أحلِ أصدقاءك إلى Novita AI وستحصلان معًا على 10 دولارات من أرصدة واجهة برمجة تطبيقات LLM—حتى 500 دولار إجماليًا.
لدعم مجتمع المطورين، تتوفر نماذج Qwen2.5-7B و Qwen 3 0.6B و Qwen 3 1.7B و Qwen 3 4B مجانًا حاليًا على Novita AI.
تم تصميم Qwen 3 0.6B لمهمة أساسية واحدة—حل مهام محددة عالية التردد بأقل تكلفة وزمن انتقال. بينما تهيمن النماذج الضخمة على العناوين الرئيسية، فإن العديد من احتياجات الإنتاج—من البحث الفوري إلى التلخيص على الجهاز—تتطلب حلاً خفيفًا. مستخلصًا من نموذج أبوي قوي، يقدم Qwen 3 0.6B أداءً سريعًا وفعالًا من حيث الموارد، مما يجعله مثاليًا لسيناريوهات مثل الخدمات عالية التزامن، والاستدلال دون اتصال، والضبط الدقيق الرأسي، وتصفية المحتوى. مع دعم 119 لغة وتوافق مدمج مع أدوات مثل MCP، فإنه يجلب التوازن الصحيح بين الذكاء وقابلية النشر.
ما هي تحسينات Qwen 3؟
Hybrid
أنماط التفكير الهجينة
يعتمد Qwen3 تصميمًا مزدوجًا للاستدلال. بالنسبة للمهام المعقدة، يفكر خطوة بخطوة. بالنسبة للمهام البسيطة، يرد فورًا—مما يوازن بين السرعة والعمق مع تحسين تكاليف الحوسبة.
119
دعم متعدد اللغات
يدعم Qwen3 119 لغة ولهجة. إنه مثالي للنشر العالمي—سواء في خدمة العملاء، أو المحتوى متعدد اللغات، أو تطبيقات البرمجة عبر المناطق.
MCP
قدرات وكيل محسّنة
بفضل التكامل مع MCP، يعزز Qwen3 استخدام الأدوات، واستدعاء الدوال، والتفاعل مع البيئات الخارجية—وهو مفيد بشكل خاص للوكلاء المستقلين وتكامل الإضافات.
Mac
نشر سهل على Mac
من شرائح M1 إلى M4، يعمل Qwen3 0.6b بسلاسة حتى على أجهزة Mac المزودة بشريحة Apple Silicon الأساسية—مما يجعله مثاليًا للمطورين الذين يستخدمون MacBooks أو iMacs ذات ذاكرة VRAM محدودة.
Qwen 3 0.6B: نموذج صغير مولود من العمالقة
من الرسم البياني، يمكننا استنتاج أن Qwen 3 0.6B و1.7B و4B تم تدريبها من خلال عملية التقطير من القوي إلى الضعيف، وهي جزء من خط أنابيب إنشاء النماذج خفيفة الوزن. إليك تفصيل خطوة بخطوة لعملية التدريب:
- النماذج الأساسية:
تبدأ العملية بنماذج أساسية مدربة مسبقًا، والتي تعمل كأساس للتدريب والتقطير اللاحقين. - النماذج الحدودية:
- يتم تدريب النماذج الأساسية أولاً من خلال عملية متعددة المراحل لإنشاء نماذج حدودية مثل Qwen3-235B-A22B و Qwen3-32B.
- يتضمن هذا التدريب:
- المرحلة 1 (بدء التشغيل البارد لـ Long-CoT): تدريب أولي باستخدام سلاسل تفكير طويلة.
- المرحلة 2 (تعزيز الاستدلال): تعزيز الاستدلال عبر التعلم المعزز لتعزيز قدرات الاستدلال.
- المرحلة 3 (دمج وضع التفكير): دمج أوضاع التفكير (مثل التفكير وأوضاع الرد السريع).
- المرحلة 4 (التعزيز العام): التعلم المعزز العام لقدرات أوسع.
- التقطير من القوي إلى الضعيف:
- يتم استخدام النماذج الحدودية الكبيرة (مثل Qwen3-235B و Qwen3-32B) كنماذج معلمة لتوجيه تدريب النماذج خفيفة الوزن مثل Qwen3-4B.
