أصبح MiniMax M3.1 Flash يُقدَّم الآن على Tenstorrent: ما الذي يثبته فعليًا نموذج 428B على Tensix

منشور غرفة أخبار Tenstorrent مؤرخ في 22 أكتوبر 2026، ويقول شيئًا أضيق نطاقًا وأكثر إثارة للاهتمام من "سحابة أخرى أضافت نموذجًا آخر": MiniMax M3.1 Flash، نموذج مزيج الخبراء ذو 428 مليار معلمة الذي أصدرته MiniMax في 19 أكتوبر، متاح الآن على Tenstorrent Cloud مع تشغيل كل من prefill وdecode على أنظمة Blackhole Galaxy. لا يظهر أي مسرّع من NVIDIA في أي مكان من مسار الخدمة هذا. ما نشرته Tenstorrent هو بنية ومخطط تكميم ومنهجية ضبط. وما لم تنشره هو رقم واحد للإنتاجية، أو رقم لزمن الاستجابة، أو سعر لخدمتها الخاصة. هذا الإغفال هو الجزء الذي يحدد ما إذا كان هذا إنجازًا بارزًا أم عرضًا تجريبيًا، وهو يستحق اهتمامًا أكبر من جدول القياسات المرجعية للنموذج.

تينستورنت هي شركة الرقائق التي يقودها جيم كيلر، وطالما كان طرحها يتمحور حول أن حوسبة الذكاء الاصطناعي يجب ألا تكون منظومة من مورد واحد. وحتى هذا الإعلان، كان هذا الطرح يعاني مشكلة مصداقية في الفئة العليا: فقد كانت أكبر النماذج المفتوحة تُشغَّل بانتظام على عتاد NVIDIA، مع AMD كبديل، بينما ظل كل ما عدا ذلك محصوراً في تجارب النماذج الصغيرة. أما نموذج خليط الخبراء بمعاملات 428 ملياراً الذي يعمل في التعبئة المسبقة وفك التشفير على سيليكون Tensix، متصلاً عبر Ethernet بدلاً من نسيج اتصال احتكاري، فهو أول نشر يمنح هذا الطرح مصداقية مع نموذج بهذا الحجم وبهذه الحداثة.

ما أعلنته Tenstorrent رسميًا

الإعلان محدّد بشأن طوبولوجيا الخدمة ومبهم بشأن كل رقم قد يستخدمه المشتري. لنبدأ بالتفاصيل أولاً، لأنها ادعاءات هندسية حقيقية:

• الإتاحة — Tenstorrent Cloud، على console.tenstorrent.com، عبر Playground أو بالاتصال ببيئة تشغيل وكيل.

• مسار الخدمة — تعمل كل من التعبئة المسبقة وفك التشفير على Tenstorrent Galaxy، وتحديدًا عنقود فائق من Blackhole Galaxies. تُقسَّم الأنظمة حسب عبء العمل: مجموعة واحدة تتعامل مع التعبئة المسبقة، وأخرى تتعامل مع فك التشفير، وتنتقل الأعمال بينهما عبر روابط إيثرنت مباشرة منخفضة الكمون.

• الذاكرة — تحمل كل وحدة Blackhole Galaxy سعة 1 تيرابايت من ذاكرة DRAM إضافةً إلى عدة تيرابايتات من أقراص SSD. تبقى الأوزان وذاكرة KV مقيمة في DRAM؛ ويحتضن قرص SSD ذاكرة KV المُفرَّغة كي لا يضطر دور الوكيل العائد إلى إعادة احتساب سياقه.

• التكميم — تُخزَّن أوزان MLP وأوزان الانتباه والمفهرس والخبير المشترك بتنسيق MXFP8؛ بينما تُخزَّن الخبراء الموجَّهون بتنسيق NVFP4.

• شكل النموذج — استبدل الانتباه المتناثر انتباه الاستعلامات المجمّعة العالمي، ولا تظهر شبكات MLP الكثيفة إلا في الطبقات الثلاث الأولى.

• بيانات الضبط — تقول Tenstorrent إنها ضبطت عملية النشر باستخدام تتبعات وكيل البرمجة AgentX الخاصة بـ SemiAnalysis، أي جلسات حقيقية متعددة الأدوار وتوزيع للوكلاء الفرعيين بدلاً من اختبارات محادثة قصيرة.

