واجهة MiMo بلا رقابة بوفاء ثماني بتّات

معظم الفهارس تبيعك عدد المعاملات. وهذا هو الرقم الخاطئ لتتسوّق به، لأن كل نموذج كبير مفتوح الأوزان تستطيع تحمّل كلفته فعلًا قد ضُغط ليتّسع في مكان ما. فالسؤال الصادق ليس "كم كان حجم هذا قبل عصره؟" بل "كم بقي منه هنا؟" وهذا المقال عن ذلك السؤال، وعن النموذج الذي تكون الإجابة عنه في قائمتنا كلّه تقريبًا.

01ما الذي تحصل عليه فعلًا من واجهة MiMo بلا رقابة

واجهة MiMo بلا رقابة هي معرّف نموذج واحد، MiMo-V2.5-Pro-W8A16، يمكن بلوغه عبر ثلاث لهجات تخاطب الأوزان نفسها على عنقود GPU الخاص بنا: /v1/chat/completions و/v1/messages و/v1/responses. والثلاث كلها تبثّ وتدعم استدعاء الأدوات والاستدلال.

و"بلا رقابة" لها معنى ضيّق هنا: لا طبقة رفض أمام النموذج، ولا مرشّح على مخرجاته. فنحن لا نعترض ولا نصنّف ولا نعيد الكتابة. وتحصل على سلوك الأساس نفسه — وهو في نموذج مفتوح الأوزان بدرجة بحثية يعني أنه يتعامل مع أبحاث الأمن، والخيال البالغ أو العنيف، والاستدلال الطبّي والقانوني، والطلبات التي ترفضها النقاط الطرفية التجارية المستضافة انعكاسيًا. وهي أداة مهنية تحت سياسة الاستخدام المسؤول لدينا، لا انعدام قواعد.

02سلالة MiMo: رهان Xiaomi على تدريب مسبق يبدأ بالاستدلال

‏MiMo ليس مشتقًّا من Llama باسم جديد؛ بل هو سلالة متمايزة من فريق MiMo في Xiaomi، وفكرته المؤسِّسة مهمّة قبل أن تقيّم النموذج. وتبدأ بـMiMo-7B ‏(30 أبريل 2025، برخصة MIT)، الذي يجادل تقريره التقني بأن معظم المختبرات تعامل الاستدلال بوصفه مسألة تدريب لاحق تُركَّب بالتعلّم المعزّز، وأن هذا مقلوب. فأعادت Xiaomi بناء التدريب المسبق حوله بدلًا من ذلك: مزيج من ثلاث مراحل عبر 25 تريليون رمز، تشغّل المرحلة الثانية نحو 70% رياضيات وشيفرة، وتطوي المرحلة الثالثة آثار استدلال اصطناعية مع تمديد السياق من 8 آلاف إلى 32 ألف رمز — زائد هدف التنبّؤ متعدّد الرموز الذي يعمل أيضًا رأسًا لفكّ الترميز التخميني.

وكانت النتيجة نموذجًا أساسًا بسبعة مليارات معامل يتصرّف كأنه أكبر بكثير. فقد سجّل MiMo-7B-Base 32.9 في AIME 2024 حيث سجّل Qwen2.5-7B ‏10.1، وGemma-2-9B ‏0.0، وLlama-3.1-8B ‏0.3. ثم شغّل التدريب اللاحق تعلّمًا معزّزًا على 130,000 مسألة رياضيات وشيفرة قابلة للتحقّق مع مكافأة شيفرة مدفوعة بصعوبة الاختبارات، فأفلت من فخّ المكافأة المتناثرة الذي يزعزع التعلّم المعزّز على الشيفرة. وحلّت النتيجة أمام o1-mini:

‏AIME 2025، أرقام تذكرها Xiaomi من تقرير MiMo التقني ‏(arXiv:2505.07608). وقد ذُكر لـMiMo-7B-RL أيضًا 95.8 في MATH-500 و57.8 في LiveCodeBench v5.

