Nanbeige4.3-33B: 17 فوزًا من أصل 20، وسياق بطول 512K، ولا شيء مُختبَر بشكل مستقل

في الساعة 02:49 بالتوقيت العالمي المنسق يوم 24 أكتوبر 2026، أصبح مستودع على Hugging Face يُدعى Nanbeige/Nanbeige4.3-33B متاحًا للعموم، بعد أربع دقائق من نقطة التفتيش الأساسية التي تحمل الاسم نفسه. لم يظهر أي منشور إطلاق. لا تدوينة، ولا إعلان من مورّد، ولا بيان صحفي — بطاقة النموذج هي السجل الكامل من الطرف الأول لإصدار مفتوح الأوزان بعدد 33.1 مليار معامل، وادعاؤه الرئيسي أنه يتفوق على Qwen3.8-27B في 18 من أصل 20 معيارًا. هذا الادعاء ليس كاذبًا. لكنه أيضًا غير قابل للتحقق بعد، وقد كررت التغطية منذ ذلك الحين الجدول في الغالب دون قراءة الحواشي أسفله.

إذن، تقول الأرقام شيئين في آنٍ واحد. Nanbeige4.3-33B يتصدر 17 من أصل 20 صفًا في جدوله الخاص، ويتفوق على Qwen3.8-27B في 18 منها. هذان عددان مختلفان وكلاهما دقيق: الصفوف الثلاثة التي لا يتصدرها هي SWE-Bench Pro، حيث يفوز Qwen3.8-27B بنتيجة 61.7 مقابل 60.3، وGDPval، حيث يفوز Qwen3.8-27B بنتيجة 86.4 مقابل 84.8، وGPQA Diamond، حيث يتفوق 91.3 الخاص بـ Gemma4-31B على كليهما. خسارة صفين لصالح Qwen3.8-27B وصف واحد لصالح Gemma4-31B تمنحك 18 من 20 مقابل نموذج Qwen و17 من 20 مقابل بقية المنافسين. تختار معظم الكتابات رقمًا واحدًا وتغفل الآخر، وهو أمر صغير يدل على مدى دقة قراءة الباقي.

ما يثبته المستودع، وما لا يثبته

ابدأ بما يمكن التحقق منه بفتح الملفات لا باقتباس النثر، لأن الفجوة بين الاثنين هي القصة هنا.

• مؤكَّد: الأوزان موجودة. أربع عشرة شظية safetensors بإجمالي 66,259,989,086 بايت، bfloat16، في مستودع أُنشئ في 02:49:18Z يوم 24 أكتوبر 2026 وآخر تعديل له في 11:11Z يوم 25 أكتوبر. نقطة تحقق أساسية منفصلة، Nanbeige4.3-33B-Base، أُنشئت قبل ذلك بثلاث دقائق في 02:46:52Z.

• تم التأكيد: الترخيص هو Apache 2.0، ومُعلَن في بيانات تعريف المستودع وفي المقدمة الأمامية للبطاقة. لا يوجد LICENSE كملف بين الملفات الثمانية غير المتعلقة بالأوزان، وهو ثغرة ورقية وليست قانونية — فحقل بيانات التعريف هو ما يقرأه Hub ومعظم أدوات الفحص.

• مؤكد: المعمارية عبارة عن حزمة Llama عادية، وليست مزيجًا من الخبراء، وليست تصميم المحوّل ذي الحلقات الذي استخدمته النماذج الصغيرة في العائلة. مزيد من التفاصيل حول التكوين أدناه.

• تم التأكيد: لا توجد نقطة نهاية مستضافة من المورّد. إن تعيين مزوّد الاستدلال الخاص بـ Hub لهذا المستودع فارغ، وتعرض البطاقة vLLM وSGLang وTransformers، وبهذه الروح: أحضر وحدات معالجة الرسوميات (GPUs) الخاصة بك.

