Nemotron 3.5 Bolt E4B 4GB: ما الذي تم شحنه فعليًا، ولماذا يُضلّل الاسم

NVIDIA-Nemotron-3.5-Bolt-E4B-4GB أصبح متاحًا على Hugging Face في 23 أكتوبر 2026، وأول ما يجدر قوله عنه هو الحساب: حجم الملف 6.18GB. لكن الاسم يقول 4GB. الرقمان كلاهما حقيقيان، وهما يقيسان شيئين مختلفين، والفجوة بينهما هي أكثر حقيقة مفيدة في الإصدار.

تعتبر مدونة NVIDIA التقنية أن 4GB هو الحد المقصود من الذاكرة لأحمال العمل المستهدفة للنموذج — أي ميزانية لما ينبغي أن يشغله النموذج أثناء تشغيل تطبيق إلى جانبه. وهو ليس عدد معاملات ولا حجم تنزيل. ملف checkpoint نفسه يبلغ إجمالًا 8B مع 4B من المعاملات الفعّالة، وقد دُرِّب تدرّبًا لاحقًا انطلاقًا من Gemma-4-E4B-it، ونُشر بدقتين فقط: إصدار BF16 بحجم 15.88GB وQ4_K_M GGUF بحجم 6.18GB. إذا وصلت بحثًا عن ملف بحجم أربعة جيجابايت لتضعه على جهاز، فلا يوجد واحد في المستودع.

يستحق ذلك أن يُقال بوضوح لأن بقية الإصدار واضحة على نحو غير معتاد. بطاقة النموذج مفصّلة، والتقرير الفني متاح للعموم، وجدول زمن الاستجابة المقاس يشمل أربعة أجهزة. ما ينقص هو التحقق المستقل، وبطاقة النموذج تقول ذلك بنفسها.

البيان، مُعاد بناؤه من المعلومات المتاحة للعموم.

لم يحصل هذا على إطلاق. حصل على حاشية ثم على منشور مدوّنة.

• 5 أكتوبر 2026 — تم إنشاء مستودعات Hugging Face الخاصّة ببنيتَي Q4_K_M وBF16. ولم تُملأ أيٌّ منهما بالأوزان.

• 15 أكتوبر 2026 — تعلن NVIDIA عن عائلة Nemotron 3.5: Super VL 120B-A12B وBolt 74B-A9B 24GB، وكلاهما متاح في ذلك اليوم. يحصل E4B على جملتين وتاريخ: قادم في 23 أكتوبر.

• 23 أكتوبر 2026 — تُنشر أوزان Q4_K_M وBF16، وتُرفع بطاقة النموذج، وينشر مختبر أبحاث NVIDIA مدونة تقنية وتقريرًا تقنيًا. لا يوجد بيان صحفي للشركة، ولا تتكرر تغطية الإطلاق التي أعقبت إعلان 15 أكتوبر هذه المرة.

"طُرح بهدوء" وصف دقيق، أما "سرّي" فليس كذلك. فقد أطلقت NVIDIA اسمًا على النموذج، وحدّدت تاريخه، ثم وثّقته توثيقًا وافيًا في اليوم نفسه. ما لم تفعله هو أنها لم تضع E4B أمام الصحفيين أنفسهم الذين غطّوا أشقاءه. والنتيجة العملية لأي قارئ لهذا في الأسابيع الأولى هي أن كل ادعاء تقريبًا أدناه يعود إلى مصدر واحد: NVIDIA.

أربعة غيغابايت ميزانية، وليست تنزيلًا.

أحجام الملفات المنشورة لا لبس فيها بمجرد أن تنظر إلى المستودع بدلاً من الاسم.

• Q4_K_M GGUF — 6,180,446,208 بايت، أو 6.18GB وفق النظام العشري، في ملف واحد باسم Nemotron-3.5-Bolt-E4B-Q4_K_M.gguf.

• ملفات BF16 safetensors — 15,882,494,698 بايت، أو 15.88GB، في شريحة واحدة، بالإضافة إلى ملف shared-KV مجمّد بحجم 110MB.

