NVIDIA-Nemotron-Labs-Teacher-General-Reasoning مقابل Qwen3.8-Max: الأسبوع الذي أصبحت فيه الأوزان المفتوحة أمرًا جادًا

لقد كان للأوزان المفتوحة أسبوع حافل. في أو حوالي 12 أغسطس 2026، أصدرت Alibaba أول نموذج من فئة Max مفتوح الأوزان على الإطلاق — Qwe​n3.8 Max، وهو نموذج رائد بمعاملات تبلغ 2.4 تريليون، نُشر باسم Qwen3.8-2.4T-A95B على Hugging Face وModelScope. بعد يومين، في 14 أغسطس، نشرت NVIDIA نموذج NVIDIA-Nemotron-Labs-Teacher-General-Reasoning، وهو معلم استدلالي بمعاملات 550B و55B نشط من خط تدريب Nemotron 3 Ultra، على Hugging Face أيضًا. كلاهما نقاط تفتيش ضخمة ومفتوحة حديثًا من مختبرات رائدة، لكن أوجه التشابه تتوقف عند هذا الحد. Qwe​n3.8 Max مفتوح لتتمكن من تشغيل نموذج متطور بنفسك؛ بينما NVIDIA-Nemotron-Labs-Teacher-General-Reasoning مفتوح لتتمكن من التدريب به. المقارنة بينهما تعني في النهاية أي نوع من الفرق أنت — لكن حقيقة أن كلاهما صدر خلال 72 ساعة هي إشارة إلى أين تتجه الصناعة.

ما الذي يحتويه كل إصدار فعليًا

Qwen3.8 Max هو النموذج القابل للنشر. وهو نموذج خليط من الخبراء متناثر (sparse mixture-of-experts) بإجمالي 2.4 تريليون معامل، وحوالي 95 مليار معامل نشط لكل رمز (token) عبر 512 خبيرًا، مبني على البنية الهجينة لعائلة Qwen3.5. في صيغته مفتوحة الأوزان، هو نصي فقط بسياق أصلي يبلغ 262 ألف رمز (قابل للتمديد إلى ما يتجاوز المليون)، ومن الجدير بالذكر أن التفكير إلزامي: يصدر النموذج محتوى استدلاليًا بين وسمي <think> ولا يمكن إيقافه. أما نسخة API المستضافة التي أطلقتها Alibaba في 3 أغسطس فتضيف إدخال الصور والفيديو، وسياقًا افتراضيًا يبلغ مليون رمز، وتفكيرًا اختياريًا. ترخيص الأوزان المفتوحة هو ترخيص Qwen3.8 Max License مخصص، وهو متسامح لكنه يتضمن شروطًا مبنية على الإيرادات للنشر التجاري واسع النطاق جدًا. إذا كنت تملك العتاد متعدد العقد، يمكنك تشغيل نموذج من الطراز الريادي على بنيتك التحتية الخاصة.

NVIDIA-Nemotron-Labs-Teacher-General-Reasoning هو النموذج المخصّص لمرحلة التدريب. وهو واحد من أكثر من عشرة معلّمين متخصّصين في مجالٍ محدد ضمن وصفة التقطير متعدد المعلّمين ضمن السياسة (MOPD) التي تقف خلف Nemotron 3 Ultra، وهو مشتقّ من طالب Ultra بعد التدريب اللاحق عبر مرحلة ضبط دقيق متخصص في الاستدلال ومرحلة تعلّم معزّز. دوره في هذه الخطوة هو توليد مسارات استدلال طويلة حول أصعب مسائل الرياضيات والمنطق والاستدلال المجرّد، والعمل بصفته الحَكَم الذي يقيّم الإجابات المفتوحة. يُطرح هذا النموذج بموجب ترخيص OpenMDW-1.1 الصديق للاستخدام التجاري مع بيانات ما بعد التدريب المُعلَنة، ولا يحمل أي أرقام معايير مرجعية — إذ تشير NVIDIA إلى مخطط الدقّة وتقرير Ultra التقني بدلاً من ذلك. زبائنه هم عمليات التقطير، وليس حركة المرور الإنتاجية.

