Qwen3.8-27B: دليل الأداء المحلي والسياق الضخم 262K

أكبر إصدار محلي للذكاء الاصطناعي هذا الأسبوع ليس «Owen 3.8 27B»، بل Qwen3.8-27B. وهو نموذج كثيف متعدد الوسائط يضم 27 مليار معلمة، ويدعم نافذة سياق أصلية تصل إلى 262,144 رمزاً. تشير النتائج الأولية إلى أداء محلي قابل للاستخدام، ودعم سريع للتكميم، لكن الأدلة المتضاربة لا تزال تمنعنا من وضعه بثقة في أي ترتيب.

وصل Qwen3.8-27B مع نافذة سياق أصلية بحجم 262K

لنبدأ بالحقائق التي تؤثر في قرارات النشر:

نُشرت أوزان النموذج في 14 أغسطس، لذلك تستند معظم ادعاءات أسبوع الإصدار إلى يوم واحد تقريباً من الاختبارات العامة. وسرعان ما جمع النقاش الرئيسي في يوم الإصدار الأوزان والملفات المكمّمة والقوالب وملاحظات الإعداد والانطباعات الأولى.

الفرق بين السياق الأصلي والسياق الموسّع مهم. فالدعم الأصلي يعني أن النموذج صُمم لاستقبال تسلسلات بهذا الطول. أما إعداد المليون رمز، فقد يعتمد على تحجيم المواضع ودعم مناسب من بيئة التشغيل. كما أن الإعلان عن نافذة سياق كبيرة لا يعني أن كل جهاز محلي يستطيع استخدامها فعلياً. تكبر ذاكرة التخزين المؤقت للمفاتيح والقيم مع طول التسلسل، لذلك قد ينجح الجهاز في تحميل النموذج بسياق فارغ، ثم تنفد ذاكرته أثناء جلسة طويلة.

لماذا يهم ذلك؟ يقرّب Qwen3.8-27B الاستدلال متعدد الوسائط وذي السياق الطويل من الأجهزة المحلية، لكن استخدام نافذة السياق كاملة لا يزال مشكلة ذاكرة على مستوى النظام.

إصدار بحجم 17 GB يخفض حاجز الدخول، لا تكلفة التشغيل

أكثر ادعاءات النشر المحلي جذباً للانتباه بسيط: يمكن لتكميم ديناميكي من Unsloth أن يعمل، وفقاً للتقارير، ضمن ذاكرة RAM بسعة 17 GB. كما سلط إعلان Unsloth عن الإصدار الضوء على إصدارات GGUF وNVFP4.

تعامل مع هذا الرقم باعتباره الحد الأدنى للتحميل، لا توصية متكاملة للأجهزة. يجب أن تتشارك أوزان النموذج الذاكرة مع بيئة التشغيل وذاكرة السياق والمدخلات متعددة الوسائط ونظام التشغيل وأي واجهة رسومية. قد ينجح جهاز لديه 17 GB متاحة في تحميل إصدار مضغوط، لكنه لن يترك مساحة كافية للطلبات الطويلة. وقد يضطر أيضاً إلى نقل بعض الطبقات بين CPU وGPU، ما قد يبطئ التوليد مقارنة بإعداد يحتفظ بالنموذج بالكامل داخل ذاكرة GPU.

بناءً على ذلك، توجد 3 فئات عملية للأجهزة:

اللافت في هذا الإصدار ليس مجرد إمكانية ضغط نموذج بحجم 27B. الأهم هو السرعة التي ظهرت بها خيارات تغليف متعددة، ما قلّص الفترة بين نشر الأوزان وبدء الاختبارات المحلية الفعلية.

لكن لهذه السرعة جانب سلبي. فقد تستخدم الملفات المبكرة طرق تكميم أو خيارات معايرة أو قوالب محادثة أو افتراضات تشغيل مختلفة. لذلك يمكن لملفين متقاربين في الحجم أن يقدما جودة مخرجات مختلفة بوضوح.