• لا يوجد ملف 4GB — لا يوجد تكميم أصغر في المستودع، ولا تنشر البطاقة ملفًا يطابق الرقم المذكور في الاسم.

ما تنشره NVIDIA فعليًا هو قياس لـ llama.cpp بدفعة واحدة على أربعة أجهزة، وفي هذا الجدول يصبح ادعاء سعة 4GB ملموسًا:

• RTX 5070 12GB — من 3.5 إلى 4.3 غيغابايت من ذاكرة VRAM، ومن 548 إلى 1,238 مللي ثانية لوقت أول رمز، ومن 106.2 إلى 133.4 رمزًا في الثانية.

• RTX Spark 32GB — من 3.1 إلى 4.2 جيجابايت من ذاكرة VRAM، ومن 930 إلى 1,988 مللي ثانية للوصول إلى أول رمز، ومن 52.0 إلى 67.0 رمزًا في الثانية.

• Jetson Orin Nano 8GB — 4.2 إلى 4.9 غيغابايت من ذاكرة VRAM، 5,785 إلى 6,259 مللي ثانية للرمز الأول، 13.0 إلى 15.5 رمزًا في الثانية.

• Jetson AGX Orin 32GB — من 4.2 إلى 5.0GB من VRAM، ومن 3,687 إلى 4,091ms للوصول إلى أول رمز، ومن 20.3 إلى 24.0 رمزًا في الثانية.

تقع أرقام VRAM دون حجم الملف البالغ 6.18GB، ما يعني أن وقت التشغيل لا يُبقي الملف كاملًا مقيمًا على وحدة GPU في تلك التشغيلات. ولا تشرح البطاقة الآلية، وهذا موضع جيد لمقاومة اختلاق آلية: فالأوزان المعيَّنة في الذاكرة (memory-mapped)، والتفريغ الجزئي، وتحديد حجم KV-cache تتفاعل جميعها، ولم تنشر NVIDIA تقسيمها. وما يمكن قوله هو أن حدود 4GB نتيجة مقيسة على عتاد محدد ضمن وقت تشغيل محدد، وليست خاصية من خصائص التنزيل.

صف Orin Nano هو الصف الذي ينبغي قراءته مرتين إذا كان العرض الترويجي يدور حول المساعدة الصوتية. فمن ثلاثة عشر إلى خمسة عشر رمزًا في الثانية مع ما يقارب ست ثوانٍ حتى أول رمز، هو وكيل مضمّن عملي وشريك محادثة فورية ضعيف. أما صف RTX 5070 فهو العكس: سريع بما يكفي للاستخدام التفاعلي، على وحدة معالجة رسومات لسطح المكتب.

ما الذي غيّرته NVIDIA فعليًا في Gemma 4 E4B

البنية موروثة بالكامل. هذا Gemma-4-E4B، وهو مزيج بإجمالي 8B من المعاملات مع 4B من المعاملات الفعّالة، ومساهمة NVIDIA هي التدريب اللاحق وليس بنية أساسية جديدة. تسرد البطاقة العمل باعتباره تعلّمًا معززًا من مكافآت قابلة للتحقق وملاحظات بشرية عبر NeMo-RL وNeMo-Gym، عبر استدعاء الأدوات والمخططات، واتباع التعليمات والتسلسل الهرمي، والمخرجات المهيكلة، والتنسيق الحر، ونمذجة المكافآت التوليدية. احتوت دفعات التدريب على نسبة 2:1 من العينات غير الاستدلالية إلى العينات الاستدلالية، وزادت NVIDIA عقوبات الطول للتحكم في الإسهاب — وهو تفصيل يظهر لاحقًا في جدول القياسات المرجعية.

تم إنتاج بناء Q4_K_M باستخدام llama.cpp مع المعايرة بواسطة imatrix على ما يقارب مليون توكن من عمليات التدحرج (rollouts) الخاصة بالتعلّم المعزز. هناك أيضًا مُسوِّد DFlash للفك الترميزي التخميني، وتقول NVIDIA إنه حقّق إنتاجية أعلى بنسبة تصل إلى 21% مقارنةً بمُسوِّد التنبؤ متعدد التوكنات الأصلي في Gemma-4-E4B. المُسوِّد موجود في مستودع منفصل، وعند التحقق منه كان يُرجع الاستجابة HTTP 401 للطلبات المجهولة، لذا تعامل معه كخطوة وصول إضافية بدلًا من كونه تنزيلًا في اليوم نفسه.

