أصدرت NVIDIA Nemotron 3.5 Super VL، وهو نموذج متعدد الوسائط مفتوح وقابل للتخصيص يهدف إلى بناء عملاء متخصصين في الذكاء الاصطناعي. يستخدم النموذج بنية مكونة من 120 مليار معلمة من خليط من الخبراء تقوم بتنشيط 12 مليار معلمة فقط لكل رمز مميز، وهو تصميم تقول NVIDIA إنه يوازن بين السعة الحدودية وكفاءة الاستدلال. الأوزان متاحة على Hugging Face بدقة BF16، وقد نشرت NVIDIA دليلًا تقنيًا بجانب الإصدار.

يتم إدخال Super VL ضمن عائلة النماذج المفتوحة الموسعة من NVIDIA باعتبارها شركة متخصصة في الوسائط المتعددة. وفقًا للشركة، تتعامل نماذج Nemotron 3.5 Lightning الأصغر حجمًا مع المهام النصية كبيرة الحجم، بينما يتعامل الطراز Frontier Nemotron 3 Ultra مع التخطيط والتنسيق المعقدين - مما يسمح للفرق بتوجيه كل خطوة من خطوات سير عمل الوكيل إلى الحجم المناسب للنموذج. إنها الخطوة الأخيرة في دفعة وصفتها ZDNET بأنها خطوة أخرى إلى الأمام بالنسبة للذكاء الاصطناعي ذو الوزن المفتوح في الولايات المتحدة. إذا كنت تتابع سباق الأوزان المفتوحة، فإن تغطيتنا لإصدارات النماذج المفتوحة الأخيرة تحتوي على الصورة الأوسع.

نموذج واحد للنصوص والصور والمستندات والفيديو

الملعب الأساسي هو التوحيد. يجمع Super VL بين التفكير واتباع التعليمات واستخدام الأدوات مع فهم النصوص والصور والمستندات والفيديو، لذلك لا تحتاج الفرق إلى نشر نماذج منفصلة للنص ولغة الرؤية أو نقل سياق المهام فيما بينها. تقول NVIDIA إن تدريبها المرئي يغطي المخططات والجداول والتعرف البصري على الأحرف والمستندات متعددة الصفحات والفيديو، مع خط أنابيب للضبط الدقيق يتم الإشراف عليه على مرحلتين ويدمج الأدلة المرئية مع الاستدلال والدردشة والسلامة وبيانات السياق الطويل.

إن مسارات العمل المستهدفة هي تلك التي تستمر الشركات في التعثر فيها: وكيل خدمة العملاء الذي يجب أن يقرأ وثائق سياسة الشركة، أو وكيل الأبحاث الذي يربط الأدلة عبر المصادر، أو وكيل المستندات الذي يفسر الرسم البياني ويربطه بجدول في مكان آخر في نفس الملف. في كل حالة، يحتاج النموذج إلى رؤية المادة والتفكير فيها في نفس نافذة السياق.

مطالبات الإنتاجية: ما يصل إلى 5x على وحدة معالجة الرسومات المفردة

الكفاءة هي المكان الذي ترسم فيه NVIDIA الخطوط الأكثر وضوحًا. تدعي الشركة أن Nemotron 3.5 Super VL يوفر ما يصل إلى 5 أضعاف إنتاجية أعلى للمهام الوكيلة مقارنة بالنماذج المفتوحة الأخرى في فئة الحجم الخاصة به على وحدة معالجة رسومات واحدة، وأشارت إلى المعايير التي تظهر أكثر من 600 رمزًا مميزًا في الثانية على المهام الوكيلة لمؤشر ذكاء التحليل الاصطناعي عبر نقطة نهاية استدلال Baseten.

هناك العديد من التقنيات الموجودة تحت الغطاء تقود هذه الأرقام. سلطت NVIDIA الضوء على LiLiCorr، وهي طريقة فك التشفير المفتوحة، إلى جانب الدقة المختلطة NVFP4، والتنبؤ متعدد الرموز، وإعادة استخدام السياق عبر تحولات الوكيل - وهو تحسين مفيد للعملاء الذين يجرون محادثات طويلة الأمد باستخدام الأدوات. بالنسبة للمؤسسات التي تقوم بتشغيل الوكلاء دون توقف، غالبًا ما تكون الإنتاجية لكل وحدة معالجة رسومات هي الفرق بين المنتج القابل للتطبيق وهيكل التكلفة غير القابل للاستخدام.

