Nemotron 3.5 Transcribe مقابل Nemotron 3.5 Transcribe 30B: اسمان، نقطة تحقق واحدة، أربعة ملفات

إذا كانت قائمة كتالوج أو موقع مقارنة أو جدول المشتريات الخاص بك يضم Nemotron 3.5 Transcribe وNemotron 3.5 Transcribe 30B كمدخلين، فهو يدرج النموذج نفسه مرتين. المستودع المنشور هو NVIDIA-Nemotron-3.5-Transcribe-30B-A4B، وبطاقة NVIDIA تذكر أن الإجمالي 34B من المعاملات والعدد النشط نحو 4.3B، والاسم المجرد في كل عنوان رئيسي هو الأثر نفسه مع حذف الحجم. لا يوجد نموذج 30B منفصل للمقارنة معه، مما يجعل هذا أقرب إلى مشكلة تسمية يختبئ داخلها قرار نشر بدلًا من مواجهة مباشرة.

هذا القرار حقيقي رغم ذلك، وهو السبب في أن الاسمين يظلان يظهران جنبًا إلى جنب. أحد الاسمين هو ما تبحث عنه وما قد يعرضه كتالوج النماذج أو قائمة API. والآخر هو ما تقوم بتنزيله، بأحد أربع دقات عددية، وعند أحد أربعة أحجام للذاكرة، والاختيار بين تلك الملفات هو المقارنة الوحيدة التي يطلب منك هذا النموذج فعليًا إجراءها. ما يلي هو المطابقة: ما الذي يعنيه 30B، ولماذا تقول البطاقة 34B، وأي ملف يناسب وحدة GPU لديك بدلًا من تلك التي تفترضها صفحة الإطلاق.

الاسم الذي لا يتفق مع نفسه

هناك رقمان متداولان وكلاهما رسمي. ينتهي اسم المستودع بـ 30B-A4B، وفقًا للاصطلاح الذي تستخدمه NVIDIA لخطها من نوع mixture-of-experts: إجمالي المعاملات أولًا، ثم المعاملات النشطة ثانيًا. وتذكر بطاقة الطراز، على الصفحة نفسها، 34B إجمالًا ونحو 4.3B نشطة، مع تضمين مشفّر الصوت صراحةً. وتكرّر صفحة البحث اسم 30B-A4B في عنوانها ورقم 4.3B للمعاملات النشطة في متنها.

تذكر البطاقة أيضاً الأجزاء المكوِّنة، وهنا يبدأ الحساب في إحداث فرق. فالعمود الفقري اللغوي هو Nemotron 3.5 Lightning 30B-A3B، وهو خليط خبراء (MoE) هجين يجمع بين Mamba-2 وTransformer، بعدد معاملات نشطة يبلغ 3.5B. أما مُرمِّز الصوت المشترك — وهو مُرمِّز ASR من نوع Transformer إضافةً إلى مُرمِّز للمتحدث — فيبلغ نحو 800M. وبجمع هذين ينتج نحو 30.8B، لا 34B. فإما أن الـ 34B تشمل شيئاً لم تفصّله NVIDIA، وإما أن الـ 30B في اسم المستودع ليست سوى تسمية مقرّبة لعمود فقري أكبر في حقيقته مما يوحي به اسمه. لم تنشر NVIDIA أي بيان يوفّق بين الرقمين، ولا يوجد بعد أي تدقيق مستقل من طرف ثالث لمعاملات نقطة الحفظ الكاملة.

ما يعنيه ذلك للمشتري أضيق مما يبدو. سواء كان النظام 31B أو 34B فلا يغيّر البطاقة التي يناسبه، لأن حجم الملف تحكمه الدقة أكثر بكثير من آخر ثلاثة مليارات معامل. لكنه يعني أن أي ورقة مواصفات تذكر "30B" وأي ورقة تذكر "34B" تصفان التنزيل نفسه، وأن مقارنة الشراء المبنية على الفرق إنما تقارن اصطلاح تقريب.

ما الذي تحسبه لاحقة 30B فعليًا

تشير اللاحقة إلى نموذج لغوي، لا إلى ناسخ صوتي. إن Nemotron 3.5 Transcribe نموذج لغوي كبير معزّز بالصوت: يمر الصوت عبر مُشفّر Transformer، ويقدّم نموذج Nemotron 3 Diarization المجمّد تمثيلات المتحدث عبر ما تسميه NVIDIA «مُشفّر الخبراء المتوازي»، ويكتب مُفكّك MoE الهجين النص المنسوخ. وتخصّ تسمية 30B المُفكّك ومكدّس تضميناته. أما مسار الصوت — المُشفّر، ومُميّز المتحدثين، ورأس الطوابع الزمنية CTC — فيعمل فوق ذلك، وليس هو ما يعلن عنه الاسم.

