أخبار ar.wedoany.com، أعلنت شركة "أبستيج" (Upstage) الكورية في 23 يوليو عن إطلاق نموذجها اللغوي الكبير مفتوح الوزن "سولار أوبن 2" (Solar Open 2) الذي طورته ذاتيًا، وذلك ضمن مشروع حكومي لبناء "نموذج أساسي مستقل للذكاء الاصطناعي". وقد تم نشر النموذج على منصة "هاغينغ فيس" (Hugging Face) العالمية مفتوحة المصدر، مع نشر تقرير تقني يتضمن البنية وطرق التعلم.
على عكس الإصدار السابق "سولار أوبن 1"، صُمم "سولار أوبن 2" خصيصًا للاستخدامات الوكيلة (Agent)، حيث لا يقتصر على الإجابة عن الأسئلة البسيطة، بل يمكنه معالجة المهام بشكل متكرر عبر عشرات مرات الاستدلال واستدعاء الأدوات حتى إنجازها. يعتمد النموذج على بنية الخبراء المختلطين (MoE) بإجمالي 250 مليار معامل، لكنه يُنشط فقط 15 مليار معامل أثناء التشغيل الفعلي، مما يعزز الكفاءة في المهام الوكيلة التي تستهلك كميات كبيرة من الرموز (Tokens). وبالمقارنة مع الإصدار السابق الذي بلغ 102 مليار معامل، فقد زاد الحجم بمقدار 2.5 مرة، مع بقاء عدد الطبقات 48 طبقة دون تغيير.
يدعم "سولار أوبن 2" قدرة معالجة سياق طويلة تصل إلى مليون رمز (Token)، وهو أمر بالغ الأهمية للمهام الوكيلة التي تتطلب تذكرًا مستمرًا لتاريخ المهام ومعالجة كميات كبيرة من المستندات. لتحقيق هذه القدرة، قامت "أبستيج" بتقسيم الطبقات الـ 48 إلى مجموعات كل منها 4 طبقات، ودمجت بشكل مختلط طبقة واحدة من "انتباه سوفتماكس" (Softmax Attention) عالية الدقة ولكنها كثيفة الحساب، وثلاث طبقات من "الانتباه الخطي" (Linear Attention) خفيفة الحساب ولكنها تضغط معلومات الذاكرة، أي أن ربع الطبقات فقط تستخدم طريقة سوفتماكس. بالإضافة إلى ذلك، أزال النموذج تمامًا آلية الترميز الموضعي المستقلة، معتمدًا فقط على بنية ذاكرة الانتباه الخطي لنقل معلومات ترتيب الكلمات، وأضاف تقنية موسعة تمكنه من الرجوع ذاتيًا وتصحيح معلومات الذاكرة المخزنة بشكل خاطئ.
صرحت "أبستيج" أن كمية بيانات التدريب المطلوبة لتحقيق نفس الأداء يمكن تقليلها بمقدار يصل إلى 3 أضعاف مقارنة بالطريقة السابقة؛ وبعد تطبيق التكميم (Quantization)، يمكن تشغيل النموذج باستخدام شريحتين فقط من نوع NVIDIA H200 (رقاقات ذكية)، مما يقلل من تكلفة تبني الشركات للنموذج على بنيتها التحتية الخاصة. لم تعد التقنية المقدمة هذه تتطلب تدريب نماذج بعشرات المليارات من المعاملات من الصفر في كل مرة، بل يتم إعادة استخدام الأجزاء المتداخلة مع البنية الجديدة فقط من أوزان الإصدار السابق "سولار أوبن 1"، مع وراثة الأجزاء المتطابقة في البنية مثل جدول المفردات وطبقة الإخراج وطبقة التطبيع، بينما يتم إعادة تدريب الأجزاء الجديدة والأجزاء التي زاد فيها عدد الخبراء من 128 إلى 320 خبيرًا. تبلغ نسبة الأوزان المعاد استخدامها 2.3% فقط من الإجمالي، لكن التجارب أظهرت أن هذه الطريقة يمكن أن تقلل كمية التدريب المطلوبة لتحقيق نفس الأداء بمقدار 1.7 مرة تقريبًا. تم تقليص بيانات التدريب من حجم 20 تريليون رمز أصلي إلى 10 تريليون رمز بعد التصفية بناءً على الجودة، وتبلغ نسبة البيانات الفعلية إلى البيانات المُصنّعة اصطناعيًا 4:6، مع تعديل نسبة الرياضيات والبرمجة لتتجاوز 15% لكل منهما.