واتّسعت العائلة بدل أن تنحرف: فقد وضع MiMo-VL-7B ‏(يونيو 2025) مرمِّز Qwen2.5-ViT على العمود الفقري نفسه، وجاء ديسمبر 2025 بـMiMo-Audio-7B زائد أوّل مدخل لمزيج الخبراء، MiMo-V2-Flash ‏(309 مليارات إجمالًا / 15 مليارًا مفعَّلة، 27 تريليون رمز، دقّة مختلطة FP8). ثم تبعه MiMo-V2-Pro في مارس 2026 بنحو تريليون / 42 مليارًا مفعَّلة وسياق مليون رمز، بعد أسابيع على OpenRouter باسم "Hunter Alpha". وشُحن MiMo-V2.5 وMiMo-V2.5-Pro معًا في 22 أبريل 2026، وكلاهما برخصة MIT.

03داخل MiMo-V2.5-Pro: كيف يبدو الأساس

بحسب بطاقة النموذج المنشورة من Xiaomi، MiMo-V2.5-Pro نموذج مزيج خبراء متناثر بـ1.02 تريليون معامل إجمالًا و42 مليارًا مفعَّلة لكل رمز عبر 70 طبقة — واحدة كثيفة، و69 من مزيج الخبراء — و384 خبيرًا موجَّهًا، 8 لكل رمز. والحجم المخفيّ 6144، بحجم وسيط ضيّق لمزيج الخبراء قدره 2048.

وخياران يشكّلان إحساسه في الاستعمال. فكومة الانتباه هجينة: 10 طبقات انتباه كامل و60 طبقة بنافذة منزلقة بنافذة قدرها 128، زائد انحياز مصرف انتباه قابل للتعلّم. وتذكر Xiaomi أن هذا يقلّص تخزين ذاكرة المفتاح-القيمة بما يقارب سبعة أضعاف مقابل الانتباه الشامل بالكامل مع الحفاظ على جودة السياق الطويل — وهو الفرق بين نافذة طويلة اسمًا وأخرى تستطيع تحمّل كلفة ملئها. وهو يشحن أيضًا ثلاث طبقات للتنبّؤ متعدّد الرموز، ما يمنح فكّ الترميز رأسًا تخمينيًا.

وكان التدريب على 27 تريليون رمز بطول تسلسل أصلي 32 ألف رمز بـدقّة مختلطة FP8 ‏(E4M3)، ثم ضبط دقيق مُشرَف عليه، وتعلّم معزّز وكيل واسع النطاق، وتقطير على السياسة من معلّمين متعدّدين. وتمسّك بتفصيلة FP8 هذه؛ فهي أقوى حجّة منفردة لتقديم هذا الأساس بثماني بتّات.

وتذكر Xiaomi النموذج عند 57.2% في SWE-bench Pro، و72.9 في τ3-Bench لاستخدام الأدوات، و48.0% في Humanity's Last Exam — وهي أرقام البائع نفسه عن النموذج غير المضغوط، ونقتبسها بوصفها كذلك.

نحن نقدّم نافذة 262,144 رمزًا، لا مليون الأساس الكامل — أي سياقًا نستطيع ضمانه بسرعة، لا رقمًا عنوانًا يتدهور تحت الحمل.

04ما معنى W8A16 على وجه الدقّة

كل نموذج في هذا الفهرس يحمل لاحقة تكميم تصف تحويلًا فعليًا قابلًا للقياس لا طبقة تسويقية. ولواحقنا هي 3BIT-REAP وW4A16-AUTOROUND-REAP وW8A16. وMiMo-V2.5-Pro هو الثالثة.

والترميز ينقسم قسمين. فـW8 هي دقّة الأوزان: يُخزَّن كل معامل بوصفه عددًا صحيحًا بثماني بتّات بدل عدد عشري بستّ عشرة، مع عامل تحجيم مشترك لكل مجموعة صغيرة كي ينجو المدى الديناميكي المحلّي لكل مجموعة. وA16 هي دقّة التفعيلات: تبقى القيم المتدفّقة بين الطبقات وقت الاستدلال بستّ عشرة بتّة. فالأوزان تُضغط؛ والعمليات الحسابية لا.

