات إلى GitHub في 15 أكتوبر، في مستودع سُمّي باسم الشقيق الأكبر، Ming-3.0-audio-flash، وهو يحمل ثلاثة ملفات تعريف نشر للنموذج الصغير لم يملكها النموذج الصغير قط. لم يعلن أحد أيًا من هذا. لذا فالسؤال الجدير بالإجابة عنه ليس ما الجديد، لأن الأوزان عمرها سبعة أسابيع وهي متطابقة بايتًا ببايت مع يوم نزولها. بل ما يستطيع القارئ تشغيله الآن ولم يكن يستطيع تشغيله الاثنين الماضي، وما تكلفته من حيث الدقة عندما يفعل ذلك. تُجمع إخفاقات الذكاء الاصطناعي وحوادث الوكلاء الموثّقة الكامنة خلف إصدارات كهذا في أرشيف حوادث الذكاء الاصطناعي OrcaRouter حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه متنازعًا عليه.

ما الذي تغيّر، مؤرّخًا إلى الالتزام

سجل الإيداعات في Hugging Face قصير بما يكفي لقراءته بالكامل، وشكله غير معتاد: ثلاثة إيداعات في سبتمبر، ولا شيء لمدة ثلاثة أسابيع، ثم ستة إيداعات في أربعة أيام.

• 3 سبتمبر، 11:45 و11:49 بالتوقيت العالمي المنسق — يُنشأ المستودع، ثم تصل الشريحتان ضمن "إضافة ملفات باستخدام أداة upload-large-folder". وملف README المرفق بهما بعنوان "Ming Audio V3"، ويصرّح بترخيص Apache 2.0، ويضع وسم automatic-speech-recognition على المستودع، ويقول إن المستودع "يوثّق حاليًا مسار ASR."

• 17 سبتمبر — يُحذف مجلد examples/. بعد ذلك، لا يضم المستودع سوى الأوزان وشيفرة النمذجة المخصصة وبطاقة قصيرة، ولا شيء غير ذلك.

• 16 أكتوبر، من 08:14 إلى 08:20 بالتوقيت العالمي المنسَّق — اللحظة الفارقة.config.json يُعاد كتابته: max_position_embeddings في العمود الفقري النصي ينتقل من 8,192 إلى 131,072، وtransformers_version من 4.56.2 إلى 5.14.1، وaudio_config.model_type من bailing_moe_v3_vl_audio إلى bailing_moe_v3_audio — نوع الفيديو-اللغة-الصوت الذي لم يعد يصف النموذج. وفي الدفعة نفسها يكتسب auto_map مدخلَي AutoModel وAutoProcessor لم تكن لديه، ويظهر ملف processor_config.json، وتصل شجرة talker/: نموذج كلام بحجم 1.4 غيغابايت، وVAE بحجم 1.6 غيغابايت، ومُرمِّز متحدث CAM++، ومحوّلات آلات ذات حالات محدودة لتطبيع النص بالإنجليزية والصينية. ويُزال ملف README القديم في الدفعة نفسها — ولمدة ثلاثة أيام تالية يظل المستودع بلا أي بطاقة نموذج على الإطلاق.

• 17 أكتوبر، 11:44 بالتوقيت العالمي الموحد — «إضافة إعدادات صوتية مسبقة». ملفان بصيغة WAV مرجعيان، US_James.wav و灵楷.wav، إضافةً إلى ملف JSON يحتوي على نصوصهما الدقيقة.

• 19 أكتوبر، 10:36 و11:44 و11:49 UTC — ثلاثة إيداعات تنظيف ورفع.

• 19 أكتوبر، 13:19 UTC — "أضف بطاقة نموذج Ming-3.0-audio-tiny." ‏8,514 بايت، وأول مستند في تاريخ المستودع يصف نموذجًا للكلام والصوت بدلًا من مسار ASR.

جانب GitHub له جدوله الزمني الخاص، وهو يبدأ لاحقًا. inclusionAI/Ming-3.0-audio-flash أُنشئ في 15 أكتوبر عند 03:50 UTC — بعد ستة أسابيع من وجود الأوزان — وكان لا يزال يُدفع إليه في 19 أكتوبر عند 14:53 UTC. لديه ثماني نجوم، وملف ترخيص MIT، وdeploy/، وهو دليل يحتوي على ستة ملفات تعريف YAML، ثلاثة منها مخصصة لنقطة التفتيش الصغيرة بالاسم. لا يوجد مستودع inclusionAI/Ming-3.0-audio-tiny؛ يعيد عنوان URL هذا الخطأ 404، ويعيش كود النموذج الصغير في مستودع flash إلى جانب كود نظيره.