• السعر المعلن — 0.15 دولار لكل مليون رمز إدخال، و0.60 دولار لكل مليون رمز إخراج، و0.015 دولار لكل مليون رمز إدخال مخزّن مؤقتًا. هذا هو سعر القائمة لدى MiniMax؛ ولا ينشر الإعلان سعرًا منفصلًا لـ Tenstorrent، لذا لا يمكن بعد الجزم بما إذا كانت تكلفة تشغيل النموذج هنا أعلى أم أقل من تشغيله على وحدات معالجة الرسوميات.

النشر موجود لأن الأوزان قد صدرت

إن الحقيقة الوحيدة الأهم خلف هذا الإعلان ليست السيليكون، بل أن MiniMax نشرت الأوزان أصلاً. فالمستودع البالغ 252.4 GB رُفع على Hugging Face في 23 أكتوبر، في حين يعود منشور Tenstorrent إلى يومٍ أسبق — ما يوحي بأن عملية النقل بُنيت اعتماداً على وصول شريك لا على تنزيل عام. فلا يمكن لمورّد عتاد خارجي أن ينقل نموذجاً لا يستطيع الحصول عليه، كما أن Tenstorrent ليست شركة تابعة لـ MiniMax تخدم نقطة تحقق خاصة بها. وهذه هي الآلية التي تخلق بها الأوزان المفتوحة منافسةً في العتاد: فكل مختبر ينشر نقطة تحقق يحوّل كل مورّد شرائح مستعد إلى قناة توزيع محتملة، وكل مورّد شرائح يدعم النموذج يجعل أوزان المختبر أكثر قيمة بدوره.

المنطق نفسه يفسر لماذا لا تظهر النماذج الحدودية المغلقة في هذا النوع من الإعلانات. يمكن للمورّد أن يؤجرك نقطة نهاية API لنموذج مملوك، لكنه لا يستطيع تكميم الأوزان إلى صيغه الرقمية الخاصة، أو ضبط نُواه وفق نمط الانتباه المتناثر للنموذج، أو تقسيم التعبئة المسبقة وفك الترميز عبر نسيجه الخاص. المنفذ هو المنتج، والمنفذ يتطلب الملف.

وهذا أيضًا سبب الحاجة إلى فصل «open» في هذه القصة إلى أمرين مختلفين. حزمة برمجيات Tenstorrent — TT-Metalium وTT-NN وTT-Forge — مفتوحة المصدر، وهذا ما يجعل نقلها إلى طرف ثالث ممكنًا. أوزان MiniMax هي أوزان مفتوحة، وليست مفتوحة المصدر. يبلغ حجم المستودع 252.4 غيغابايت موزعة على 48 شريحة safetensors، بالإضافة إلى نموذج مسودة للفك التخميني بحجم 2.3 غيغابايت، ويُوزّع بموجب MiniMax Community Licence، التي تشترط الإسناد في عمليات النشر التجارية والحصول على إذن كتابي مسبق بمجرد تجاوز الإيرادات السنوية 20 مليون دولار. انفتاحان مختلفان، ومسار تقديم خدمة واحد.

لماذا ينقسم مسار الخدمة إلى جزأين

إن فصل prefill/decode ليس من الخصائص الغريبة لدى Tenstorrent؛ بل هو الإجابة القياسية لمشكلة تخلقها أحمال عمل الوكلاء. فمرحلة prefill محدودة بالحوسبة وتحدث مرة واحدة لكل مطالبة. أما decode فمحدودة بعرض نطاق الذاكرة وتحدث مرة واحدة لكل رمز مُولَّد، طوال مدة تشغيل الإجابة. وإذا وُضعتا على الأجهزة نفسها، فإن مطالبة طويلة تصل في منتصف التدفق ستسرق الحوسبة من كل مستخدم يقوم بفك الترميز حالياً، وهو بالضبط التوقف الذي يجعل منتجات الوكلاء تبدو معطلة.

فصل مجموعات الموارد يسمح بتجهيز كل جانب وفق اختناقه الخاص. ويوضح وصف Tenstorrent صراحةً أن مجموعة المعالجة المسبقة (prefill) توزّع الطلب عبر العديد من الشرائح باستخدام نطاق ترددي عالٍ بين الأجهزة، بينما تحتفظ مجموعة فك التشفير (decode) بالأوزان وذاكرة KV المؤقتة في DRAM وتنفّذ الخطوات بشكل مستقل. وتتولى روابط Ethernet نقل عملية التسليم.

