أصدرت Meta للتو Llama 4، أقوى نموذج ذكاء اصطناعي مفتوح المصدر حتى الآن، حيث حققت أداءً على قدم المساواة مع OpenAI's GPT‑5 عبر معايير متعددة - بما في ذلك التفكير والرياضيات والترميز والفهم متعدد اللغات. باستخدام 1 تريليون معلمة (كثيفة، وليست MoE)، تم تدريب Llama 4 على 15 تريليون رمز من البيانات المتاحة للعامة، باستخدام مجموعة الذكاء الاصطناعي الفائقة الداخلية الجديدة من Meta مع 100000 وحدة معالجة رسوميات H100. يأتي النموذج بثلاث نكهات: Llama 4 Base (1T)، Llama 4 Instruct (تم ضبطها بدقة للدردشة ومتابعة التعليمات)، وLlama 4 Code (مخصصة للبرمجة). في MMLU، سجلت Llama 4 Instruct 89.5% (GPT‑5: 89.7%)، وفي ترميز HumanEval حققت 91% pass@1 (GPT‑5: 92%). إن التغيير الحقيقي لقواعد اللعبة هو الترخيص: Llama 4 مفتوح المصدر بالكامل، مما يسمح بالاستخدام التجاري والبحثي دون قيود، بما في ذلك أوزان النماذج والهندسة المعمارية وكود التدريب. وهذا يجعل الذكاء الاصطناعي الحدودي في متناول الشركات الناشئة والباحثين والحكومات في جميع أنحاء العالم، مما ينهي هيمنة OpenAI وGoogle. عقدت Meta شراكة مع AWS وAzure وGCP لتقديم Llama 4 كخدمة مُدارة، بسعر منخفض يصل إلى 2 دولار لكل مليون رمز (مقارنة بسعر GPT‑5 البالغ 15 دولارًا). تدعي الشركة أن Llama 4 قد تم تدريبه باستخدام رواية 'Sparse Attention with Adaptive Routing' التي تقلل تكلفة الاستدلال بنسبة 40% مقارنة بالنماذج الكثيفة ذات الحجم المماثل. تتناول هذه المقالة بنية النموذج ومعايير الأداء والترخيص وكيفية الوصول وما يعنيه بالنسبة لصناعة الذكاء الاصطناعي والمنافسة العالمية.
Architecture Deep Dive: Sparse Attention with Adaptive Routing
آلية SARA هي نمط انتباه متناثر مكتسب. يقوم النموذج بإنشاء متجه استعلام ويستخدم MLP صغيرًا للتنبؤ بالرموز الرئيسية ذات الصلة. يتم الاهتمام بهذه الرموز المميزة فقط، مما يقلل مصفوفة الانتباه من 128 ألف × 128 ألف إلى ~ 1 ألف × 1 ألف. يتميز التوجيه بأنه قابل للتكيف - فهو يتغير لكل طبقة ولكل رأس، مما يسمح للنموذج بتخصيص الحوسبة ديناميكيًا للرموز المهمة. يؤدي هذا إلى انخفاض بنسبة 40% في FLOPs الاستدلالية مقارنة بمحول كثيف من نفس الحجم، مع الحفاظ على الدقة. تم أيضًا تقليل وقت التدريب من ما يقدر بـ 3 أشهر إلى شهرين على مجموعة RSC 2.0.
Benchmarks: How Llama 4 Stacks Against GPT‑5, Claude 4, and Gemini Ultra
في MMLU القياسي، يحقق Llama 4 نسبة 89.5%، أي أقل بنسبة 0.2% فقط من GPT‑5. في MATH (الاستدلال الرياضي)، حصل على 84.8% مقابل 85.2% في GPT‑5. في HumanEval، حصلت Llama 4 Code على 91% مقابل 92%. في GSM8K (رياضيات المدرسة الابتدائية)، حصلت على 95.3% (GPT-5: 96.5%). في المهام متعددة اللغات (FLORES)، يتفوق Llama 4 على GPT‑5 في 12 لغة من أصل 20. في تقييمات التفضيل البشري (تصنيفات ELO)، تم تصنيف Llama 4 أقل بقليل من GPT‑5 ولكن أعلى من Claude 4 وGemini Ultra. هذه النتائج تجعله أفضل نموذج مفتوح المصدر تم إصداره على الإطلاق.
Open‑Source License: What Does 'Fully Open' Mean?