إعادة كتابة الإعدادات هي القصة الحقيقية

إن زيادة حقل طول السياق بمقدار 16× هي نوع التغيير الذي يكون إما شكلياً أو بنيوياً، وفي هذه الحالة تشير بقية الفروق إلى أنه بنيوي. في سبتمبر، شحن المستودع modeling_bailing_moe_v3_audio.py و processing_bailing_moe_v3_audio.py في الشجرة، لكن إعداده وصف برج صوت من النوع bailing_moe_v3_vl_audio — وهو بقايا من بناء فيديو-لغة — وكانت بطاقته تطلب منك إنشاء النموذج باستخدام trust_remote_code=False، وهذا ليس ما تريده ملفات النمذجة المخصصة. إعداد أكتوبر هو الأول الذي يتفق فيه النوع المعلن وبيئة التشغيل المعلنة ومسار الشيفرة.

• العمود الفقري — 24 طبقة، حجم مخفي 1,536، 16 رأس انتباه، 128 خبيرًا موجّهًا مع 8 نشطين لكل رمز وخبير مشترك واحد، حجم وسيط للخبير 512، الطبقة الكثيفة الأولى عند الفهرس 1، عامل تحجيم التوجيه 2.5، المفردات 157,184.

• الانتباه — MLA، بكامن KV بعرض 512 وكامن استعلام بعرض 256، rope_theta 6,000,000، partial_rotary_factor 0.5. إن صيغة KV منخفضة الرتبة هي ما يجعل نافذة من 131,072 رمزًا قابلة للنقاش أصلًا على بطاقة واحدة: تخزّن الذاكرة المؤقتة الكامن، لا المفاتيح والقيم لكل رأس.

• برج الصوت — 32 طبقة، عرض 1,280، 20 رأسًا، سياق من 3,000 إطار و128 صندوق ميل، مع مختزل عينات بنواة [3,3,3] وخطوة [2,2,2]. معرّف رمز الصوت 157,168.

• الحجم — 9.3B إجمالي المعلمات، و2.7B مفعّلة لكل رمز (token)، وbfloat16 في كل المراحل، ومُعلنة مقابل Transformers 5.14.1.

• المدخلات والمخرجات — إدخال صوتي مع تعليمات نصية؛ إخراج نصي، أو نص مع كلام مُصنّع عبر Talker الاختياري. الصينية والإنجليزية، بما في ذلك اللكنات واللهجات، وفقًا للبطاقة.

ما لا تفعله إعادة كتابة الإعدادات هو إضافة أي أوزان. ملفات safetensors الأربعة في المستودع — شريحتا Thinker، وTalker، وVAE — لها الأحجام نفسها في كل مراجعة تحققت منها، وصولًا إلى الرفع الأولي. كان هذا تغييرًا في التوثيق والتغليف لنقطة تحقق لم تتغير، وهذا بالضبط سبب كون القفزة من 8,192 إلى 131,072 موثوقة: لم يُعِد أحد تدريب أي شيء، لذا يمكن اختبار الادعاء بتحميل النموذج وطلب سياق طويل بدلًا من قبوله على الإيمان.

لا تزال هناك ورقة واحدة من الأوراق الرسمية غير متسقة. يحمل وسم خط أنابيب Hugging Face الأعلى مستوى في المستودع القيمة تحويل النص إلى كلام، بينما يصفه ملخص البطاقة نفسها بأنه نموذج صوتي-لغوي يقبل التعليمات ويعيد نصًا أو كلامًا. هذا الوسم من المخلفات المتبقية من كون Talker آخر قدرة جرى لمسها، وهو من الأمور التي لا تهم أحدًا سوى الشخص الذي يصفّي Hub حسب المهمة.

GPU واحدة للنصوص، واثنتان للكلام.