تُعدّ إيثرنت الخيار المثير للاهتمام. فالنسيج المملوك للتوسّع يوفّر عرض نطاق ترددي أكبر وزمن استجابة أقل من إيثرنت التجاري، وموقع NVIDIA في حوسبة الذكاء الاصطناعي يستند جزئياً إلى امتلاكها ذلك النسيج. وتجادل Tenstorrent بأنه بالنسبة لهذا الحمل — نموذج خليط الخبراء بعامل 23 مليار معامل نشط وخطة تقديم تفصل بالفعل بين التمهيد وفك الترميز — فإن إيثرنت القياسي جيد بما يكفي، واقتصاديات التوسّع الأفقي أفضل لأن الربط البيني ليس قيداً ثانياً. هذه حجة معقولة، لا مُثبتة. وتصبح مُثبتة عندما ينشر أحدهم عدد الرموز في الثانية لكل دولار عبر نشر متعدد العُقد، ولم يفعل ذلك أحد.

الحساب الذي يجعل 428B يتّسع في رف واحد

تبلغ النموذج 428 مليار معامل إجمالًا، ويُنشّط منها 23 مليارًا لكل توكن. في BF16، يبلغ ذلك نحو 856 غيغابايت قبل أي ذاكرة KV cache أو أعباء إضافية في وقت التشغيل. تتكوّن وحدة Blackhole Galaxy الواحدة من 32 شريحة Blackhole ASIC، لكل منها 32 غيغابايت من GDDR6 — أي سعة 1 TB التي تعلنها Tenstorrent — لذا فإن نسخة BF16 ستستهلك نحو 84% من ذاكرة النظام وتترك قرابة 170 غيغابايت لكل شيء آخر. وفي سياق يبلغ مليون توكن، مع ذاكرة KV cache يجب أن تصمد عبر عدة أدوار للوكيل، فإن ذلك ليس هامشًا مريحًا.

حجم التنزيل المنشور هو 252.4 غيغابايت. هذا هو الرقم الذي يجعل عملية النشر ممكنة: فهو يترك ما يقارب 770 غيغابايت من تيرابايت جهاز Galaxy لذاكرة KV المؤقتة والتفعيلات ومسوّد فك التشفير التخميني. ومخطط الدقة المختلطة هو ما يتيح هذه المساحة — تنسيق MXFP8 للأوزان المشتركة وأوزان جانب الانتباه، وتنسيق NVFP4 للخبراء الموجّهين، وهم الجزء الأكبر من المعاملات والجزء الذي لا يُلمس إلا بشكل متفرق. كما يقلل الانتباه المتفرق والشبكات MLP الكثيفة المحصورة في الطبقات الثلاث الأولى من حركة الذاكرة.

هذا الحساب حسابنا، قائم على أرقام منشورة، وليس ادعاءً من Tenstorrent. لكنه يفسّر طبيعة الإعلان: فعملية النقل جديرة بالثقة تحديدًا لأن الخبراء الموجّهين بدقة 4 بت يحوّلون نموذجًا بحجم 856 GB إلى ملف بحجم 252 GB يتّسع على نظام من 32 شريحة مع بقاء متّسع لسياق طويل.

ما لم تنشره Tenstorrent

لا يوجد رقم للرموز في الثانية، ولا رقم للوقت حتى أول رمز، ولا رقم للتزامن، ولا سعر لنقطة النهاية المستضافة على Tenstorrent. وبالنسبة لعملية نشر تقوم فكرتها الأساسية كلها على أن سيليكوناً غير تابع لـ NVIDIA يمكنه تشغيل نموذج مفتوح من فئة النماذج الرائدة، فإن هذه الأرقام الأربعة هي ما سيحسم الجدل. وغيابها ليس دليلاً على أن عملية النشر بطيئة. بل هو دليل على أن الإعلان بيان قدرات وليس نتيجة اختبار أداء، وينبغي للقراء أن يصنفوه على هذا الأساس.

أرقام السرعة المتاحة علنًا الوحيدة الخاصة بـ MiniMax M3.1 Flash تصف عملية نشر مختلفة. تدّعي MiniMax أن الوسيط يزيد على 170 رمز إخراج في الثانية، وأن الذروة تتجاوز 200 على واجهة برمجة التطبيقات الخاصة بها. أما Artificial Analysis، التي تقيس واجهة برمجة التطبيقات المستضافة بدلًا من عتاد Tenstorrent، فتسجّل 95.6 رمز إخراج في الثانية مع زمن وصول إلى أول رمز قدره 1.48 ثانية. وهذا يمثل فجوة تبلغ نحو 1.8 مرة بين ادعاء المورّد وقياس مستقل على مسار تقديم مختلف، وهو تذكير مفيد بأن «النموذج سريع» و«هذا النشر سريع» ادعاءان منفصلان.