• غير مؤكد: أي شيء عن كيفية تدريبه. لا عدد رموز التدريب المسبق، ولا مزيج البيانات، ولا رقم الحوسبة، ولا وصفة التدريب اللاحق، ولا قسم للقيود أو السلامة. تتألف كتلة الاستشهادات في البطاقة من أربعة أسطر.

• غير مؤكد: أن أي رقم منشور قابل لإعادة الإنتاج. لا توجد أداة تقييم في المستودع — لا نصوص برمجية، ولا إعدادات مهام، ولا سجلات — وحتى 26 أكتوبر، لم ينشر أي طرف ثالث نتيجة أو تقييمًا في ساحة أو موضعًا في مؤشر لهذا النموذج.

• غير مؤكد: أن الإصدار كان خفيًا. لم يكن كذلك. كان دون إعلان من المختبر، وهو وصف أضيق وأكثر دقة: فالبطاقة وثيقة إطلاق كاملة تتضمن جدول قياسات مرجعية من عشرين صفًا، وقد التقطها المجمّعون خلال يوم. ما ينقص هو منشور من الطرف الأول يشرح ما تعتقد Nanbeige أنها بنته.

هذا التمييز مهم لأي شخص يقرر ما يجب فعله بالإصدار. المختبر الذي لا يقول شيئًا لم يخبرك بشيء عن النية أو الدعم أو نقطة التحقق التالية. أما المختبر الذي ينشر بطاقة لكن دون منشور فقد أخبرك بالكثير عن النموذج وترك الاستراتيجية ضمنية — وفي هذه الحالة، فإن الاستراتيجية مذكورة بوضوح في الفقرة الثانية من البطاقة، بمجرد أن تلاحظها.

تصفه البطاقة بأنه معلّم، وهذا ما يعيد تأطير الإصدار بأكمله.

يُوصَف Nanbeige4.3-33B بأنه «النموذج المعلّم الرائد» لسلسلة Nanbeige4.3، وقد بُني أولًا كي يتمكّن المختبر من تقطير السلوك الوكيلي في نماذج أصغر، «مثل Nanbeige4.3-3B». وتُدرِج بطاقة النموذج «أداءً وكيليًا متقدّمًا على أحدث ما وصلت إليه النماذج المفتوحة في فئة المعاملات البالغة نحو 30B» بوصفه الهدف، ثم تصف فورًا النموذج 33B بأنه أساس لخط أنابيب تقطير لا منتج نهائي.

إذا أخذت ذلك على محمله الحرفي، فإن {{1}}الإصدار{{/1}} هو {{2}}ناتج تدريبي{{/2}} يصدف أنه قابل للشحن. وهو {{3}}النموذج{{/3}} الذي تستخدمه لـ{{4}}توليد المسارات{{/4}} من أجل {{5}}طالب بحجم 3B{{/5}}، وسبب أن {{6}}مجموعة معاييره{{/6}} تركز بكثافة على {{7}}مهام الوكلاء طويلة الأفق{{/7}} — {{8}}Terminal-Bench{{/8}}، {{9}}DeepSWE{{/9}}، {{10}}JobBench{{/10}}، {{11}}Toolathlon{{/11}} — هو أن تلك هي {{12}}السلوكيات{{/12}} التي يريد شخص ما {{13}}نقلها{{/13}}. {{14}}Nanbeige4.3-3B{{/14}} لم يصدر بعد. وعندما يصدر، سيكون {{15}}النموذج{{/15}} الذي يشغّله معظم الناس فعليًا، وسيكون {{16}}هذا الـ33B{{/16}} هو {{17}}الشيء{{/17}} الذي يفسر {{18}}نتائجه{{/18}}.

ثمة أثر جانبي يجدر تسميته: نموذج المعلّم مُحسَّن لإنتاج مسارات جيدة في ظل ميزانية رموز سخية، لا ليكون رخيصًا عند الاستدلال. وتؤكد ذلك الإعدادات الموصى بها في بطاقة النموذج — 65,536 رمزًا جديدًا كحد أقصى للعمل الوكيلي و262,144 للاستدلال والدردشة، مع تفعيل التفكير افتراضيًا. النموذج الذي يُطلب منه إخراج ربع مليون رمز ليس نموذجًا تضعه خلف واجهة محادثة دون ميزانية.