ولهذا يتصرف النموذج كـ LLM بطرق لا يتصرف بها نظام ASR التقليدي. فهو يتلقى المطالبات. ويجيب عن أسئلة حول الصوت. ويترجم عبر 31 زوجًا من اللغات وإلى الإنجليزية في التمريرة نفسها. ويحتفظ بسياق من 65,536 رمزًا بحيث تتسع ساعة من الكلام دون تقسيم إلى أجزاء. لا شيء من ذلك يأتي من كون مفكك ترميز بحجم 30B كبيرًا؛ بل يأتي من كون المفكك نموذجًا لغويًا عامًا بالأساس، مع إسقاط الكلام في فضاء مدخلاته.

وهذا يفسّر أيضًا الغياب الذي يواصل الجميع البحث عنه. لا يوجد نظير بقدرة 30B فقط، ولا نموذج Transcribe كثيف أصغر، ولا آخر أكبر. يضم المستودع إصدارات بدقّات مختلفة لنموذج واحد، لا لعائلة نماذج. أما الأحجام الأخرى الوحيدة المتداولة فهي تكميمات أنتجها المجتمع، ومُعرّف كلام واحد للبث المباشر أصغر فعلًا — Nemotron Speech Streaming EN 0.6B — وهو نموذج مختلف بتغطية للإنجليزية فقط ودون تمييز للمتحدثين، وليس نسخة مصغّرة من هذا النموذج.

الملفات الأربعة الكامنة وراء الاسم، وتكلفة كل منها في الذاكرة

هذه هي المقارنة التي يشير إليها الاسمان في الواقع. تنشر NVIDIA ثلاث دقات، وأضاف المجتمع تنسيق تسليم رابعًا؛ وأرقام الذاكرة أدناه مأخوذة من نقاط الحفظ المنشورة ومستودعات المجتمع، لا من جدول مورّد واحد.

• BF16 — نقطة التحقق المرجعية، بحجم يقارب 67-68GB على القرص، تُشغَّل على بطاقة H100 واحدة بسعة 80GB. هذه هي النسخة التي صدرت عليها أرقام المعيار المنشورة، وهي النسخة التي ينبغي استخدامها عند الحاجة إلى إعادة إنتاجها.

• FP8 — حوالي 35GB، ما يخفض الحد الأدنى إلى بطاقة بسعة 48GB مثل L40S. فقدان الدقة مقابل BF16 ضئيل وفق الصياغة التي تعتمدها NVIDIA نفسها، لكنها صياغة NVIDIA؛ ولم يُنشر أي تقييم مستقل لأداء FP8.

• NVFP4 — حوالي 21 جيجابايت، وهو صغير بما يكفي لبطاقة RTX 5090 بسعة 32 جيجابايت أو بطاقة RTX PRO 6000. هذه هي الدقة الكامنة وراء ادعاء NVIDIA الرئيسي بشأن الإنتاجية البالغة 2,238 ثانية من الصوت لكل ثانية على بطاقة RTX PRO 6000 واحدة مع إرفاق نموذج DFlash2 المسودّي.

• GGUF — أربعة مُفكِّكات ترميز من المجتمع تتراوح أحجامها بين 19.7GB و35GB، إضافةً إلى ملف مُرمِّز F16 إلزامي بحجم 1.67GB. نسخة IQ4_NL البالغة 19.7GB هي الموجَّهة لبطاقات 24GB والاستنتاج على المعالج وMetal وVulkan؛ أما نسخة NVFP4 البالغة 19.7GB فهي موجَّهة إلى Blackwell؛ وتقع Q5 قرب 29GB وQ8 قرب 35GB. يضيف مُسوِّد DFlash2 الاختياري البالغ 1.15GB فكَّ الترميز التخميني على مسار CUDA.

• MLX — إصدارات مجتمعية بدقة 4 بت إلى 8 بت بين نحو 19GB و35GB لـ Apple silicon، مع مؤلف واحد يذكر نحو 154 رمزًا في الثانية على إصدار 4 بت. مفيد للتقييم على Mac، وليس مسارًا إنتاجيًا للخدمة.

ما الذي يشغّلها، وخطأ وقت التشغيل الوحيد الذي يرتكبه الناس

ملفات GGUF هي الفخ. فانتهاء اسم ملف بـ .gguf لا يعني ضمنًا llama.cpp أو Ollama أو LM Studio، ولا أيٌّ من هذه الثلاثة يشغّل هذا النموذج: فهو يحتاج إلى بيئة تشغيل speech-LLM مع مُرمِّز الصوت موصولًا بها. والمسارات العاملة عند الإصدار أضيق مما توحي به قائمة الصيغ.

