واجهة نموذج Inkling بلا رقابة

معظم النماذج الاثني عشر على بوّابتنا نصّية فقط. وأربعة ليست كذلك، ومن بين تلك الأربعة يشغل Inkling موقعًا محدّدًا: هو نموذج الرؤية الذي تمدّ يدك إليه حين تكون الصورة هي الجزء الصعب من المسألة لكنّ الميزانية لا تتّسع لنموذج رائد. وتغطّي هذه البطاقة من أين جاء الأساس، وما الذي فعلته به لاحقة W4A16-AUTOROUND-REAP، وما سيفعله وما لن يفعله عند سطح الواجهة البرمجية، و— بصدق — متى يكون نموذج أرخص في الفهرس نفسه هو الخيار الأفضل.

01ما هو Inkling، ومن بناه؟

‏Inkling هو أوّل نموذج مفتوح الأوزان من Thinking Machines Lab، نُشر في 15 يوليو 2026. وخلافًا لمعظم الإصدارات التي تُقدَّم بوصفها "مفتوحة"، شُحن بأوزان كاملة قابلة للتنزيل على Hugging Face ودعم من اليوم صفر في transformers وSGLang وvLLM وllama.cpp — وهذا سبب صيرورته قابلًا للتشغيل على بنية تحتية كبنيتنا أصلًا. وإليك الأرقام العنوان، من موادّ إصدار Thinking Machines نفسها:

وهذا تخطيط مزيج خبراء متناثر: 66 طبقة فكّ ترميز بحجم مخفيّ 6,144، أوّلتان كثيفتان، والـ64 الباقية تحمل 256 خبيرًا موجَّهًا زائد خبيرين مشتركين، مع 6 خبراء موجَّهين مفعَّلين لكل رمز. أي إن نحو 4% من المعاملات تشتعل عند أي رمز — وهذا ما يجعل نموذجًا يقارب التريليون معامل قابلًا للتقديم أصلًا.

وخياران معماريّان غير معتادَين بما يكفي لتسميتهما. فالانتباه متشابك — 55 طبقة انتباه بنافذة منزلقة فوق نافذة 512 رمزًا مقابل 11 طبقة شاملة، بنمط متكرّر 5:1. وInkling لا يستخدم RoPE: بل يستخدم انحياز موضع نسبيًّا متعلَّمًا معتمدًا على الدخل، إلى جانب التفافات سببية قصيرة على إسقاطات المفتاح/القيمة وعلى الفروع المتبقّية. وملاحظات Sebastian Raschka المعمارية تشير إلى الاثنين بوصفهما خروجًا حقيقيًا عن وصفة 2026 القياسية. واستخدم التدريب Muon لمعاملات المصفوفات الكبيرة وAdam لما عداها، ثم أكثر من 30 مليون تشغيلة تعلّم معزّز غير متزامنة في التدريب اللاحق.

وليست الطُّرَف هي المهمّ لمستهلك الواجهة البرمجية. المهمّ أن هذا أساس بحجم الصفّ الأول ومتعدّد الوسائط أصلًا دُرّب على 45 تريليون رمز تشمل النصّ والصور والصوت والفيديو — لا نموذج نصّ رُكّب عليه محوّل رؤية لاحقًا. فالصور تُرمَّز بوصفها رقعًا بحجم 40×40 بكسل عبر مُرقّع متعدّد الطبقات هرمي بأربع طبقات، وتُعالَج مع النصّ معًا في فكّ الترميز نفسه. فالفهم البصري كان داخل هدف التدريب المسبق.

02ما معنى W4A16-AUTOROUND-REAP؟

ثلاث تقنيات منفصلة مكدَّسة في تلك اللاحقة، وهي تؤدّي أعمالًا مختلفة. ويستحقّ الأمر الفهم، لأن اللاحقة هي أكبر فارق منفرد بين النموذج الذي تستدعيه على واجهتنا ونقطة التحقّق التي نشرتها Thinking Machines.

