نظرة عامة على Llama وMistral وQwen
تعرّف على عائلات النماذج الثلاث الكبرى ذات الأوزان المفتوحة: التراخيص والأحجام وما يناسب كل عائلة.
نظرة عامة على Llama وMistral وQwen درس مجاني في AI Agents على CoddyKit. هذا هو الدرس 1 من أصل 4. يمكنك قراءة الدرس كاملاً أدناه مجاناً — ثم تمرن عليه مباشرة في المتصفح باستخدام محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7. هذا الدرس جزء من مسار التعلم في AI Agents، وتقدمك يتزامن عبر الويب وتطبيق CoddyKit. تتضمن دورة AI Agents 4 دروس في المجموع.
بعض أجزاء هذا الدرس لم تُترجم بعد وتظهر باللغة الإنجليزية.
لماذا المصادر المفتوحة؟
تمنحكم النماذج ذات الأوزان المفتوحة ما يلي:
- عدم وجود تكلفة API لكل رمز
- خصوصية البيانات — إذ يعمل النموذج على أجهزتكم
- إمكانية التخصيص، أي الضبط الدقيق، على أي نطاق
- عدم الارتهان لمورّد
التكلفة: ساعات المهندسين، وفواتير GPU، وجودة تكون عادةً أقل عند مقارنة أحدث النماذج.
عائلة Llama (Meta)
- أُطلقت بين عامي 2023 و2025 بأحجام تتراوح من 1B إلى 405B
- تتمتع Llama 3.x بقدرات عالية؛ وينافس الإصدار 8B النماذج المغلقة متوسطة المستوى
- ترخيص مجتمعي، يسمح بالاستخدام التجاري ضمن شروط
- منظومة ضخمة؛ ومعظم عمليات الضبط الدقيق مشتقة من Llama
عائلة Mistral (Mistral AI)
- Mistral 7B Instruct — نموذج صغير قوي
- Mixtral 8x7B — مزيج من الخبراء، سريع وقادر
- Mistral Large / Medium — أوزان مغلقة، ومتاحة عبر API
- ترخيص Apache 2.0 للإصدارات المفتوحة
عائلة Qwen (Alibaba)
- Qwen 2.5 — نموذج استدلال رائد مفتوح الأوزان لعام 2024
- دعم ممتاز لتعدد اللغات، وخاصة الصينية
- أحجام تتراوح من 0.5B إلى 72B
- Apache 2.0
نماذج أخرى بارزة
- Gemma (Google) — صغير ومصقول
- Phi (Microsoft) — صغير جدًا لكنه قادر
- DeepSeek — استدلال قوي بتكلفة أقل
- Yi — قوي في تعدد اللغات
اختيار الحجم
| الحجم | حالة الاستخدام |
|---|---|
| 1-3B | أجهزة الحافة، والهواتف المحمولة، والتصنيف |
| 7-8B | GPU واحد، ووكلاء بسيطون |
| 13-30B | GPU أكبر أو من 2 إلى 4 وحدات GPU صغيرة، ووكلاء فعليون |
| 70B+ | عدة وحدات GPU، وجودة رائدة |
المعايير المهمة
- MMLU — المعرفة العامة
- GSM8K — الرياضيات
- HumanEval — التعليمات البرمجية
- MT-Bench — جودة المحادثة
- HELM / LMSYS Chatbot Arena — تفضيلات البشر
اختاروا معايير تتوافق مع مهمتكم أنتم.
الفجوة مع النماذج الرائدة تضيق
لا تزال النماذج المغلقة الرائدة، مثل GPT-4o وClaude Sonnet 4.5، متقدمة في أصعب المعايير. لكن نماذج 70B المفتوحة تضاهي النماذج المغلقة متوسطة المستوى في معظم مهام الوكلاء.
اعتبارات الترخيص
تحققوا من ترخيص كل نموذج:
- Apache 2.0 — متساهل بالكامل
- ترخيص Llama المجتمعي — يفرض قيودًا على الخدمات واسعة النطاق جدًا وبعض حالات الاستخدام
- بعض التراخيص مخصصة "للبحث فقط" — ولا تسمح بالنشر التجاري
الاستضافة الذاتية مقابل الاستضافة المُدارة
يمكنكم استخدام النماذج المفتوحة عبر واجهات API مُدارة، مثل Together AI وAnyscale وGroq وFireworks، من دون تشغيل البنية التحتية — وغالبًا بتكلفة أقل من OpenAI للجودة نفسها.
