نماذج ومنصات الذكاء الاصطناعي
Translated تطلق Lara Mini، نموذجًا بحثيًا لـ45 لغة
أضف Unite.AI إلى مصادرك المفضلة على Google
النقاط الرئيسيةLara Mini shares experts across languages rather than dedicating separate expert groups…
عرض المزيد
- Lara Mini shares experts across languages rather than dedicating separate expert groups to each one.
- The model's efficiency advantage is strongest for a single user with long prompts and narrows under shared load.
- The release is a gated research base model without safety tuning or instruction-following capability.
أعلنت Translated عن Lara Mini في 12 نوفمبر 2026، وأطلقت نموذجًا بحثيًا دُرّب من الصفر على 6 تريليونات رمز تغطي الإنجليزية و44 لغة أخرى، منها اللغات الرسمية الـ24 للاتحاد الأوروبي. ويضم النظام 7.2 مليارات مُعامِل، ولا يُفعّل سوى 600 مليون مُعامِل لكل رمز.
تُفعّل بنية مزيج الخبراء أربعة خبراء من أصل 128 خبيرًا موجّهًا لكل رمز، مع إبقاء خبير مشترك واحد نشطًا. وتتألف طبقات النموذج الـ34 من 14 طبقة انتباه خطي من نوع Gated DeltaNet، و13 طبقة انتباه ذات نافذة منزلقة طولها 512 رمزًا، وسبع طبقات انتباه شامل، ما يحدّ من نمو حالة الاستدلال مقارنةً بالانتباه الكامل. وبعد مرحلة التدريب الأولية، وسّعت مرحلة منفصلة شملت 100 مليار رمز نافذة السياق من 4,096 إلى 131,072 رمزًا.
أنشأت Translated مجموعة البيانات من مصادر منشورة علنًا، بعد تنقيتها وإزالة التكرار منها لتكوين مجموعة تضم 13.8 تريليون رمز؛ وكانت نسبة 97% من رموز التدريب الأولية تمثل القراءة الأولى لوثيقة ما. وقدمت الإنجليزية 2.49 تريليون رمز، أي 41.4%، فيما قدمت اللغات الـ44 الأخرى 2.18 تريليون رمز، أي 36.4%. أما الباقي فتكوّن من الشيفرات والرياضيات والأمثلة المنسّقة على غرار بيانات الضبط الدقيق الخاضع للإشراف.
اختبار الاستعاضة بالإنجليزية
في اختبار منفصل، استخدم الباحثون نقطة التحقق نفسها لإجراء مرحلتي تلدين مضبوطتين، شملت كل منهما 100 مليار رمز. والتلدين هو المرحلة الأخيرة من التدريب، حيث ينخفض فيها معدل التعلّم تدريجيًا حتى يصل إلى الصفر. وأدى استبدال الحصة متعددة اللغات البالغة 33% بالإنجليزية إلى رفع حصة الإنجليزية من 27% إلى 60%. ويذكر التقرير التقني أن متوسط نتائج الإنجليزية في مجموعة التطوير ارتفع بمقدار 0.3 نقطة فقط، في حين انخفض متوسط اللغات المدعومة متعددة اللغات بمقدار 2.7 نقطة.
ينطبق هذا الاختبار على مرحلة التلدين وحدها؛ فهو لا يقيس أثر حصة البيانات متعددة اللغات خلال مرحلة التدريب المسبق الرئيسية. ووجد تحليل منفصل للتوجيه أن اللغات تتشارك الخبراء بدلًا من تخصيص مجموعات خبراء مستقلة لكل لغة، وأن اللغات المتقاربة تتبع مسارات توجيه متشابهة في بداية الشبكة، ومسارات تكاد تكون متطابقة في الطبقات الوسطى. ويحذّر المؤلفون من أن تشارك مسارات التوجيه لا يثبت وجود تمثيلات دلالية مشتركة، كما أن تجاربهم لا تثبت أن التدريب متعدد اللغات يحسّن الاستدلال العام أو أداء الإنجليزية.