وذلك النصف الثاني يؤدّي عملًا صامتًا مهمًّا. فالتفعيلات أصعب في التكميم من الأوزان بكثير: إذ تحوي قنوات شاذّة متطرّفة — بضعة أبعاد تقزّم مقاديرها كل ما عداها وتحمل نصيبًا غير متناسب من سلوك النموذج. فادفعها إلى دقّة منخفضة تكن قد قصصت بالضبط الإشارة التي احتجتها. والمخطّطات التي تكمّم الأوزان وحدها تتجنّب المشكلة بترك مسار التفعيل وشأنه، ولهذا تقاربت أعمال التكميم الجادّة عليها.

فيضيق السؤال العملي إلى شيء واحد: كم بتّة أقلّ يستطيع وزنٌ أن يحتملها؟

05‏W8A16 مقابل W4A16 مقابل ثلاث بتّات: أين تذهب الخسارة فعلًا

وأكبر دراسة منشورة في هذا هي دراسة Neural Magic وRed Hat "Give Me BF16 or Give Me Death"? Accuracy-Performance Trade-Offs in LLM Quantization — أكثر من 500,000 تقييم عبر عائلة Llama-3.1 عند 8 مليارات و70 مليارًا و405 مليارات. وإليك نتيجتها العنوان، بأرقامهم هم:

الصيغة	ما الذي يُضغط	الاسترداد المذكور مقابل BF16
W8A8-FP (ثماني بتّات)	أوزان + تفعيلات، عشري	~99.75% متوسّطًا — "بلا خسارة عمليًا"
W8A8-INT (ثماني بتّات)	أوزان + تفعيلات، صحيح	99–100% عند 8B/70B؛ 98.2–99.3% عند 405B
W4A16-INT (أربع بتّات)	أوزان فقط	98–99.4% ‏(8B)؛ 98.6–99.8% ‏(70B)

أرقام تذكرها Neural Magic / Red Hat ‏(arXiv:2411.02355) على نماذج Llama-3.1 — وهي شكل المقايضة، لا درجة هذا النموذج.

وقراءةً صادقة، يبدو ذلك حجّة ضدّ الاهتمام: فالأربع بتّات تستردّ 98–99%، فلماذا الانتباه؟ لأن تلك مقاييس أكاديمية بأسئلة اختيار من متعدّد، وهي أقرب إلى أسوأ أداة متاحة لكشف ضرر التكميم. فسؤال المقياس له جواب صحيح واحد يمكن بلوغه في رمز أو رمزين، وخطأ التكميم ضجيج صغير متوسّطه صفر تقريبًا على كل احتمالية لوغاريتمية؛ وفي سؤال قصير بهامش عريض، يُمتصّ ذلك الضجيج.

والآن اكتب 4,000 رمز من مستند تقني، أو حافظ على صوت عبر قصّة من 40,000 رمز، أو أصدر JSON يجب أن يجتاز التحقّق من المحاولة الأولى. فالضجيج نفسه يُعايَن آلاف المرات على التوالي، وكل معاينة تشترط التالية. ونمط الفشل ليس إجابة خاطئة — بل انحراف: قبضة تتراخى على التعليمة منذ الدور الأوّل، وشخصية تكفّ عن أن تبدو كنفسها حوالي الرمز 3,000، وقوس إغلاق لا يصل أبدًا.

أين تذهب البتّات فعلًا

خطأ التكميم ليس موزّعًا بالتساوي على قدرات النموذج؛ بل يتركّز في الذيل. فالسلوكيات عالية الكتلة — الإنجليزية السليمة نحويًا، وشكل دالّة Python، وأشهر ألف حقيقة عن العالم — مرمَّزة تكراريًا عبر أوزان كثيرة وتنجو من كل شيء تقريبًا. أما زوايا توزيع الأوزان المضبوطة بدقّة وصغيرة المقدار فتحوي النادر: التوقيع الدقيق لواجهة غامضة، وإيقاع كاتب بعينه، والفرق بين ثغرتين متجاورتين. وتلك هي القيم التي تقرّبها شبكة خشنة بعضها إلى بعض.

