تواصل NVIDIA التوسع في نماذج الذكاء الاصطناعي الوكيلية مع إطلاق Nemotron 3.5 Lightning، وهو نموذج مفتوح جديد مُصمَّم خصيصًا للمهام الدائمة وعالية الحجم التي تتولاها الآن الوكلاء المستقلون للذكاء الاصطناعي على مدار الساعة. إلى جانبه، أطلقت الشركة أداة NeMo Switchyard، وهي أداة توجيه مفتوحة المصدر مصمَّمة لإرسال كل طلب ذكاء اصطناعي إلى النموذج القادر على معالجته بأسرع وأقل تكلفة ممكنة. معًا، تمثل الإصداراتان أحدث محاولة من NVIDIA لجعل أنظمة الذكاء الاصطناعي الوكيلية ليست أكثر ذكاءً فحسب، بل أكثر كفاءة فعلية في التشغيل على نطاق واسع.
Summary
أهم النقاط
- أطلقت NVIDIA نموذج Nemotron 3.5 Lightning، وهو نموذج مفتوح من نوع mixture-of-experts يحتوي على 30 مليار مُعامِل ومُصمَّم لأحمال عمل الذكاء الاصطناعي الوكيلية عالية الحجم.
- يوفر النموذج سرعة إنتاج مخرجات أعلى بما يصل إلى 4 مرات وإكمال مهام أسرع بنسبة 30% مقارنة بالنماذج المماثلة في فئته.
- أطلقت NVIDIA أيضًا NeMo Switchyard، وهي مكتبة توجيه مفتوحة المصدر يمكنها خفض تكلفة إكمال المهام إلى ما يقرب من ثلث تكلفة استخدام نموذج متقدم واحد فقط.
- يعمل Nemotron 3.5 Lightning محليًا على أجهزة NVIDIA RTX، وDGX Spark، وDGX Station وJetson، أو يتوسع ليعمل في مراكز البيانات والسحابة.
- كلا الإصدارين مفتوحان وقابِلان للتخصيص ومدعومان بالفعل من شركاء في المنظومة تشمل CrowdStrike وHarvey وCodeRabbit وLila Sciences.
NVIDIA تطلق Nemotron 3.5 Lightning لأحمال عمل الذكاء الاصطناعي الوكيلية
يُعد Nemotron 3.5 Lightning أحدث إضافة إلى عائلة Nemotron 3 من NVIDIA، وتصفه الشركة بأنه النموذج الأكثر كفاءة في فئته للمهام الوكيلية طويلة الأمد. يأتي بعد Nemotron 3 Nano ويواصل النمط الذي اتبعته NVIDIA مع كل إصدار من Nemotron: إعطاء الأولوية للأوزان المفتوحة، وإمكانيات التخصيص، والسرعة الخام على حساب الحجم البحت.
نموذج يحتوي على 30 مليار مُعامِل ومُصمَّم للسرعة
Nemotron 3.5 Lightning هو نموذج mixture-of-experts يحتوي على 30 مليار مُعامِل، ما يعني أنه يفعّل فقط الأجزاء اللازمة من شبكته لمهمة معينة بدلًا من تشغيل النموذج بالكامل في كل مرة. ينعكس هذا القرار التصميمي مباشرة في الأداء: تقول NVIDIA إن النموذج يوفر سرعة إنتاج مخرجات أعلى بما يصل إلى 4 مرات، وهو ما يترجم إلى إكمال مهام وكيلية أسرع بنسبة 30% مقارنة بالنماذج الأخرى في فئته الحجمية. ووفقًا لاختبارات PinchBench الداخلية التي استشهدت بها NVIDIA، تأتي هذه المكاسب في السرعة دون التضحية بالدقة مقارنة بالنماذج النظيرة.
