هل تتخيل أن تتمكن من تشغيل نموذج ذكاء اصطناعي قوي جدًا على جهازك الشخصي، دون الحاجة إلى API ودون دفع مقابل كل Prompt؟
هذا ما يجعل Quen 3.8 مثيرًا للاهتمام.
فالإصدار الجديد بحجم 27 مليار معامل يقدم قدرات قوية في البرمجة، والاستدلال، والتعامل مع الصور، وإنشاء الواجهات والألعاب، مع إمكانية تشغيله محليًا على أجهزة تمتلك بطاقة رسومية مناسبة.
والأكثر إثارة أن الاختبارات المعروضة تشير إلى أن النموذج يقدم في بعض المهام مستوى قريبًا من Opus 4.6.
🚀 ما الجديد في Quen 3.8؟
أطلقت Alibaba الأوزان المفتوحة لسلسلة Quen 3.8، ومن بينها نموذج 27B، إلى جانب نموذج ضخم يصل إلى 2.4 تريليون معامل يعتمد على بنية MoE.
لكن نموذج 27 مليار معامل هو الأكثر إثارة للمستخدم العادي، لأنه يجمع بين الحجم المعقول والقدرات العالية وإمكانية التشغيل محليًا.
كما يأتي النموذج متعدد الوسائط بشكل أصلي، ما يعني أنه لا يتعامل مع النصوص فقط، بل يستطيع أيضًا فهم الصور وتحليلها.
يمكنك مثلًا تزويده بـ:
- لقطات شاشة.
- مخططات.
- تصميمات واجهات.
- مدخلات مرئية أخرى.
ثم تطلب منه تحليلها أو حتى إنشاء كود بناءً عليها.
🧠 نافذة سياق تصل إلى مليون رمز
من أبرز مواصفات Quen 3.8 امتلاكه نافذة سياق أصلية بحجم 262 ألف رمز، ويمكن توسيعها حتى مليون رمز باستخدام YaRN.
وهذا يجعله مناسبًا للتعامل مع المستندات الطويلة والمهام البرمجية التي تحتاج إلى الاحتفاظ بكمية كبيرة من المعلومات في السياق.
والأهم أنه يجمع بين ذلك وبين قدرته على البرمجة والاستدلال وتحليل الصور.
💻 تشغيل النموذج محليًا
واحدة من أهم نقاط قوة Quen 3.8 هي إمكانية تشغيله على جهازك.
في التجربة المعروضة، تم تشغيل إصدار 4-bit من نموذج 27B على بطاقة RTX 4090 بذاكرة 24GB VRAM.
وبحسب التجربة، احتاج الإصدار إلى حوالي 17 جيجابايت فقط.
وتم تشغيله بالكامل محليًا باستخدام Unsloth Dynamic 4-bit Quant وOpen WebUI.
وهذا يعني:
- لا API، ولا دفع مقابل كل Prompt.
- كل شيء يعمل على جهازك.
⚡ ماذا عن سرعة النموذج؟
بحسب الأرقام الواردة في التجربة، يستطيع النموذج الوصول إلى حوالي 206 Tokens/s على RTX 5090 باستخدام NVFP4 وDSpark، وحوالي 38 Tokens/s على DGX Spark.
وبالطبع، تختلف السرعة الفعلية حسب مواصفات الجهاز وكمية الذاكرة المتاحة والتطبيقات التي تعمل في الخلفية.
🎮 هل يستطيع إنشاء ألعاب؟
هنا تبدأ النتائج المثيرة فعلًا.
تم إعطاء Quen 3.8 Prompt لإنشاء لعبة Call of Duty Zombies باستخدام 3JS.
والنتيجة تضمنت:
- أسلحة متعددة.
- موجات من الزومبي.
- مناطق قابلة للفتح.
- ذخيرة وإمدادات.
- شراء أسلحة.
- Mystery Box.
- ترقيات مثل Juggernaut.
- Instant Kill.
- نظام جولات وميكانيكيات مختلفة.
واللافت أن هذه النتيجة تم إنشاؤها بواسطة نموذج يحتوي على 27 مليار معامل فقط.
🎨 تحسن كبير في تصميم الواجهات
أظهر Quen 3.8 أيضًا قدرات جيدة في إنشاء واجهات Front-End.
ومن التجارب التي عُرضت:
صفحة NVIDIA
تمكن النموذج من إنشاء صفحة هبوط لبطاقة رسومية من NVIDIA، مع تصميم ثلاثي الأبعاد وتأثيرات تمرير وحركات مختلفة.