هنا يستحق النموذج الصغير اسمه، ولا يظهر ذلك إلا لأن ملفات تعريف النشر أصبحت عامة الآن. يعمل ملف تعريف النص الخاص بنموذج flash على أجهزة: "0,1,2,3,4,5,6,7" مع tensor_parallel_size: 8 — ثماني بطاقات بسعة 80 GB، وهو ما تفرضه أوزان bf16 البالغة 256 GB قبل تخصيص أي ذاكرة تخزين مؤقت. يمتلك النموذج الصغير ثلاثة ملفات تعريف خاصة به، واثنان منها يطلبان بطاقة واحدة.

• النص والتعرف التلقائي على الكلام (ASR)، vLLM-Omni — مرحلة واحدة على الأجهزة: "0"، حجم التوازي للموتر 1، max_model_len 131,072، max_num_batched_tokens 32,768، gpu_memory_utilization 0.92، أخذ العينات عند درجة حرارة 0.6 وبحد أقصى 65,536 رمزًا للإخراج.

صوت كامل مع إخراج الكلام — مرحلتان. Thinker على الأجهزة: "0" عند 0.78 من البطاقة، وTalker على الأجهزة: "1" عند 0.18، مع تقييد مرحلة Talker بتوكن إخراج واحد ودرجة حرارة 0.0 لأنها لا تولّد نصًا.

• إعادة إنتاج ASR — خط معالجة يعتمد على المفكّر فقط مع مُعالِج لوجيت لمنع التكرار بمدى 10 غرامات مُثبَّت عليه، والصوت محدود بمقطع واحد لكل طلب، max_model_len 131,072، درجة الحرارة 0.0، 32,768 رمز إخراج. هذه هي الإعدادات التي أُخذت في ظلها أرقام التعرّف الخاصة بالمورّد، ويستحق نسخها بدقة إذا كنت تنوي المقارنة.

• SGLang — وحدة معالجة رسومات واحدة، وجهاز مرئي واحد، وإخراج نصي فقط. توضّح البطاقة صراحةً أن إخراج الكلام غير متاح في هذا المسار.

تلك الملفات التعريفية هي ملفات، لا نصوص نثرية، وهي ظاهرة في مستودع flash، وتحديدًا في deploy/ دليل — ستة ملفات تعريف YAML، ثلاثة منها مسماة باسم نقطة التحقق الصغيرة.

اقرأ أرقام الذاكرة بصدق. 0.92 هي حصة من سعة أي بطاقة توجّه إليها المرحلة، وليست متطلبًا: مجموع شظايا Thinker يبلغ 17.74 GB، لذا تدخل الأوزان داخل بطاقة بسعة 24 GB مع نحو 6 GB متبقية للتخزين المؤقت والتفعيلات. حجز 0.92 محسوب لنافذة من 131,072 رمزًا بالإضافة إلى دفعة من 32,768 رمزًا في آن واحد، وينخفض إذا خفّضت max_model_len. ما لا يمكنك فعله على بطاقة واحدة هو إنتاج الكلام، لأن Talker وVAE الخاص به عملية ثانية بمجموعة أوزان ثانية — 3 GB قبل مُرمّز CAM++ والمحوّلات — ويمنحهما ملف التعريف المرجعي جهازًا خاصًا بهما. نص على GPU واحدة، ومحادثة بصوت مسموع على اثنتين: تلك هي الحسبة الصادقة، وهي بند ميزانية مختلف عن بند الثمانية لدى النظير.

ما الذي يوجد فعليًا في التنزيل؟

يبلغ إجمالي المستودع 20.78 GB. يبلغ حجم Thinker 17.74 GB موزّعة على شريحتين بحجم 9.55 GB و8.19 GB؛ ويضيف Talker 1.40 GB، ويضيف VAE الخاص به 1.56 GB، ومُشفّر المتحدث 28 MB، بينما تشكّل ملفات tokenizer وnormaliser الباقي. لا توجد نسخة مُكمَّمة، ولا checkpoint أصغر، ولا تحويل GGUF ينشره المورّد، لذا فإن رقم bf16 هو الحد الأدنى ما لم تُكمِّمها بنفسك.

