ماذا يعني 8B في نماذج الذكاء الاصطناعي؟ 8 مليارات معامل و5 GB للتشغيل

8B عدد للأوزان، ويتنبأ بالذاكرة أفضل بكثير مما يتنبأ بالجودة

ثلاثة نماذج 8B تحصل على 6 و7 و11 في مؤشر الذكاء من Artificial Analysis (مؤشر مركّب من اختبارات عامة في الاستدلال والبرمجة والمعرفة، قُرئ في 26 سبتمبر 2026)، بينما يخزّن Kimi K3 ما يبلغ 2.8 تريليون معامل، أي 350 ضعفًا، ليحصل على 44. يعرض الرسم 13 نموذجًا مفتوحًا نُشر لها الرقمان؛ كل عدد هو الإجمالي من بطاقة النموذج لدى الشركة نفسها، وكل درجة هي للوضع الافتراضي، عدا النماذج الثلاثة الموسومة بأقصى جهد، فدرجتها عند أقصى جهد استدلال.

الخط المنقط هو الحد الأمامي، أي أفضل درجة عند كل حجم، وهو يرتفع 33 نقطة عبر زيادة قدرها 350 ضعفًا في المعاملات. وتحته، يتّسع التباين عند الحجم الواحد بقدر اتساعه بين الأحجام. يخزّن Llama 4 Maverick نحو 400 مليار معامل ويحصل على 10، أي نقطة أقل من نموذج 8B من IBM.

ما المعاملات في الذكاء الاصطناعي؟ هي الأعداد المتعلَّمة التي يتنبأ بها النموذج

المعامل هو عدد واحد متعلَّم، أي وزن في الشبكة يعدّله التدريب ويرجع إليه النموذج عند كل رمز يتنبأ به. تعدّ 8B ثمانية مليارات منها، والحرف B يعني مليارًا كما يعني الحرف G في GB جيجا. تصف بطاقة Meta نموذج Llama 3.1 بأنه "a collection of pretrained and instruction tuned generative models in 8B, 70B and 405B sizes". لا يُعدّ شيء آخر: لا بيانات التدريب ولا نافذة السياق. يشرح ما هو النموذج اللغوي الكبير كيف تُضبط الأوزان.

يظهر حرفان آخران على بطاقات النماذج. M تعني مليونًا، وفيها تعيش نماذج التضمين والرؤية الصغيرة، وT تعني تريليونًا: بطاقة Kimi K3 تذكر 2.8T. أما اسم مثل Qwen3.6 35B A3B أو عبارة DeepSeek "284B parameters, 13B activated" فيدل على نموذج خليط خبراء، يخزّن كل المعاملات لكنه يستخدم جزءًا منها فقط (3 مليارات من 35 في حالة Qwen) عند كل رمز. المعاملات النشطة تحدد السرعة. والمعاملات الإجمالية تحدد الذاكرة، وبالتالي تقرر هل يُحمَّل النموذج أصلًا.

كم ذاكرة يحتاج نموذج 8B؟ 16 GB عند 16 بت وحوالي 5 GB بعد التكميم

يحتاج نموذج 8B إلى نحو 16 GB من الذاكرة عند 16 بت، ونحو 5 GB كتنزيل بدقة 4 بت الذي يشغّله معظم الناس، إضافة إلى ذاكرة عمل للمحادثة. الحساب هو المعاملات مضروبة في البايتات لكل وزن: بايتان في صيغ 16 بت التي تنشرها الشركات (يحسب دليل الذاكرة في Hugging Face نسخة fp16 من الأوزان بايتين لكل معامل)، وبايت واحد عند 8 بت، ونصف بايت عند 4 بت. وهذه عائلة Llama 3.1 التي تقدمها Ollama بالأحجام الثلاثة، فُحصت في 26 سبتمبر 2026.

العمود الأخير من حسابنا نحن: حجم التنزيل بالبتات مقسومًا على عدد المعاملات، وهو يبيّن أن قاعدة 4 بت التقريبية تقلل مما تنزّله فعلًا بنحو 20 بالمئة: كل أحجام Llama 3.1 تقع عند 4.8 إلى 4.9 بت لكل وزن، لا 4. لذا خصّص 5 GB لنموذج 8B، و43 GB لنموذج 70B (تذكر صفحة llama3.3 في Ollama أن Llama 3.3 70B بالحجم نفسه 43 GB)، و243 GB لنموذج 405B.