الـ 33B الذي يصفه ملف التكوين

اقرأ config.json والبنية تقليدية على نحو لا يكون عليه التسويق. اثنتان وخمسون طبقة، وحجم مخفي 7,168، و56 رأس استعلام مقابل 8 رؤوس مفتاح-قيمة — بنسبة 7:1 للاستعلامات المجمعة — وبُعد رأس 128، وعرض FFN قدره 22,016، ومفردات من 166,912 رمزًا. قاعدة RoPE هي 120,000,000 دون تطبيق أي تحجيم، وmax_position_embeddings مضبوط على 524,288. إصدار transformers المختوم في الملف هو 4.51.1.

يُستنتج عدد المعاملات من تلك الأرقام. تبلغ إسقاطات الانتباه 117.4 مليون معامل لكل طبقة، ويبلغ الـ MLP ثلاثي الطبقات 473.4 مليون، مما يعطي 590.9 مليون لكل كتلة عبر 52 كتلة: 30.7 مليار. وتضيف مصفوفتان منفصلتان للتضمين، بقياس 166,912 × 7,168، مقدار 2.4 مليار. يصبح الإجمالي 33.1 مليار، وهو ما يَعِد به الاسم وما يزنه 66.3 غيغابايت من bfloat16.

في مواجهة النموذج الذي تُنفق طاولته في مهاجمته، تكون الفروق أكثر حدّة مما توحي به الدرجات.

• الحجم — 33.1B كثيف لـ Nanbeige4.3-33B مقابل 27.78B كثيف لـ Qwen3.8-27B. كلاهما كثيف؛ ولا أيٌّ منهما مزيج من الخبراء.

• الوسائط — نص فقط، باللغتين الإنجليزية والصينية، لـ Nanbeige4.3-33B مقابل إدخال أصلي من النصوص والصور والفيديو لـ Qwen3.8-27B. إذا كانت خطوط أنابيب المعالجة لديك تقرأ لقطات الشاشة، فإن المقارنة تكون قد حُسمت قبل أن تبدأ الاختبارات القياسية.

• الانتباه — انتباه كامل موحّد عبر 52 طبقة في Nanbeige4.3-33B مقابل بنية هجينة في Qwen3.8-27B، تعمل بـ48 طبقة خطية مُبوّبة من نوع DeltaNet مقابل 16 طبقة انتباه كامل بنمط 3:1. ولهذا يكون نموذج Qwen منخفض التكلفة في السياقات الطويلة بينما هذا النموذج ليس كذلك.

• السياق — 524,288 رمزًا أصليًا لـ Nanbeige4.3-33B مقابل 262,144 رمزًا أصليًا، وقابل للتوسيع إلى نحو 1M باستخدام YaRN، لـ Qwen3.8-27B.

• الترخيص — Apache 2.0 على كليهما، ما يزيل السبب المعتاد لتفضيل أحدهما.

ليس اختلاف الانتباه حاشية. إنه السبب الكامل وراء وجود القسم التالي.

512K هي قيمة في ملف إعدادات، وليست سياق عمل.

كل ملخّص لهذا الإصدار يفتتح بنافذة نصف مليون رمز. ولا يكاد أيٌّ منها يجري الحساب، والحساب قاسٍ.

مع 52 طبقة، و8 رؤوس مفتاح-قيمة بأبعاد 128، وتخزين bfloat16، تكلّف كل وحدة رمز (token) في الذاكرة المؤقتة 2 × 52 × 8 × 128 × 2 بايت — 212,992 بايت، أو 208 KiB. وتترتب على ذلك ثلاث نتائج مباشرة.