• جارٍ التحميل — AutoProcessor.from_pretrained(..., trust_remote_code=True, use_fast=False) و AutoModelForCausalLM.from_pretrained(..., dtype=torch.bfloat16, device_map="auto", trust_remote_code=True). ثم يقوم مقتطف البطاقة نفسه بتحويل audio_feats إلى نوع بيانات النموذج يدويًا، وهي إشارة صغيرة إلى أن مسار المعالج لم يكن الأولوية.

• عقد ASR — يطلب الموجّه المُتحقَّق منه من النموذج تسمية اللغة المنطوقة ووضع علامة جدولة (tab) بين تسمية اللغة والنص المنسوخ. إذا كنت تبني أداة تقييم (evaluation harness)، فإن علامة الجدولة تلك هي محلّلك (parser). تعليمة عامة مثل "انسخ هذا" ليست التكوين الذي قاسته inclusionAI.

• الأصوات — الإعداد الافتراضي في vLLM-Omni هو صوت مدمج يُسمى 灵小柔، ويتضمن دليل النموذج إعدادين مرجعيين مسبقين، 灵楷 وUS_James، مع نصوصهما المكتوبة. يتطلب استنساخ الصوت ملف WAV مرجعيًا مع نصه المكتوب الدقيق؛ وتحذّر البطاقة من أنه لا يمكن الجمع بين اختيار صوت مدمج ومقطع مرجعي في طلب واحد.

• الترخيص — MIT في بيانات البطاقة الوصفية وفي ملف مستودع GitHub المسمّى LICENSE، المؤرخ 2025. لاحظ ما هو مفقود: لا يحتوي مستودع Hugging Face على ملف LICENSE خاص به. النص الوحيد للترخيص الموجود فعليًا داخله ينتمي إلى نموذج مضمّن لتحديد اللغة تحت talker/data/. ادعاء MIT حقيقي لكنه يقع على بُعد نقرة واحدة، في مستودع سُمّي على اسم النموذج الآخر.

• الانتشار — ثلاثة تنزيلات وخمسة إعجابات، حتى هذا الأسبوع. لدى نموذج flash 22 تنزيلًا وثماني إعجابات. لا يمثّل أيٌّ من الرقمين دليلًا على الجودة؛ بل كلاهما دليل على أن رفعًا في سبتمبر، بلا بطاقة وبلا إعلان، لم ينتشر.

الصورة المرجعية، والعمود المفقود

ثلاث صور PNG في assets/ تحمل التقييم، وجميعها من تشغيل inclusionAI نفسه. ويضع المورّد علامة نجمة على الإدخالات المقيَّمة ذاتيًا، ويشير إلى أن نماذج المقارنة أُعيد إنتاجها وفق مطالباته وإعدادات فك الترميز الخاصة به، لذا قد تختلف أرقامها عن تقاريرها الرسمية. لم أجد أي تقييم مستقل منشور لنقطة التفتيش هذه — لا مدخل في الساحة، ولا نتيجة من طرف ثالث — ما يعني أن كل رقم أدناه هو مورّد يصف نموذجه الخاص. وهذا ليس سببًا لتجاهلها؛ بل سببًا لقراءتها كموجز تصميم لا كحكم نهائي.

المقارنة المفيدة ضئيلة مقابل نظيره الشقيق، لأن كليهما خضع لنفس إطار الاختبار. في التعرّف يخسر النموذج الأصغر قليلًا، وفي الاستدلال على الصوت الطويل يخسر كثيرًا.

• متوسط التعرف الآلي على الكلام الصيني — معدل خطأ الأحرف 3.79 لـ Ming-3.0-audio-tiny مقابل 3.45 لـ Ming-3.0-audio-flash. الأقل أفضل، لذا يتخلف tiny بمقدار 0.34 نقطة.

متوسط ASR الإنجليزية — 4.36 مقابل 3.69. متوسط اللهجة — 10.29 مقابل 9.40.

• BigBenchAudio — 99.20 مقابل 99.40. تعادل فعليًا، وهو الصف الوحيد الذي لا يظهر فيه اختلاف الحجم.

• MMAU — 75.90 مقابل 82.00. MMAR — 67.70 مقابل 74.40. MMSU — 73.06 مقابل 78.82. MMAU-Pro — 56.42 مقابل 66.41.

• دقة الصوت الطويل — 56.39 مقابل 66.30. LongAudioSpan — 35.45 مقابل 41.12. درجة Long-audio Chain — 10.56 مقابل 12.31.