‏REAP — تشذيب الخبراء الذين لا يوجَّه إليهم أحد

REAP هو تشذيب تفعيل الخبراء الموزون بالموجّه، من Cerebras Research ‏(arXiv 2510.13999، مقبول في ICLR 2026). ففي مزيج خبراء بـ256 خبيرًا لكل طبقة، لا يوزّع الموجّه العمل بالتساوي: فبعض الخبراء يُطرقون باستمرار، وبعضهم يشتعل نادرًا ويسهم بقليل حين يفعل. ويسجّل REAP لكل خبير درجة على كلتا الإشارتين: قيم بوّابة الموجّه ومعايير تفعيل الخبير — فالخبير الذي يُختار كثيرًا لكنه يسهم بتحديثات صغيرة المقدار يقلّ شأنه عمّا يوحي به عدد اختياراته — ثم يُسقط منخفضي البروز في لقطة واحدة، قبل التكميم.

وسبب استخدامنا التشذيب بدل دمج الخبراء الأكثر رواجًا هو أن الاثنين يتباعدان بحسب نوع المهمّة. فالدمج يبدو منافسًا في المقاييس التمييزية وينهار في التوليدية. ويذكر مؤلّفو REAP أن التشذيب يحافظ على الجودة أفضل في الأحمال ذاتها التي يشتري الناس واجهة برمجية من أجلها — تركيب الشيفرة، واستدعاء الأدوات، والاستدلال متعدّد الأدوار — عند نسب ضغط تتجاوز 50%، عبر نماذج من 20 مليارًا إلى تريليون معامل. فالدمج يدمّر تخصّص الموجّه؛ والتشذيب يترك الخبراء الناجين والتوجيه بينهم سليمَين.

‏AutoRound — تعلّم أين تقرّب

AutoRound هو أسلوب Intel للتكميم بعد التدريب ‏(arXiv 2309.05516، منشور باسم SignRound). فالتكميم الساذج يقرّب كل وزن إلى أقرب قيمة قابلة للتمثيل بأربع بتّات — وهو افتراض معقول وسيّئ على المقياس الكبير، لأن أخطاء التقريب ليست مستقلّة وتتراكم عبر كومة من 66 طبقة. أما AutoRound فيعامل قرار التقريب بوصفه شيئًا يُحسَّن: إذ يضبط الانحدار التدرّجي المُشار إليه معًا اتّجاه التقريب ونطاقات قصّ الأوزان عبر بضع مئات من الخطوات، مستعيرًا دقّة التدريب الواعي للتكميم بلا إعادة تدريب. وتذكر Intel أكبر المكاسب عند إعدادات البتّات المنخفضة القصوى وأفضلية تنافسية عند INT4.

‏W4A16 — أين تذهب البتّات

W4A16 هو الصيغة العددية: أوزان بأربع بتّات، وتفعيلات بستّ عشرة. فالأوزان — التي تهيمن على الذاكرة في نموذج بـ975 مليارًا — تتقلّص إلى نحو ربع بصمة BF16، بينما تبقى العمليات الحسابية بستّ عشرة بتّة. وهذا الفصل مهمّ لنموذج رؤية تحديدًا: فالمخطّطات التي تكمّم التفعيلات تضرّ بالضبط بالعمل العددي الدقيق الذي يعتمد عليه فهم الصور — قراءة تسمية محور صغيرة، وتمييز خطّ رفيع في مخطّط، وفصل درجتَي لون متقاربتَين. وإبقاء التفعيلات بستّ عشرة بتّة يكلّف عرض نطاق ويستردّ دقّةً يلاحظها حمل الرؤية.

ومكدَّسةً معًا، تعطي الثلاثة نموذجًا يتّسع ويبقى سريعًا بلا هاوية الجودة التي تسبّبها طبقة 3BIT-REAP الجريئة التي نستخدمها على أضخم الأسس. وتلك هي المقايضة التي يعكسها السعر.

