PrismML تدمج نموذج ذكاء اصطناعي بـ27 مليار معامل في 3.9 جيجابايت — صغير بما يكفي لآيفون

أطلقت PrismML نموذج Bonsai 27B، وهو نموذج مبني على Qwen3.6 27B، ويُمثِّل ما تصفه الشركة بأول نموذج ذكاء اصطناعي من فئة 27 مليار معامل يمكنه العمل بسلاسة على الهاتف. يتحقق هذا الإنجاز من خلال التكميم المتطرف للأوزان: فبدلاً من تخزين كل معامل بصيغة 16-bit float، يستخدم Bonsai 27B أوزاناً ثنائية {−1, +1} — أي بت واحد لكل معامل — لضغط نموذج كان سيشغل 54 جيجابايت من الذاكرة إلى 3.9 جيجابايت، وهو حجم صغير بما يكفي للعمل ضمن ميزانية ذاكرة iPhone 17 Pro.

حتى الآن، كانت فئة الـ27 مليار معامل حكراً على أجهزة اللابتوب أو الخوادم. حتى التكميم القوي بـ4 بتات لنموذج 27B يُنتج حوالي 18 جيجابايت — وهو أكبر من أن يتسع لأي هاتف ذكي حالياً. تدفع تقنية PrismML بالضغط إلى أبعد من ذلك دون خسارة كارثية في الجودة، معتمدةً على تقنيات أثبتتها الشركة في إصدارات سابقة أصغر حجماً بتقنيتي 1-bit وTernary.

نسختان، حالتا استخدام مختلفتان

يُطرح Bonsai 27B بتكوينين:

• Ternary Bonsai 27B (5.9 جيجابايت): يستخدم أوزاناً ثلاثية {−1, 0, +1} بمعدل 1.71 بت فعال لكل وزن. هذه هي النسخة الموجهة للجودة وتستهدف أجهزة اللابتوب اليومية، محتفظةً بـ95% من أداء الدقة الكاملة عبر مجموعة اختبارات PrismML المؤلفة من 15 معياراً (Benchmark).
• 1-bit Bonsai 27B (3.9 جيجابايت): يستخدم أوزاناً ثنائية {−1, +1} بمعدل 1.125 بت فعال لكل وزن. تستهدف هذه النسخة الهواتف وتتناسب مع ميزانية ذاكرة iPhone 17 Pro، محتفظةً بـ90% من أداء الدقة الكاملة.

تتضمن النسختان دعماً متعدد الوسائط (Multimodal)، مع إرسال برج الرؤية (vision tower) بصيغة مضغوطة من 4 بتات. وتحملان نافذة سياق كاملة بسعة 262 ألف رمز (Token)، وتدعمان فك التشفير التخميني (Speculative Decoding) للاستدلال الأسرع، كما تتعاملان مع استدعاءات الأدوات متعددة الخطوات والحلقات الوكيلة (Agentic Loops) — وهي الأنواع من المهام الطويلة التي كانت تتعثر فيها النماذج المحلية تاريخياً.

صورة المقاييس (Benchmarks)

اختبرت PrismML كلا النسختين عبر 15 اختباراً في وضع التفكير (thinking mode). تبقى نتائج الرياضيات والبرمجة شبه ثابتة: النموذج الثلاثي يسجل 93.4 في الرياضيات مقابل 95.3 للنموذج الأساسي، بينما يحافظ النموذج 1-bit على 91.7. تظهر مهام استدعاء الأدوات والوكيلة (Agentic) أثراً أكبر للضغط — النموذج 1-bit يسجل 66.0 مقابل 80.0 للنموذج الأساسي — لكن PrismML تشير إلى أن هذه النتائج لا تزال تتفوق على البناءات التقليدية بـ4 بتات لنفس النموذج الأساسي، مع احتلال مساحة ذاكرة أقل بمقدار 2.5 مرة.

تصف الشركة ذلك بمصطلح «كثافة الذكاء» — الأداء لكل جيجابايت — حيث يحقق Bonsai 27B بنسخة 1-bit كثافة 0.53 لكل جيجابايت، أي حوالي 10 أضعاف النموذج الأساسي بدقة كاملة، و2.7 ضعف أفضل بديل تقليدي منخفض البتات.

أهمية ذلك للذكاء الاصطناعي الوكيل (Agentic AI)

النتيجة العملية هي أن المهام التي تتطلب نموذج استدلال قوي — تحليل المستندات، استخراج البيانات الهيكلية، توليد الأكواد متعددة الخطوات — يمكن الآن تشغيلها بالكامل على الجهاز، دون إرسال البيانات إلى واجهة برمجة تطبيقات سحابية (API). هذا مهم لسير العمل الحساس للخصوصية، والتطبيقات الحساسة لزمن الاستجابة، وأي سيناريو يكون فيه الاتصال بالشبكة غير موثوق.

نموذج Bonsai 27B متاح الآن بموجب ترخيص Apache 2.0، مما يجعله مجانياً للاستخدام التجاري. وفقاً لتقرير PrismML، هذه علامة فارقة في المسعى المستمر لجعل قدرات النماذج الكبيرة متاحة دون الحاجة إلى بنية تحتية سحابية.