يقوم مفتاحا تبديل في قالب الدردشة بمعظم العمل السلوكي. enable_thinking يشغّل الاستدلال أو يوقفه ويقبل ميزانية تفكير وقت التشغيل؛ conversational_mode يضيف تعليمات نظام للمحادثة المنطوقة من أجل ردود قصيرة بأقل قدر من التنسيق. هذا المفتاح الثاني هو الدليل الكاشف. صُمِّم هذا النموذج ليتحدث، لا ليملأ نافذة سياق بالتحليل.

تبلغ سعة السياق 64 ألف رمز للإدخال و64 ألفًا للإخراج. وتغطية اللغات هي 34 في البيانات الوصفية لـ Hugging Face و35 في المدونة التقنية — وهو تعارض طفيف وليس جوهريًا، كما تُدرج بطاقة ما بعد التدريب الإنجليزية والفرنسية والألمانية والإيطالية واليابانية والإسبانية والصينية ضمن اللغات الأساسية.

الترخيص عبارة عن مجموعة متراكبة من التراخيص وليس وثيقة واحدة: OpenMDW-1.1 لمساهمة NVIDIA، وApache 2.0 لمكوّن Gemma 4. وتنص البطاقة على أن النموذج جاهز للاستخدام التجاري أو غير التجاري. وOpenMDW ترخيص متساهل لكنه غير معتمد من OSI، وهو أمر يهم الفرق القانونية أكثر مما يهم المطوّرين.

جدول المعايير، عند قراءته مقابل النماذج التي يسميها

قيّمت NVIDIA النموذج مقابل Gemma4 E4B-it وQwen3.5 4B ونموذجها الخاص Nemotron 3 Nano-4B، ضمن إطار NeMo-Gym متسق. كل رقم أدناه مُبلَّغ عنه من قبل المورّد وغير مُعاد إنتاجه. وتقول البطاقة إن الأرقام "قد تختلف عن الأرقام التي يبلغ عنها المورّدون أنفسهم"، وهو تحفّظ صادق وتذكير أيضًا بأن مجموعة المقارنة هي اختيار NVIDIA.

تتركّز نقاط القوة في المحادثة والتحكّم:

• RoleBench Custom — 67.05 لـ Bolt E4B مقابل 53.66 لـ Qwen3.5 4B، و49.95 لـ Gemma4 E4B-it، و12.02 لـ Nano-4B. هذا هو معيار الشخصية، والفارق هو الأوسع في الجدول.

• IHEval، تسلسل التعليمات — 84.79 مقابل 60.57، و67.04، و51.31. إن تقدّمًا بفارق 17 نقطة على أقرب منافس أمر غير معتاد عند هذا الحجم.

• When2Call Multi-Turn — 63.36 مقابل 37.85 لـ Qwen3.5 4B، و62.90 لـ Gemma4، و27.70 لـ Nano-4B. إن معرفة متى ينبغي عدم استدعاء أداة هي مهارة حوارية بقدر ما هي مهارة وكيلية.

• RelyToolBench — 63.16 مقابل 43.35 و61.60 و41.20. الاستناد إلى مخرجات الأدوات، وهي مجددًا مهارة قريبة من المحادثة.

• MultiChallenge — 53.10 مقابل 51.76 و42.08 و35.30. فوز بفارق ضئيل في التعامل مع التحديات متعددة الأدوار.

الخسائر واضحة بالقدر نفسه، وهي الخسائر التي تهمّ إذا كنت تريد وكيلًا لا شخصية:

• Tau2-Bench — 55.10 مقابل 75.06 لـ Qwen3.5 4B. هذه فجوة قدرها 20 نقطة في إكمال المهام الوكيلية متعددة الجولات، ولا يمكن لأي قدر من جودة الشخصية سدّها.