03الرؤية: واجهة تحليل صور بلا رفض

‏Inkling واحد من أربعة نماذج قادرة على الرؤية في فهرسنا، إلى جانب Kimi-K3 وKimi-K2.6 وMiniMax-M3. ونتائج الرؤية المنشورة للنموذج الأساس، من إصدار Thinking Machines، هي 73.3% في MMMU Pro ‏(Standard 10) و78.1% في أسئلة الاستدلال في CharXiv — ترتفع إلى 82.0% حين يُسمح للنموذج بتشغيل Python على المخطّط. وهذه أرقام المختبر نفسه عن نقطة التحقّق غير المكمَّمة؛ فعاملها بوصفها سقف العائلة لا قياسًا لنسختنا.

و‏CharXiv هو ما يستحقّ التوقّف عنده، لأنه ينطبق على سبب شراء الناس واجهة رؤية برمجية بدل خدمة تعرّف ضوئي. فهو يختبر الاستدلال على المخطّطات العلمية — قراءة قيمة من محور، ومقارنة سلسلتين، وملاحظة انعكاس اتّجاه. لا "ما النصّ الموجود في هذه الصورة" بل "ماذا يدّعي هذا الشكل، وهل يصمد ادّعاؤه". وذلك ما يبرّر إرسال صورة إلى نموذج استدلال بـ975 مليارًا بدل واصف صور صغير.

وإرسال صورة عمل عادي متوافق مع OpenAI — جزء محتوى من نوع image_url على /v1/chat/completions، أو كتلة image على نمط Anthropic على /v1/messages، أو ما يعادلهما على /v1/responses. واللهجات الثلاث كلها تصيب الأوزان نفسها وكلها تبثّ؛ فاختر أيًّا يتكلّمه حزمة تطويرك أصلًا. ومثال معمول به في القسم 09.

وجزء "بلا رقابة" أهمّ للرؤية منه للنصّ. فطبقة الرفض على نقطة رؤية طرفية فظّة على نحو غير معتاد، لأنها تصنّف الصورة عادةً قبل أن يكون النموذج قد استدلّ على الطلب. فالعمل المشروع يُمسَك باستمرار: صورة جرح في خطّ معالجة ملاحظات سريرية، ولقطة شاشة جنائية في تقرير حادث، وإطار من فيلم يُحلَّل لمقالة نقدية، ومسح طبّي، وصورة مستند يصادف أن فيه اسمًا. وInkling على بوّابتنا لا يوجد أمامه مصنّف كهذا. إنه ينظر إلى ما أرسلته ويجيب عن السؤال الذي طرحته. وهذا هو المنتج.

04المخرجات المنظَّمة: response_format نعم، وjson_schema لا

هذا هو الموضع الوحيد الذي يكون فيه Inkling أقلّ قدرة من معظم الفهرس، والتخطيط له أفضل من اكتشافه في الإنتاج.

القدرة	inkling	Kimi-K2.6	MiMo-V2.5	Laguna-S-2.1
الرؤية (دخل الصور)	نعم	نعم	نعم	لا
response_format	نعم	نعم	نعم	لا
json_schema	لا	نعم	نعم	لا
استدعاء الأدوات	نعم	نعم	نعم	نعم
جهد الاستدلال	نعم	نعم	نعم	نعم

response_format: {"type": "json_object"} يعمل — فتحصل على JSON صحيح نحويًا. وما لا تحصل عليه هو فكّ ترميز مقيَّد بقواعد نحوية مقابل مخطّط تزوّده به، حيث يُمنع المُعايِن ماديًا من إصدار رمز يخالف بنيتك. فأسماء الحقول، والانتماء إلى قوائم القيم، ووجود المفاتيح المطلوبة، كلها اختيار النموذج لا ضمان.