لماذا يهم ذلك؟ توسّع سعة 17 GB نطاق الوصول إلى النموذج، لكن الفرق لا تزال بحاجة إلى مساحة إضافية في الذاكرة واختبارات تناسب أعباء العمل قبل اعتبار أي إعداد قابلاً للاستخدام.

يبدو أن جودة التكميم تنخفض بحدة تحت 10 GB

لا تختر تكميم Qwen3.8-27B بناءً على حجم الملف فقط. فقد قارنت دراسة مضبوطة 36 إصداراً مكمّماً مع مخرجات logits نفسها لإصدار BF16، ووجدت انخفاضاً حاداً في الجودة تحت 10 GB. ووفقاً لـدراسة التكميم باستخدام 4 بطاقات RTX 5090، لم تتجاوز الفروق بين ملفات Q6 وQ8 الأكبر من 25 GB هامش ضوضاء القياس.

يشير ذلك إلى وجود حافة حادة للضغط، لا منحنى تدريجي لانخفاض الجودة. فتوفير بضعة غيغابايت إضافية عند الأحجام الصغيرة قد يزيل قدراً أكبر من قدرات النموذج مقارنة بالانتقال بين مستويين أكبر من التكميم.

تكشف النتيجة أيضاً خطأ شائعاً في التقييم. يمكن لمقياس الحيرة (Perplexity) أو تشابه logits اكتشاف الضرر الناتج عن الضغط، لكن أياً منهما لا يثبت أن إصدارين مكمّمين سيتصرفان بالطريقة نفسها في البرمجة أو استخدام الأدوات أو الرؤية أو استرجاع المعلومات من سياق طويل.

النهج المناسب هنا هو البدء بأكبر تكميم يترك مساحة كافية للسياق المطلوب. بعد ذلك، قارن الإصدارات الأصغر باستخدام طلبات ثابتة وإعدادات حتمية وتقييم خاص بكل مهمة. بالنسبة إلى مساعد برمجي، قد تشمل مجموعة الاختبارات التنقل داخل المستودعات وإنشاء التصحيحات وإصلاح الاختبارات والالتزام بالتعليمات. أما تحليل المستندات، فيجب أن يشمل دقة الاستشهادات، واسترجاع المعلومات من مواضع بعيدة في السياق، ومعدلات الادعاءات غير المدعومة.

تجعل الأدلة المبكرة Q5 وQ6 نقطتين مهمتين للمقارنة. قد يترك Q5 مساحة أكبر لذاكرة العمل، بينما قد يقدم Q6 استقراراً أفضل للمخرجات إذا كان النظام يملك سعة كافية.

لماذا يهم ذلك؟ يبدو أن Qwen3.8-27B يملك حداً عملياً للضغط، لذلك قد يؤدي التكميم الشديد إلى خسارة القدرات نفسها التي يريد المستخدمون تشغيلها محلياً.

حقق Strix Halo سرعة 10.5 رمز في الثانية باستخدام تكميم Q5 بحجم 20 GB

حقق نظام Strix Halo بذاكرة 128 GB سرعة توليد بلغت 10.5 رمز في الثانية عند سياق فارغ، باستخدام إصدار Q5 بحجم 20 GB. وعند سياق 32K، بلغت السرعة 9.4 رمز في الثانية ضمن اختبار أداء Strix Halo نفسه.

يعادل ذلك انخفاضاً في سرعة التوليد بنحو 10% بين السياق الفارغ وسياق 32K. وهذه النتيجة أكثر فائدة من رقم الذروة عند السياق الفارغ، لأن المحادثات الحقيقية وجلسات البرمجة تتراكم فيها الرموز بمرور الوقت.

أفاد المختبِر أيضاً بأن معدل أداء Q5 كان قريباً من Qwen3.6-27B بفارق لا يتجاوز 2.5% عند استخدام الإصدار نفسه. وتشير هذه المقارنة إلى أن Qwen3.8-27B قد لا يفرض عقوبة كبيرة على سرعة التوليد مقارنة بسابقه على هذه الأجهزة.