- تضمن عملية التقطير هذه احتفاظ النماذج الأصغر بمعرفة وأداء النماذج الأكبر مع تقليل الحجم ومتطلبات الحوسبة بشكل كبير.
- Qwen3 0.6B:
- كنتيجة لعملية التقطير هذه، فإن Qwen 3 0.6B و1.7B و4B هي إصدارات خفيفة الوزن، تستفيد من معرفة النماذج الأكبر مع تحسينها من أجل الكفاءة.
Qwen 3 0.6B: تصدر المعايير بين النماذج الصغيرة
بشكل عام، يؤدي Qwen 3 0.6b أداءً جيدًا في اختبارات الاستدلال والاستدلال الكمي، لكنه يُظهر أداءً دون المستوى في الاختبارات المتعلقة بالبرمجة.
Hybrid+119+MCP+MAC=تزامن عالي + داخل الجهاز + سيناريوهات رأسية
1. خدمات عبر الإنترنت عالية التزامن ومنخفضة زمن الانتقال
حالات الاستخدام: ترتيب البحث، توصيل الإعلانات، الدردشة الفورية—سيناريوهات تتطلب ملايين الاستعلامات يوميًا.
المتطلبات: أوقات استجابة بالميلي ثانية ودعم لأكثر من 10000 QPS (استعلام في الثانية).
القيمة:
- بديل خفيف الوزن لنماذج BERT التقليدية (مثل TinyBERT) لإعادة كتابة الاستعلامات، واكتشاف النية، والتقييم خفيف الوزن، وتوليد التضمينات.
- يدعم الاستدلال المجمع على مستوى الاستعلام × العنصر (مثل استعلام واحد يتطابق مع آلاف المرشحين)، مما يتيح النشر حيث تكون النماذج الكبيرة غير عملية بسبب زمن الانتقال والتكلفة.
2. الاستدلال على الجهاز والحوسبة الطرفية
حالات الاستخدام: تطبيقات الجوال، أجهزة إنترنت الأشياء، والمهام الحساسة للخصوصية (مثل معالجة البيانات المحلية).
المتطلبات: نماذج خفيفة الوزن قادرة على المعالجة دون اتصال مع دعم متعدد اللغات.
القيمة:
- يوفر 55–60 رمزًا/ثانية على شرائح الجوال مثل Snapdragon 8، مما يتيح تلخيص الملاحظات واستدعاءات الأدوات الأساسية (مثل بروتوكول MCP).
- يدعم 119 لغة، مثالي لحالات الاستخدام العالمية مثل التجارة الإلكترونية عبر الحدود وخدمة العملاء متعددة اللغات—مما يقلل الاعتماد على نماذج LLM السحابية.
3. ضبط دقيق منخفض التكلفة في المجالات الرأسية
حالات الاستخدام: مهام متخصصة مثل تحليل المستندات، تحويل تنسيق البيانات، والترجمة المجالية.
المتطلبات: تدريب سريع مع استهلاك منخفض للموارد وكفاءة عالية من حيث التكلفة.
القيمة:
- يمكن ضبطه بسهولة باستخدام أدوات مثل LLaMA-Factory من خلال إعداد مجموعات البيانات—بدون الحاجة إلى برمجة معقدة.
مثال: استخراج JSON منظم من نص OCR بأقل من 0.1% من تكلفة استدعاء نماذج LLM الكبيرة. - يتيح نشرًا سريعًا وخاصًا في مجالات مثل الرعاية الصحية أو القانون للمهام ذات العينات الصغيرة (مثل تصنيف الملاحظات السريرية)، مما يقلل مخاطر كشف البيانات.
4. تصفية المحتوى والفحص المسبق للامتثال
حالات الاستخدام: مراجعة فورية للمحتوى الذي ينشئه المستخدمون على منصات التواصل الاجتماعي أو مراجعات التجارة الإلكترونية.
المتطلبات: تصفية فعالة من حيث التكلفة لتقليل الحمل على النماذج الكبيرة باهظة الثمن.