تم بناء النموذج لدور محدد داخل الأنظمة متعددة الوكلاء الأكبر. بدلًا من محاولة تخطيط سير عمل كامل بمفرده، صُمِّم Nemotron 3.5 Lightning للتعامل مع المهام الضيقة والمتكررة وعالية الحجم — ذلك النوع من العمل الذي يتراكم بسرعة عندما يعمل وكيل ذكاء اصطناعي بشكل مستمر بدلًا من الاستجابة لمطالبات عرضية فقط.
التخصيص وما بعد التدريب لدقة خاصة بالمجال
نظرًا لأن Nemotron 3.5 Lightning مفتوح، يمكن للمؤسسات إجراء تدريب لاحق له باستخدام NVIDIA NeMo على بيانات مجالها الخاصة، وأدواتها الداخلية، وسير عملها. يُعد هذا التخصيص لنموذج الذكاء الاصطناعي المفتوح محورًا أساسيًا في كيفية تموضع NVIDIA لهذا الإصدار: بدلًا من نموذج واحد يناسب الجميع، تحصل المؤسسات على أساس يمكن تشكيله ليتناسب مع وظيفة محددة، سواء كانت تحليل العقود القانونية أو تمييز التنبيهات الأمنية.
عدة شركات قامت بالفعل بذلك. تقوم CrowdStrike بتخصيص النموذج لأحمال عمل الأمن السيبراني، بينما تعمل Harvey مع Trajectory على تطبيقات الخدمات القانونية، وربطت CodeRabbit النموذج مع Baseten لمراجعة الشيفرة البرمجية تلقائيًا. تستخدم Lila Sciences النموذج لتحسين الاستدلال عبر مهام العلوم الفيزيائية والحياتية، في حين تشير Fastino Labs إلى تحقيق دقة رائدة بعد ضبط النموذج لأحمال عمل تطوير البرمجيات والتمويل والرعاية الصحية. تقول NVIDIA إن النموذج تم تطويره بمساهمة من Nemotron Coalition، حيث قدّم أعضاؤها منهجيات تقييم وبرمجيات استدلال ومجموعات بيانات ساعدت في تشكيل الإصدار النهائي.
NeMo Switchyard يجلب التوجيه الذكي إلى وكلاء الذكاء الاصطناعي
يحل NeMo Switchyard مشكلة تتفاقم مع توسع الأنظمة الوكيلية: الاعتماد على نموذج افتراضي واحد إما يهدر المال على مهام لا تحتاج إلى استدلال ثقيل، أو يضر بالجودة عندما يُطلب من نموذج خفيف الوزن القيام بما يفوق قدرته. إجابة NVIDIA هي مكتبة مفتوحة المصدر تقرر تلقائيًا، طلبًا بطلب، أي نموذج يجب أن يتولى المهمة.
خفض التكاليف من خلال اختيار ديناميكي للنماذج
يقوم NeMo Switchyard بتوجيه كل خطوة من سير عمل الوكيل إلى النموذج الأكثر قدرة وفعالية من حيث التكلفة لتلك المهمة المحددة، دون أن يضطر المطورون إلى إعادة كتابة تطبيقاتهم. يمكن للمطورين ضبط خوارزمية التوجيه أو استبدالها اعتمادًا على ما يهمهم أكثر — زمن الاستجابة أو الجودة أو التكلفة. تُظهر اختبارات NVIDIA الداخلية أن نهج التوجيه هذا في NeMo Switchyard يحافظ على دقة قريبة من مستوى النماذج المتقدمة، مع خفض تكلفة إكمال المهام إلى ما يقرب من ثلث تكلفة تشغيل كل شيء عبر Opus 4.8 وحده.
هذا الفارق مهم. في الأنظمة التي تعمل فيها الوكلاء باستمرار، يتراكم الفرق بين التوجيه الذكي والافتراضي إلى نموذج واحد بسرعة عبر آلاف المهام اليومية — مما يحوّل ما يبدو مكسب كفاءة متواضعًا إلى خفض ملموس في تكاليف التشغيل بمرور الوقت.