وثلاث طرق للتعايش مع ذلك، مرتّبة تصاعديًا بحسب الموثوقية:

1. ضع المخطّط في الموجّه وتحقّق. ضع المخطّط في موجّه النظام بوصفه JSON حرفيًا، واضبط response_format على json_object، وتحقّق من الاستجابة من جهتك. وأعد المحاولة عند فشل التحقّق مع إلحاق رسالة خطأ المدقّق. رخيصة، وتعمل، وتحتاج ميزانية إعادة محاولة.
2. استخدم تعريف أداة بوصفه المخطّط. فاستدعاء الأدوات مدعوم، وتعريف معاملات الدالّة هو مخطّط JSON. أعلن أداة واحدة مسمّاة باسم الاستخراج الذي تريده، وافرضها، واقرأ الوسائط. وهذا عادةً أقوى خيار على Inkling ولا يكلّفك شيئًا إضافيًا.
3. قسّم العمل بين نموذجين. دع Inkling يؤدّي الرؤية والاستدلال نثرًا، ثم سلّم ذلك النثر إلى MiMo-V2.5-W8A16 بسعر 0.50$ / 2.00$ مع json_schema حقيقي لتمريرة البنية. استدعاءان، لكنّ الثاني رخيص ومحدَّد الشكل، والنموذج الذي يجب أن يكون ذكيًا هو الذي رأى الصورة.

والخيار الثالث هو النمط الذي كنّا لنوصي به لأي خطّ استخراج عالي الحجم. ادفع العلاوة للخطوة التي تحتاجها وحدها.

05ماذا تشتري علاوة السعر؟

عند 1.42$ دخلًا / 6.07$ خرجًا لكل مليون رمز، يجلس Inkling عمدًا في وسط فهرسنا. فستّة من النماذج الاثني عشر عند أرضية 0.50$ / 2.00$. وKimi-K3 — النموذج الرائد، وهو أيضًا قادر على الرؤية — بسعر 3.83$ / 19.12$. فInkling نحو ثلاثة أضعاف الأرضية في الخرج ونحو ثلث النموذج الرائد.

سعر الخرج بالدولار لكل مليون رمز، أسعار قائمة بوّابة Shannon AI، سبتمبر 2026. وعرض الشريط متناسب مع السعر؛ فالأطول أغلى.

وإليك القراءة الصادقة لأين تكسب تلك العلاوة قوتها — وأين لا تكسبه.

الحمل	أتستخدم Inkling؟	لماذا
الاستدلال على المخطّطات والرسوم	نعم	أرقام CharXiv وMMMU Pro المنشورة هي أقوى ما في هذا الأساس.
وكلاء مدفوعون بلقطات الشاشة	نعم	رؤية زائد استدعاء أدوات زائد 262 ألف رمز من التاريخ في نموذج واحد، بلا تسليم.
مستندات طويلة فيها أشكال	نعم	النصّ والصور يتشاركان فكّ ترميز واحدًا ونافذة سياق واحدة.
توليد نصّ عادي	لا	ستّة نماذج بسعر 0.50$ / 2.00$ تفعل هذا. فأنت تدفع مقابل مسار رؤية لا تستدعيه أبدًا.
استخراج بالجملة بمخطّط	لا	لا json_schema. وMiMo-V2.5 أرخص ومقيَّد.
السقف الأقصى للصفّ الأول	لا	‏Kimi-K3 هو النموذج الرائد. ادفع الـ3.1 أضعاف إن كان السقف هو القيد.
أرخص رؤية ممكنة	لا	‏MiniMax-M3 فيه رؤية بسعر 0.50$ / 2.00$. ابدأ هناك، وارتقِ إن أجبرتك الجودة.

واقرأ ذلك بوصفه قاعدة توجيه لا ترتيبًا. فـInkling صحيح لنطاق عمل أضيق ممّا تدّعيه صفحة تسويقية، وداخل ذلك النطاق يصعب التغلّب عليه سعرًا. وخارجه، نفضّل أن نبيعك النموذج الأرخص ونحتفظ بك.