ما بعد التدريب هو الهدف

توضح NVIDIA أن النموذج الأساسي هو نقطة بداية وليس منتجًا نهائيًا. يمكن للمطورين تخصيص Super VL باستخدام مكتبة NeMo باستخدام الضبط الدقيق الخاضع للإشراف وLoRA لتعليم السلوك الخاص بالمجال، ثم تطبيق التعلم المعزز من خلال NeMo RL وNeMo Gym في بيئات تعكس عملياتهم الخاصة. تقول الشركة إن المؤسسات في مجال الأمن السيبراني والتمويل والرعاية الصحية تقوم بالفعل بتدريب النموذج بعد ذلك للتغلب على البدائل الحدودية في سير عمل الإنتاج الخاص بها، وهو ادعاء يصعب التحقق منه بشكل مستقل ولكنه يتوافق مع تحديد موضع وكيل المؤسسة.

لدعم هذا العمل، تطلق NVIDIA مجموعات بيانات مفتوحة على Hugging Face جنبًا إلى جنب مع الأوزان، بما في ذلك استخدام الأدوات الوكيلة وبيانات المحادثة، والاستدلال المالي ومجموعات استدعاء الأدوات، وبيانات متابعة التعليمات والدردشة، وبيانات تحويل وترجمة السياق الطويل، وبيانات العدالة، و40 مجموعة بيانات لغة الرؤية. لقد نشرت Prime Intellect بالفعل وصفة للتدريب اللاحق للنموذج للعمل المؤسسي طويل المدى، وهي علامة مبكرة على أن النظام البيئي يتعامل مع الإصدار باعتباره أساسًا جديًا. نشرت NVIDIA أيضًا كتابًا للاستخدام على GitHub يغطي التخصيص، وتؤكد الشركة أنه يمكن نشر الأوزان المفتوحة في البيئات المحلية أو مركز البيانات أو البيئات السحابية لتلبية متطلبات البنية التحتية ومكان إقامة البيانات - وهي المرونة التي يطلبها المشترون الخاضعون للتنظيم باستمرار ولا يمكن لواجهات برمجة التطبيقات المغلقة تقديمها.

ماذا يعني بالنسبة لسباق الوزن المفتوح

يعمل هذا الإصدار على تضييق الفجوة بين النماذج المفتوحة والمغلقة في القطاع الذي تنشره المؤسسات فعليًا: أنظمة متعددة الوسائط متوسطة الحجم لعمل الوكيل المثقل بالمستندات. نظرًا لأنه يمكن تشغيل الأوزان في البيئات المحلية أو مراكز البيانات أو البيئات السحابية، فإن Super VL يوفر للصناعات الخاضعة للتنظيم خيارًا لا تستطيع واجهات برمجة التطبيقات الحدودية توفيره - وهو الاحتفاظ بالمستندات الحساسة على البنية التحتية الخاصة بها مع الاستمرار في فهم المخططات والجداول والفيديو.

القراءة التنافسية واضحة ومباشرة. قامت شركات Meta وAlibaba وDeepSeek وLiquid AI بشحن نماذج ذات وزن مفتوح تستهدف الوكلاء هذا العام، وتتنافس NVIDIA - التي تبيع الأجهزة التي يتدرب عليها الجميع - الآن بشكل مباشر في طبقة النماذج مع ترخيص متساهل وقصة كفاءة. إذا صمدت مطالبات الإنتاجية في المعايير المستقلة، فقد تكون المجموعة الافتراضية لوكلاء المؤسسات في عام 2027 أكثر انفتاحًا بكثير مما كانت تبدو عليه قبل عام.

---

ابقَ في طليعة الذكاء الاصطناعي

احصل على آخر الأخبار والتحليلات والإنجازات في مجال الذكاء الاصطناعي — كل ذلك في مكان واحد.

اقرأ المزيد من أخبار الذكاء الاصطناعي →