• عند الحد الكامل البالغ 524,288 رمزًا، تبلغ ذاكرة KV cache وحدها 111.7 GB، أي نحو 104 GiB. وهذا أكثر من 66.3 GB من الأوزان، ولا يتّسع على أي مسرّع واحد يُباع اليوم.

• عند 131,072 رمزًا — أي ربع النافذة المعلن عنها — تبلغ الذاكرة المؤقتة 27.9 GB، أي نحو 26 GiB. أضف الأوزان فتصبح عند 92 GB قبل التنشيطات، ولهذا تستخدم الأمثلة الخاصة بالبطاقة نفسها التوازي التنسوري رباعي الاتجاه.

• عند 32,768 رمزًا، تبلغ سعة الذاكرة المؤقتة 6.98 GB، أي نحو 6.5 GiB. هذا هو الرقم المهم عمليًا، وهو طول السياق الذي يضبطه مثال llama.cpp في مستودع GGUF المجتمعي فعليًا.

لا شيء من هذا يجعل ادعاء 512K غير صادق. فالنافذة أصلية — بلا YaRN، وبلا عامل تحجيم، وبقاعدة rope قدرها 120 مليون — وعلى عقدة بأربع وحدات GPU ذات ذاكرة كافية يمكنك تشغيلها. لكنه يعني أن الرقم الوارد في العنوان الرئيسي سقفٌ لن تبلغه على عتاد تملكه، وأن أي شخص يستشهد بـ"سياق 512K" كسبب للشراء لم يضع تكلفة الذاكرة المؤقتة في الحسبان. قارن ذلك بتصميم Qwen3.8-27B، حيث تحتفظ ثلاثة أرباع الطبقات بحالة متكررة ثابتة الحجم بدلًا من ذاكرة مؤقتة متنامية، ويكون الفارق في التكلفة لكل توكن في السياق الطويل بنيويًا لا مسألة ضبط.

ثمة أمر آخر من الإعدادات، وهو من نوع التفاصيل التي تكلّف بعد ظهر كاملًا: use_cache مضبوط على false، في كل من config.json وgeneration_config.json. إن تحميل النموذج عبر مقتطف Transformers الموجود في بطاقة النموذج واستدعاء generate دون تجاوز ذلك سيؤدي إلى إعادة حساب البادئة في كل خطوة. مسارات vLLM وSGLang تدير ذاكرتها المؤقتة الخاصة بها وهي غير متأثرة. إذا بدت أول جولة قياس أداء لديك بطيئة على نحو غير مفسّر، فتحقق من هذا قبل أن تلوم الأوزان.

قراءة جدول المعايير المرجعية بالطريقة التي تطلبها منك حواشيه السفلية.

هذا الجدول موثّق على نحو أفضل من معظم جداول البائعين، والتوثيق هو المكان الذي تكمن فيه التحذيرات. تحت عشرين صفًا تقع اثنتا عشرة حاشية، وهي تقول عن قابلية المقارنة أكثر مما تقوله الدرجات نفسها.

• تم تشغيل Terminal-Bench 2.1 باستخدام Terminus 2. وتم تشغيل Terminal-Bench 4.0 وDeepSWE باستخدام mini-swe-agent v2.4.6.

• تم تشغيل NL2Repo باستخدام أداة Claude Code؛ أما JobBench فباستخدام Claude Code إضافةً إلى أداة بحث.

• تم تقييم إجابات SWE-Atlas-QnA وفق 1,304 من معايير التقييم الخاصة بكل مهمة، باستخدام GPT-6 Sol كحَكَم عند مستوى جهد استدلال متوسط. وحَكَم المعايير هو نموذج ثانٍ داخل الحلقة، وليس هو النموذج الخاضع للاختبار.

• لا تضع Toolathlon-Verified حدًا أقصى لـ max_tokens على الطلبات الفردية. يُقيَّم Claw-Eval فقط على المجموعة الفرعية General، وهي 157 مهمة ذات دور واحد. يحتفظ YC-bench فقط بأحدث عشر جولات من الحوار كسجل قبل كل استدعاء. يستخدم GDPval معايير تقييم منقحة.