• vLLM 0.32.0 — المسار الأساسي والوحيد الذي يعرض سطح الإخراج الكامل، بما في ذلك الطوابع الزمنية للكلمات عبر مشغّل V1 والبرمجية الوسيطة للطوابع الزمنية. الإخراج المنسوب إلى المتحدث والترجمة موجودان هنا.

• SGLang-Omni 0.2.0 على SGLang 0.5.22 — نسخ الملف بأكمله عبر نقطة نهاية صوتية متوافقة مع OpenAI، دون طوابع زمنية للكلمات أو إسناد للمتحدث أو ترجمة أو فك تشفير تخميني.

• NeMo Speech — مجموعة أدوات الضبط الدقيق، مع ذكر NVIDIA تقديرًا يتراوح بين 0.5 و2.3 ساعة GPU لكل مهمة على وحدة GPU واحدة. تعمل وصفات LoRA المنشورة على بطاقة واحدة.

• NeMo-Speech.cpp وspeech.cpp — مسار C++ الذي تستهدفه أدوات بناء GGUF، وهو المسار الوحيد الذي يحمّل تلك النسخ الكمّية. كلا الملفين المذكورين أعلاه، 19.7GB و35GB، يُوزَّعان من أجله، وملفات README في المستودعات هي المصدر الصادق لما يناسب أيّ مكان.

• Transformers — الاستخدام داخل العملية من تثبيتٍ من المصدر، وهو كافٍ للتقييم، وليس للإنتاجية.

الخطأ هو تنزيل أصغر نسخة مكمّمة، وتوجيه llama.cpp إليها، ثم الاستنتاج بأن النموذج معطوب. إنه ليس معطوبًا؛ إنه نموذج لغوي صوتي (Speech LLM) مزوّد بمُرمِّز (encoder) لا تدرك بيئات تشغيل النصوص وجوده أصلًا. وإذا لم تُدرج بيئة التشغيل Nemotron 3.5 Transcribe ضمن معمارياتها المدعومة، فلن يُحمَّل الملف مهما كان حجمه صغيرًا.

أين يندرج كل ملف، بعبارات بسيطة

اعمل بالاستدلال العكسي انطلاقًا من العتاد بدلًا من الانطلاق إلى الأمام من بطاقة النموذج. إن خط الأساس المعلن في البطاقة — H100 80GB واحدة عند BF16 — هو مسار الدقة القصوى، لا المسار الأدنى.

• بطاقة بسعة 24GB، من فئة RTX 4090 أو L4 — ملف IQ4_NL GGUF بسعة 19.7GB مع مُرمِّزه البالغ 1.67GB. اترك هامشًا إضافيًا لذاكرة KV cache ومخزن الصوت المؤقت؛ سعة 24GB ضيقة لكنها موثّقة ككافية للعمل.

• بطاقة 32GB، أو RTX 5090 أو RTX PRO 6000 — نقطة تحقق NVFP4 بحجم 21GB، وهي التكوين الذي يصفه ادعاء NVIDIA بشأن الإنتاجية، مع مُسوّد DFlash2 إذا كنت تريد فك الترميز التخميني.

بطاقة 48GB، L40S أو A6000 — نقطة تحقق FP8 بحجم 35GB، أقل التسويات إزعاجًا بين الدقة والتكلفة.

• مسرّع بسعة 80 جيجابايت، H100 أو A100 — BF16، التكوين المرجعي، والوحيد الذي يعيد إنتاج جدول WER المنشور دون تحفّظ يتعلق بالدقة.

• لا يوجد GPU إطلاقًا — لا شيء من هذه الملفات. يعمل المُرمِّز على CPU في مسار C++، لكن ساعة من الصوت على مفكِّك 30B-A3B دون تسريع هي مهمة معالجة دفعية تُقاس بالساعات، لا خدمة.

يبقى قيد واحد قائمًا مهما كانت الدقة: الإدخال هو PCM أحادي بتردد 16 كيلوهرتز، والحد الأقصى هو ساعة واحدة من الصوت لكل طلب. تحدث عملية تقليل معدل العينات واختيار القنوات قبل أن يرى النموذج أي شيء، ويُخلط تسجيل اجتماع ستيريو في غرفة الاجتماعات إلى أحادي ما لم تقسّم القنوات بنفسك. هذا قرار من قرارات المعالجة المسبقة، وليس قرارًا خاصًا بنقطة التحقق، والتقصير فيه يكلف جودة النسخ أكثر مما تكلفه خطوة التحويل من BF16 إلى FP8.

الفحوصات التي يجب تشغيلها عندما يعرض الإدراج كلا الاسمين

بما أن مسألة تكرار الأسماء واقعية وستتكرر في الكتالوجات وصفحات المقارنة، فإن إجراء تحقق قصير أنفع من فقرة شرح إضافية.