والخطوة من أربع بتّات إلى ثلاث هي حيث يكفّ هذا عن كونه ضريبة ويصير هاوية. فقد وجدت قوانين تحجيم الاستدلال بالبتّة عند Dettmers وZettlemoyer أن الأربع بتّات هي النقطة التي تعظّم الدقّة الصفرية لكل بتّة من ذاكرة النموذج، مع هيمنة التدهور دونها. فالأربع بتّات تعطي 16 مستوى لكل مجموعة؛ والثلاث تعطي 8. فأنت تنصّف دقّة شبكة خشنة أصلًا، ويتضاعف تقريبًا خطأ التقريب لكل وزن.

الحساب الذي يحسم الأمر

والمقارنة الجديرة بالعقد حسابية لا مقياسية. فما ينجو من الضغط هو تقريبًا المعاملات × البتّات لكل معامل — أي الحجم الحامل للمعلومة في ملفّ الأوزان. خذ أساسين افتراضيين متساويي الجودة لكل معامل:

• الأساس أ: 400 مليار معامل بثلاث بتّات ← نحو 150 غيغابايت من الوزن المحتفَظ به.
• الأساس ب: 160 مليار معامل بثماني بتّات ← نحو 160 غيغابايت من الوزن المحتفَظ به.

وبعدد المعاملات الخام يفوز أ بنسبة اثنين ونصف إلى واحد — وهو الرقم الذي تتصدّر به بطاقة النموذج. أما بالمعلومة المحتفَظ بها فهما متكافئان، ولـب أفضلية بنيوية فوق ذلك: فأوزانه تجلس على شبكة دقيقة بما يكفي ليبقى سلوكه الذيلي سليمًا، بينما ذيل أ قد كُمّم داخل الكتلة. فـأ يعرف أشياء أكثر؛ وب يعرف ما يعرفه بحدّة أكبر. وللتوليد الطويل، والتنسيق الدقيق، والتحكّم الأسلوبي، والالتزام الأمين بالسياق الطويل، خذ ب.

حساب توضيحي لا مقياس: وهو يبيّن لماذا "أساس أكبر" و"نموذج مقدَّم أفضل" ادّعاءان مختلفان.

06لماذا تجعل 27 تريليون رمز تدريبي التكميم الجريء أسوأ

ونتيجة ثانية أقلّ بداهةً تمسّ هذا الأساس مباشرةً. فورقة Kumar وزملائه في ICLR 2025، Scaling Laws for Precision، تجد أن كلّما زادت البيانات التي دُرّب عليها نموذج، زاد الضرر الذي يُلحقه به التكميم بعد التدريب. فالدقّة المنخفضة تخفض عدد معاملات النموذج الفعّالة، وذلك التدهور ينمو مع بيانات التدريب المسبق المستوعَبة — إلى حدّ يجعل بيانات تدريب مسبق إضافية ضارّة صافيًا إن كنت تنوي التكميم بجرأة، لأنك ترسم بنية دقيقة ستمحوها الشبكة.

فالنموذج المدرَّب على 5 تريليونات رمز له بنية أوزان خشنة تكرارية وفسحة يفضل عنها. أما النموذج المدرَّب على 27 تريليون رمز — أي ميزانية MiMo-V2.5-Pro — فقد أنفق تلك البيانات الإضافية في كتابة تمييزات أدقّ في قيم أوزان أكثر دقّة، وهو بالضبط ما لا تستطيع شبكة الثلاث بتّات تمثيله.

ثم هناك واقعة FP8 من القسم 03، وهي أنظف حجّة في هذا المقال. فـMiMo-V2.5-Pro دُرّب مسبقًا بدقّة مختلطة FP8. أي إن أوزانه تشكّلت منذ البداية بمحسِّن يعمل بنحو ثماني بتّات من الدقّة. فتقديمه بأوزان ثماني بتّات ليس إذن فكرة لاحقة فاقدة مفروضة على نموذج بستّ عشرة بتّة — بل هو قريب من إعادة الأوزان إلى النظام العددي الذي تعلّمت فيه. فلا توجد بنية دقيقة تُذكر تحت البتّة الثامنة لتُفقد. ولا يمكن قول الشيء نفسه عن أوزان دُفعت قسرًا إلى ثلاث.