• تم تقييم Nanbeige4.3-33B نفسه باستخدام preserve_thinking=true، وهو يحتفظ بتفكير المساعد السابق عبر الأدوار. وتوصي البطاقة بذلك تحديدًا لاستخدام الأدوات متعدد الأدوار، وبالعكس تمامًا للدردشة العادية.

عند قراءتها معًا، تصف تلك الملاحظات مجموعة أُعدّت لقياس سلوك الوكيل على المدى الطويل بميزانيات سخية. هذا أمر يمكن الدفاع عنه كشيء يستحق القياس — فهو الغرض من النموذج — لكنه أيضًا النظام الذي يؤثر فيه اختيار إطار الاختبار على الدرجات بأكبر قدر. أكبر فجوة في الجدول، DeepSWE عند 65.5 مقابل 42.5 لـ Qwen3.8-27B، هي فارق قدره 23 نقطة على معيار تقوده بنية دعم الوكيل. أصغر الفجوات في الصفوف التي تكون فيها بنية الدعم أقل أهمية: AIME 2026 عند 95.2 مقابل 94.5، وTau3-Bench عند 48.8 مقابل 48.5، وEnterpriseOps-Gym عند 41.0 مقابل 40.2.

هذا النمط يتسق مع تفسيرين. إما أن النموذج أفضل بكثير حقًا في البرمجة الوكيلية من أقرانه، أو أن صفوف الوكيل هي التي يحقق فيها مختبر يضبط إطاره الخاص وفق نموذجه الخاص أكبر مكسب. لا شيء في المستودع يميّز بينهما، والموقف الصادق إلى أن يعيد أحد تشغيل المجموعة هو أن كليهما قائم. الصفوف التي يفوز فيها النموذج بفارق نقطة واحدة أو أقل — Tau3-Bench، وEnterpriseOps-Gym، وAIME، وClaw-Eval بنتيجة 78.3 مقابل 75.2 — هي الأقل احتمالًا للصمود أمام إطار اختبار مستقل.

ما لا وجود له، حتى 26 أكتوبر، هو أي رقم خارجي على الإطلاق. لا يوجد أي إدخال في مؤشر Artificial Analysis، ولا تقييم في arena، ولا إعادة إنتاج من أي جهة. رقم AA-LCR البالغ 84.0 الوارد في بطاقة النموذج نفسه هو أن Nanbeige تُجري اختبارًا من Artificial Analysis، لا أن تُجري Artificial Analysis اختبارًا على Nanbeige.

الاختبار العملي الوحيد حتى الآن، وما يظهره

نشر شخص واحد فقط أي شيء مما نتج عن تشغيل الأوزان فعليًا، والنتيجة جديرة بالذكر تحديدًا لأنها محدودة. حمّل مطوّر ياباني نقطة التحقق الكاملة bfloat16 على Colab A100 بسعة 80 GB، باستخدام Transformers العادية مع dtype التلقائي وdevice mapping، وقاس نحو 63 GB من VRAM قيد الاستخدام. استغرق الرد الأول، المحدود بـ1,024 رمزًا جديدًا، نحو إحدى عشرة ثانية. لم يُذكر أي رقم للرموز في الثانية؛ وكان الانطباع أن نموذجًا كثيفًا بحجم 33B عند bfloat16 بطيء، وهو ما تتوقعه الحسابات.

تتابعت ثلاثة مطالبات. جاءت مقارنة 9.11 مقابل 9.8 صحيحة، مع شرح عشري واضح. أنتج سؤال عن شخصيات أنمي إجابة مقبولة ذاتيًا لكن أسماء مشوّشة. أنتج سؤال عن رئيس الوزراء الياباني إجابة خاطئة، وادعاء بحد معرفي في يونيو 2024، واسمًا مُهلوسًا. تسرّب سلسلة التفكير الإنجليزية قبل وسم think الختامي.

