يمثل نموذج BitNet-b1.58-2B-4T، الذي أصدرته مايكروسوفت للأبحاث في أبريل 2025، نقلة نوعية في مجال الذكاء الاصطناعي. وباعتباره أول نموذج مفتوح المصدر أصلي أحادي البت واسع النطاق، فإنه يتغلب على قيود تقنيات التكميم التقليدية، مُثبتًا أن النماذج منخفضة الدقة قادرة على تقليل استهلاك موارد الحوسبة بشكل ملحوظ مع الحفاظ على الأداء، مما يمهد الطريق لنشر الذكاء الاصطناعي محليًا على الأجهزة الطرفية. ويمكن الاطلاع على ورقة البحث ذات الصلة أدناه. تقرير فني لـ BitNet b1.58 2B4T .
يستخدم هذا البرنامج التعليمي BitNet-b1.58-2B-4T كعرض توضيحي، وتستخدم الصورة PyTorch 2.6-2204، ويستخدم مورد الحوسبة RTX 4090.
2. الميزات الأساسية
هندسة فعّالة: باستخدام الأوزان الكمية الثلاثية (-1، 0، +1)، يتطلب كل وزن 1.58 بت فقط من التخزين. عند الجمع بين قيم التنشيط المكونة من 8 بت (تكوين W1.58A8)، فإن استخدام الذاكرة غير المضمنة يبلغ 0.4 جيجابايت فقط، وهو أقل بكثير من النماذج المماثلة (مثل 1.4 جيجابايت في Gemma-3 1B).
الابتكار في التدريب: التدريب من الصفر (وليس بعد التكميم)، وإدخال طبقات BitLinear، ووظائف تنشيط ReLU التربيعية، وترميز موضع RoPE لضمان استقرار التدريب منخفض الدقة.
ميزة استهلاك الطاقة: يصل زمن استدلال وحدة المعالجة المركزية إلى 29 مللي ثانية، ويبلغ استهلاك الطاقة 0.028 جول/رمز فقط، مما يدعم التشغيل الفعال على وحدات المعالجة المركزية مثل Apple M2.
3. خطوات التشغيل
1. بعد بدء تشغيل الحاوية، انقر فوق عنوان API للدخول إلى واجهة الويب
إذا تم عرض "بوابة سيئة"، فهذا يعني أن النموذج قيد التهيئة. نظرًا لأن النموذج كبير الحجم، يرجى الانتظار لمدة 1-2 دقيقة وتحديث الصفحة.
2. العرض التوضيحي الوظيفي
التبادل والمناقشة
🖌️ إذا رأيت مشروعًا عالي الجودة، فيرجى ترك رسالة في الخلفية للتوصية به! بالإضافة إلى ذلك، قمنا أيضًا بتأسيس مجموعة لتبادل الدروس التعليمية. مرحبًا بالأصدقاء لمسح رمز الاستجابة السريعة وإضافة [برنامج تعليمي SD] للانضمام إلى المجموعة لمناقشة المشكلات الفنية المختلفة ومشاركة نتائج التطبيق↓
Build AI with AI
From idea to launch — accelerate your AI development with free AI co-coding, out-of-the-box environment and best price of GPUs.
يمثل نموذج BitNet-b1.58-2B-4T، الذي أصدرته مايكروسوفت للأبحاث في أبريل 2025، نقلة نوعية في مجال الذكاء الاصطناعي. وباعتباره أول نموذج مفتوح المصدر أصلي أحادي البت واسع النطاق، فإنه يتغلب على قيود تقنيات التكميم التقليدية، مُثبتًا أن النماذج منخفضة الدقة قادرة على تقليل استهلاك موارد الحوسبة بشكل ملحوظ مع الحفاظ على الأداء، مما يمهد الطريق لنشر الذكاء الاصطناعي محليًا على الأجهزة الطرفية. ويمكن الاطلاع على ورقة البحث ذات الصلة أدناه. تقرير فني لـ BitNet b1.58 2B4T .
يستخدم هذا البرنامج التعليمي BitNet-b1.58-2B-4T كعرض توضيحي، وتستخدم الصورة PyTorch 2.6-2204، ويستخدم مورد الحوسبة RTX 4090.
2. الميزات الأساسية
هندسة فعّالة: باستخدام الأوزان الكمية الثلاثية (-1، 0، +1)، يتطلب كل وزن 1.58 بت فقط من التخزين. عند الجمع بين قيم التنشيط المكونة من 8 بت (تكوين W1.58A8)، فإن استخدام الذاكرة غير المضمنة يبلغ 0.4 جيجابايت فقط، وهو أقل بكثير من النماذج المماثلة (مثل 1.4 جيجابايت في Gemma-3 1B).
الابتكار في التدريب: التدريب من الصفر (وليس بعد التكميم)، وإدخال طبقات BitLinear، ووظائف تنشيط ReLU التربيعية، وترميز موضع RoPE لضمان استقرار التدريب منخفض الدقة.
ميزة استهلاك الطاقة: يصل زمن استدلال وحدة المعالجة المركزية إلى 29 مللي ثانية، ويبلغ استهلاك الطاقة 0.028 جول/رمز فقط، مما يدعم التشغيل الفعال على وحدات المعالجة المركزية مثل Apple M2.
3. خطوات التشغيل
1. بعد بدء تشغيل الحاوية، انقر فوق عنوان API للدخول إلى واجهة الويب
إذا تم عرض "بوابة سيئة"، فهذا يعني أن النموذج قيد التهيئة. نظرًا لأن النموذج كبير الحجم، يرجى الانتظار لمدة 1-2 دقيقة وتحديث الصفحة.
2. العرض التوضيحي الوظيفي
التبادل والمناقشة
🖌️ إذا رأيت مشروعًا عالي الجودة، فيرجى ترك رسالة في الخلفية للتوصية به! بالإضافة إلى ذلك، قمنا أيضًا بتأسيس مجموعة لتبادل الدروس التعليمية. مرحبًا بالأصدقاء لمسح رمز الاستجابة السريعة وإضافة [برنامج تعليمي SD] للانضمام إلى المجموعة لمناقشة المشكلات الفنية المختلفة ومشاركة نتائج التطبيق↓
Build AI with AI
From idea to launch — accelerate your AI development with free AI co-coding, out-of-the-box environment and best price of GPUs.
