كشفت Nvidia عن Nemotron 3: لماذا تجعل NVDA أحدث نماذجها الذكاء الاصطناعي مفتوحة المصدر؟

أعلنت شركة Nvidia يوم الاثنين عن عائلة Nemotron 3 من نماذج الذكاء الاصطناعي التي تم إصدارها علنا، ومجموعات بيانات التدريب، ومكتبات الهندسة.

يمثل هذا دفعة قوية نحو تطوير الذكاء الاصطناعي مفتوح المصدر.

تشير هذه الخطوة إلى نية Nvidia في السيطرة ليس فقط على طبقة الأجهزة للذكاء الاصطناعي، بل أيضا على طبقات البرمجيات والنماذج.

يأتي هذا التطور في ظل بحث شركات حول العالم عن بدائل محلية قابلة للتدقيق لأنظمة الذكاء الاصطناعي المغلقة أو الأجنبية.

يتضمن الإصدار أوزان النماذج، ومجموعة تدريب اصطناعية تضم ما يقرب من 10 تريليونات رمز، ووصفات تدريب مفصلة بموجب ترخيص مفتوح.

يتيح للمطورين والمؤسسات فحص وتخصيص ونشر نماذج نيموترون على بنيتهم التحتية الخاصة.

الحساب الاستراتيجي شفاف، مع انتشار الذكاء الاصطناعي مفتوح المصدر عالميا.

مع مطالبة الوكالات الحكومية في الولايات المتحدة بالشفافية، تضع نفيديا نفسها كمورد محلي موثوق، مع تعزيز منظومة مطوري الشبكة الخاصة بها.

ما أصدرته نفيديا: النماذج، البيانات، والادعاءات التقنية

تتكون عائلة نيموترون 3 من ثلاثة نماذج بأحجام متزايدة: نانو (30 مليار معلمة مع 3 مليارات نشط)، سوبر (100 مليار مع 10 مليار نشط)، وألترا (500 مليار مع 50 مليار نشط).

فقط سفن نانو من نيموترون 3 فورا؛ تصل Super وUltra في النصف الأول من عام 2026.

الادعاء البارز لشركة Nvidia هو الكفاءة. يقدم Nemotron 3 Nano معدل إنتاجية أربع مرات من سلفه Nemotron 2 ويقلل من توليد رموز الاستدلال بنسبة تصل إلى 60٪.

تستخدم النماذج بنية هجينة من مزيج كامنة من الخبراء، وهو تصميم ينشط فقط المسارات الحاسوبية الأكثر صلة لكل مهمة، مقلدا كيف يقسم الدماغ البشري العمل.

أصبح هذا النهج هو المعيار الصناعي، حيث تستخدم أفضل 10 نماذج مفتوحة المصدر ذكاء الآن وزارة الإنتاج، وفقا لبيانات المقارنة المستقلة.

يجب ملاحظة أن كمية المعلومات التي يمكن أن يحتفظ بها النموذج في الذاكرة تتسع إلى مليون رمز لنانو، وهو أوسع بسبع مرات من سابقه.

وهذا مهم للوثائق الطويلة، ومستودعات الكود، والتفكير المعقد متعدد الخطوات.

يستفيد Super وUltra من صيغة تدريب Nvidia 4-بت NVFP4 على أجهزة Blackwell الخاصة به، مما يقلل متطلبات الذاكرة ووقت التدريب دون التضحية بالدقة.

جميع أوزان النماذج، ومجموعات التدريب، والوصفات التفصيلية متاحة على GitHub وHugging Face تحت رخصة NVIDIA Open Model.

كما يحصل المطورون على الوصول إلى NeMo Gym وNeMo RL وNeMo Evaluator، وهي مكتبات مفتوحة المصدر للتدريب، والتعلم التعزيزي، والتحقق من صحة السلامة.

لماذا الإصدار المفتوح مهم؟

الإصدار المفتوح يستجيب مباشرة للطلب المتزايد من المؤسسات على شفافية النماذج.

قالت كاري بريسكي، نائبة رئيس برمجيات الذكاء الاصطناعي التوليدي في نفيديا: "لا يستطيع العديد من عملائنا من المؤسسات نشر نماذج معينة أو بناء أعمالهم على نماذج ذات رموز مصدر غير شفافة".

تتطلب الصناعات المنظمة مثل الرعاية الصحية والمالية والدفاع بدائل قابلة للتدقيق في الموقع للأنظمة الملكية التي تسيطر عليها جهات أجنبية.

تزداد حركة نفيديا قوة مع تراجع ميتا عن المصادر المفتوحة. توقف نمو Llama بعد إطلاق Llama 4 الفاتر في أبريل، حيث تنازل عن الأرض لصالح نماذج مفتوحة منافسة.

قامت ميتا بحجب مجموعات بيانات التدريب حتى من شركاء مقربين مثل نفيديا، مما حد من التحسينات التي يقودها المجتمع.

على النقيض من ذلك، تنشر Nvidia كل شيء: الأوزان، الوصفات، ومجموعات البيانات. قد تجذب هذه الشفافية عملاء المؤسسات والعقود الحكومية الحذرة من الاعتماديات الغامضة.

جيوسياسيا، تعزز الرسوم الجمركية الأمريكية وقيود التصدير على الذكاء الاصطناعي الصيني ميزة نفيديا.