لكن سرعة التوليد لا تحكي القصة كاملة. يشمل استخدام السياق الطويل أيضاً تقييم الطلب (Prompt Evaluation)، وهي المرحلة التي تعالج فيها بيئة التشغيل المدخلات الحالية قبل إنتاج رمز جديد. قد يولد النموذج بسرعة 9.4 رمز في الثانية بعد استيعاب 32K رمز، لكنه قد يستغرق وقتاً ملحوظاً لمعالجة الطلب الأولي. لذلك يجب أن تقيس عمليات تحليل المستودعات والعمل على مستندات متعددة كلاً من زمن الوصول إلى أول رمز وسرعة التوليد المستمرة.

كما أن Strix Halo منصة تعتمد على الذاكرة الموحدة. وقد تقدم بطاقة GPU منفصلة بذاكرة VRAM سعتها 24 GB، أو جهاز Mac بذاكرة موحدة، أو محطة عمل تعتمد بكثافة على CPU نتائج مختلفة، حتى إذا حمّلت جميعها الملف نفسه بحجم 20 GB.

للمزيد حول موقع النماذج المحلية ضمن بيئات التطوير الموجهة للوكلاء، راجع ملخص اتجاهات الذكاء الاصطناعي والمطورين.

لماذا يهم ذلك؟ وصل Qwen3.8-27B إلى سرعات تفاعلية قابلة للاستخدام على منصة استهلاكية واحدة ذات ذاكرة كبيرة، لكن معدل الأداء عند السياق الفارغ يظل مقياساً غير مكتمل لقدرة النظام.

تبدو عروض البرمجة قوية، لكنها لا تثبت ترتيب النموذج

لفت مثالان في يوم الإصدار الانتباه: واجهة متجر لمخبز قيل إنها أُنشئت على RTX 3090، ولعبة كلاسيكية قابلة للعب من 10 مستويات أُنتجت بطلبين فقط على M2 Max. جُمعت هذه العروض ضمن النقاش الرئيسي حول إصدار Qwen3.8-27B.

يشير العرضان إلى أن الإصدارات المحلية المكمّمة تستطيع إنتاج مشاريع برمجية مترابطة تتكون من عدة ملفات. لكنهما لا يوضحان ما إذا كان النموذج يصلح العيوب باستمرار، أو يلتزم بالبنية القائمة، أو يحافظ على الجودة عند تكرار التشغيل.

ومن السهل خصوصاً إساءة تفسير صفحة ويب مصقولة على أنها اختبار شامل لقدرات البرمجة. فقد يخفي التناسق البصري ترميزاً غير صالح لإمكانية الوصول، أو اعتماديات غير آمنة، أو منطقاً مكرراً، أو تخطيطات تفشل خارج مساحة العرض التي ظهرت في الصورة.

اللعبة المنشأة بطلبين اختبار أقوى لإدارة الحالة والتطوير التكراري، لكن تفاصيل مهمة لا تزال غير مضبوطة. فقد تؤثر صياغة الطلبات والتعديلات اليدوية على الملفات وأخطاء التشغيل ومحاولات التوليد الفاشلة بشكل كبير في تفسير النتيجة.

تحتاج الفرق التي تقيّم Qwen3.8-27B لأعمال التطوير إلى مجموعة قبول ثابتة. ويجب تسجيل معدل النجاح وتنفيذ الاختبارات ونجاح الترجمة البرمجية واستهلاك الرموز وزمن الاستجابة وعدد جولات التصحيح لكل مهمة.

ينطبق المبدأ نفسه على مسارات إنتاج الوسائط باستخدام الوكلاء. فالمخرجات المبهرة بصرياً أقل أهمية من قابلية تكرار النتيجة، وتوفر ملفات مصدر قابلة للتعديل، وموثوقية التنفيذ، كما يوضح تحليل سير عمل وكيل Video Shotcraft.

لماذا يهم ذلك؟ تثبت العروض المبكرة أن Qwen3.8-27B يستطيع إنشاء مشاريع كبيرة محلياً، لكنها لا تثبت قدرته على تقديم أداء موثوق في هندسة البرمجيات.