ما يثبته Artificial Analysis عن النموذج أكثر صلة بحالة استخدام Tenstorrent من المؤشر الرئيسي. يسجل M3.1 Flash 43 في Intelligence Index، ويكلف نحو 0.22 دولار لكل مهمة مؤشر مكتملة، ويسجل 16 في AA-Omniscience بمعدل هلوسة 93% — أي أنه عندما لم يكن يعرف الإجابة، كان ينتج عادة إجابة خاطئة بدلًا من الامتناع. ضبطت Tenstorrent هذا النشر على تتبعات الوكيل. وحلقات الوكيل هي بالضبط الموضع الذي تكون فيه الإجابات الخاطئة الواثقة أكثر تكلفة، لأن استدعاء الأداة التالي يرثها. ومسار تقديم سريع ورخيص لا يصلح ذلك؛ بل يجعل طبقة التحقق أكثر أهمية.

ماذا عليك أن تفعل بهذا إذا كنت تشتري الاستدلال؟

بالنسبة لمعظم الفرق، الإجابة العملية هذا الأسبوع هي: «جرّبه، ولا تنتقل إليه». إن Playground هو أرخص طريقة لمعرفة ما إذا كان سلوك النموذج يناسب عبء عملك، وتكامل Tenstorrent مع agent-harness هو الجزء المثير للاستكشاف، لأن النشر تم ضبطه لاستخدام الأدوات متعدد الجولات بدلًا من الدردشة أحادية المحاولة. أحضِر بيانات التتبع الخاصة بك. يخبرك ضبط SemiAnalysis AgentX بما حسّنت Tenstorrent من أجله، لكنه لا يخبرك كيف ستتصرف مطالباتك.

لا تضع مسار إنتاج عليه حتى يتوفر أمران: رقم منشور للإنتاجية وزمن الاستجابة من Tenstorrent، وقياسك الخاص للجودة لكل مهمة. الأول لا يفصله عن الإجابة إلا مورّد واحد. والثاني أنت وحدك من يمكنه الإجابة عنه.

ملاحظة صادقة حول موقع OrcaRouter من هذا كله: إن M3.1 Flash ليس في كتالوجنا؛ فخط MiniMax لدينا يتوقف عند MiniMax-M3. لذا فإن الطرق المتاحة اليوم لاستدعاء النموذج الجديد هي Tenstorrent Cloud وواجهة API الخاصة بـ MiniMax، ونحن لسنا واحدًا منها. ما يوفره OrcaRouter هو خط الأساس للمقارنة الذي تحتاجه قبل الالتزام: MiniMax-M3 وأكثر من 200 نموذج آخر خلف مفتاح واحد، بسعر قائمة المزوّد وبدون أي هامش ربح (0%)، بحيث يمكن الإجابة عن سؤال "هل النموذج الجديد أفضل فعلاً لأعبائي من النموذج الذي أستخدمه بالفعل" دون عقد ثانٍ وعلاقة فواتير ثانية.

الرقم الذي قد يحوّل منفذًا إلى سعر

أثبتت Tenstorrent شيئًا حقيقيًا: نموذج خليط خبراء بحجم 428B، مُكمَّم إلى صيغة مختلطة 4/8 بت، يشغّل كلا نصفي الاستدلال على سيليكون Tensix عبر Ethernet، مع أدوات مفتوحة المصدر ومنهجية ضبط منشورة. وهذا برهان على قابلية النقل، وهو الأول من نوعه عند هذا الحجم من النموذج ولا يمر عبر CUDA.

لم تُثبت أن عملية النقل أقل تكلفة أو أسرع أو أكثر موثوقية من مسار GPU. فـ Galaxy نظام 6U يضم 32 ASIC ويقدّم نحو 23 PFLOPS من BlockFP8، وقد طُرح بسعر 110,000 دولار عندما أصبح متاحًا عمومًا في أبريل 2026، قبل إضافة شبكات supercluster التي يستخدمها هذا النشر. وما إذا كانت هذه العتاد، عند تشغيله هذا النموذج، تنتج تكلفة أفضل لكل مليون tokens من عنقود H100 أو MI300X هو السؤال التجاري برمته، وقد تركه الإعلان غامضًا.

الشيء التالي الذي يجب متابعته ليس إذن نموذجًا آخر على العتاد نفسه. بل هو رقم الرموز في الثانية وقائمة أسعار من Tenstorrent، يتبعهما مورّد سيليكون ثانٍ يقوم بالنقل نفسه. عندما تتوفر هذه الأشياء، ستكون الأوزان المفتوحة قد تحوّلت إلى منافسة عتاد حقيقية. وحتى ذلك الحين، فالوصف الدقيق هو استعراض معماري موثوق لا يزال نصفه التجاري غير منشور.