OpenBMB تطلق نموذج MiniCPM5-2B مفتوح المصدر
أطلقت مختبرات OpenBMB الصينية نموذج MiniCPM5-2B مفتوح المصدر، وهو نموذج لغوي صغير يضم نحو ملياري معامل، ويستهدف تشغيل الذكاء الاصطناعي محليًا وعلى الأجهزة محدودة الموارد مع أداء قوي في البرمجة والرياضيات والاستدلال.
تفاصيل الخبر
كشفت OpenBMB عن MiniCPM5-2B باعتباره أحدث نماذج سلسلة MiniCPM5، مع التركيز على تقديم قدرات متقدمة ضمن حجم صغير نسبيًا، ما يجعله مناسبًا للتشغيل على الأجهزة المحلية والبيئات التي لا تمتلك موارد حوسبة كبيرة. وتوضح صفحة النموذج الرسمية أنه نموذج محول كثيف يحتوي على أكثر من 2.5 مليار معامل إجمالًا، مع نحو ملياري معامل غير مخصصة للتضمينات.
ومن أبرز مواصفات النموذج:
- يعتمد MiniCPM5-2B على بنية
LlamaForCausalLM، ويحتوي على 42 طبقة. - يدعم نافذة سياق تصل إلى 131,072 رمزًا، ما يسمح بمعالجة نصوص طويلة ضمن جلسة واحدة.
- صُمم للاستخدام في المساعدات المحلية، ووكلاء البرمجة، واستدعاء الأدوات، ومهام الاستدلال التي تتطلب نموذجًا صغيرًا نسبيًا.
- تقول OpenBMB إن النموذج يحقق مستوى متقدمًا بين النماذج مفتوحة المصدر من فئة ملياري معامل.
- أظهرت اختبارات الشركة تفوقه في مجموعة المقارنة الخاصة بها على نماذج أكبر أيضًا، مع متوسط نتيجة بلغ 53.9 مقابل 51.1 لأعلى نموذج أكبر ضمن المجموعة التي قارنتها الشركة.
- تبرز نقاط قوته في البرمجة، والرياضيات، وفهم السياقات الطويلة، واستدعاء الأدوات، ومهام الوكلاء الذكيين.
- لم تقتصر عملية الإطلاق على النموذج نفسه، إذ أطلقت OpenBMB أيضًا مجموعات بيانات تدريبية من عائلة UltraData لدعم تطوير النموذج وقدراته.
- تتضمن البيانات المفتوحة أكثر من 500 ألف عينة لتدريب الوكلاء وأكثر من 80 ألف عينة للتعلم المعزز، وفقًا لصفحة النموذج الرسمية.
- يتوفر النموذج بترخيص Apache-2.0، مع خيارات للاستخدام عبر أدوات ومكتبات مختلفة، بما في ذلك Transformers، إضافة إلى إصدارات مخصصة لبيئات تشغيل محلية مختلفة.
وتبرز أهمية النموذج في اتجاه متزايد نحو تطوير نماذج ذكاء اصطناعي أصغر يمكن تشغيلها بالقرب من المستخدم بدل الاعتماد الكامل على مراكز البيانات السحابية. فالحجم الأصغر قد يساعد المطورين والشركات على خفض متطلبات الحوسبة وتشغيل نماذج متقدمة على أجهزة أكثر محدودية.
الأهداف المستقبلية
يعكس إطلاق MiniCPM5-2B توجه OpenBMB نحو جعل النماذج المفتوحة صغيرة الحجم أكثر قدرة على تنفيذ المهام المعقدة، ومن أبرز الأهداف المتوقعة لهذا الاتجاه:
- توفير نماذج قوية يمكن تشغيلها محليًا وعلى الأجهزة الطرفية.
- تقليل تكلفة تشغيل نماذج الذكاء الاصطناعي مقارنة بالنماذج الضخمة.
- تحسين قدرات النماذج الصغيرة في البرمجة والرياضيات والاستدلال.
- تطوير وكلاء ذكاء اصطناعي قادرين على استخدام الأدوات وتنفيذ مهام متعددة.
- دعم تطبيقات الذكاء الاصطناعي التي تحتاج إلى معالجة البيانات محليًا.
- توسيع استخدام النماذج المفتوحة في الهواتف والحواسيب والأجهزة محدودة الموارد.
- الاستفادة من مجموعات البيانات المفتوحة لتحسين أداء النماذج المستقبلية.
- زيادة المنافسة في مجال النماذج مفتوحة المصدر ذات الحجم الصغير.
لماذا يمثل MiniCPM5-2B خطوة مهمة؟
لا تكمن أهمية MiniCPM5-2B في عدد معاملاته فقط، بل في محاولة تحقيق توازن بين حجم النموذج والأداء وتكلفة التشغيل. فالنماذج الأصغر يمكن أن تكون أكثر ملاءمة للتطبيقات التي تحتاج إلى استجابة محلية أو لا تستطيع تحمل تكلفة تشغيل نموذج ضخم باستمرار.
كما أن فتح النموذج ومجموعات البيانات المرتبطة به أمام المطورين يمنح الباحثين فرصة لاختباره وتخصيصه ودمجه في تطبيقات مختلفة. ومع استمرار تطور تقنيات ضغط النماذج وتحسين التدريب، قد تصبح النماذج الصغيرة قادرة على تنفيذ عدد متزايد من المهام التي كانت تتطلب سابقًا نماذج أكبر بكثير.
يمثل MiniCPM5-2B أحدث محاولة من OpenBMB لدفع حدود النماذج اللغوية الصغيرة مفتوحة المصدر. ومع دعمه للسياقات الطويلة والبرمجة واستدعاء الأدوات ومهام الوكلاء، قد يصبح خيارًا جذابًا للمطورين الذين يبحثون عن نموذج قوي يمكن تشغيله محليًا بتكلفة وموارد أقل.