في اختبارات الأداء، تفوق "سولار أوبن 2" في المعرفة الشاملة (MMLU-Pro)، والبرمجة (LiveCodeBench)، واتباع التعليمات واستدعاء الأدوات، والتقييم الشامل للوكيل، على نماذج مفتوحة الوزن رئيسية مثل DeepSeek "V4 Flash" وMistral "Medium 3.5" وCohere "Command A+"، محققًا تحسنًا في الدرجات بأكثر من 20 نقطة في المعايير الرئيسية مثل المعرفة والاستدلال العلمي والرياضيات والبرمجة مقارنة بالإصدار السابق. فيما يتعلق بالقدرات باللغة الكورية، حصل النموذج على متوسط درجات إجمالي في المعايير الكورية أعلى من واجهات برمجة التطبيقات المغلقة مثل OpenAI "GPT-5.4 Mini" وAnthropic "Claude Haiku 4.5"، وحقق بشكل خاص 86.8 نقطة في معيار "Ko-GDPval"، مقتربًا من أداء نموذج DeepSeek "V4 Pro" (86.9 نقطة) الذي يفوقه حجمًا بأكثر من 6 مرات. تعزو "أبستيج" ذلك إلى محلل الرموز (Tokenizer) الخاص بها والمصمم خصيصًا للغة الكورية، والذي يمكنه تمثيل نفس الجملة الكورية بعدد أقل بكثير من الرموز مقارنة بالنماذج العالمية الأخرى، مما يوفر ميزة في التكلفة والسرعة في المهام الوكيلة التي يتراكم فيها تاريخ المهام. في تقييم "SWE-Bench" و"TerminalBench" اللذين يقيمان إنجاز المهام في بيئات تعديل مستودعات البرامج أو المحطات الطرفية الفعلية، لم يصل النموذج إلى مستوى النماذج المنافسة مثل DeepSeek "V4 Flash" وMimou "V2.5"، وأشارت "أبستيج" إلى أن تحسين قدرات هندسة البرمجيات على مستوى المستودعات/المحطات الطرفية والدقة العددية الدقيقة لمخرجات المكاتب هي من بين مجالات التحسين المستقبلية.
تنشر "أبستيج" أوزان "سولار أوبن 2" بالكامل بموجب "رخصة أبستيج سولار" (Upstage Solar License) المستندة إلى "أباتشي 2.0" (Apache 2.0)، مما يسمح بالاستخدام التجاري وحرية تطوير النماذج المشتقة. في المستقبل، سيتم تطبيق هذا النموذج على بوابة "داوم" (Daum) التي استحوذت عليها الشركة في مايو من هذا العام، ليتوسع من البحث/التلخيص إلى خدمات الوكيل التفاعلية؛ ومن خلال منصة الوكيل الذكي "تيملي" (Timely) التي استحوذت عليها في يونيو من هذا العام، سيدعم النموذج إدخال الوكلاء في الهيئات المحلية ومؤسسات التعليم العام في جميع أنحاء البلاد. تخطط "أبستيج" لتوسيع الخدمات القائمة على "سولار أوبن 2" لتشمل جميع القطاعات الصناعية مثل المالية والقانونية والطبية والعامة والدفاعية والتصنيعية والاستهلاكية والروبوتات والتعليم، وستبدأ في بناء "ذكاء اصطناعي سيادي كامل المكدس" يجمع بين وحدات المعالجة العصبية (NPU) المحلية، كما ستقوم بتسجيل النموذج على المنصات العالمية مثل "OpenRouter" و"Hermes Agent" لتوسيع النظام البيئي للمطورين عالميًا.