نتائج المعايير وحدودها
قيّمت Translated نموذج Lara Mini مقارنةً بـ56 نموذجًا أساسيًا مفتوحًا آخر، عبر 26 معيارًا للإنجليزية واللغات المتعددة والرياضيات والشيفرات، مع استخدام مطالبات وإعدادات وطرق موحّدة لاستخراج الإجابات. ومن بين النماذج الـ36 التي لا يتجاوز عدد مُعاملاتها النشطة ملياري مُعامِل، حقق Lara Mini متوسطًا إجماليًا قدره 57.0، متقدمًا على granite-4.0-h-tiny الذي سجل 53.9 وQwen3-1.7B الذي سجل 53.8. وبلغ إجمالي الرموز المعلن استخدامها في التدريب المسبق لهذين النموذجين 22.5 تريليونًا و36 تريليونًا على التوالي، مقارنةً بـ6 تريليونات في مرحلة التدريب الأولية لـLara Mini.
وضعت نتائج Translated نموذج Lara Mini في المرتبة الأولى ضمن فئته في فهم اللغات المتعددة، بنتيجة 56.7، وفي الرياضيات، بنتيجة 59.9؛ وفي المرتبة الثانية في الإنجليزية، بنتيجة 66.4؛ وفي المرتبة الخامسة في الشيفرات، بنتيجة 45.1. ويمنح التقييم الإجمالي المجالات الأربعة أوزانًا متساوية عند حساب متوسطاتها، كما تُحسب متوسطات معايير اللغات المتعددة لكل نموذج بالاستناد إلى اللغات غير الإنجليزية التي يدعمها Lara Mini. وتشمل المقارنة النماذج الأساسية، لا الأنظمة المضبوطة لاتباع التعليمات. وتختلف الجودة أيضًا بين اللغات؛ إذ تُعد الأذربيجانية والبنغالية من بين اللغات المدعومة الأقل تسجيلًا للنتائج، في ظل محدودية بيانات التدريب.
قاست Translated سرعة Lara Mini بنحو 1,100 حرف مُولّد في الثانية لمستخدم واحد على وحدة معالجة الرسوميات A100، من دون تكميم؛ وكانت جميع النماذج التي حققت متوسطًا إجماليًا أعلى في مقارنة السرعة أبطأ في توليد النص بما لا يقل عن 1.8 مرة. وتكون الأفضلية الأكبر عند استخدام النموذج من قِبل مستخدم واحد ومع مطالبات طويلة، وتضيق حين يتشارك عدد كبير من المستخدمين وحدة معالجة الرسوميات.
إتاحة الأبحاث وخطط المنتجات
النموذج المُتاح هو نموذج أساسي لمواصلة النص، وليس نظامًا لاتباع التعليمات أو للمحادثة، كما أنه غير مضبوط من ناحية السلامة. وتحذّر بطاقة النموذج من أنه قد ينتج نصوصًا خاطئة أو متحيزة أو مسيئة، ومن ضرورة عدم نشره بوصفه مساعدًا من دون إجراء مزيد من التدريب.
يتطلب الوصول إلى الأوزان تقديم طلب، وتراجع Translated كل طلب على حدة. والأوزان مرخّصة بموجب CC BY-NC-SA 4.0 للأبحاث وغيرها من الأغراض غير التجارية، فيما يستخدم الكود ومجزّئ الرموز ترخيص Apache 2.0. وتقدم Translated ترخيصًا تجاريًا منفصلًا، ولن تتيح أي بيانات تدريب مع النموذج.
تذكر صفحة الأبحاث لدى Translated أن عملاء مؤسسيين مختارين سيتمكنون أيضًا من الوصول إلى النموذج، وتشير إلى أن الضبط الدقيق للتطبيقات السيادية المتخصصة أحد الاستخدامات المستهدفة. ويُعد Lara Mini جزءًا من Lara 4، وهي عائلة النماذج الأساسية المصممة لتشغيل الجيل التالي من Lara Translate.
أفاد تحديث نُشر في 13 نوفمبر 2026 بأن Lara Mini لم يكن متاحًا بعد في Lara Translate. وكانت الشركة تخطط لاستخدامه أساسًا للترجمة النصية دون اتصال بالإنترنت في التطبيق التالي من Lara Translate، بحيث تتم المعالجة على الهاتف ويبقى النص على الجهاز. ويشير رقم اللغات الـ45 إلى نطاق اللغات المشمولة في التدريب؛ أما اللغات التي سيدعمها الإطلاق للترجمة دون اتصال، فلم يُحدَّد عددها.
يربط التطبيق المخطط له البحث باختبار عملي للمنتج: تحويل نقطة تحقق بحثية محدودة إلى ترجمة خاصة تُجرى على الجهاز، مع الحفاظ على الكفاءة والأداء متعدد اللغات اللذين أوردتهما Translated في تقييمها.