ورغم وجود بعض العيوب، مثل ظهور تأثير اللمعان في أماكن لا يفترض أن يظهر فيها، فإن الهيكل العام للصفحة كان جيدًا ويمكن البناء عليه.
نسخة من macOS
كما تم استخدام النموذج لإنشاء نسخة تحاكي واجهة macOS، مع عناصر مثل الساعة والطقس وبعض التطبيقات والأيقونات.
ولم تكن جميع الوظائف تعمل بشكل كامل، لكن النموذج تمكن من إنشاء عدد كبير من العناصر والواجهات بصورة جيدة.
👁️ نموذج متعدد الوسائط
بما أن Quen 3.8 يستطيع التعامل مع الصور، تم اختباره في مهمة أكثر صعوبة:
استنساخ واجهة موقع Airbnb من صورة.
تمكن النموذج من فهم الهيكل الأساسي للواجهة وإنشاء الشريط العلوي والشعار وبعض العناصر الرئيسية.
لكن النتيجة لم تكن مثالية، وظهرت بعض المشكلات في الأيقونات وSVG، ما يشير إلى أن النموذج لا يزال يحتاج إلى تحسين في بعض مهام تحويل التصميمات المرئية إلى واجهات مطابقة تمامًا.
🖼️ قدرات قوية في SVG و3D
من المثير للاهتمام أيضًا أداء النموذج في إنشاء الرسومات باستخدام SVG.
تم اختباره في إنشاء لوحة فنية، ومحاكاة لمدينة نيويورك، وعدد من المشاهد والألعاب.
وفي محاكاة نيويورك، ظهرت تفاصيل جيدة مثل مصابيح السيارات والأضواء الحمراء الموجودة أعلى الأبراج، إضافة إلى الانتقال بين النهار والليل.
لكن ظهرت أيضًا بعض الأخطاء الطريفة، مثل ظهور سفينة في الهواء بدلًا من الماء. 😄
وهذا يوضح أن النموذج قادر على إنشاء مشاهد غنية بالتفاصيل، لكنه لا يزال يرتكب أخطاء في فهم العلاقات المكانية.
🐠 محاكاة حوض أسماك
في تجربة أخرى، أنشأ النموذج محاكاة لحوض أسماك.
والنتيجة كانت جيدة، خصوصًا في إبقاء العناصر داخل البيئة المطلوبة، وهي مشكلة تقع فيها بعض النماذج عند تنفيذ مهام مشابهة.
ورغم أن تفاصيل الأسماك كان يمكن أن تكون أفضل، فإن النتيجة الإجمالية كانت ناجحة إلى حد كبير.
🏎️ ليست كل النتائج مثالية
رغم كل هذه النتائج، فإن Quen 3.8 ليس نموذجًا خارقًا في كل شيء.
ففي تجربة لإنشاء محاكاة لسيارة F1 تقوم بحركة Drift مستمرة، كانت النتيجة أضعف بكثير من بعض التجارب الأخرى.
السيارة والدخان كانا جيدين، لكن البيئة ثلاثية الأبعاد لم تكن بالمستوى نفسه.
وفي تجربة أخرى لإنشاء نموذج ثلاثي الأبعاد لحذاء، ظهرت بعض الأخطاء في عرض العناصر من زوايا معينة.
وهذا مهم لأنه يوضح أن النموذج، رغم قوته، لا يزال يحتاج إلى مراجعة بشرية وتحسينات في بعض المهام.
🎮 حتى GTA!
ومن أكثر التجارب إثارة إنشاء نسخة من GTA.
تمكنت النسخة من توفير عناصر مثل:
- قيادة السيارات.
- سرقة السيارات.
- إطلاق النار.
- مطاردة الشرطة.
- نظام النجوم الخاص بالمطاردة.
- مؤثرات صوتية.
- انفجار السيارات.
والنتيجة أظهرت قدرة النموذج على بناء بيئة ثلاثية الأبعاد تفاعلية تحتوي على عدد كبير من العناصر والوظائف.
🏆 هل Quen 3.8 أفضل نموذج محلي؟
وفقًا للتجربة المعروضة، يرى صاحبها أن Quen 3.8 27B هو أكثر نموذج محلي إثارة للإعجاب اختبره حتى الآن.
والسبب ليس أنه يتفوق على جميع النماذج المتقدمة في كل شيء، وإنما لأنه يجمع عدة قدرات في نموذج يمكن تشغيله محليًا:
البرمجة + الاستدلال + الرؤية + اتباع التعليمات + المهام الوكيلة
وكل ذلك دون الحاجة إلى دفع مقابل كل طلب.
