كلما تحسّنت النماذج اللغوية الكبيرة ومهارات الوكلاء، ينتشر في الصناعة شعور بأن fine-tuning (الضبط الدقيق) لم يعد ضروريا. بل إن OpenAI بصدد إيقاف واجهة برمجة ...
نحلل، باستخدام نموذج roofline، المفارقة التي تجعل DeepSeek V4 Flash بحجم 284B مليار معلمة يسعّر رموز الإخراج بأرخص بخمسة أضعاف من Qwen3.6 بحجم 35B. من قراءات...
نتحقق من حالة خدمة GLM-5.2 743B MoE على عقدة واحدة من AMD MI355X بمعدل 2,626 tok/s لكل عقدة، بتكلفة أقل بأكثر من الضعف مقارنة بـ Blackwell، من زاوية تكميم MX...
انطلاقًا من أدلة بناء حاسوب الذكاء الاصطناعي الشخصي التي شاركها tom_doerr والتي تصل إلى 384GB من ذاكرة VRAM، نحسب كيف تحدد ذاكرة VRAM النماذج التي يمكن تشغيل...
معظم مهام الوكلاء لا تحتاج إلى نموذج طليعي. حين تُبنى المهارة مرة واحدة بنموذج مكلف ثم يُنقل التنسيق إلى الكود، يمكن تشغيل الجودة نفسها بنموذج أرخص. يقيس Pax...
قسنا فعلياً عدد الرموز المُولّدة في الثانية عبر التوازي على مستوى المُوتِّرات، والتوازي على مستوى البيانات، وفصل Prefill/Decode (1P1D) لنموذجَي Qwen3.6-27B-N...
أعادت NVIDIA تكميم Qwen3.6-27B إلى NVFP4 ليُخدَم على GPU واحدة من Blackwell عبر vLLM مباشرةً. نفكّك كيف تُوائم الدقة المختلطة (MLP بصيغة NVFP4 والانتباه وذاك...
نحلل دليل التوجيه الرسمي الذي أصدرته Anthropic لنموذج Claude Fable 5. يطرح الدليل خمسة مبادئ: التخلص من التعليمات التي كُتبت للنماذج القديمة، ومراجعة التقدم ...
إذا كنت تشغّل LLM في الإنتاج ولا تستطيع أن تشرح لماذا يستهلك KV Cache هذا القدر من الذاكرة، أو ما الذي يوفره GQA بالضبط، فإن التحسين يصبح مجرد تخمين. مستودع ...
الطلبات القصيرة التي تنتظر خلف الطلبات الطويلة في قائمة انتظار واحدة تُهدر وقت GPU في صمت — وهذا ما يُعرف بـ HoL Blocking. يقترح أسلوب Dual-Pool Token-Budget...
في منتصف عام 2026، باتت النماذج مفتوحة الأوزان على بُعد ثلاثة إلى ستة أشهر من الحدود الأمامية، والفجوة لا تتسع. القرار الحقيقي الآن لم يعد عن أداء النموذج، ب...
نقطة التفتيش GLM-5.2-NVFP4 التي أصدرتها NVIDIA تتيح تقديم نموذج MoE بحجم 469B على عقدة Blackwell واحدة (8× RTX PRO 6000) باستخدام vLLM. نحلّل بنية التكميم ال...
تم فتح المصدر بالكامل لإطار البنية التحتية للتعلّم المعزّز غير المتزامن slime، وهو الذي قاد مرحلة التدريب اللاحق للنموذج مفتوح الأوزان GLM-5.2 من Z.ai بسياق ...
وصفة الرئيس التنفيذي لـ Coinbase بريان أرمسترونغ للتحكم في كلفة الذكاء الاصطناعي لم تكن حدود الاستخدام ولا تنبيهات الإنفاق، بل إعدادات افتراضية أفضل وتوجيه و...
Ornith-1.0 الصادر عن DeepReinforce في 25 يونيو 2026 هو عائلة نماذج برمجة مفتوحة المصدر تعتمد آلية التسقيل الذاتي (self-scaffolding)، حيث يكتب النموذج بنفسه س...
كمّمت NVIDIA نموذج الاستدلال GLM-5.2 من ZAI (MoE بحجم 753B) إلى NVFP4 (4 بت) ونشرته على Hugging Face. بدلاً من سحق كل الأوزان إلى 4 بت، تُكمَّم فقط المعاملات...
قلّص Unsloth أوزان GLM-5.2 (نحو 744B بصيغة MoE) من 1.51 تيرابايت بدقة BF16 إلى 176 جيجابايت عبر GGUF ديناميكي بِبِت واحد. أصبح نموذج مفتوح من الفئة الرائدة ي...
أصدرت NVIDIA نسخة مكمَّمة بصيغة NVFP4 (4 بت) من نموذج Qwen3.6-35B-A3B من Alibaba. خفض الأوزان من 16 بت إلى 4 بت يقلّل مساحة القرص وذاكرة GPU بنحو 3.06 ضعف، ب...
حين جعل Matt Pocock النموذجَ GLM-5.2 يحل مكعب روبيك باستخدام مهارة /teach الخاصة به، أسفر ذلك في أدنى مستوى جهد (High) عن نحو 220 ألف رمز في ثلاث جولات فقط. ...