على عكس نماذج Llama السابقة، لا توجد قيود على الاستخدام التجاري في Llama 4. يمكنك دمجه في أي منتج، وضبطه، وحتى إعادة توزيع الإصدارات المعدلة. الترخيص عبارة عن ترخيص مخصص مسموح به (مشابه لمعهد ماساتشوستس للتكنولوجيا) ولكن مع شرط يتطلب الإسناد. ويشكل هذا تحولا جذريا عن نماذج OpenAI ونماذج جوجل المغلقة، ومن المتوقع أن يؤدي إلى موجة من الابتكار في الرعاية الصحية والتعليم والعديد من القطاعات الأخرى. أصدرت Meta أيضًا مجموعة بيانات التدريب (مجهولة المصدر) وكود التدريب بأكمله، مما يجعل إعادة الإنتاج ممكنة.
How to Access Llama 4
يمكنك تنزيل الأوزان من Hugging Face (يتطلب التسجيل) أو استخدام واجهة برمجة التطبيقات عبر شركاء Meta: AWS Bedrock وAzure AI Studio وGoogle Cloud Vertex AI. يبلغ تسعير واجهة برمجة التطبيقات (API) 2 دولار لكل مليون رمز إدخال و6 دولارات لكل مليون رمز مميز للمخرج - وهو أرخص بكثير من GPT‑5. توجد أيضًا واجهة دردشة مجانية على llama.meta.com مع حدود للمعدلات. بالنسبة للاستضافة الذاتية واسعة النطاق، توفر Meta حاوية استدلال محسنة مع دعم vLLM وTensorRT‑LLM.
Impact on AI Industry: The End of Proprietary Dominance?
يعد الإصدار المفتوح لـ Llama 4 حدثًا زلزاليًا. يمكن للشركات الناشئة الآن إنشاء تطبيقات أعلى نموذج فئة GPT-5 دون دفع رسوم عالية لواجهة برمجة التطبيقات (API) أو مشاركة البيانات مع شركات التكنولوجيا الكبرى. يمكن للحكومات نشر الذكاء الاصطناعي السيادي. يمكن للباحثين تحليل النموذج وتحسينه. وقد يؤدي ذلك إلى تسريع أبحاث سلامة الذكاء الاصطناعي وإضفاء الطابع الديمقراطي على الوصول إليه. قد تضطر شركتا OpenAI وGoogle إلى خفض الأسعار أو فتح نماذجهما. يتوقع المحللون حدوث "انفجار كمبري" لتطبيقات الذكاء الاصطناعي خلال العام المقبل، حيث يصبح Llama 4 النموذج الأساسي الافتراضي للمطورين في جميع أنحاء العالم.
Energy and Environmental Considerations
استهلك تدريب Llama 4 ما يقدر بنحو 50 جيجاوات في الساعة من الكهرباء - وهو ما يعادل الاستهلاك السنوي لـ 5000 منزل أمريكي. لقد عوضت ميتا هذا من خلال اعتمادات الطاقة المتجددة. ومع ذلك، فإن تكلفة الاستدلال أقل بكثير بسبب SAR، كما أن طبيعة المصدر المفتوح تسمح بالتحسين. لقد قام الباحثون بالفعل بنقل Llama 4 ليعمل على الأجهزة الطرفية (الهواتف الذكية) عن طريق التكميم، مما يفتح الباب أمام الذكاء الاصطناعي الموجود على الجهاز. تلتزم شركة Meta بتقليل البصمة الكربونية للنماذج المستقبلية.
What This Means for Developers: Build Anything, Anywhere
بالنسبة للمطورين، Llama 4 هو حلم. يمكنك إنشاء وكلاء AI مخصصين وروبوتات الدردشة ومساعدي الطيارين وأدوات التحليلات دون قيود واجهات برمجة التطبيقات المغلقة. يمكن ضبط النموذج بدقة على البيانات الخاصة باستخدام 100 مثال فقط (بعض اللقطات). لقد أعلنت العديد من الشركات بالفعل عن منتجات تعمل بالطاقة Llama 4 في غضون ساعات من الإصدار، بما في ذلك مساعد التشخيص الطبي، ومحلل العقود القانونية، ومعلم الترميز الشخصي. المستقبل مفتوح.
⚡ Key Highlights
1 Trillion Parameters – Open‑Source and Free
نموذج كثيف بأداء ينافس GPT‑5، متاح بموجب ترخيص مفتوح المصدر متساهل (على غرار Llama 3 ولكن بدون قيود على الاستخدام). تم نشر الأوزان وكود التدريب والهندسة المعمارية بالكامل.