Qwen3.8 Max، أول رائد مفتوح من فئة Max

إصدار Alibaba مهم لأن نماذج Qwe​n من فئة Max كانت تاريخيًا متاحة عبر API فقط. لكن Qwen3.8 Max يكسر هذا القيد: الأوزان قابلة للتنزيل، والنموذج في طليعة النماذج حقًا — يمنحه Artificial Analysis مؤشر ذكاء يبلغ 58 ومؤشرًا وكيليًا يبلغ 58، ما يضعه في مصاف أفضل النماذج العامة المغلقة في البيئات الوكيلة. النتائج البارزة التي أبلغ عنها المورّد قوية: 93.0 في PaperBench (متقدمًا على GPT-5.6 Sol وFable 5)، و92.6 في GPQA Diamond، و86.1 في OSWorld-Verified. نقاط ضعفه حقيقية بنفس القدر — فنتيجتاه 67.7 في SWE-bench Pro و43.6 في Humanity's Last Exam متخلفتان عن المتصدرين، كما وجدت الاختبارات المستقلة أنه باهظ التكلفة لكل مهمة مكتملة، بمتوسط 64 دورة لكل مهمة في عمليات التشغيل الوكيلة. على واجهة برمجة تطبيقات Alibaba، يُسعَّر النموذج بـ2.00 دولار لكل مليون توكن إدخال، و6.00 دولارات لكل مليون توكن إخراج، و0.25 دولار لكل مليون توكن إدخال مخزّن مؤقتًا، أي بانخفاض 20% عن سعر النسخة التجريبية.

المعلم: البنية التحتية للتدريب مع بطاقة النموذج

نموذج NVIDIA-Nemotron-Labs-Teacher-General-Reasoning لا ينافس على أيٍّ من تلك الأرقام لأنه لم ينشر أيًّا منها. ما يقدّمه بدلًا من ذلك هو نفس البنية الهجينة LatentMoE Mamba-2 + Transformer التي يعتمدها نموذج Ultra الطالب، مع سياق يصل إلى مليون رمز (توكن)، ومقبض استدلال — enable_thinking true/false، ووضع medium_effort، وسقف reasoning_budget صارم — وهو ما تحتاجه خط أنابيب التقطير (distillation) لبذل استدلال عميق على العينات الصعبة وتجاوزه على السهلة. الحد الأدنى للعتاد هو 4×B200 (أو 8×H100)، مع الخدمة عبر vLLM أو SGLang أو TensorRT-LLM، ويبلغ حجم نقطة الحفظ (checkpoint) 1.12 تيرابايت عند التنزيل. لا يتم نشره عبر أي مزوّد استدلال، ولم تعلن NVIDIA عن استضافة عبر NIM. هذا إصدار أوزان فقط موجّه للمختبرات التي تدير بالفعل أساطيل كبيرة من وحدات معالجة الرسوميات.

المواصفات، جنبًا إلى جنب

• الغرض — المعلّم: متخصص في الاستدلال أثناء التدريب وحَكَم. Qwen3.8 Max: الرائد الحدودي القابل للنشر.

• الحجم — المعلم: 550B إجمالي / 55B نشط، LatentMoE مع MTP. Qwen3.8 Max: 2.4T إجمالي / ~95B نشط، 512 خبيرًا، Qwen3.5 هجين.

• السياق — المعلم: حتى 1M توكن، 256K افتراضيًا. Qwen3.8 Max: سياق أصلي بأوزان مفتوحة 262K، قابل للتوسيع لما بعد 1M؛ إصدار API افتراضيًا 1M.

• الأوزان — المعلم: OpenMDW-1.1، صدر في 14 أغسطس 2026. Qwen3.8 Max: رخصة Qwen3.8 Max، صدرت في ~12 أغسطس 2026.

• أدلة مستقلة — المعلم: لا يوجد بعد. Qwen3.8 Max: مؤشر الذكاء AA 58، مؤشر الوكيل 58، مؤشر البرمجة 71.8.

• تفكير — Teacher: مبدّل enable_thinking، وmedium_effort، وسقف reasoning_budget. Qwen3.8 Max: إلزامي التفعيل في الأوزان المفتوحة، ولا يمكن تعطيله.