ثلاثة استفسارات عابرة ليست تقييمًا، ولا ينبغي قراءتها على أنها كذلك. كل ما هي عليه هو نقطة بيانات تتماشى مع شكل جدول المورّد: نموذج مضبوط بقوة على العمل الوكيلي بالإنجليزية، ومتقادم المعرفة العالمية بسنتين، وغير لافت في لغة ثانية. تدّعي بطاقة النموذج دعم الإنجليزية والصينية؛ ولم ينشر أحد اختبارًا باللغة الصينية أيضًا.

حيث يتوقف الإصدار المُكمَّم عن كونه النموذج نفسه

معظم من سيشغّلون هذا لن يشغّلوا 66 غيغابايت من bfloat16. بل سيشغّلون نسخة تكميم 4-بت على بطاقة واحدة، وتقارير التكميم التي ظهرت خلال يوم من الإصدار تشير إلى أن ذلك تراجع أكبر من المعتاد.

ينشر مستودع GGUF المجتمعي تباعد KL ونسبة توافق top-1 مقابل نموذج bfloat16، مقاسين على منصة اختبار نصية قياسية، ويحذر ملف README الخاص به من أن النموذج "حساس بشكل غير معتاد للتكميم".

• Q8_0، 35.2 GB — KL 0.0032، توافق top-1 بنسبة 98.0%.

• مصفوفة الأهمية Q5_K_M، 24.7 GB — KL 0.0213، 94.7% top-1.

• مصفوفة الأهمية Q4_K_M، 21.2 GB — KL 0.0380، 92.6% top-1.

• llama.cpp Q4_K_M العادي، 20.1 GB — KL 0.0693، 89.9% top-1. نفس عرض البتات كما في الصف أعلاه، وضِعف الانحراف تقريبًا.

• مصفوفة الأهمية IQ3_S، 17.1 GB — KL 0.1019، 87.5% top-1. يذكر README أن الملفات التي تقل عن 4 بت تفقد قدرًا أكبر بكثير من الدقة.

تُسجّل عملية تحويل MLX بدقة 8 بت نسبة 98.6% في top-1 عند KL 0.015، وتقارن مسار AWQ بدقة 4 بت الذي يسجل 92.1% في top-1 مع KL 0.181 — وهو انخفاض أكثر حدة بكثير من GGUF ذي مصفوفة الأهمية عند العرض الاسمي نفسه.

القراءة العملية: إذا قيّمت هذا النموذج بدقة 4 بت على بطاقة واحدة بسعة 40 أو 48 غيغابايت وفشل في مهام الوكيل لديك، فأنت إذن قيّمت نموذجًا يتوافق مع النموذج المنشور في نحو تسعة رموز من كل عشرة. بالنسبة للنصوص العادية، هذا غير مرئي. أما بالنسبة لنداءات الأدوات، حيث تُنهي وسيطة واحدة مشوّهة الدور، فإن معدل تباعد بنسبة 7% يمثل منتجًا مختلفًا. وإذا كانت الادعاءات المتعلقة بالوكلاء هي سبب اهتمامك، فالحد الأدنى الصادق هو Q5 مع مصفوفة أهمية، أو bfloat16 على عتاد مستأجر لتشغيل التقييم.

ما تكلفة التجربة، وكيف تجرّبها دون المراهنة عليها

لم تنشر Nanbeige أي سعر، لأنه لا يوجد شيء لتسعيره: فالنموذج عبارة عن أوزان، وليس خدمة، ولا يُدرج Hub أي مزوّد استدلال له. وهذا يترك ثلاثة مسارات — أربع وحدات GPU بسعة 80 GB لـ bfloat16، أو بطاقة واحدة بسعة 48 GB عند Q5، أو انتظار قيام مزوّد بإدراجه.