• معرّف المستودع — الأثر الرسمي الوحيد هو NVIDIA-Nemotron-3.5-Transcribe-30B-A4B. أي صف باسم Nemotron 3.5 Transcribe 30B بمعرّف مستودع مختلف فهو إما نسخة مكمَّمة أو نموذج مختلف تمامًا.

• نص الترخيص — OpenMDW-1.1 على الإصدار الرسمي، يُسمح بالاستخدام التجاري. أي قائمة تقول إنها للبحث فقط أو غير تجارية فهي تصف شيئًا آخر.

• السياق ونافذة الصوت — 65,536 رمزًا وساعة واحدة. أي قائمة تذكر نافذة أطول فهي خاطئة أو تصف نقطة تحقق مختلفة.

• ادعاء المعلمات — 30B-A4B في الاسم، و34B في البطاقة، و4.3B نشطة في كليهما. إدراج يذكر 4B إجمالًا قد خلط بين عدد المعلمات النشطة والإجمالي، وهو النسخ الأكثر شيوعًا لهذا الطراز على الويب.

• قائمة الملفات — BF16 وFP8 وNVFP4 من NVIDIA، بالإضافة إلى نموذج مسودة DFlash2. إذا كانت صفحة ما تعرض "Nemotron 3.5 Transcribe 30B" كملف واحد قابل للتنزيل ولا توفّر إصدارات دقة، فهو تكميم مجتمعي يحمل اسم المورّد.

مسألة التوجيه المنفصلة فعليًا

بمجرد اختيار الملف وعمل بيئة التشغيل، يكون سؤال النشر قد انتهى، ويعود سؤال أقدم: ماذا يحدث للنص. إن النص المكتوب للمحادثة مادة خام للتلخيص، واستخراج الكيانات، والإخفاء، وفهرسة البحث، والإجابة عن الأسئلة، وتلك الاستدعاءات هي حركة عادية لنماذج النصوص بمشكلات عادية لنماذج النصوص — حدود المعدل، وانقطاعات الخدمات المنبع، ونموذج تصنيف رخيص يفي بتسعة أعشار الحجم.

لا يوفّر OrcaRouter خدمة Nemotron 3.5 Transcribe، ولا يتضمّن كتالوجه أيّ إدخال تحت أيٍّ من الاسمين؛ وإذا رأيتَ صفّين لهذا الطراز في أيّ مكان، فإنّ فحص المستودع المذكور أعلاه هو أسرع وسيلة لحسم الأمر. ما تقدّمه المنصّة فعلاً هو الطبقة التي تأتي بعد وجود النصّ المنسوخ: مفتاح واحد متوافق مع OpenAI عبر أكثر من 200 طراز نصّي ومرئي بسعر قائمة المزوّد بهامش 0%، والتبديل التلقائي عند التعطّل بين المزوّدين، ولغة توجيه (DSL) تجمع عدّة طرازات في استدعاء واحد بحيث يمكن أن تقف مرحلة الاستخراج الزهيدة ومرحلة الحكم المكلفة خلف نقطة نهاية واحدة. وحدة معالجة الرسوميات تنسخ؛ والتوجيه يحدّد قيمة النصّ المنسوخ.

اللاحقة هي تسمية لحجم الملف، وليست نموذجًا ثانيًا.

أوضح طريقة لاستيعاب الاسمين معًا هي هذه: Nemotron 3.5 Transcribe هو المنتج، وNemotron 3.5 Transcribe 30B هو المستودع، و30B يُحسب مفكّكًا بينما تعدّ بطاقة النموذج نظامًا. والفجوة بين 30.8B و34B تفصيل لم يُحسم بعد وينبغي لـNVIDIA أن تعالجه، لكنها لا تغيّر أي قرار يتخذه المشتري، لأن القرار يُتخذ بالجيجابايتات وبيئات التشغيل المدعومة، لا بالرقم الثالث في عدد المعاملات.

اختر مستوى الدقة الذي يمكن لبطاقتك تحمله، وتأكد من أن بيئة التشغيل تسرد المعمارية، وتعامل مع أي قائمة تعرض الاسمين كطرازين منفصلين على أنه خطأ في الكتالوج لا خيارًا. التفرع الحقيقي في هذا الإصدار — وهو ما يبرر مواجهة مباشرة حقيقية — هو المتعرف التدفقي 0.6B من جهة، والناسخ دون الاتصال 30B من جهة أخرى. تلك المقارنة تتعلق بزمن الاستجابة والتغطية، وتستحق أن تُجرى. أما مقارنة طراز باسم ملفه نفسه فليست كذلك.