Command Palette
Search for a command to run...
دروس عبر الإنترنت | فريق تيان يوان دونغ يطلق نموذج البرمجة مفتوح المصدر Flint: 39.8 مليار معلمة، مع تفعيل 2.5 مليار معلمة فقط لكل رمز
من إكمال دالة إلى توليد مشروع كامل بناءً على لغة طبيعية، تعمل نماذج الكود باستمرار على خفض حواجز تطوير البرمجيات. لكن التطوير الحقيقي للبرمجيات لا يقتصر على كتابة كود يعمل فحسب، بل يتضمن فهم بنية المشاريع الحالية، وتحديد الأخطاء، وتعديل عدة ملفات، وتشغيل الاختبارات، ثم إجراء التعديلات بناءً على رسائل الخطأ — وهذه المراحل تتطلب غالباً من النموذج قدرات أكثر اكتمالاً في فهم الكود وتنفيذ المهام. يمكن القول إن توليد الكود هو الخطوة الأولى فقط، وأن مشاركة الذكاء الاصطناعي فعلياً في سير عمل التطوير هي الجزء الأصعب.
إن نموذج Flint الذي طوره فريق Recursive هو نموذج لغوي مفتوح المصدر مصمم خصيصاً لسيناريوهات وكلاء البرمجة (Coding Agents)، فهو قادر على فهم قواعد الكود، وإصلاح الأخطاء، وتنفيذ الميزات الجديدة، وكتابة الاختبارات، كما يدعم الاستدلال متعدد الجولات واستدعاء الأدوات. يعتمد Flint على بنية المزيج من الخبراء (MoE) ذاتية فك التشفير (Decoder-only)، حيث يبلغ إجمالي عدد المعلمات 39.8 مليار، بينما يتم تفعيل حوالي 2.5 مليار معلمة فقط لكل رمز (Token). في طبقات MoE الخاصة به، يختار كل رمز 6 خبراء من بين 256 خبيراً موجهاً، بالإضافة إلى استخدام خبير مشترك واحد يبقى نشطاً دائماً. يتيح هذا التصميم للنموذج الحفاظ على حجم إجمالي كبير للمعلمات، مع تقليل عدد المعلمات التي يجب استدعاؤها أثناء استنتاج كل رمز.
وهذا هو الفكرة الجوهرية لكفاءة الحوسبة في بنية MoE: من خلال آلية التوجيه، يتم اختيار الخبراء المناسبين للمشاركة في الحسابات بناءً على المدخلات الحالية، مما يحافظ على سعة النموذج مع تقليل عدد المعلمات التي يجب تفعيلها لكل رمز. بالنسبة لمهام الوكيل التي تتطلب تحليلاً مستمراً للكود، واستدلالاً، واستدعاءً للأدوات، يساعد هذا التصميم في التحكم في تكاليف الحوسبة خلال مرحلة الاستنتاج.
من حيث القدرات الفعلية، يدعم Flint المحادثات متعددة الجولات، والاستدلال، واستدعاء الأدوات. وفقاً لنتائج التقييم المنشورة من قبل Recursive، حقق النموذج نسبة 89.7% في SWE-bench Pro v2، و74.2% في SWE-bench Verified، و54.9% في Terminal-Bench 2.1، مما يبرز أداءه في مهام هندسة البرمجيات وسيناريوهات عمليات الطرفية. وهذا يعني أن هدف Flint لا يقتصر على مجرد مساعدتك في إكمال سطر الكود التالي، بل يحاول أن يصبح النموذج الأساسي لوكيل برمجة (Coding Agent) قادر على فهم مهام التطوير، واستدعاء الأدوات، والمضي قدماً في حل المشكلات.
تم إطلاق قسم الدروس في HyperAI الذي يحمل عنوان «Flint: نموذج لغوي كبير قائم على المزيج من الخبراء لوكلاء البرمجة». يمكن للمستخدمين من خلال الدرس فهم عملية تحميل النموذج واستنتاجه، وتجربة قدراته في توليد الكود، والاستدلال، واستدعاء الأدوات.
من توليد قطعة من الكود إلى المشاركة في حل مهمة تطوير كاملة، يدفع وكلاء البرمجة دور الذكاء الاصطناعي من مساعد للكود إلى شريك في التطوير.
تشغيل عبر الإنترنت:
المزيد من الدروس عبر الإنترنت:
تشغيل العرض التوضيحي
- بعد الدخول إلى الصفحة الرئيسية لـ hyper.ai، اختر صفحة «الدروس»، أو انقر على «عرض المزيد من الدروس»، ثم اختر «Flint: نموذج لغوي كبير قائم على المزيج من الخبراء لوكلاء البرمجة»، وانقر على «تشغيل هذا الدرس».
- بعد تحويل الصفحة، انقر على «Clone» في الزاوية العلوية اليمنى لنسخ الدرس إلى الحاوية الخاصة بك.
ملاحظة: تدعم الزاوية العلوية اليمنى من الصفحة تبديل اللغة، حيث تتوفر حالياً اللغتان الصينية والإنجليزية. تستخدم هذه المقالة خطوات باللغة الإنجليزية كمثال.
- اختر «NVIDIA H100 x2» والصورة المقابلة، ثم انقر على «Continue job execution (متابعة تنفيذ المهمة)».
- انتظر تخصيص الموارد، وعندما يتغير الحالة إلى «Running (قيد التشغيل)»، انقر على «Open Workspace» للدخول إلى مساحة عمل Jupyter.
عرض النتائج
- بعد تحويل الصفحة، انقر على ملف README على اليسار، وبعد الدخول، انقر على «Run (تشغيل)» في الأعلى.
- بعد انتهاء التشغيل، افتح طرفية جديدة ونفذ الأمر التالي لبدء Open WebUI.
- بعد بدء التشغيل، انقر على عنوان API على اليمين للوصول إلى واجهة Open WebUI عبر المتصفح.