للمقارنة، فإن النموذج الذي يزعم التغلب عليه متاح عند الطلب. يعمل Qwen3.8-27B على OrcaRouter بسعر 0.33 دولار لكل مليون رمز إدخال و2.40 دولار لكل مليون رمز إخراج، مع نافذة 262K وزمن وصول إلى أول رمز عند الوسيط (p50) يبلغ نحو 2.95 ثانية. وتكلف مُوجّهة وكيلية بطول 65,536 رمزًا بالإضافة إلى 8,000 رمز إخراج نحو أربعة سنتات. وهذا هو الرقم الذي يتعين على نموذج 33B المستضاف ذاتيًا التغلب عليه، وعليه أن يتغلب عليه وهو يتحمل وقت خمول GPU ومخاطر التكميم وغياب مسار احتياطي.

نحن لا نستضيف Nanbeige4.3-33B، ولا ينبغي قراءة أي شيء هنا على أنه ادعاء بأننا نفعل ذلك. ما يمكننا فعله هو جعل المقارنة منخفضة الكلفة في الاتجاه الآخر: تضع Orca Connect وحدة GPU الخاصة بك خلف المفتاح نفسه الذي يستخدمه الكتالوج المستضاف، لذا يمكن تشغيل نقطة نهاية Nanbeige المستضافة ذاتيًا وQwen3.8-27B خلف نقطة نهاية واحدة وقاعدة توجيه واحدة بينما تتخذ قرارك. وجّه حصة من حركة الطلبات إلى نقطة التحقق الجديدة، وأبقِ النموذج المستضاف كخيار احتياطي، ودع سجلات الطلبات — التقييم وزمن الاستجابة والتكلفة لكل استدعاء — تحسم جدالًا لا تستطيع جداول المورّدين حسمه. وهامش الربح البالغ 0% يهم هنا بطريقة محددة: تنتقل أسعار قوائم المورّدين دون تغيير، لذا عندما يخفض أحد المورّدين سعرًا، تبقى المقارنة التي أعددتها الأسبوع الماضي صادقة.

من يجب أن يتصرّف بناءً على هذا، ومن يجب أن ينتظر؟

إذا كنت تبني خط أنابيب تقطير، فهذه هي أكثر نقطة تحقق مفتوحة إثارة للاهتمام هذا الشهر. معلّم كثيف بحجم 33B بترخيص متساهل، وإعدادات أخذ عينات موثّقة، ومجموعة معايير مختارة لقياس السلوك الذي تريد نقله بالضبط، هي أصل مفيد، وإن قول المختبر إنه يبني معلّمًا أولًا إشارة إلى أين تتجه السلسلة. نزّله، وشغّل تقييمك الخاص، واحتفظ بملاحظات أداة الاختبار الخاصة ببطاقة الطراز بجانب نتائجك.

إذا كنت بحاجة إلى نموذج في الإنتاج هذا الأسبوع، فانتظر. لا توجد درجة مستقلة، ولا نقطة نهاية مستضافة، بل تقرير عملي واحد يتضمن ثلاثة أوامر توجيهية، وملف تعريف تكميم يتدهور بوتيرة أسرع من المعتاد عند عروض البتات التي يستطيع معظم الناس تحمّل تكلفتها. لا شيء من ذلك يستبعد النموذج — لكنه ليس دليلًا بعد.

إذا كنت بحاجة إلى الرؤية، فالمقارنة محسومة بالفعل: Qwen3.8-27B يقرأ الصور والفيديو، وهذا النموذج يقرأ النصوص بلغتين.

الأمور التي ينبغي مراقبتها محددة. Nanbeige4.3-3B، هدف التقطير، الذي سيخبرك ما إذا كان المعلم يستحق عناء البناء. أول تشغيل مستقل لـ Terminal-Bench 4.0، الصف ذو الفجوة الأوسع والحساسية الأكبر للبنية المساندة. وما إذا كان أي مزوّد يُدرج النموذج 33B أصلًا — لأن اللحظة التي يفعل فيها أحدهم ذلك، يتوقف سياق 512K عن كونه قيمة إعداد ويصبح بندًا في الفاتورة، وتتحول الحسابات في هذا المقال إلى فاتورة شخص ما.