• التفاعل المنطوق — URO-Bench-Pro 54.15 مقابل 81.92، انهيار بمقدار 27.8 نقطة. VoiceBench 74.29 مقابل 86.74. SpeechFCEval 69.80 مقابل 82.60.

• استدعاء الأدوات — BFCL-v3 Audio 79.80 مقابل 81.40. الموسيقى — MuchoMusic 58.07 مقابل 65.65.

صفوف اللهجات هي الاستثناء المثير للاهتمام، لأن tiny لا يخسر بشكل موحّد. فهو يتفوق على نظيره الأكبر في آنهوي (5.42 مقابل 5.76)، والماندرين الشمالي الشرقي (4.21 مقابل 4.28)، وجيانغسو (11.44 مقابل 12.15)، وشنشي (5.81 مقابل 6.00)، وشاندونغ (10.17 مقابل 10.69)، ويونان (11.28 مقابل 11.53)، ويخسر بشدة في الهاكا (24.08 مقابل 16.51)، والهوكيين (14.15 مقابل 12.84)، والشانغهاينية (12.49 مقابل 11.15). وإن احتفاظ نموذج ذي 2.7 مليار معامل نشط بستة من أصل خمسة عشر صفاً من صفوف اللهجات في مواجهة نموذج آخر ذي 6.5 مليار معامل نشط هو أكثر ما يصب في مصلحته في التقييم بأكمله، لكنه مدفون في منتصف جدول يحجبه فيه المتوسط.

ثمة فجوتان تستحقان الذكر لأنهما قابلتان للتحقق ولا تشير إليهما البطاقة. أولًا، خمسة صفوف في صورة التعرف لا تحمل أي قيمة خاصة بالنموذج tiny على الإطلاق — فصفوف فصل المتحدثين و«الحد الأدنى للتبديل المتسلسل» الخاصة بـAISHELL-4 وAliMeeting وAMI مطبوعة كشرطة. ومهما كان ما يفعله نموذج tiny في «من تحدث ومتى»، فهو غير منشور. ثانيًا، تحتوي صورة الذكاء النصي على أربعة أعمدة، ولا أحد منها هو نموذج tiny: أعمدتها هي Ming-3.0-audio-flash وQwen3.8-Omni Flash وQwen3.5-Omni Plus وQwen3.5-Omni Flash. ويقول قسم التقييم في البطاقة إن الأرقام أدناه تتضمن نتائج كلا نسختي Ming، وهذا صحيح بالنسبة لصورتي الصوت وغير صحيح بالنسبة لصورة النص. إذا كنت بحاجة إلى معرفة ما إذا كان العمود الفقري tiny قادرًا على إجراء محادثة استدلالية، فإن inclusionAI لم يخبرك بذلك.

ما الذي جلبه لك الأسبوع فعليًا

قبل 16 أكتوبر، كان القارئ الراغب في اختبار نقطة التحقق هذه يواجه تنزيلًا بحجم 17.7 GB، وملف إعداد يصف نموذج فيديو-لغة بنافذة 8K، وبطاقة تُرشده إلى تحميل تعليمات برمجية مخصصة دون تمكين التعليمات البرمجية المخصصة. وبعد 19 أكتوبر، أصبح لديه ملف إعداد يطابق ملفات النمذجة الخاصة به، وادعاء 128K يمكن اختباره مقابل أوزان غير مُعدّلة، وثلاثة ملفات تعريف نشر مسمّاة بما في ذلك ملف تعريف لوحدة معالجة رسومات واحدة، وحزمة صوتية مع نصوص مكتوبة، وبطاقة توضح الغرض من النموذج. لا شيء من ذلك يمثل نموذجًا جديدًا. كل ذلك هو الفرق بين نقطة تحقق على قرص ونقطة تحقق يمكن لشخص تقييمها في غضون فترة بعد الظهر.

التكلفة هي الجزء الذي يخفيه تحديد الحجم. على جداول البائع نفسها، الانتقال من النموذج ذي الـ6.5B النشط إلى النموذج ذي الـ2.7B النشط يمنحك ثُمن عدد وحدات GPU ويكلفك 27.8 نقطة من URO-Bench-Pro، وعشر نقاط من VoiceBench، ونحو خُمس نتيجة Chain للصوت الطويل. هذه مقايضة معقولة لخدمة نسخ، وسيئة لأي شيء عليه أن يستدل عبر ساعة من الصوت، وقد طبع البائع العمودين جنبًا إلى جنب كي تقرر أيّهما تبني.