يعترض free-claude-code (36.7k نجمة) حركة مرور Claude Code عبر بروكسي FastAPI متوافق مع Anthropic ويوجهها إلى 17 مزوداً. يوثق هذا التقرير التوجيه المباشر إلى ...
يستبدل DFlash مسودة EAGLE-3 القائمة على التوليد التلقائي بمسودة انتشار كتلي، تقترح كتلة من الرموز المستقبلية في تمريرة أمامية واحدة. يتكامل DFlash مباشرة مع ...
توجيه حركة Claude Code عبر glm-5.2 وMiniMax-M2.7 وKimi K2 باستخدام claude-code-router. سجل عملي للتحقق من النماذج الثلاثة مباشرةً، وإصلاح تسرّب تفكير MiniMax...
البدء بالسؤال عن vLLM أم SGLang أم TensorRT-LLM هو ترتيب خاطئ. منهج اختيار الأجهزة أولاً الذي طرحه أحد المهندسين يقول: دع الأجهزة المتاحة وشكل عبء العمل هما ...
تحليل للدليل الشامل المجاني للاستدلال المحلي لنماذج LLM الذي نشره Ahmad Osman، مشرف GPU في r/LocalLLaMA. من llama.cpp إلى vLLM وTensorRT-LLM وNVIDIA Dynamo، ...
نكشف بصدق عن حادثة فواتير بلغت $705 في يوم واحد، ونثبت بالأرقام السبب الجذري الذي كشفه تدقيق مدته شهر (جلسات Opus الرئيسية بنسبة 90.3%) إلى جانب العلاجات: تو...
سير عمل متكامل يتيح للمؤسسات الصحية ضبط النماذج اللغوية الكبيرة المتخصصة في المجال وخدمتها على مجموعات GPU داخلية دون إرسال بيانات المرضى إلى سحابة خارجية. ي...
نستعرض GLM-5.2، نموذج البرمجة الضخم بمعمارية MoE بحجم 744B الذي أصدرته Z.ai (Zhipu) بترخيص MIT. يُسجّل النموذج 62.1 في SWE-bench Pro متفوقاً على GPT-5.5 بادع...
أثناء بناء GLM-5.2، فتحت Z.ai مصدر بنيتها التحتية الكاملة للتدريب اللاحق بالتعلّم المعزّز. نحلّل التدريب اللاحق OPD الذي دمج أكثر من عشرة نماذج خبيرة في نحو ...
slime، الذي أتاحه Z.ai كمصدر مفتوح، هو إطار عمل للتدريب اللاحق للنماذج اللغوية الكبيرة يستهدف توسيع نطاق التعلم المعزز. نحلل هنا البنية التحتية التي استُخدمت...
تحليل لحالة تشغيل النموذج مفتوح الأوزان GLM-5.2 (753 مليار) على GPU استهلاكي من نوع RTX 4090. نغطي نقل نواة الانتباه المتناثر DSA واقتصاديات خدمة LLM الكبيرة...
نستعرض معيارًا مرجعيًا مجتمعيًا لتشغيل Gemma 4 12B على بطاقة RTX 4060 بذاكرة 8GB باستخدام QAT وTurboQuant، ونحلّل ما يعنيه التدريب الواعي بالتكميم والخدمة عل...
ما الذي يُقدمه NVFP4، صيغة الفاصلة العائمة الأصيلة رباعية البتات على NVIDIA Blackwell، مقارنةً بـ FP8 على H100، وكيفية تطبيقه فعلياً على منظومتي vLLM و Tenso...
بعيدًا عن NVFP4 المخصّصة لـ Blackwell، هذا الدليل يغطّي كل أسلوب ضغط كمّي يمكن خدمته بـ vLLM اليوم على Hopper وAmpere – AWQ وGPTQ وFP8 وW4A16 وcompressed-ten...
كيف تبني منظومة رصد لخدمة LLM على Kubernetes متعددة المستأجرين تُغطي معدل استخدام GPU، ضغط KV cache، وإنتاجية الرموز.
llm-d هو جدول زمني للاستدلال يعالج طلبات أكثر من نفس الـ GPU بدلاً من شراء المزيد منها. نستعرض مبادئ توجيه KV-cache وفصل prefill/decode، ثم نوضح كيف يمكن لأي...
معادلات استهلاك GPU، جدولة العصابات مع Kueue، تقليص vLLM إلى الصفر، وتوجيه طبقات النماذج — نستعرض بالأكواد والصيغ الرياضية كيف تخفّض ThakiCloud تكاليف الاستد...
تُطلق NVIDIA مجموعة بيانات استدلال متعددة اللغات تضم ستة ملايين مثال، وتوفر بيانات تدريب عالية الجودة تغطي خمس لغات: الفرنسية والإسبانية والألمانية والإيطالي...
استعراض النموذج البصري اللغوي dots.ocr الذي أصدرته RedNote، وكيفية تنفيذ تحليل تخطيط المستندات متعدد اللغات والتعرف الضوئي على الحروف في نموذج واحد.