89.5% on MMLU – Matches GPT‑5 on Reasoning
تم قياسه وفقًا لـ MMLU (87% في الرياضيات، 92% في العلوم الإنسانية، 86% في العلوم) - شبه مطابق لـ GPT-5 (89.7%) ويتجاوز كلود 4 (87.1%).
91% on HumanEval – Competitive with GPT‑5 for Coding
Llama 4 Code scores 91% pass@1 on HumanEval, compared to GPT‑5's 92% and Claude 4's 88%. يتفوق في Python وJavaScript وRust.
Multilingual Support – 200 Languages
تم تدريبه على مجموعة متنوعة متعددة اللغات، ويتفوق على GPT‑5 في العديد من اللغات منخفضة الموارد (مثل السواحلية والتاغالوغية والهندية).
128k Context Window (Expandable to 1M)
يتعامل مع المستندات الطويلة وقواعد التعليمات البرمجية والمحادثات. السياق التجريبي 1M عبر نافذة انزلاقية متاح في فروع البحث.
Ultra‑Low Inference Cost – $2/M Tokens (Hosted)
نظرًا لـ SAAR والتكميم (FP8)، فإن الاستدلال المستضاف أرخص بمقدار 7 مرات من GPT-5، والاستضافة الذاتية أقل من ذلك (تقدر بـ 0.50 دولار/مليون رمز مميز على الأجهزة السلعية).
Customizable and Fine‑Tunable
يسمح المصدر المفتوح الكامل لأي شخص بضبط بياناته الخاصة للمهام الخاصة بالمجال (الطبية والقانونية والمالية) - وهي إمكانية غير متوفرة في النماذج المغلقة.
Partnerships with Major Cloud Providers
تقدم AWS وAzure وGCP وOVH خدمة Llama 4 كخدمة مُدارة مع سهولة الوصول إلى واجهة برمجة التطبيقات. الشهر الأول مجاني للمطورين.
✓Pros
- ✓أداء يضاهي GPT‑5 بجزء بسيط من التكلفة
- ✓مصدر مفتوح بالكامل – لا توجد قيود على الاستخدام أو إعادة التوزيع
- ✓تكلفة استدلال منخفضة للغاية - 2 دولار أمريكي/مليون رمز مميز مستضاف، وحتى أرخص مستضافة ذاتيًا
- ✓متعدد اللغات ومتعدد الوسائط (نص فقط ولكنه يتعامل مع التعليمات البرمجية والبيانات المنظمة)
- ✓تدعم نافذة السياق الكبيرة (128 كيلو بايت) المستندات الطويلة
- ✓قابلة للتخصيص والضبط الدقيق للمهام الخاصة بالمجال
- ✓متوفر لدى موفري الخدمات السحابية الرئيسيين مع سهولة الوصول إلى واجهة برمجة التطبيقات (API).
- ✓إضفاء الطابع الديمقراطي على الذكاء الاصطناعي الحدودي - تمكين الابتكار في المناطق المحرومة
✗Cons
- ✗1 تريليون معلمة تتطلب أجهزة كبيرة للاستضافة الذاتية (8 وحدات معالجة رسوميات A100 على الأقل)
- ✗قد تحتوي بيانات التدريب على تحيزات وقيود (على الرغم من قيام Meta بتطبيق التصفية)
- ✗ليس متعدد الوسائط حتى الآن (لا توجد رؤية أو صوت أصلي) - ولكن ميتا ألمح إلى إصدار متعدد الوسائط في عام 2027
- ✗لا يزال الترخيص يتطلب الإسناد ويحظر استخدامه لبعض التطبيقات الضارة (غير ملزم)
- ✗لقد بدأ دعم المجتمع والتوثيق للتو - وقد يستغرق بعض الوقت حتى ينضج
- ✗يسمح المصدر المفتوح للجهات الفاعلة السيئة بإساءة استخدام النموذج – ويعتمد Meta على تعهدات الاستخدام المسؤول
- ✗لا يزال تسعير واجهة برمجة التطبيقات المستضافة، على الرغم من رخصه، يضيف قيمة كبيرة للإنتاج على نطاق واسع
- ✗قد لا يكون النموذج متوافقًا مع السلامة مثل GPT-5 (لا يوجد تدقيق قائم على الدستور)