أين يستحق الموجّه مكانه، وأين لا يستحقه

لا يقدّم OrcaRouter نموذج Ming-3.0-audio-tiny. فهو ليس في كتالوجنا، ولا يمكننا منحك نقطة نهاية له، ولا ينبغي أن يُقرأ أي شيء هنا على أنه عرض لتقديمه. ما يصلح له الموجّه في خط معالجة مبني حول نقطة تحقق كهذه هو الجزء الذي ليس نقطة التحقق. أنظمة الكلام هي في معظمها عمل نصي: المطالبة النصية التي تقرر ما يُطلب من الصوت، والمحلّل الذي يحوّل وسم لغة مفصولًا بعلامات جدولة إلى مخرجات منظّمة، والملخّص المكتوب من النص المفرّغ، والتصنيف الذي يقرر ما إذا كان ملف صوتي يذهب إلى نموذج 2.7B أم إلى نموذج 126B. تلك استدعاءات نصية عادية، وواجهة API واحدة تغطي أكثر من 200 نموذج بهامش ربح 0% — يُمرَّر سعر قائمة المزوّد كما هو، بحيث يصبح تخفيض سعر البائع ساريًا لدينا في اليوم نفسه — أبسط في التوصيل من كومة من عقود البائعين. التبديل التلقائي عند الفشل هو ما يتيح لك وضع نموذج موثّق حديثًا خلف جزء من خط معالجة دون المراهنة بالمسار كله عليه.

الحدّ جديرٌ بالقول صراحةً. نقطة تفتيش بحجم 17.7 GB تشغّلها على وحدة GPU الخاصة بك هي بنية تحتية، وليست استدعاء API. الموجّه يوجّه الاستدعاءات. وهو لا يحوّل نموذجاً صوتياً مفتوح الأوزان إلى نموذج مستضاف، ولا يحوّل ثلاثة تنزيلات إلى دليل على جاهزية الإنتاج.

ماذا تشاهد

ثلاثة أمور من شأنها أن تغيّر هذه الصورة، وكلها قابلة للتحقق. أولًا، نتيجة مستقلة: بمجرد أن تُدرج نقطة التحقق هذه في ساحة أو لدى مقيّم من طرف ثالث، تكفّ فجوة التفاعل المنطوق البالغة 27.8 نقطة عن كونها تقريرًا ذاتيًا من المورّد وتصبح نقطة بيانات؛ وحتى ذلك الحين، لاحظ أن المورّد نفسه نشر أيضًا ستة صفوف لهجات يفوز فيها النموذج الأصغر. ثانيًا، LICENSE، وهو ملف داخل مستودع Hugging Face، ومن شأنه أن ينقل MIT من رابط في بطاقة إلى حقيقة في الأثر الذي تقرأه عملية شراء فعليًا. ثالثًا، مستودع GitHub صغير ومحدد: اليوم توجد ملفات تعريف النشر التي تجعل ادعاء وحدة معالجة رسوميات واحدة حقيقيًا في مستودع يحمل اسم النموذج الأكبر، وهذا لا بأس به إلى أن يعيد شخص تسميته.

إلى أن يتحقق أحد تلك الأمور، فالوصف الدقيق غير مبهر: الأوزان نفسها كما في 3 سبتمبر، ونحو 18 غيغابايت من Thinker، ونافذة من 131,072 رمزًا وصلت ضمن ملف إعدادات لا ضمن نقطة تحقق، وثلاثة ملفات تعريف للتقديم تتسع على بطاقة واحدة للنص وعلى بطاقتين للكلام، ورخصة MIT على الورق، وخمسة صفوف مرجعية امتنع عن نشرها، وبطاقة نموذج أحدث بثلاثة أيام من ملف الإعدادات الذي تصفه. لم يجعل الأسبوع النموذج أفضل، بل جعله واضحًا، وبالنسبة إلى نقطة تحقق مفتوحة الأوزان لم يعلن عنها أحد، فإن الوضوح هو المنتج بأكمله.