Hosted Open Models on Groq
from openai import OpenAI
client = OpenAI(
base_url='https://api.groq.com/openai/v1',
api_key=GROQ_KEY
)
response = client.chat.completions.create(
model='llama-3.1-70b-versatile',
messages=[{'role': 'user', 'content': 'Hello'}]
)متى تتفوق OSS؟
- عندما تكون الخصوصية بالغة الأهمية: المجالات الطبية والقانونية والدفاعية
- عند الأحجام الكبيرة جدًا: إذ تهم تكلفة السنتات لكل استدعاء
- عند الحاجة إلى تخصيص مكثف: ضبط دقيق لمجال محدد
- في حالات تعدد اللغات التي يكون فيها أداء المورّدين المغلقين ضعيفًا
متى تتفوق النماذج المغلقة؟
- الاستدلال الرائد
- تعدد الوسائط، مثل الرؤية والصوت
- السياق الطويل: لا تزال Claude وGemini في الصدارة
- إنشاء النماذج الأولية بسرعة
أصغر نموذج قادر
بالنسبة إلى وكيل داخلي بسيط يعمل على GPU واحد، ما نطاق الحجم المعتاد؟
خلاصة
تُعد Llama وMistral وQwen أكبر ثلاث عائلات. اختاروا أصغر حجم يفي بمتطلبات الجودة. ويتيح لكم المورّدون المُدارون، مثل Groq وTogether، تجنب تشغيل البنية التحتية.
تعلم AI Agents مع معلم ذكاء اصطناعي — مجانًا
اكتب وقم بتشغيل أكوادك الفعلية في المتصفح، واحصل على مساعدة فورية من معلم ذكاء اصطناعي متاح 24/7، واستمر من حيث توقفت على الويب أو في التطبيق.
- الدورات
- 60
- الدروس
- 239
الأسئلة الشائعة
هل درس «نظرة عامة على Llama وMistral وQwen» مجاني؟
نعم — نص درس «نظرة عامة على Llama وMistral وQwen» كامل متاح مجاناً هنا على الويب. لتمرينه بشكل تفاعلي (محرر أكواد مدمج ومدرس ذكاء اصطناعي متاح 24/7) وفتح باقي دورة AI Agents، انتقل إلى CoddyKit PRO. تتضمن دورة AI Agents 4 دروس في المجموع.
ماذا ستتعلم في «نظرة عامة على Llama وMistral وQwen»؟
تعرّف على عائلات النماذج الثلاث الكبرى ذات الأوزان المفتوحة: التراخيص والأحجام وما يناسب كل عائلة. تتمرن على AI Agents مع أكواد عملية تشغلها مباشرة في المتصفح، ومدرس ذكاء اصطناعي متاح 24/7 يجيب على أسئلتك أثناء عملك.
هل أحتاج إلى خبرة سابقة لأبدأ AI Agents؟
لا تُشترط خبرة سابقة. AI Agents على CoddyKit منظم للمبتدئين حتى المتقدمين، لذا يمكنك البدء من هنا أو من البداية والتقدم بسرعتك الخاصة. هذا هو الدرس 1 من أصل 4.
كم من الوقت يستغرق درس «نظرة عامة على Llama وMistral وQwen»؟
معظم دروس CoddyKit تستغرق حوالي 5–10 دقائق. كل منها موجز وتفاعلي، لذا تحرز تقدماً مستمراً وتستأنف من حيث توقفت عبر الويب والتطبيق.
هل يمكنني كتابة وتشغيل أكواد في درس AI Agents هذا؟
نعم. كل درس في AI Agents يتضمن محرر أكواد مدمج، لذا تكتب وتشغل أكواداً حقيقية مباشرة في متصفحك وتحصل على تعليقات فورية من الذكاء الاصطناعي — بدون إعداد محلي.
جميع الدروس في هذه الدورة
- نظرة عامة على Llama وMistral وQwen
- تشغيل النماذج المحلية باستخدام Ollama وllama.cpp
- استدعاء الدوال في النماذج المفتوحة (Hermes وFunctionary)
- المفاضلات: زمن الاستجابة والتكلفة والقدرة