تجربة Qwen3.8 27B: حل الجمع وكتابة الناتج بالكلمات على عتاد محلي

ما الذي حدث؟

أعاد الباحث والمطوّر تجربة قديمة كان كولن فرايزر قد أجراها قبل عامين باستخدام GPT-4o، لاختبار قدرة النموذج على حساب مجموع أعداد كبيرة ثم كتابة الناتج بالكلمات بدلاً من الأرقام. هذه المرة نُفّذت التجربة على عتاد محلي (DGX Spark) وبتحكم كامل في البيئة، باستخدام النموذج Qwen3.8-27B-Q4_K_M.gguf.

تفاصيل التجربة

• مع تعطيل الاستدلال: 30 محاولة لكل تركيبة، وظهرت أخطاء واضحة مع تزايد حجم الأعداد.
• مع تشغيل الاستدلال: محاولة واحدة فقط لكل تركيبة بسبب الوقت الأطول، وحقق النموذج 167 إجابة صحيحة من 169.

آثار الاستدلال المنشورة تُظهر خطوات جمع يدوية من اليمين إلى اليسار مع معالجة الحمل (carry)، مثل:

Position 1 (units): 2 + 0 = 2
Position 2 (tens): 2 + 7 = 9
Position 3 (hundreds): 6 + 9 = 15, write 5, carry 1

لماذا يهم هذا؟

الاختبار يكشف الفرق بين الحساب الفعلي ومحاكاة الأنماط اللغوية. عند تعطيل الاستدلال يميل النموذج إلى إنتاج إجابات تبدو معقولة لكنها خاطئة، بينما يدفعه الاستدلال إلى تفكيك المسألة خطوة بخطوة.

دلالات للمؤسسات في المنطقة

• الخصوصية: تشغيل نموذج بحجم 27B محلياً يعني بقاء البيانات داخل البنية التحتية، وهو شرط أساسي للجهات الحكومية والقطاعات المنظمة.
• التكلفة: العتاد المحلي يقلل الاعتماد على واجهات برمجية خارجية للمهام المتكررة.
• الحدود: تجربة واحدة على عتاد واحد لا تكفي لتعميم النتائج، ويجب إجراء اختبارات داخلية قبل الاعتماد الإنتاجي.

خلاصة

النتيجة تشير إلى أن الاستدلال عامل حاسم في دقة العمليات الحسابية للنماذج المحلية متوسطة الحجم، وأن Qwen3.8 27B يقدم أداءً واعداً في هذا النوع من المهام عند تشغيله على عتاد مناسب.

تنويه: هذا المقال يلخّص معلومات من المصدر المذكور. للأرقام والتواريخ الرسمية، راجع الرابط الأصلي. لا نضيف تفاصيل غير منشورة في المصدر.