التكامل عبر منظومة الذكاء الاصطناعي
تعمل NVIDIA بالفعل مع مجموعة واسعة من الشركاء لجلب هذا النوع من التوجيه مباشرة إلى الأدوات التي يستخدمها المطورون يوميًا. تُظهر النتائج المبكرة من هذا العمل في المنظومة مدى قدرة التوجيه على تغيير التكلفة والأداء:
- حققت Boomi دقة توجيه حسب المجال بنسبة 100% مع إرسال 59% من الحركة إلى نموذج مضبوط أسرع بخمس مرات، مما خفّض زمن الاستجابة في الأدوار اللاحقة بنسبة 21%.
- دمجت Cognition موجهًا مرحليًا في Devin Desktop، مما خفّض متوسط التكلفة بنسبة 28% مقارنة بتوجيه كل شيء إلى نموذج متقدم واحد.
- خفضت LangChain التكاليف بنسبة 74% عبر 145 مهمة Deep Agents متعددة الأدوار من خلال إرسال 7% فقط من الاستدعاءات إلى نموذج متقدم، مع مقايضة دقة بنسبة 6%.
- حققت Ramp أداءً مماثلًا للنماذج المتقدمة مع خفض التكاليف بنسبة 58% وزمن التشغيل بنسبة 33% في اختبارات SWE-Bench الخاصة بها.
- أفادت Classmethod عن خفض في التكلفة بنسبة 27% مع الحفاظ على الجودة عبر أحمال عمل opencode وFireworks.
تقوم Kong وLiteLLM وNous Research وCadence وSiemens أيضًا بدمج أو اختبار NeMo Switchyard ضمن منصاتها الخاصة، بدءًا من بوابات الذكاء الاصطناعي وصولًا إلى التحقق الرسمي من الشرائح ووكلاء الهندسة.
مرونة النشر عبر عتاد NVIDIA
أحد أبرز نقاط البيع في هذا الإصدار هو الأماكن التي يمكن تشغيل Nemotron 3.5 Lightning فيها فعليًا. فهو يدعم النشر المحلي وعلى السحابة عبر أجهزة NVIDIA RTX، وDGX Spark، وDGX Station وأجهزة Jetson، مما يتيح للمؤسسات استخدام العتاد الذي تمتلكه بالفعل بدلًا من نقل كل شيء إلى السحابة. ومن هناك، يمكن توسيعه إلى محطات عمل RTX PRO، وأجهزة الحافة، ومراكز البيانات وبيئات السحابة الكاملة لعمليات النشر المؤسسية الأكبر.
تمنح هذه المرونة المؤسسات تحكمًا حقيقيًا في الخصوصية وزمن الاستجابة. يناسب تشغيل النموذج محليًا أو في الموقع المهام المتخصصة وعالية الحجم التي تحتاج إلى استجابات سريعة وتحكم أكثر إحكامًا في البيانات، بينما يظل النشر على السحابة متاحًا لأحمال العمل التي تحتاج إلى التوسع عند الطلب.
البيانات المفتوحة وتوافر المنصة
كما هو الحال مع كل إصدار من Nemotron، تقول NVIDIA إنها تنشر أكبر قدر ممكن من بيانات التدريب والتقنيات حسبما تسمح التراخيص، مما يمنح الباحثين الخارجيين طريقة لتتبع البيانات وتدقيقها وحتى تدريب نماذج أخرى على نفس المواد. إلى جانب Lightning، تُصدر NVIDIA مجموعة بيانات Nemotron-RL-Agentic-Terminal-Pivot، وهي مجموعة بيانات للتعلم المعزز الوكيلي تُستخدم في التدريب اللاحق للنموذج لمهام الوكلاء في البرمجة.