أدلة الاختبارات المعيارية متضاربة بالفعل

تعرض بطاقة النموذج نتيجة 73.0 في Terminal Bench 2.1 ونتيجة 61.7 في SWE-bench Pro. وتساءل المعلقون في النقاش الموحّد حول الاختبارات المعيارية عما إذا كانت هذه النتائج تبرر مقارنته بأنظمة رائدة أكبر بكثير.

هذه النتائج قوية بالنسبة إلى نموذج محلي كثيف بحجم 27B. لكنها تظل بحاجة إلى معرفة إطار التقييم الدقيق، وقالب الطلب، وإعداد الأدوات، وإعدادات الاستدلال، وآلية التقييم، قبل أن تتمكن الفرق من إعادة إنتاجها.

تتأثر اختبارات Terminal وهندسة البرمجيات كثيراً بالبنية المحيطة بالوكيل. فقد تؤدي حلقة إعادة محاولة أقوى، أو أدوات أفضل للتعامل مع المستودعات، أو مهلة زمنية مختلفة إلى تحسين النتيجة المعلنة من دون أي تغيير في الأوزان الأساسية.

وتزيد الاختبارات المتخصصة من تعقيد صورة الإصدار. ففي تقييم طبي ومعرفي، تفوق Qwen3.6-27B على Qwen3.8-27B في 7 من أصل 10 اختبارات، مع تعطيل التفكير واستخدام فك الترميز الجشع، وفقاً لـمقارنة الاختبارات الطبية.

يختار فك الترميز الجشع الرمز الأعلى احتمالاً في كل خطوة. وهو يحسن قابلية إعادة النتائج، لكن تعطيل التفكير قد يحد من قدرات يتوقع النموذج الأحدث استخدامها في الأسئلة المعقدة. لا تثبت النتيجة الطبية أن Qwen3.8-27B أضعف عموماً. لكنها توضح أن نموذجاً أحدث قد يتراجع في مجالات أو أوضاع استدلال محددة، حتى مع ارتفاع النتائج الإجمالية في بطاقة النموذج.

النمط الذي بدأ يظهر هو إعادة توزيع للقدرات، لا تحسن شامل. فقد يتقدم Qwen3.8-27B في البرمجة المعتمدة على الوكلاء أو المهام متعددة الوسائط، بينما يتراجع في اختبارات معرفية أو إعدادات استدلال معينة.

لماذا يهم ذلك؟ لم تُحسم قصة الاختبارات المعيارية بعد، ويجب أن تعتمد قرارات النشر على تقييمات خاصة بالمهام، لا على مركز واحد في لوحة الترتيب.

قد يغيّر دعم MTP معادلة السرعة

تشير تقارير المستخدمين إلى أن التنبؤ بعدة رموز (Multi-Token Prediction)، أو MTP، يعمل مع إصدارات GGUF الحالية، استناداً إلى النتائج التي جُمعت في نقاش تجارب الإصدار.

يسمح MTP لمكوّن مسودة باقتراح عدة رموز مستقبلية كي يتحقق منها النموذج الرئيسي. وتعتمد الفائدة المحتملة على معدل القبول. إذا قبل النموذج الرئيسي عدداً كبيراً من الرموز المقترحة، تزداد سرعة الإخراج. أما إذا رفضها كثيراً، فقد تستهلك عملية التحقق معظم المكاسب.

تؤثر الأجهزة أيضاً في النتيجة. قد يستفيد نظام مقيّد بعرض نطاق الذاكرة بطريقة تختلف عن GPU مقيّد بقدرة المعالجة. كما يؤثر طول السياق وحجم الدفعة في مرحلتي المسودة والتحقق.

لا يمكن مقارنة أرقام الرموز في الثانية ما لم توضّح الاختبارات حالة MTP وإعداد المسودة وطول السياق ونوع التكميم وإصدار بيئة التشغيل وإعدادات أخذ العينات. فنتيجة Q5 عادية ونتيجة Q5 مدعومة بـMTP تقيسان مسارين مختلفين للاستدلال.

قد يزيد MTP أيضاً استهلاك الذاكرة. تحتاج أوزان المسودة والذاكرة المؤقتة وعملية التحقق إلى مساحة كان يمكن استخدامها لسياق أطول أو لتكميم أعلى جودة.