07‏REAP: لماذا تشذيب الخبراء نوع خسارة مختلف عن التقريب

تحمل اثنتان من الطبقات الثلاث لاحقة REAP — وهي عملية مختلفة صنفًا عن التكميم. فـREAP ‏(تشذيب تفعيل الخبراء الموزون بالموجّه، Cerebras Research، arXiv:2510.13999، ICLR 2026) ضغط بلقطة واحدة لنماذج مزيج الخبراء المتناثرة: إذ يسجّل لكل خبير درجة بقيم بوّابة الموجّه ومعيار تفعيل الخبير، ثم يحذف أدنى المسجّلين. وتذكر Cerebras نتائج تكاد تكون بلا خسارة في توليد الشيفرة واستدعاء الأدوات حتى عند تشذيب 50% من الخبراء.

ونحن نستخدم REAP للسبب الذي وُجد من أجله: ففي أضخم الأسس هو ما يجعلها قابلة للتقديم. لكن لاحظ الفرق في النوع. فالتكميم يطمس كل وزن قليلًا؛ والتشذيب يزيل خبراء بالكامل. فإن كان حملك يوجَّه بكثافة إلى قدرة كانت تسكن في خبير نادر الاختيار — لغة برمجة ثانوية، أو مفردات متخصّصة — فهي ليست متدهورة. إنها ذهبت، ولا يستردّها أي موجّه. فالمتوسّطات تبقى ممتازة؛ وحالتك الذيلية قد لا تبقى.

و‏MiMo-V2.5-Pro · W8A16 لا يحمل لاحقة REAP. فالخبراء الـ384 كلهم حاضرون، والموجّه يختار من المجموعة الكاملة التي دُرّب عليها الأساس.

الطبقة	بتّات الوزن	الخبراء	ما الذي تقايضه
W8A16	8	كلهم حاضرون	لا شيء بنيويًا. إنها طبقة الوفاء.
W4A16-AUTOROUND-REAP	4	مشذَّبون	تفصيل الأوزان الدقيق زائد الخبراء قليلي المرور، مقابل أساس أكبر بكثير في نطاق السعر نفسه.
3BIT-REAP	3	مشذَّبون	قدر كبير من دقّة الأوزان زائد الخبراء قليلي المرور — وهو ثمن تشغيل أضخم الأسس بسرعة.

والطبقة الوسطى تستحقّ سماعًا منصفًا. فـAutoRound ليس تقريبًا ساذجًا: إذ يستخدم أسلوب Intel ‏(arXiv:2309.05516) الانحدار التدرّجي المُشار إليه عبر نحو 200 خطوة لضبط قرارات التقريب ونطاق القصّ لكل مجموعة أوزان، ويُذكر أنه يكاد يكون بلا خسارة عند أربع بتّات في معظم الإعدادات، متفوّقًا على GPTQ وAWQ وHQQ وOmniQuant عبر معظم التهيئات المختبَرة. فنموذج W4A16-AUTOROUND نموذج أربع بتّات جيّد حقًّا. لكنه يبقى نموذج أربع بتّات.

08من ينبغي أن يختار طبقة الثماني بتّات — ومن لا ينبغي

يجلس MiMo-V2.5-Pro · W8A16 عند سعر الأرضية للفهرس كلّه — 0.50$ دخلًا / 2.00$ خرجًا لكل مليون رمز، أي النطاق نفسه الذي فيه نماذج الأربع بتّات من طبقة الدخول، ونحو ربع سعر الدخل لأغلى نموذج نقدّمه. فأنت لا تدفع علاوة مقابل الوفاء؛ بل تختار محورًا مختلفًا من الميزانية نفسها.