القيمة:
- يعمل كطبقة دفاع أولى بأداء كشف يتراوح بين 60–80% بجزء بسيط من التكلفة، مما يكتشف اللغة المسيئة أو الموضوعات الحساسة.
- يتكامل جيدًا مع محركات القواعد لمنع الانتهاكات الواضحة وإحالة الحالات المعقدة فقط إلى نماذج LLM لمزيد من المراجعة.
كيفية الوصول إلى نماذج Qwen 3 الصغيرة عبر Novita API؟
الخطوة 1: تسجيل الدخول والوصول إلى مكتبة النماذج
سجّل الدخول إلى حسابك وانقر على زر مكتبة النماذج.
الخطوة 2: اختر نموذجك
تصفح الخيارات المتاحة واختر النموذج الذي يناسب احتياجاتك.
الخطوة 3: ابدأ نسختك التجريبية المجانية
ابدأ نسختك التجريبية المجانية لاستكشاف قدرات النموذج المحدد.
الخطوة 4: احصل على مفتاح API الخاص بك
للمصادقة مع واجهة API، سنزودك بمفتاح API جديد. أدخل صفحة “الإعدادات”، يمكنك نسخ مفتاح API كما هو موضح في الصورة.
الخطوة 5: تثبيت واجهة API
قم بتثبيت API باستخدام مدير الحزم الخاص بلغة البرمجة التي تستخدمها.
بعد التثبيت، قم باستيراد المكتبات اللازمة إلى بيئة التطوير الخاصة بك. قم بتهيئة API باستخدام مفتاح API الخاص بك لبدء التفاعل مع Novita AI LLM. هذا مثال على استخدام واجهة chat completions API لمستخدمي Python.
from openai import OpenAI
client = OpenAI(
base_url="https://api.novita.ai/v3/openai",
api_key="<YOUR Novita AI API Key>",
)
model = "qwen3-0.6b-fp8"
stream = True # or False
max_tokens = 2048
system_content = """Be a helpful assistant"""
temperature = 1
top_p = 1
min_p = 0
top_k = 50
presence_penalty = 0
frequency_penalty = 0
repetition_penalty = 1
response_format = { "type": "text" }
chat_completion_res = client.chat.completions.create(
model=model,
messages=[
{
"role": "system",
"content": system_content,
},
{
"role": "user",
"content": "Hi there!",
}
],
stream=stream,
max_tokens=max_tokens,
temperature=temperature,
top_p=top_p,
presence_penalty=presence_penalty,
frequency_penalty=frequency_penalty,
response_format=response_format,
extra_body={
"top_k": top_k,
"repetition_penalty": repetition_penalty,
"min_p": min_p
}
)
if stream:
for chunk in chat_completion_res:
print(chunk.choices[0].delta.content or "", end="")
else:
print(chat_completion_res.choices[0].message.content)
يثبت Qwen 3 0.6B أن حجم النموذج لا يجب أن يؤثر على الأداء. سواء كنت تبني خدمات فائقة السرعة عبر الإنترنت، أو تشغل تطبيقات دون اتصال، أو تنشر أدوات متخصصة في مجال معين، فإن هذا النموذج المدمج يقدم AI عمليًا وجاهزًا للإنتاج—بجزء بسيط من التكلفة.
الأسئلة الشائعة
هل Qwen 3 0.6B مناسب للأجهزة المحمولة؟
نعم، إنه مُحسّن للنشر على الحافة ويعمل بشكل جيد على شرائح مثل Snapdragon 8 و Apple Silicon (M1–M4).
ما الذي يجعل Qwen 3 0.6B أفضل من النماذج الصغيرة الأخرى؟
إن تفكيره الهجين، ودعم أدوات MCP، ومعاييره التنافسية تجعله متميزًا في فئة أقل من مليار معلمة.
هل نماذج Qwen3 مجانية الاستخدام؟
نعم! يقدم Novita AI وصولاً مجانيًا إلى نماذج Qwen3 مع تكامل سهل لواجهة API.
Novita AI هي منصة سحابية للذكاء الاصطناعي تقدم للمطورين طريقة سهلة لنشر نماذج AI باستخدام واجهة API البسيطة لدينا، مع توفير GPU سحابي ميسور التكلفة وموثوق للبناء والتوسع.
