Qwen3-235B: النموذج الذي خدمته Gonka سابقاً

Qwen3-235B-A22B-Instruct-2507-FP8 هو نموذج لغة كبير (LLM) من عائلة Qwen3، تم تطويره بواسطة فريق Qwen في Alibaba Cloud. الاسم الكامل يُفكك كالتالي: Qwen3 — الجيل الثالث من السلسلة، 235B — 235 مليار معلمة إجمالاً، A22B — 22 مليار معلمة نشطة لكل طلب، Instruct — نسخة مدربة على اتباع التعليمات، 2507 — إصدار يوليو 2025، FP8 — تقدير 8 بت لتحسين الذاكرة.

الميزة المعمارية الرئيسية هي MoE (Mixture of Experts). على عكس النماذج 'الكثيفة' (GPT-5.5، Claude Sonnet 4.6)، حيث يمر كل رمز عبر جميع المعلمات، يُنشط نموذج MoE لكل طلب مجموعة فرعية فقط من 'الخبراء' - كتل متخصصة من الشبكة العصبية. في حالة Qwen3-235B، من أصل 235 مليار معلمة، يتم تنشيط 22 مليار فقط لكل رمز - أقل من 10%. وهذا يوفر جودة نماذج بمئات المليارات من المعلمات بتكاليف حاسوبية لنموذج 22 مليار معلمة.

في الممارسة العملية، هذا يعني: النموذج أذكى مما قد تتوقعه من سرعته. يعالج الطلبات بشكل أسرع بكثير من النماذج الكثيفة ذات الجودة المماثلة، بينما يتطلب ذاكرة وصول عشوائي للفيديو (VRAM) أقل بكثير للاستدلال. لهذا السبب أصبحت MoE هي البنية المهيمنة لأكبر النماذج للسنوات 2025-2026.

نافذة السياق لـ Qwen3-235B تبلغ 131,072 رمزًا (حوالي 100,000 كلمة) - وهذا يكفي لتحليل كتب كاملة، قواعد كود، أو مستندات قانونية طويلة في طلب واحد. يدعم النموذج 119 لغة، بما في ذلك الروسية والإنجليزية والصينية والعربية والهندية وعشرات اللغات الأخرى - مما يجعله أحد أكثر النماذج تعدد اللغات في السوق.

تنافس Qwen3-235B أكبر النماذج المغلقة والمفتوحة. إليك مقارنة للميزات الرئيسية:

تُظهر Qwen3-235B مستوى جودة يضاهي GPT-5.5 وClaude Sonnet 4.6 في معظم المعايير المرجعية، ومع كونها نموذج MoE مفتوح الأوزان، فهي أرخص بكثير من النماذج الاحتكارية: تعتمد بنية MoE على تنشيط جزء فقط من المعلمات لكل طلب مما يقلل تكاليف الحوسبة بشكل حاد. تطبق شبكة Gonka نفس المبدأ الخاص بـ inference اللامركزي الرخيص على النماذج الحالية للشبكة — Kimi K2.6 و MiniMax M2.7، المتاحة عبر JoinGonka Gateway بسعر $0.003 لكل 1 مليون توكن (أرخص بآلاف المرات من GPT-5.5 وClaude).

في معايير MMLU-Pro، HumanEval، MATH-500 وGSM8K، يُعد النموذج من بين أفضل ثلاثة نماذج مفتوحة المصدر، ولا يتفوق عليه سوى DeepSeek-R1 في مهام الاستدلال الرياضي (reasoning). وفي مهام توليد الأكواد، الترجمة، واتباع التعليمات، تتفوق Qwen3-235B باستمرار على Llama 4 Maverick وتضاهي Claude Sonnet 4.6.

عندما كانت Qwen3-235B هي النموذج الأساسي للشبكة، كانت تعمل في شبكة Gonka بشكل موزع — عبر بروتوكول DiLoCo، المُكيف للاستدلال (inference). يتطلب النموذج الكامل بتنسيق FP8 حوالي 640 جيجابايت من ذاكرة الفيديو (VRAM)، وهو أمر لا يمكن احتواؤه في وحدة معالجة رسومات واحدة — حتى H100 80GB أو H200 141GB لا تكفي. لذلك، تم تقسيم النموذج حسب الطبقات (tensor parallelism + pipeline parallelism) بين عدة عقد ML-node.