اخترْه حين

• يكون طول المخرجات هو العمل. الكتابة التقنية الطويلة، والخيال بطول فصل، وتمريرات التوثيق الكاملة — فكل رمز مولَّد هو موضع يتراكم فيه ضجيج الضغط.
• يهمّ الصوت والاتّساق. عمل الشخصيات، ونبرة العلامة، وسجلّ محفوظ عبر جلسة طويلة. فالأسلوب يسكن في الذيل، والذيل هو أوّل ما يأكله التكميم الخشن.
• يجب أن تجتاز المخرجات المنظَّمة التحقّق من المحاولة الأولى. فالنموذج يدعم json_schema وresponse_format؛ والالتزام بالمخطّط خاصّية دقّة، وكل إعادة محاولة تُتجنَّب مالٌ وزمنُ استجابة يُوفَّران.
• تملأ السياق. فالالتزام بالتعليمات عند الرمز 200,000 أصعب منه عند الرمز 2,000، وهو يتدهور بانخفاض دقّة الأوزان — وكذلك أثر استدلال طويل، تتراكم فيه الأخطاء على النحو نفسه.
• يكون العمل بلا رقابة بطبيعته. أبحاث الأمن، والفرق الحمراء، والخيال غير المرشَّح، والتحليل الطبّي أو القانوني الحسّاس — حيث تكون الإجابة المواربة أسوأ من لا إجابة.

واختر غيره حين

• تحتاج الرؤية. فهذا النموذج نصّي فقط؛ وشقيقه MiMo-V2.5 · W8A16 قادر على الرؤية بالسعر نفسه والطبقة نفسها.
• تحتاج أوسع معرفة بالعالم في استعلامات قصيرة. فذلك هو النظام الذي تفوز فيه المعاملات الإضافية لأساس أكبر بكثير بثلاث بتّات ولا يكاد يظهر فيه ضرر تكميمه.
• يكون حملك تصنيفًا قصيرًا عالي الحجم. فضرر التكميم يكاد يكون غير مرئي هناك — اشترِ أيّها أسرع.

09استدعاء واجهة MiMo بلا رقابة

إن كانت شيفرتك تستهدف حزمة OpenAI للتطوير، فتغيير عنوان الأساس ومعرّف النموذج هو الهجرة كلها:

curl https://api.shannon-ai.com/v1/chat/completions \
  -H "Authorization: Bearer $SHANNON_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "MiMo-V2.5-Pro-W8A16",
    "messages": [
      {"role": "user", "content": "Draft the threat model section."}
    ],
    "reasoning_effort": "high",
    "max_tokens": 16384,
    "stream": true
  }'

و/v1/messages و/v1/responses يقبلان المعرّف والقدرات نفسها. ومرجع المعاملات، ومخطّطات استدعاء الأدوات، وأمثلة المخرجات المنظَّمة، وملعب تجريب حيّ، كلها في توثيق واجهة Shannon AI البرمجية.

القدرة	MiMo-V2.5-Pro · W8A16
نافذة السياق	262,144 رمزًا
أقصى خرج لكل طلب	16,384 رمزًا
البثّ	نعم — على اللهجات الثلاث
استدعاء الأدوات	نعم
الاستدلال / reasoning_effort	نعم
المخرجات المنظَّمة بـjson_schema	نعم
response_format	نعم
الرؤية / دخل الصور	لا — استخدم MiMo-V2.5
طبقة الرفض / مرشّح المخرجات	لا شيء
السعر لكل مليون رمز	$0.50 دخلًا / $2.00 خرجًا

10أسئلة شائعة

---

المصادر: تقرير MiMo التقني، arXiv:2505.07608 · بطاقة نموذج MiMo-V2.5-Pro ‏(Xiaomi) · "Give Me BF16 or Give Me Death"?، arXiv:2411.02355 · REAP the Experts، arXiv:2510.13999 · AutoRound، arXiv:2309.05516 · قوانين تحجيم الاستدلال بالبتّة، arXiv:2212.09720 · Scaling Laws for Precision، Kumar وزملاؤه، ICLR 2025. وكل أرقام المقاييس كما يذكرها مؤلّفوها. وShannon AI منتج لـShannon Lab LLC، نيومكسيكو، الولايات المتحدة.