06نافذة السياق بـ262 ألف رمز، وما الذي يتّسع فيها فعلًا

تُقدَّم النماذج الاثنا عشر كلها على البوّابة بسياق دخل 262,144 رمزًا وحدّ خرج أقصى 16,384 رمزًا لكل طلب. وهو موحَّد عن قصد: فلا ينبغي أن تصير معالجة السياق تفرّعًا لكل نموذج في شيفرتك، ولا ينبغي أن يغيّر استبدال MiniMax-M3 بـinkling في ملفّ إعدادات ما يتّسع في صمت.

ولاحظ الفجوة مقابل الأساس المنشور: توثّق Thinking Machines نموذج Inkling عند 1,048,576 رمزًا، ونحن نقدّم شريحة 262 ألف رمز منها. فإن كان لديك حمل حقيقي بمليون رمز في طلب واحد، فلسنا النقطة الطرفية له، والأفضل أن تعرف قبل أن تبني.

وللمقياس عند 262 ألف رمز: ملفّ PDF تقني من 400 صفحة بأشكاله، أو قاعدة شيفرة متوسّطة الحجم، أو عدّة ساعات من المحضر، أو جلسة وكيلة طويلة تحمل عشرات نتائج الأدوات وحفنة لقطات شاشة — كلّ منها يتّسع في طلب واحد. وعلى نموذج رؤية، تذكّر أن الصور تستهلك سياقًا أيضًا؛ فلقطة شاشة كثيفة ليست مجّانية، والجلسة التي تبثّ إطارات تملأ النافذة أسرع من جلسة نصّية فقط. والبنية تلائم ذلك جيّدًا: فنمط 5:1 بين النافذة المنزلقة والانتباه الشامل يعني أن معظم الطبقات تنتبه داخل جوار من 512 رمزًا، مع طبقات شاملة تعيد دوريًا سحب البنية بعيدة المدى إلى الداخل.

07جهد الاستدلال: ادفع مقابل التفكير حين تحتاجه فقط

يعرض Inkling جهد استدلال قابلًا للتحكّم — وهو من أنفع المقابض في الفهرس. فالنموذج في المنبع يقبل مستويات من none وminimal مرورًا بـlow وmedium وhigh وxhigh، وصولًا إلى max، وهي مكشوفة على اللهجات الثلاث عبر المعامل القياسي reasoning_effort.

{
  "model": "inkling-W4A16-AUTOROUND-REAP",
  "reasoning_effort": "low",
  "messages": [ ... ]
}

وهذه رافعة كلفة ذات أنياب، لأن رموز الاستدلال تُحاسَب بوصفها رموز خرج بسعر 6.07$ لكل مليون. وتذكر Thinking Machines أن Inkling يبلغ في Terminal Bench 2.1 درجات مقارِبة لـNemotron 3 Ultra بنحو ثلث الرموز — فكفاءة الرموز هدف تصميمي معلَن لنظام الجهد، لا مصادفة.

وعمليًا: شغّل low أو minimal للوصف والتصنيف والاستخراج المباشر، حيث تكون الإجابة في الصورة ولا يلزم أي سلسلة استنتاج. واحجز high وما فوقها للاستدلال على المخطّطات، والمقارنة البصرية متعدّدة الخطوات، والأدوار الوكيلة التي تكون فيها خطوة وسطى خاطئة باهظة. ومعظم الفرق لا تضبط المعامل أصلًا، فتترك فرقًا في كلفة الخرج بمقدار عدّة أضعاف على الطاولة.

08ما معنى "بلا رقابة" هنا — وما لا يعنيه

بعبارة ملموسة: نشغّل هذا النموذج بلا طبقة رفض وبلا ترشيح على المخرجات. فلا مصنّف يقرأ موجّهك ويقرّر هل يجوز للنموذج أن يجيب، ولا مصنّف يقرأ الاستجابة قبل أن تُبثّ. وحين يكون النموذج غير متيقّن أو تنقصه المعرفة، فإنه يقول ذلك — وذاك النموذج، لا سياسة. وما لن تحصل عليه هو اعتذار انعكاسي عن موضوع يعامله منتج استهلاكي عامّ بوصفه محظورًا.