في الممارسة العملية، عملت Qwen3-235B على مجموعة من 8-16 عقدة GPU، كل واحدة بها ما لا يقل عن 40 جيجابايت VRAM. قامت وكلاء النقل (Transfer Agents) بتوجيه الطلب إلى المجموعة المناسبة، وقام vLLM على كل عقدة بمعالجة جزء النموذج الخاص بها، ثم تم تجميع النتائج وإعادتها للمستخدم. استغرقت العملية برمتها مئات الملي ثانية — ولم يشعر المستخدم بأن طلبه تمت معالجته بواسطة عشرات وحدات GPU في مواقع مختلفة حول العالم. نفس مبدأ الاستدلال الموزع تطبقه الشبكة الآن حالياً — على النماذج الحالية المتاحة.

تفصيل تقني مهم: تستخدم Gonka محرك vLLM كخدمة للتقديم (serving). vLLM هو مشروع مفتوح المصدر يوفر توليد نصوص عالي الأداء من خلال PagedAttention — وهي خوارزمية تعمل على تحسين استخدام الذاكرة الرسومية عند معالجة طلبات متعددة بشكل متوازٍ. وهذا يسمح للشبكة بخدمة آلاف المستخدمين في وقت واحد دون تدهور الجودة.

يدعم النموذج استدعاء الأدوات الأصلي (native tool calling) — وهو استدعاء الدوال والأدوات مباشرة من استجابة النموذج. تم إضافة هذه القدرة إلى Gonka عبر PR #767 بعتبة 0.958 لتحديد استدعاءات الأدوات. على Qwen3-235B، سمح هذا للمطورين ببناء وكلاء ذكاء اصطناعي يتفاعلون مع واجهات برمجة التطبيقات الخارجية (APIs) وقواعد البيانات والأدوات — كل ذلك عبر طلب واحد. دعم استدعاء الأدوات مستمر في النماذج الحالية للشبكة.

تضم شبكة Gonka أكثر من 4 000 وحدة GPU (H100, H200, A100, RTX 4090 وغيرها)، مجتمعة في أكثر من 120 عقدة ML. تعد هذه واحدة من أكبر شبكات GPU الموزعة للاستدلال بالذكاء الاصطناعي في العالم — وإذا كانت هذه القدرة في السابق موجهة نحو Qwen3-235B، فهي اليوم تخدم النماذج الحالية للشبكة، Kimi K2.6 و MiniMax M2.7.

الإجابة المباشرة: عبر شبكة Gonka — لم يعد متاحاً. تم إخراج Qwen3-235B من الشبكة، لذا لا يمكنك استدعاؤه عبر المعرف qwen3-235b-a22b من خلال Gateway الخاص بنا بعد الآن. وبما أن النموذج مفتوح (Apache 2.0)، لا يزال بإمكانك تشغيله بنفسك أو الوصول إليه عبر خدمات استضافة النماذج مفتوحة الأوزان — على سبيل المثال، عبر OpenRouter (تقريبياً $0.071/$0.100 لكل 1 مليون توكن).

أما إذا كنت تبحث عن الـ inference اللامركزي الرخيص الذي يجلبه المستخدمون إلى Gonka، فهو لا يزال متاحاً، ولكن يعمل الآن على النماذج الحالية للشبكة. عبر JoinGonka API Gateway تتوفر Kimi K2.6 و MiniMax M2.7 من خلال API متوافق مع OpenAI: أي كود مكتوب لـ OpenAI يعمل بدون تغييرات — فقط استبدل عنوان URL ومفتاح API واسم النموذج.

مثال لطلب نموذج حالي:

curl https://gate.joingonka.ai/api/v1/chat/completions \
  -H "Authorization: Bearer YOUR_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "moonshotai/Kimi-K2.6",
    "messages": [{"role": "user", "content": "اشرح بنية MoE"}]
  }'

التكلفة: $0.003 مقابل 1 مليون توكن — هذا أرخص 1,700 مرة من GPT-5.5 ($5.00/1M) وأرخص 1,000 مرة من Claude Sonnet 4.6 ($3.00/1M). عند التسجيل، تحصل على 10 ملايين توكن مجانية للاختبار.

يتوافق Gateway مع أدوات التطوير الشهيرة: يصف Quick Start كيفية الاتصال عبر Python، Node.js وcurl. كما يتم دعم تكاملات IDE — Cursor، Continue، Cline، Aider وClaude Code — وإطارات عمل وكلاء الذكاء الاصطناعي: LangChain، n8n، LibreChat، