18 مرة أرخص للمهمة الواحدة مع Hy4 flash من Tencent مقارنة بـClaude Haiku 5.5 في اختبار أعمى أجرته الشركة ⚡
أطلقت Tencent في 16 نوفمبر نموذج Hy4 flash، وتقول إنه أعلى نماذج Hy قيمة مقابل السعر حتى الآن. حجمه الكلي 224 مليار معامل، منها 64 مليار معامل Engram، والمفعّل منها 12 مليار فقط، ويدعم تعدد الوسائط وسياق مليون توكن.
والسعر لكل مليون توكن 0.070 دولار للإدخال، و0.281 دولار للإخراج، و0.003 دولار للإدخال المخزّن، حسب إعلان الشركة على إكس.
وفي الاختبار الأعمى شارك 85 مستخدماً داخلياً من WorkBuddy على 259 مهمة عمل يومية. كان متوسط الرضا 2.79 من 4 مقابل 2.81 لـClaude Haiku 5.5، ووقت المهمة 6.7 دقيقة مقابل 6.8، وتكلفتها 0.26 يوان مقابل 4.73 يوان.
ومن الناحية التقنية صار حجم KV cache سدس حجمه في Hy4، وواحداً على 24 من حجمه في Hy3. ونزل طول المخرجات في المهام 50% بالتعلم المعزز، وتجاوزت سرعة التوليد 150 توكن في الثانية بتقنيات منها تكميم 4 بت.
وحتى 30 نوفمبر استخدامه مجاني في WorkBuddy، وواجهة API في Tencent Cloud TokenHub بنصف السعر. وتقول الشركة إن أداءه في مهام البرمجة الطويلة أقل بقليل من Hy4.
ونتائج الأداء والتكلفة كلها من تقييمات Tencent الداخلية.
الروابط في التغريدة التابعة 👇
#TencentHunyuan #AIModels
علي عسيري retweeted
رحت الصين اجيب علم الـAI بعد نفيديا! 🇨🇳🔥
مصير HuggingFace والنماذج مفتوحة المصدر في امريكا مجهول بعد طرد رئيس Nvidia جينسين من الشركة
لذلك رحنا للمنافس الصيني، شركة مودل سكوب هي شركة من مجموعة علي بابا تقدم نفس الخدمة، رحنا وقابلنا الفريق وقلنا لهم ان المطورين السعوديين قادمين للمنصة 🇨🇳🇸🇦🤍
تتميز Modelscope ايضًا بمجتمع متعاون وفعال وعندهم شروحات رهيبة والكتاب البنفسجي اللي تم شرحه لنا في المقطع... مشاهدة ممتعة!
علي عسيري retweeted
Replying to @AIVibecode
منزل كورس في موقع
aihero.dev/ai-engineer-roadm…
Matt اتابعه من زمان وهو يعتبر software Philosophy المرجع اللي يعبر عن فلسفة Matt للذكاء الاصطناعي ، وهو يحول كل جانب في البرمجة وعلاقتها بال Ai تحت مظلة هذه الفلسفة إلى سلسلة من المهارات @mattpocockuk
علي عسيري retweeted
#صباح الورد 🌸
مجاناً جميع منتجاتي المدفوعة أصبحت متاحة للجميع 🎁
مهندسك في جيبك يضم 4 أنظمة إنقاذ محمولة لويندوز من تصميمي لإصلاح الأعطال واستعادة كلمات المرور والنسخ الاحتياطي وإنقاذ الأجهزة
حمل وأحرق على USB أو هارد واحتفظ بها للطوارئ
usb-boot.cfd
#أمطار_الرياض
علي عسيري retweeted
شاومي فاجأتنا بسلسلة MiMo-2.6 واللي تصدرت البنش مارك!
كنت بالصين 🇨🇳 وقابلتهم بيوم الإطلاق وسمعت عن خططهم.
استمتعوا بالفديو!
المقابلة تبدا 02:43
مع "يويين" مدير مشروع @XiaomiMiMo
علي عسيري retweeted
🔥😁
مانسيته وهو سبب غيابي عن المحتوى انتظروه ب وباذن الله بيتوفر 100 مقعد للتجربة
وباذن الله بيكون صديقكم القادم 😁
١/
بنيت SaaS، ثم اكتشفت أن بعض العملاء ما يبون اشتراك شهري.
يبونه كامل، يملكونه:
الدومين لهم. السيرفر لهم. البيانات لهم. والكود لهم.
فحوّلت المنتج إلى White Label يملكه أي عميل بالكامل خلال دقائق.
وهذي المعمارية اللي بنيتها 🧵
٢/
التحدي كان بسيطًا نظريًا، صعبًا عمليًا:
كيف تعطي كل عميل نسخة مستقلة 100٪ بدون ما تصير إدارة النسخ كابوسا؟
الحل: GitHub Template + Setup Wizard.
يضغط Use This Template، يربط قاعدة البيانات والدومين — وتشتغل نسخته مباشرة.
٣/
أكبر هاجس كان الأمان.
كيف أضمن أن نسخة عميل ما تشوف أسرار أو بيانات عميل ثاني؟
بنيت:
• Zero Secrets داخل القالب
• Security Checks قبل التشغيل
• Isolation كامل للبيانات والإعدادات
كل نسخة تعيش لحالها، معزولة تمامًا.
٤/
حتى قاعدة البيانات ما أبي العميل يلمسها.
النسخة تبدأ من قاعدة فارغة، والنظام يبني الجداول تلقائيًا عبر Migrations عند أول تشغيل.
تجربة أقرب لتثبيت تطبيق، من إدارة بنية تحتية.
٥/
الجزء المهم: ما استخدمت Autonomous Agents.
اعتمدت Orchestrated Pipeline — النواة deterministic.
أبسط. أرخص. أسهل صيانة.
والتكلفة التشغيلية أقل من 30 دولار شهريًا.
٦/
وعشان النسخة ما تتجمّد:
كل مستخدم يوصله تحديثات النظام أولًا بأول — ميزات وتحسينات مستمرة، يملك نسخته ويظل يكبر معها.
لا تشترون منتج ينتهي دوره يوم تشتريه.
خذوا منتج يتطور معكم، يتحسن بشكل مستمر، وتكون ملاحظاتكم واحتياجاتكم جزء من رحلة تطويره
٧/
النتيجة:
منتج "معرض أعمال ذكي" يملكه أي شخص بالكامل — بهويته، بياناته، بنيته — بدون اشتراك شهري، ومع تحديثات مستمرة.
🤖 فريقي اللي ما ينام: ١٦ بوت يشتغلون على مشاريعي… وأنا صاحب القرار!
كيف حوّلت Grok Bot من مساعد ذكاء اصطناعي إلى فريق رقمي متكامل؟
بدل ما أعتمد على مساعد واحد يسوي كل شيء، بنيت فريق من ١٦ بوت، لكل واحد اسم ومهمة واضحة وحدود عمل محددة.
طبعا عدد الموظفين متغير حسب المهام والمشاريع.
والأهم؟ فيه منسّق رئيسي يوزّع المهام، يتابع النتائج، ويرجع لي بالأشياء اللي تحتاج قراري.
الفكرة مو إن البوتات تستبدلني، بل إنها تشيل عني الشغل المتكرر، وتخليني أركز على القرارات والتطوير.
خلوني أوريكم كيف قسمت الفريق 👇
🧠 أولاً | الإدارة والتنسيق
🎯 مطلق — قائد الفريق
المنسّق الرئيسي. يستقبل المهام، يوزّعها على البوتات المتخصصة، يتابع تنفيذها، ويجمع لي النتائج في مكان واحد.
📡 رقيب — مراقب العمليات
يتابع جداول البوتات وروتيناتها (Routines)، ويرصد المهام اللي نجحت أو تعطّلت، ويعطيني صورة موحّدة عن حالة الفريق.
🌍 ثانياً | الأخبار والبحث والمعرفة
🛰️ راصد — عين الفريق على التقنية
يتابع أبرز التطورات التقنية خلال آخر ٢٤ ساعة، من إطلاق النماذج الجديدة إلى الأدوات اللي تستحق التجربة، ويستبعد الأخبار المكررة والقديمة.
🔎 باحث — البحث المعمّق
إذا واجهت موضوع يحتاج دراسة أوسع، يتولى جمع المصادر ومقارنتها وتحليلها، بدل الاكتفاء بملخص سريع.
💻 ثالثاً | المشاريع البرمجية
🛠️ فاحص — مراقب GitHub
يراجع تنبيهات مشاريعي على GitHub، من فشل اختبارات CI والبناء إلى المشاكل البرمجية والأمنية اللي تظهر أثناء الفحص.
يجهّز مقترحات الإصلاح للمراجعة، لكن ما يدمج أي تغيير بدون موافقتي.
🟣 حارس نسق — مراقب NasqOS
مخصص لمنصة نسق OS اللي أطلقت نسختها التجريبية هالأسبوع.
مهمته إعداد تقرير صباحي عن حالة المنصة، والأخطاء، وحركة الزوار وفق بيانات التتبع المتاحة.
🏫 حارس EduOS — مراقب المنصة التعليمية
يتابع الحالة التشغيلية لمشروع EduOS، ويرصد مؤشرات المشاكل مبكراً قبل ما تتفاقم.
🔧 سكروب — صيانة أدوات البرمجة
يتابع أدوات البرمجة بالذكاء الاصطناعي المثبتة عندي، ويراجع إصداراتها وحاجتها للتحديث والصيانة.
💡 رابعاً | القرارات والأفكار والأمان
💎 عبقور — محلل الجدوى
قبل ما أشتري أداة أو أضيف تقنية جديدة لأحد مشاريعي، يدرس الفكرة ويقارن البدائل والتكلفة والفائدة، ويعطيني توصية واضحة.
⚖️ ناقد — المعارض داخل الفريق
مو كل فكرة لازم تلقى تشجيع!
مهمته يعارض الافتراضات الضعيفة، ويكشف الثغرات والمخاطر قبل ما أبدأ التنفيذ.
🏗️ مهندس البوتات — مصمم الفريق
يتولى تصميم أدوار البوتات الجديدة. القاعدة عنده واضحة: وظيفة محددة، أدوات ضرورية فقط، وبدون تعقيد زائد.
🛡️ بودي جارد الأمان — بوابة المراجعة
يفحص البوتات والقوالب الخارجية قبل إضافتها للفريق، ويراجع الصلاحيات المطلوبة والمخاطر المحتملة.
هدفه تقليل المخاطر، مو افتراض إن أي بوت خارجي آمن لمجرد أنه جاهز للاستخدام.
📬 خامساً | المتابعة اليومية
✉️ ساعي البريد — مدير البريد
يفرز الرسائل الواردة، يصنفها حسب الأهمية، ويحدد اللي يحتاج متابعة أو إجراء.
📢 سمعة 😅 — مراقب الذكر الرقمي
يتابع الإشارات إلى اسمي ومشاريعي وروابطي في المواقع والمنتديات، ويجمع ما يظهر منها للمراجعة.
🎁 قنّاص — صيّاد الفرص
يبحث عن العروض سواء كانت أرصدة او برامج داعمة لأدوات الذكاء الاصطناعي والخدمات السحابية.
🧪 مختبر — اختبارات النماذج المحلية
يساعدني في تجارب النماذج المحلية على جهازي، وقياس أدائها ومقارنة النتائج، حتى يكون الاختيار مبنياً على التجربة مو الكلام التسويقي.
⏰ سادساً | وش يصير تلقائياً كل يوم؟
مو كل بوت يشتغل طول الوقت. فيه مهام تتنفذ عند الطلب، ومهام متكررة لها جداول أو أحداث تشغّلها.
🌅 ١. الأخبار مرتين باليوم
الصباح والعصر، يجمع راصد أبرز الأخبار التقنية، مع الرجوع للمصادر الأصلية للتحقق من الأرقام والتواريخ، واستبعاد الأخبار القديمة والمكررة.
🐙 ٢. متابعة تنبيهات GitHub
كل صباح، تتحول التنبيهات المهمة اللي توصل لبريدي إلى مهام واضحة عند فاحص، مع تحديد المشكلة والمشروع والخطوة المقترحة.
📊 ٣. مراقبة الاستهلاك
المتابعة اليومية مهمة، لأن كثرة الروتينات ممكن تستنزف حصة الاستخدام بسرعة.
ومرّت علي فترة ارتفع فيها الاستهلاك، فكان الحل إيقاف الروتينات غير الضرورية والإبقاء على المهام الأساسية.
وهنا تعلمت درس مهم: مو كل شيء نقدر نؤتمته يستاهل نشغله باستمرار.
🔐 سابعاً | القواعد اللي تحكم الفريق
علي عسيري retweeted
إذا أنت أب/أم وعندك أبناء صغار يستخدمون ChatGPT أنصحك تربطهم تحت حسابك وتفعل الرقابة الأبوية
فايدتها انك تحط بعض الشروط مثل اوقات راحة ما يستخدمون فيها التطبيق وتقليل المحتوى الحساس وبعض التحكم في مزايا ChatGPT
وطبعًا ما تقدر تشوف محادثات الأبناء إلا اذا كان في محادثة خطيرة او تخالف مخاطر السلامة
كيف تفعلها؟
افتح إعدادات ChatGPT
اختر الرقابة الأبوية
أرسل دعوة لربط حساب الابن بحسابك
بعد قبول الدعوة اضبط الإعدادات المناسبة
الرابط بالاسفل ينقلك مباشرة لإعدادات الربط
سلسلة دروس وتجارب 🛠️💡
فصل التخطيط عن كتابة الكود يوفر استهلاك الـ tokens فعلاً، لكن فيه فخ وارد:
إذا النموذج المخطط ما جهز خطة مقسمة لمهام صغيرة ومستقلة، النموذج الأقل قدرة راح يضيع ويبدأ يخمن في الملفات.
وقتها كل التوفير اللي كسبته في البداية بتدفعه أضعاف وأنت تعدل وتصلح أخطاء التنفيذ.
الحل هنا: تخلي النموذج القوي يكتب مواصفات الـ spec وشروط الفحص أولاً، والنموذج الثاني مهمته فقط يكتب كود ينجح هذي الاختبارات.
علي عسيري retweeted
الملخص الشامل لإعلانات OpenAI في DevDay 2026 وفي أي خطة تتوفر المزايا ✅
🤖 Made with AI
⛔️ مشكلة يعاني منها الكثير ❌
كثير منا يواجه تعطل GitHub Actions بسبب نفاد دقائق الـCI أو توقف الـRunner… فيتوقف المشروع رغم أن الكود سليم
المشكلة ما كانت في الكود نفسه.
أحيانا المشروع جاهز، والاختبارات جاهزة، والوكيل البرمجي يقدر يكمل شغله… لكن GitHub-hosted runner يتأخر أو ما يبدأ، وفي النهاية يتوقف الـCI ويتوقف معه سير العمل كله.
طبعاً حلها يا أنك ترفع الباقة ومعناتها مزيد من الصرف، أو تنتظر تجديد الحصة في نهاية الشهر.
طبعاً هذه المشكلة أنا أمر فيها بشكل دوري، ولاحظت ناس كثير يعانون من نفس المشكلة، فقلت في نفسي لابد اجد لها حل جذري.
بدل ما أتعامل مع المشكلة في كل مشروع بشكل منفصل، بنيت حل أبسط:
حوّلت جهازي إلى Self-hosted Runner يشغل مهام GitHub Actions محليا داخل WSL.
صار المسار عندي تقريبا كذا:
GitHub
← Push / PR
← GitHub Actions يرسل المهمة
← wsl-oss-lab يستلمها على جهازي
← Build + Tests + Lint + Typecheck
← النتيجة ترجع إلى GitHub
يعني GitHub ما زال يدير الـworkflow والـchecks والـPR، لكن الجهاز اللي ينفذ العمل صار جهازي أنا.
وهذي النقطة هي اللي فرقت معي.
ما ألغيت GitHub Actions، ولا بنيت CI جديد من الصفر.
فقط فصلت بين شيئين:
GitHub يدير المهمة.
وجهازي ينفذها.
أنشأت Runner مستقل داخل WSL باسم wsl-oss-lab، وله بيئة منفصلة حتى ما يتداخل مع شغلي اليومي أو المشاريع الثانية.
وأثناء التطبيق ظهرت نقطة مهمة:
بعض الـworkflows كانت مكتوبة بافتراض أنها ستعمل على GitHub-hosted runners، مثل الاعتماد على actions/setup-python.
فكان المطلوب تعديل صغير ومباشر ليتناسب المسار مع البيئة المحلية، واستخدمت uv مع Python 3.11 بدل بناء طبقة جديدة بالكامل.
بعدها شغلت المسار فعليا، ونفذ الـRunner محليا:
→ Checkout
→ تجهيز البيئة
→ تثبيت الاعتمادات
→ الاختبارات
→ Lint
→ Typecheck
→ Build
والنتيجة ترجع إلى GitHub كـcheck عادي داخل نفس دورة التطوير.
المفيد بالنسبة لي أن الحل مو مربوط بمشروع واحد.
أقدر بالتدريج أمرر عليه الأعمال المتكررة والثقيلة في مشاريعي، خصوصا الاختبارات والبناء والفحص، وأخلي GitHub هو بوابة التحقق والإدارة بدل ما يكون أيضا هو الجهاز الوحيد القادر على تنفيذ المهمة.
وهذا مناسب أكثر لوضعي؛ عندي أصلا جهاز شغال، WSL جاهز، وموارد حوسبة أدفع قيمتها من الأساس.
فليش يتوقف المشروع بالكامل لأن Runner سحابي ما اشتغل، بينما الاختبار نفسه يقدر يشتغل على جهازي؟
الآن صرت أنظر للـCI بطريقة مختلفة:
السحابة تدير الشغل، لكن مو لازم هي اللي تنفذه.
حل صغير نسبيا، لكنه عالج عندي مشكلة كانت تأثر على أكثر من مشروع بنفس الوقت.
🤖 كنت قبل فترة جربت الفكرة مع Grok Bot… ودخلت في تحدي مع نفسي للوصول الى مدى ابعد 🤔
لكن الحمد لله اللي وصلت له الآن طلع أبعد واوسع مما كنت أتخيل وفتحت لي مجالات ماكنت أتخيل أسويها 👀
طبعا الكلام من مجرد برنامج تشات عادي جدا… ليس Grok Bot بل واحد الجميع يعرفه.
لكن من خلفه أقدر أوصل لجهازي المحلي وأتعامل معه فعليا: تشغيل، تصفح، تنفيذ، أتمتة، اكمل مشاريعي وتجاربي وأتعامل مباشرة مع الأدوات والبرامج كأني جالس قدام الجهاز اتحكم فيه فعليا بكل شيء. بالدردشة بس.
انتبهوا التحكم من التشات فقط ومن اي مكان وبأي جهاز.
والأجمل؟ كل هذا بتكلفة اشتراك رخيصة جدا وربما شبه مجانية وبدون ما أدفع على كل خطوة أو كل مهمة تنفذ.
الطريقة نفسها بخليها غامضة حاليا…
بس اللي أقدر أقوله:
فيه لحظة معيّنة تحس فيها إن الموضوع ما عاد مجرد دردشة وسواليف معاه وفجأة تكتشف إن الشات نفسه صار بوابة لشيء أكبر بكثير. 🌅
والأحلى؟
إني فعليا شغلته واشتغل مثل ما كنت أبي… بس ما ودي أحرق المفاجأة بدري.
تتوقعون وش الباب اللي انفتح؟
خلونا نشوف أقرب تخمين… ويمكن أفك شوي من الغموض 😎
من باب التشويق اول واحد يجيبها صح باعطيه الطريقة. 🎁😘
علي عسيري retweeted
أبشروا بالتوكنات المجانية 😍🇨🇳🔥
الفترة الماضية شفنا الشركات الصينية توزع توكنات ببلاش ولا كأنهم محرومين من كروت Nvidia والحين عرفنا السبب!
زيارتي للصين كانت عشان أشوف الحدث هذا بعيني، وبالفعل طلع عتاد قوي جدًا...
هواوي كشفت عن عتادها الجديد... بنفس اليوم اعلنوا عن عشرات الشراكات مع بنوك وجهات صينية... الصين تتجهز عشان تكتسح المجال صحححح!
وشرحت كل شيء بالفيديو!
علي عسيري retweeted
قبل عدة أشهر سمعنا عن شركة صوت @UseSawt وكنا خايفين عليهم...
"قوقل بكرة بتنزل تحديث يفوز عليهم"
لكن لما زرتهم لقيتهم طاحنين الكل!
صوتين نجدي وحجازي داخل مودل رشيق خلاني اتطمن ان السعوديين في الصدارة... كفو صوت! وحنا معكم انتم وكل شركة سعودية ناشئة في الذكاء الإصطناعي.
الجزء الثالث | طيب… وش النماذج اللي تستحق ندخلها المختبر؟ 👀
بعد ما جهزنا المختبر وآلية العمل، جاء السؤال التالي:
وش نختبر أصلًا؟
ما كنت أبي أجمع أشهر النماذج وأحملها كلها.
كل نموذج يدخل لازم يجاوب على سؤال واضح.
هل هو مرجع نقارن عليه؟
هل هو مرشح سرعة؟
جودة؟
عربية؟
Agent واستخدام أدوات؟
ولا نموذج كبير نختبر معه حدود 8GB؟
البداية كانت مع Gemma 4 12B Q3_K_L.
كان عندنا له تشغيل سابق معروف مع Hermes، لذلك صار الـBaseline اللي نرجع له ونقيس أي تغيير مقابله.
وبجانبه وضعنا Gemma 4 12B QAT كمرشح لمعرفة هل نقدر نحصل على توازن أفضل بين الحجم والجودة.
وفي البحث الأولي ظهرت فئات مختلفة تماما .
Ministral 3 8B كنموذج أصغر وأخف وموجه أكثر للاستخدام السريع والأدوات.
Qwen3.6-35B-A3B كـMoE كبير، والفكرة معه كانت:
هل نقدر نوزع العمل بين GPU وCPU بشكل مقصود بدل ما نخلي Windows يرمي الذاكرة عشوائي إلى RAM؟
وظهرت ايضا أسماء مثل Muse Glimmer وNemotron 3.5 Lightning كمرشحين بحثيين للمهام الوكيلة.
لكن هنا مهم جدا نفرق:
وجود النموذج في البحث أو الخطة ما يعني أننا شغلناه.
مثل Nemotron مثلا :
كان موجودا في الخطة، لكن تشغيله بقي مؤجلا حتى نجد مسارا متوافقا بشكل واضح مع RTX 4060 Ti.
بعدها دخل Qwen3.8-27B، وهنا توسعت الفكرة بشكل كبير.
صار السؤال مو فقط:
وش أفضل نموذج يدخل داخل 8GB؟
بل:
إلى أي حد نقدر نشغل 27B على نفس البطاقة؟
ولهذا دخلت أكثر من نسخة Quant منه:
Q3
IQ2
IQ3
ونسخ مختلفة من Unsloth وAtomic وغيرها.
لأننا ما كنا نقارن أسماء النماذج فقط.
حتى الـQuant نفسه صار متغيرا مهما:
هل الأفضل دقة أعلى ونموذج أثقل؟
ولا Quant أخف يسمح بإبقاء جزء أكبر من النموذج قريبا من GPU؟
وبعد ما دخل Hermes كمدير للحملة، أعدنا ترتيب المرشحين بشكل أوضح.
صار عندنا مسار لنماذج الاستخدام اليومي حول فئة 8B و9B، مثل:
Qwythos 9B
Qwen3.5 9B
نسخ Qwen3.8-style 9B
Ministral 3 8B
ومسار منفصل لـQwen3.8-27B والـQuantizations المختلفة منه.
لكن القائمة ما ظلت ثابتة.
مع استمرار البحث ظهرت نماذج جديدة تستحق الدخول لأنها تضيف سؤالًا جديدا للمختبر.
منها Qwen3.8-9B-Distill.
ومعه Ornith 1.5 9B كمرشح آخر في نفس الفئة تقريبا.
ثم دخل Ornith 1.5 35B-A3B، لكن لغرض مختلف تمامًا:
مو كنموذج يومي صغير، بل كـMoE كبير نختبر معه توزيع الخبراء بين GPU وCPU/RAM.
يعني Ornith عندنا كان فعليا مسارين:
Ornith 1.5 9B للمسار اليومي.
Ornith 1.5 35B-A3B لمسار النماذج الكبيرة والـMoE.
وبعدها دخل ASL-4B كمرشح متخصص أكثر في العربية.
ودخل Gemma 4 E4B كفئة أصغر للمقارنة.
واستمرت القائمة تتغير مع ظهور نماذج جديدة، لكن بنفس القاعدة:
ما نضيف نموذج لمجرد أنه جديد.
لازم يكون عندنا سبب واضح لاختباره.
وهنا صار عندنا بدل (قائمة نماذج ) مجموعة أدوار:
Baseline ثابت.
نموذج يومي سريع.
نموذج متخصص بالعربية.
نموذج Agentic.
نموذج كبير لاختبار حدود 8GB.
MoE لاختبار CPU/GPU placement.
ونسخ Quant مختلفة حتى نعرف فعليا وش اللي نكسبه مقابل كل تنازل في الحجم والجودة.
والأهم:
مرشح بحثي ≠ نموذج محمل.
نموذج محمل ≠ نموذج مختبر.
Benchmark سرعة ≠ نموذج مناسب لـHermes.
أما نماذج الصوت مثل Kokoro وQwen3-TTS، فهذه دخلت لاحقا كمسار TTS مستقل داخل نفس المختبر، ولها قصة وتجارب مختلفة بنوصل لها في وقتها. 🎙️
بعد ما تحددت هذه الخريطة…
بدأت الاختبارات الفعلية.
وهنا ظهر أول درس كبير:
وجود 8GB VRAM على الكرت ما يعني أنك تملك 8GB كاملة للنموذج.
وهذا بيكون الجزء القادم. 👀
علي عسيري retweeted
تدعوكم جامعة شقراء ممثلة بعمادة شؤون الطلاب برنامج بعنوان:
برنامج مسار الإتقان في الذكاء الاصطناعي (AI Fluency Pathway) بالتعاون مع IBM.
التفاصيل: برنامج تدريبي تفاعلي عن بُعد لمدة 10 أسابيع يهدف لتنمية المهارات العملية.المميزات: شهادات رقمية معتمدة من IBM SkillsBuild، والبرنامج مجاني بالكامل
آخر موعد للتسجيل هو 13 يوليو 2026.
شهادات معتمدة
للتسجيل
ibm.biz/KSA-LEX26Q2AIFP-SU





