ولهذا فـ 8B هو الحجم الذي يتحدث عنه الجميع: 4.9 GB تتسع في حاسوب محمول بذاكرة 16 GB أو بطاقة رسوميات 8 GB. تقول بطاقة Mistral لنموذج Ministral 3 8B إنه يتسع في 12 GB من VRAM بدقة FP8 وأقل بعد التكميم؛ وتقول بطاقتها لنموذج Mistral Small 3.1 ذي 24B إنه يعمل على بطاقة RTX 4090 واحدة أو MacBook بذاكرة 32 GB بعد التكميم. أما نموذج 70B بحجم 43 GB فيحتاج إلى Mac بذاكرة 64 GB أو بطاقتين بسعة 24 GB، وما فوق ذلك تستأجر خادمًا.

هل 8B أفضل أم 70B؟ نموذج 8B لعام 2026 يتفوق على 70B لعام 2024

العمر يغلب الحجم: نموذج Granite 4.2 8B من IBM، الذي صدر في 25 أغسطس 2026، يحصل على 11 في مؤشر الذكاء، بينما يحصل Llama 3.3 70B من Meta الصادر في ديسمبر 2024 على 8، ويحصل Llama 3 70B الصادر في أبريل 2024 على 5، وهو تقدير من Artificial Analysis. نموذج 70B يملك نحو تسعة أضعاف الأوزان. العدد يسجل حجم الشبكة ولا يقول شيئًا عن البيانات أو الوصفة التي دُرّبت بها، وهناك ذهب تقدم عامين. الدرجات أدناه حتى 26 سبتمبر 2026؛ وأعداد المعاملات من الشركات نفسها.

داخل العائلة الواحدة والجيل الواحد، ما زال الحجم يفيد: Granite 4.2 بأحجام 3B و8B و30B يحصل على 9 و11 و15. أما عبر الأجيال فلا يفيد، وفي صفوف خليط الخبراء يتباعد الإجمالي والنشط بمقدار 18 إلى 33 ضعفًا، فالرقم الظاهر ليس حتى الرقم الذي يعمل عند كل رمز.

الأوزان نفسها قد تبعد 14 نقطة عن بعضها. يحصل Qwen3.8 27B على 20 في وضعه الافتراضي وعلى 34 عند رفع جهد الاستدلال إلى xhigh، لأن المؤشر يقيس أيضًا المدة التي يفكر فيها النموذج قبل أن يجيب. يشرح ما هو نموذج الاستدلال هذا المقبض.

لماذا لا تنشر نماذج GPT وClaude وGemini الرائدة عدد معاملاتها

لا تنشر النماذج المغلقة الرائدة حجمها لأن العدد تفصيل تنافسي، ولأن عدد أوزان لا يمكنك تنزيلها لا يفيدك بشيء. آخر عدد نشرته OpenAI لنموذج GPT رائد كان GPT-3 بـ 175 مليارًا، في ورقة عام 2020 التي قدمته؛ أما الأحجام التي تنشرها فهي لأوزانها المفتوحة، وتعطي بطاقة gpt-oss عن أغسطس 2025 للنموذج gpt-oss-120b عدد 116.8 مليار إجمالًا و5.1 مليار معامل نشط. وأعطت Google أحجامًا فقط لـ Gemini Nano على الجهاز، 1.8 مليار و3.25 مليار معامل في تقرير Gemini 1.0، ولم تعطِ شيئًا لـ Pro أو Ultra. حتى سبتمبر 2026، يحصل GPT-6 Astra وClaude Fable 5.1 كلاهما على 53 في لوحة Artificial Analysis دون أي حجم بجانبهما، أي تسع نقاط فوق Kimi K3، أكبر نموذج مفتوح بـ 2.8 تريليون.

اقرأ العدد حين تشتري عتادًا، واقرأ الدرجة حين تشتري إجابات

عدد المعاملات هو أول رقم تقرؤه إن شغّلت نموذجًا بنفسك، لأنه يحدد هل تُحمَّل الأوزان، وهو من آخر ما يهم إن استخدمت منتج دردشة مستضافًا. فالمزود المستضاف اشترى العتاد بالفعل، فما تدفعه يتبع سعر الرمز لا الحجم.

للاستخدام الخاص أو دون إنترنت، المنتج المستضاف هو الأداة الخطأ: نزّل Llama 3.1 8B بحجم 4.9 GB عبر Ollama، أو الأوزان نفسها عبر LM Studio، ولن تدفع شيئًا غير مساحة القرص. يشرح دليل النماذج اللغوية مفتوحة المصدر التراخيص.