بقلم: سارة | محررة نماذج الذكاء الاصطناعي · صوت تحريري بإشراف بشري
أطلقت الشركة الكورية Upstage نموذجها Solar Open 2 بوزن كامل 250 مليار معامل، لكنه لا يُشغّل منها سوى 15 مليار معامل لكل رمز (token) أثناء الاستدلال — وهذا الفرق هو جوهر المقاربة التقنية بأكملها. النموذج مصمم من الأساس لسيناريوهات الوكلاء الذكية: تنفيذ المهام متعددة الخطوات، ومعالجة المستندات، والبرمجة، لا مجرد إجابة أسئلة فردية. (وفقاً لـ Upstage على Hugging Face)
البنية التقنية خلف هذا النموذج تستحق الوقوف عندها. Solar Open 2 يعتمد معمارية Hybrid-Attention Mixture-of-Experts (MoE) تجمع بين طبقات الانتباه الخطي وطبقات الـ softmax بنسبة 3:1 — ثلاث طبقات انتباه خطي مقابل طبقة softmax واحدة — موزعة عبر 48 طبقة إجمالية. هذا التصميم يتيح سياقاً بطول مليون رمز دون الحاجة إلى الترميز الموضعي الدوراني (RoPE)، إذ يُشفّر النموذج ترتيب الرموز في حالته التكرارية مباشرةً عبر ما يسمى NoPE. والنتيجة: 12 طبقة فقط من أصل 48 تحتاج إلى ذاكرة تخزين KV Cache، أي ربع التكلفة مقارنةً بنموذج softmax كامل بنفس الحجم. (وفقاً للتقرير التقني لـ Solar Open 2)
من حيث التدريب، لم تبدأ Upstage من صفر: 2.3% فقط من أوزان النموذج السابق Solar Open 1 (102 مليار معامل) نُقلت إلى الإصدار الجديد — وهي الأوزان التي نجت من التغيير المعماري — فيما بقية المعاملات اُبتُدئت عشوائياً. هذا الاختيار الانتقائي رفع نقطة الانطلاق وسرّع التقاطر المبكر عند حجم 250 مليار، وأُنجز التدريب على 12 تريليون رمز باستخدام 2 مليون ساعة GPU على معالجات NVIDIA B200. النموذج يدعم ثلاث لغات: الإنجليزية والكورية واليابانية، بمفردات تبلغ 196,608 رمز. (وفقاً لـ Upstage على Hugging Face)
على صعيد الأداء، النتائج تتحدث بوضوح مقارنةً بنماذج مفتوحة المصدر في الفئة ذاتها. في معيار SWE-Bench Verified لتقييم قدرة النماذج على حل مشكلات البرمجة الواقعية، سجّل Solar Open 2 درجة 70.4، فيما سجّل Command A+ المنافس 14.4، ومنافسه الأقرب MiMo-V2.5 درجة 73.0 وDeepSeek-V4-Flash 73.8. في معيار GPQA-Diamond للاستدلال العلمي العميق، حقق 86.3 متجاوزاً Mistral Medium 3.5 (77.5) و Command A+ (75.6). أما في AIME 2026 الرياضي، فسجّل 95.7 مقارنةً بـ 89.0 لـ Mistral و96.0 لـ Command A+. وفي معيار LiveCodeBench v6 للبرمجة، نال 92.4 يتقدم على Command A+ (86.1) وMistral Medium 3.5 (84.9). (وفقاً لـ Upstage على Hugging Face)
الصورة الكورية لا تقل إثارةً: في Ko-AIME’25 حصل النموذج على 97.7 متجاوزاً GPT-5.4 mini المغلق (90.7) وDeepSeek-V4-Flash (98.0) بفارق ضئيل. وفي CLIcK لتقييم الفهم اللغوي الكوري الشامل، سجّل 90.7 متفوقاً على MiMo-V2.5 (78.4) وClaude Haiku 4.5 (53.5). (وفقاً لـ Upstage على Hugging Face)
إذا كنت مطوراً تفكر في تشغيل النموذج محلياً، فالحد الأدنى هو 4 وحدات H200 بـ 141 جيجابايت لكل منها، والموصى به 8 وحدات. تتوفر نسخ مُكثّفة من NotaAI تشمل Solar-Open2-250B-Nota-INT4 وNVFP4 وINT4-GlobalPruned للإعداد على تكوينات GPU أصغر. للاستخدام الإنتاجي، التوصية الرسمية هي vLLM عبر Docker أو التثبيت من المصدر، فيما يصلح fork الخاص بـ Transformers للتجريب المحلي فقط.
ما يُميّز هذا النموذج عملياً هو دعمه المباشر لسيناريوهات الوكلاء دون حاجة لإعداد معقد: كلاً من Claude Code وHermes Agent يعملان فوق Solar Open 2 المُخدَّم بـ vLLM — الأول عبر endpoint متوافق مع Anthropic على /v1/messages، والثاني عبر واجهة OpenAI-compatible القياسية. الأدوات المُعرَّضة عبر بروتوكول MCP تصل للنموذج بالطريقة ذاتها، والإعداد لا يتجاوز متغيرات بيئة أو سطر واحد في ملف config. كذلك يدعم النموذج وضعَي استدلال: reasoning_effort=”high” لمهام التفكير العميق بحد أقصى 131,072 رمز، وreasoning_effort=”none” للإجابات المباشرة. يمكنك تجربة النموذج مباشرةً حتى نهاية يوليو 2026.
التوجه الذي يمثّله Solar Open 2 واضح: لم يعد المعيار الوحيد لقياس النموذج هو حجمه الإجمالي، بل كفاءة الاستدلال في سيناريوهات الوكلاء تحديداً. نموذج يُشغّل 15 مليار معامل فعلياً بقدرات نموذج 250 مليار، مع سياق مليون رمز وتكامل مباشر مع أطر العمل الوكيلة الأكثر استخداماً — هذه معادلة تستحق الاختبار الجدي من أي فريق يبني على نماذج مفتوحة.