• RULER عند 64K — 86.99 مقابل 95.15 لـ Qwen3.5 4B و91.51 لـ Nano-4B. يقبل النموذج سياقًا بطول 64K؛ لكنه لا يسترجع المعلومات عبره بموثوقية تضاهي أقرانه.

• LongBench v2 عند 48K — 50.50 مقابل 59.93 لـ Qwen3.5 4B. الأمر نفسه ينطبق على الاستدلال من المستندات الطويلة.

• BFCL-v3 — 68.51 مقابل 70.95 لـ Qwen3.5 4B. عجز صغير في استدعاء الدوال، وفوز على نتيجة Gemma4 البالغة 66.39.

• EQ-Bench v3 — 39.40 مقابل 41.17 لـ Gemma4 E4B-it. البند الوحيد في الذكاء العاطفي الذي يتفوّق فيه النموذج الأصل على النموذج الفرعي.

عمود Q4_K_M أكثر إثارة للاهتمام مما يكون عليه جدول تكميم عادةً. لم يؤدِّ الضغط إلى خسارة موحّدة في الدقة: يرتفع MultiChallenge من 53.10 إلى 55.60، وRoleBench من 67.05 إلى 71.21، وToolSandbox من 68.77 إلى 74.13، وRelyToolBench من 63.16 إلى 69.29. لكنه ينخفض في Tau2 من 55.10 إلى 52.32، وفي LongMemEval من 72.10 إلى 69.92، وفي RULER من 86.99 إلى 85.76. إن نسخة بأربع بتات تحسّن عدة درجات حوارية أمر معقول عندما تأتي بيانات المعايرة من عمليات rollout الخاصة بالتعلّم المعزز للنموذج نفسه، لكنه يظل قياسًا من المورّد، والضجيج على مستوى المعايير في نموذج بحجم 4B كبير بما يكفي بحيث لا ينبغي قراءة هذه الفروقات كسلّم دقة.

يستحق صفّان إشارةً خاصة بهما. Brevity Bench وWhen2Call Multi-Turn تقييمان تصفهما NVIDIA بأنهما يعالجان فجوات في المعايير المرجعية الحالية، وتقول المدونة إنه سيُطلقان في تاريخ لاحق. ولا يمكن إعادة إنتاجهما بشكل مستقل اليوم — وهذا أمر يكتسب أهمية كبرى بالنسبة إلى Brevity، لأنه الصف الذي يحمل قصة رموز الإخراج الأقل.

الادعاء الرئيسي لـ NVIDIA هو أن النموذج يتفوق في المتوسط بنحو 40% على Nemotron 3 Nano-4B ونحو 10% على النماذج المماثلة، مع إنتاج أقل بنسبة تصل إلى 80% من رموز الإخراج في المقارنات المفعّلة للاستدلال. ورقم 80% ادعاء يتعلق بالإسهاب لا بالدقة، وهو يتسق مع درجة Brevity Benchmark البالغة 82.52 — التي أدرجتها NVIDIA في مجموعتها الخاصة. خذ الاتجاه بجدية والنسبة الدقيقة بخفة.

ما الذي لن يخبرك به المستودع

تتسم البطاقة بالصراحة بشأن فجواتها، ويجدر إدراج هذه الفجوات لأنها تحدد مقدار الثقة التي يدعمها الإصدار.

• لا يوجد تقييم مستقل. فلم تكن لدى Artificial Analysis صفحة نموذج خاصة بـ E4B وقت كتابة هذا النص، ولم ينشر أي طرف ثالث نسخة مُعادة إنتاج من جدول المعايير المؤلف من 21 صفًا.

• لا يوجد سعر للخدمة المستضافة. تُحدد البطاقة تاريخ إدراج على Build.NVIDIA.com بـ23 أكتوبر، لكن لا يُنشر أي سعر لكل رمز هناك أو في البطاقة. إذا كنت تريد API، فأنت تتفاوض أو تستخدم طبقة مجانية، لا تقرأ بطاقة أسعار.