يتوفر Nemotron 3.5 Lightning الآن على Hugging Face وModelScope وOpenRouter، وكذلك على build.nvidia.com كـخدمة مصغرة NVIDIA NIM، مع إتاحة أوسع قادمة عبر شركاء سحابة NVIDIA ومنصات التدريب اللاحق ومزودي خدمات سحابية إضافيين. يتوفر NeMo Switchyard الآن على GitHub، مع دعم لمزيد من منصات الشركاء قريبًا.
الأسئلة الشائعة
ما هو Nemotron 3.5 Lightning وما الذي يميّزه؟
Nemotron 3.5 Lightning هو نموذج ذكاء اصطناعي مفتوح يحتوي على 30 مليار مُعامِل ومُحسَّن لمهام الذكاء الاصطناعي الوكيلية عالية الحجم، ويوفر مخرجات أسرع بما يصل إلى 4 مرات وإكمال مهام أسرع بنسبة 30% مقارنة بالنماذج المماثلة.
كيف يحسّن NeMo Switchyard كفاءة الذكاء الاصطناعي؟
NeMo Switchyard هو مكتبة توجيه مفتوحة المصدر تقوم بتوجيه طلبات الذكاء الاصطناعي ديناميكيًا إلى النموذج الأنسب، مما يقلل تكلفة إكمال المهام إلى نحو الثلث مقارنة بالاعتماد على نموذج واحد فقط.
هل يمكن تخصيص Nemotron 3.5 Lightning لاحتياجات المؤسسات المحددة؟
نعم. يمكن إجراء تدريب لاحق لـ Nemotron 3.5 Lightning على بيانات المؤسسة الخاصة باستخدام NVIDIA NeMo لتحسين الدقة للمهام المتخصصة الخاصة بالمجال.
على أي منصات يتوفر Nemotron 3.5 Lightning للنشر؟
يدعم Nemotron 3.5 Lightning النشر المحلي وعلى السحابة على أجهزة NVIDIA RTX، وأنظمة DGX، وJetson وأجهزة الحافة، وهو متاح على منصات تشمل Hugging Face وModelScope وOpenRouter وشركاء سحابة NVIDIA.
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”ما هو Nemotron 3.5 Lightning وما الذي يميّزه؟”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Nemotron 3.5 Lightning هو نموذج ذكاء اصطناعي مفتوح يحتوي على 30 مليار مُعامِل ومُحسَّن لمهام الذكاء الاصطناعي الوكيلية عالية الحجم، ويوفر مخرجات أسرع بما يصل إلى 4 مرات وإكمال مهام أسرع بنسبة 30% مقارنة بالنماذج المماثلة.”}},{“@type”:”Question”,”name”:”كيف يحسّن NeMo Switchyard كفاءة الذكاء الاصطناعي؟”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”NeMo Switchyard هو مكتبة توجيه مفتوحة المصدر تقوم بتوجيه طلبات الذكاء الاصطناعي ديناميكيًا إلى النموذج الأنسب، مما يقلل تكلفة إكمال المهام إلى نحو الثلث مقارنة بالاعتماد على نموذج واحد فقط.”}},{“@type”:”Question”,”name”:”هل يمكن تخصيص Nemotron 3.5 Lightning لاحتياجات المؤسسات المحددة؟”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”نعم. يمكن إجراء تدريب لاحق لـ Nemotron 3.5 Lightning على بيانات المؤسسة الخاصة باستخدام NVIDIA NeMo لتحسين الدقة للمهام المتخصصة الخاصة بالمجال.”}},{“@type”:”Question”,”name”:”على أي منصات يتوفر Nemotron 3.5 Lightning للنشر؟”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”يدعم Nemotron 3.5 Lightning النشر المحلي وعلى السحابة على أجهزة NVIDIA RTX، وأنظمة DGX، وJetson وأجهزة الحافة، وهو متاح على منصات تشمل Hugging Face وModelScope وOpenRouter وشركاء سحابة NVIDIA.”}}]}
تم إعداد هذه المقالة بمساعدة الذكاء الاصطناعي ومراجعتها من قبل الفريق التحريري.