وفي الرؤية، هذا هو عرض القيمة كلّه. فمصنّفات الصور أمام واجهات الرؤية غير دقيقة، ومعدّل إيجابيّاتها الكاذبة يقع أثقل ما يقع على العمل المهني الذي يحتاج القدرة أكثر من غيره: أبحاث الأمن، والسياقات السريرية، والصحافة والتحقيق الجنائي، ونقد الأفلام والفنّ، وأدوات الإشراف التي عليها أن تنظر إلى ما تشرف عليه. والنقطة الطرفية التي ترفض بحسب الصنف لا تستطيع خدمة أيّ من هذه بموثوقية.

وتحفّظان صادقان. أوّلًا، تنشر Thinking Machines تقييمات سلامة لنشرها المرجعي — 78.0% في FORTRESS العدائي، و95.9% في FORTRESS الحميد، و98.6% في StrongREJECT. وتلك الأرقام تصف حزمتهم هم مع حواجزهم هم في مكانها. وهي لا تصف حزمتنا، ولن نستشهد بها كأنها تفعل. فقد أزلنا الطبقة التي تقيسها تلك الأرقام جزئيًا؛ وذاك هو المنتج، وتلك هي المسؤولية.

وثانيًا، "بلا طبقة رفض" ليست "بلا قواعد". فـShannon Lab LLC تعمل وفق سياسة استخدام مسؤول والقانون الأمريكي الساري. وإزالة مصنّف تنقل الحكم إليك، ولا تحذفه. فإن كنت تبني على هذا، فاقرأ السياسة قبل أن توسّع.

09البدء

عنوان الأساس نفسه، والمفتاح نفسه، وثلاث لهجات. فإن كانت شيفرتك تستدعي OpenAI أو Anthropic أو واجهة Responses أصلًا، فتغيير سلسلة النموذج هو الهجرة كلها عادةً.

from openai import OpenAI

client = OpenAI(
    base_url="https://api.shannon-ai.com/v1",
    api_key=SHANNON_API_KEY,
)

stream = client.chat.completions.create(
    model="inkling-W4A16-AUTOROUND-REAP",
    messages=[{"role": "user", "content": [
        {"type": "text", "text": "What does this figure actually show?"},
        {"type": "image_url", "image_url": {"url": image_data_url}},
    ]}],
    reasoning_effort="high",
    max_tokens=4000,
    stream=True,
)

for chunk in stream:
    delta = chunk.choices[0].delta.content
    if delta:
        print(delta, end="")

المرجع الكامل للمعاملات، وأشكال /v1/messages و/v1/responses، وصيغ أحداث البثّ، وملعب تجريب حيّ، كلها في توثيق الواجهة البرمجية. وبطاقات النماذج الأحد عشر الأخرى في Shannon Research.

أرقام الأساس هي أرقام Thinking Machines Lab المنشورة عن نقطة تحقّق Inkling غير المكمَّمة وتصف سقف العائلة، لا نسختنا المكمَّمة. والأسعار ورايات القدرات هي قيم قائمة بوّابة Shannon AI حتى سبتمبر 2026.

10أسئلة شائعة

---

المصادر: Thinking Machines Lab — التعريف بـInkling · Hugging Face — أهلًا بـInkling · REAP the Experts ‏(arXiv 2510.13999) · تحسين تقريب الأوزان بالانحدار التدرّجي المُشار إليه ‏(arXiv 2309.05516) · Sebastian Raschka — ملاحظات معمار Inkling ومقاييسه. ومقاييس الأساس يذكرها المختبر عن نقطة التحقّق غير المكمَّمة.