• السعر — Teacher: لا يوجد سعر قائمة، بل نفقات رأسمالية للاستضافة الذاتية. Qwen3.8 Max: 2.00 دولار / 6.00 دولار لكل مليون توكن، 0.25 دولار للإدخال المخزن مؤقتًا.

إن عدم تماثل الأدلة هو القصة كلها.

تم اختبار Qwen3.8 Max؛ أما المعلم فلم يُختبر بعد. يعود ذلك جزئيًا إلى العمر — فـ Qwen3.8 Max أُطلق في 3 أغسطس وخضع لأسبوعين من الجولات على لوحات الصدارة، بينما صدر المعلم أمس — وجزئيًا إلى القصد، لأن بطاقة المعلم لم تُصمم أبدًا للتنافس على النتائج. لكن عدم التماثل له أثر حقيقي على المقارنة: كل رقم ملموس في هذه الصفحة مع مصدر مرفق يعود إلى Qwen3.8 Max، وكل رقم مرتبط بالمعلم هو مواصفة معمارية. جودة تفكير المعلم لم يتحقق منها أحد خارج NVIDIA، وأرقامه على مستوى العائلة (أرقام طالب Ultra المبلَّغ عنها من البائع: SWE-Bench Verified 71.9، وMMLU-Pro 86.8، وLiveCodeBench v6 89.0) تصف نموذجًا مختلفًا. أي شخص يبني قراره على "أيهما أداؤه أفضل" عليه أن ينتظر عمليات تشغيل مستقلة للمعلم — وهذا هو بالضبط الفجوة التي ينبغي للأسابيع القليلة القادمة أن تسدّها.

قرصان تفكير، مضبوطان بشكل مختلف

أكثر ما يلفت الانتباه من الناحية التقنية في المقارنة بين هذين الإصدارين هو ما يحدث عندما تطلب منهما الاستدلال. فالنموذج Qwen3.8 Max في صيغته مفتوحة الأوزان لا يملك خيارًا: التفكير يعمل دائمًا، ومسار الاستدلال جزء من كل إجابة. هذا أمر رائع لجودة الإجابات وشفافيتها، لكنه مكلف عند التوليد الجماعي. أما النموذج المعلّم فيتعامل مع الاستدلال كمقبض: enable_thinking يبدّله، وmedium_effort يحدّه، وreasoning_budget يضع سقفًا أقصى له. وبالنسبة لخط أنابيب التقطير، يكون الفرق حاسمًا — فتوليد ملايين مسارات الاستدلال بنموذج يعمل بالتفكير دائمًا يضاعف فاتورة التوكنز، بينما يتيح لك مفتاح النموذج المعلّم أن تدفع مقابل الاستدلال العميق فقط عندما تتطلب عينة صعبة ذلك. هاتان ليستا فلسفتي تصميم متنافستين؛ بل هما أداتان محسّنتان لقطبي المشكلة نفسها، وكل منهما هي الأداة المناسبة لغايتها.

الخلاصة

إذا كنت ترغب في تشغيل نموذج متطور على أجهزتك الخاصة — أو استدعاء واحد بسعر معقول — فإن Qwen3.8 Max هو الإصدار الذي يهم، وهو متاح على OrcaRouter بسعر Alibaba الرسمي، مع تمريره بهامش ربح 0%، لذا فإن تخفيض السعر الذي أعلنته Alibaba عند الإطلاق يُفعَّل لدينا في اليوم نفسه. إذا كنت تريد تدريب نموذج استدلال أو تقطيره — أو تدقيق الإشارة التي شكلت Nemotron 3 Ultra — فإن NVIDIA-Nemotron-Labs-Teacher-General-Reasoning هو الإصدار الذي يهم، وهو مخصص للاستضافة الذاتية فقط في الوقت الحالي. القصة الأكبر هي أن كلاهما وصلا في الأسبوع نفسه: الأوزان المفتوحة انتقلت للتو من "مفتوحة بما يكفي للنظر إليها" إلى "مفتوحة بما يكفي للبناء عليها"، عند نقطتين مختلفتين في سلسلة توريد النماذج. الفِرَق التي تُبقي طبقة النماذج لديها قابلة للتبديل خلف واجهة واحدة — تدريب مستضاف ذاتيًا على جانب، واستدلال متطور مُدار على الجانب الآخر — هي في أفضل موقع لاستخدام كليهما.