أفضل نموذج لغوي عربي اليوم يضم 7 مليارات معامل

أعلن معهد الابتكار التكنولوجي (Technology Innovation Institute) في أبوظبي في يناير 2026 عن فالكون H1 العربي (Falcon-H1 Arabic)، وهي عائلة من النماذج اللغوية مبنية على بنية هجينة تجمع مامبا وترانسفورمر (Mamba-Transformer)، وأُطلقت بأحجام 3 و7 و34 مليار معامل. وعلى لوحة صدارة النماذج اللغوية العربية المفتوحة (Open Arabic LLM Leaderboard)، سجّل النموذج ذو 7 مليارات معامل متوسطاً بلغ 71.47% عبر المهام، فيما سجّل نموذج 34 مليار معامل 75.36%، متقدماً على بعض النماذج متعددة الأغراض التي تضم أكثر من ضعف عدد معاملاته. غير أن النتيجة اللافتة ليست أعلى درجة، بل ما يوحي به رقم النموذج ذي 7 مليارات معامل بشأن حجم ما لا يخدم العربية من سعة النماذج الكبيرة. فالنموذج الرائد الذي يُدرَّب في معظمه على نصوص إنجليزية يكرّس معظم سعته للإنجليزية. والعربية حاضرة في بيانات التدريب، لكن بوصفها لغة أقلية ذات بنية صرفية مختلفة، فهي غنية بالتصريف، وتُكتب من دون الحركات القصيرة، وموزعة بين سجل فصيح مكتوب ونحو اثنتي عشرة لهجة محكية متباعدة فيما بينها. أما النموذج المبني خصيصاً للعربية فيوزّع معاملاته بطريقة مختلفة، إذ لا يحتاج إلى استيعاب الإنترنت الإنجليزي بأكمله في الأوزان نفسها، ولا تُقطّع أداة الترميز فيه الكلمات العربية إلى أجزاء غير فعّالة. ولذلك يمكن لسبعة مليارات معامل موزعة بإحكام أن تتفوق على نموذج عام أكبر بكثير في اللغة التي خُصصت لها. والنتيجة العملية بالنسبة للمشتري هي تكلفة النشر. فالنموذج ذو 7 مليارات معامل يعمل على مسرّع واحد، ويمكن استضافته داخل مركز البيانات الخاص بالبنك، وضبطه على وثائقه الداخلية، وتشغيله بزمن استجابة وسعر لا يستطيع نموذج رائد مستضاف مجاراتهما. وبالنسبة لمؤسسة خليجية ملزمة بمتطلبات توطين البيانات، كجهة حكومية أو بنك خاضع لرقابة البنك المركزي أو مقدم رعاية صحية، فهذا هو الفارق بين القدرة على استخدام نموذج لغوي الآن وانتظار خيار مستضاف متوافق مع المتطلبات. وهذا هو الناتج العملي لبرامج الذكاء الاصطناعي السيادي في الخليج: ليس روبوت محادثة يتفوق على نظيره الأمريكي في اختبار معياري علني، بل نموذج صغير بما يكفي وبترخيص مرن بما يكفي ليعمل داخل النطاق الخاص لمؤسسة خاضعة للتنظيم. ومتوسطات لوحات الصدارة مؤشر ضعيف على الفائدة الفعلية. فلوحة صدارة النماذج اللغوية العربية المفتوحة تقيس مجموعة ثابتة من المهام، ويمكن ضبط النماذج لتحقيق نتائج أفضل فيها. ولا يخبر المتوسط المرتفع المشتري بكيفية تعامل النموذج مع خدمة العملاء باللهجة الخليجية، أو المصطلحات الطبية الشامية، أو الصياغة القانونية المصرية، وهذه هي المهام التي سيُطلب من النموذج أداؤها فعلياً. والاستخدام الصحيح لهذا الرقم أن يكون أداة تصفية لا أداة حسم، فهو يعني أن فالكون H1 يستحق مكاناً في القائمة المختصرة. أما النموذج الذي يفوز في مشروع نشر بعينه، فيحسمه الاختبار على بيانات ذلك المشروع نفسه.