• يُشار إلى النشر بأنه "{{1}}llama.cpp (الوصفة قيد الانتظار){{/1}}" رغم أن البدء السريع يتضمن أوامر llama.cpp عاملة. هذا تناقض في التوثيق، وليس تناقضًا تقنيًا، لكنه من الأمور التي تُربك خط أنابيب نشر آلي.

• لا يتم إثبات هدف 4GB كملف. الدليل هو نطاق VRAM المقاس؛ وحجم التنزيل هو 6.18GB.

• توجد بطاقات فرعية للسلامة والتحيز وقابلية التفسير والخصوصية كملفات منفصلة. لا يخضعها هذا المقال للتدقيق، ولا تقوم بذلك أي جهة مستقلة حتى الآن.

لا شيء من ذلك يجعل الإصدار غير موثوق؛ بل يجعله سابقًا لأوانه. بطاقة النموذج التي يكتبها الفريق الذي درّب النموذج هي أفضل وصف متاح لما صُمم النموذج لأجله؛ وليست دليلاً على أنه ينجز ذلك.

أين يتوقف نموذج محلي بحجم 4B، وما الذي يجب وضعه خلفه

المعمارية الصادقة لهذه الفئة من النماذج هي معمارية منقسمة. فنقطة تحقق حوارية بحجم 4B على Jetson أو بطاقة RTX ممتازة في طبقة الاستجابة الفورية: استجابات كلمة الإيقاظ، وحوار الشخصية، واستدعاءات الأدوات القصيرة، وتأصيل المدخلات، والأجزاء من الواجهة التي لا تحتمل رحلة ذهاب وإياب عبر الشبكة. وهي ليست الشيء الذي تريد أن يجيب عن سؤال يحتاج إلى سياق بحجم 200K أو خطة وكيلية من عشر خطوات، وجدول القياسات المرجعية الخاص بها يقول ذلك.

وهذا يترك كل عملية نشر أمام سؤال ثانٍ: ما الذي يتولّى الطلبات التي لا ينبغي أن يتولّاها النموذج المحلي. إن وضع نموذج مُستضاف خلف التطبيق نفسه عبر OrcaRouter يعني واجهة برمجية واحدة لأكثر من 200 نموذج، بهامش ربح 0% على سعر القائمة لدى المزوّد، وتحويلًا تلقائيًا عند الفشل عندما يتدهور أداء أحد المزوّدين — بحيث يصبح مسار التصعيد قرار توجيه بدلًا من حزمة SDK ثانية ومفتاح ثانٍ وعلاقة فوترة ثانية. يظل النموذج المحلي هو المسار السريع؛ أما النموذج المُستضاف فهو البديل الاحتياطي للحالات التي لم يُدرَّب عليها E4B قط.

ما الذي قد يغيّر هذه الصورة؟

ثلاثة أمور، مرتبة حسب درجة الفائدة. إجراء اختبار مرجعي مستقل على نفس أداة الاختبار سيحسم ما إذا كان الملف الكثيف بالمحادثات يظل صالحًا خارج تقييم NVIDIA. ونشر حزمة بحجم 4GB أو أقل سيجعل الاسم صحيحًا حرفيًا. أما تسعير نقطة نهاية Build فسيحوّل النموذج من تنزيل إلى خدمة يمكنك مقارنتها.

حتى ذلك الحين، فإن القراءة الصحيحة ضيقة ومفيدة: درّبت NVIDIA نموذج Gemma 4 E4B تدريبًا لاحقًا ليصبح نموذج محادثة صغيرًا أفضل بشكل واضح، ونشرت الأدلة والثغرات في الوثيقة نفسها، وأطلقته بعد أسبوع من إطلاق العائلة بضجيج يكاد يكون معدومًا. إن 4GB في الاسم هدف يلبيه زمن التشغيل المقاس ولا تلبيه عملية التنزيل. خطط لمساحة التخزين لديك على أساس 6.18GB، ولتوقعاتك على أساس من 13 إلى 133 رمزًا في الثانية، اعتمادًا على الجهاز الذي تملكه فعلاً.