لماذا يهم ذلك؟ قد يقدم MTP الزيادة المهمة التالية في سرعة التشغيل المحلي، لكن الإعدادات غير الموثقة قد تجعل مقارنات الأداء مضللة.

خطوات عملية

ابدأ من هنا

نزّل إصداراً مكمّماً واحداً من Qwen3.8-27B يترك 20% على الأقل من ذاكرة النظام فارغة، ثم نفّذ 5 مهام تمثيلية مع حد سياق يبلغ 8K.

نتائج سريعة

• سجّل زمن الوصول إلى أول رمز وسرعة التوليد عند سياق فارغ و8K و32K، باستخدام الطلب نفسه.
• قارن إصدار Q5 واحداً بإصدار Q6 واحد عبر 10 مهام حتمية، ثم احسب حالات النجاح الدقيقة بدلاً من تقييم المخرجات بشكل غير رسمي.

تحليل أعمق

• أنشئ مجموعة تقييم من 30 مهمة تغطي اتباع التعليمات والبرمجة والاسترجاع من السياق الطويل والتحكم في الهلوسة.
• كرر التقييم مع تفعيل التفكير وتعطيله، ثم افصل تغيرات قدرات النموذج عن التغيرات الناتجة عن إعدادات الاستدلال.

مصادر مفيدة

• النقاش الرئيسي لإصدار Qwen3.8-27B - فهرس مركزي للأوزان والصيغ والقوالب وتقارير الإعداد والاختبارات المبكرة.
• إصدارات Qwen3.8-27B من Unsloth - معلومات الإصدار لنسخ GGUF الديناميكية وNVFP4.
• مقارنة تكميم Qwen3.8-27B - مقارنة مضبوطة بين 36 إصداراً مكمّماً ومخرجات logits لإصدار BF16.
• نتائج أداء Strix Halo - قياسات Q5 وQ8 عند سياق فارغ وسياق 32K.
• التقييم الطبي لـQwen3.8-27B - مقارنة مبكرة في مجال متخصص مع Qwen3.6-27B باستخدام فك ترميز مضبوط.

أمور تستحق المتابعة

• إعادة إنتاج مستقلة لنتيجة 73.0 المعلنة في Terminal Bench 2.1.
• دقة استرجاع المعلومات من السياق الطويل قرب الحد الأصلي البالغ 262,144 رمزاً.
• بيانات الذاكرة وزمن الاستجابة عند استخدام التوسعة إلى مليون رمز.
• مقدار تسريع MTP عبر CUDA وApple Silicon وأنظمة AMD ذات الذاكرة الموحدة.
• مقارنات قابلة للتكرار بين Qwen3.8-27B وQwen3.6-27B باستخدام قوالب وبيئات تشغيل متطابقة.

الخلاصة

أصبح Qwen3.8-27B بالفعل إصداراً مهماً للنماذج المحلية، لأنه يجمع بين 27 مليار معلمة كثيفة، ودعم تعدد الوسائط، وسياق أصلي بحجم 262K، وإصدارات مكمّمة يمكن تحميلها ضمن ذاكرة RAM تبدأ من 17 GB. كما حقق إصدار Q5 بحجم 20 GB سرعة 10.5 رمز في الثانية على نظام Strix Halo بذاكرة 128 GB.

لكن الأدلة المتاحة لا تزال وليدة يوم الإصدار. تتدهور الإصدارات شديدة التكميم بسرعة، وتظل عروض البرمجة حالات فردية، وتظهر الاختبارات الطبية بعض التراجع، كما تحتاج نتائج الاختبارات الرئيسية إلى إعادة إنتاج مستقلة.

إذن، ما الخلاصة العملية؟ يبدو Qwen3.8-27B مناسباً بما يكفي لاختباره الآن، لكنه لم ينضج بعد إلى درجة تسمح بترتيبه بثقة. وستكون التقييمات المضبوطة خلال الأسبوع المقبل أهم من صور اليوم الأول ومقارنات لوحات الترتيب.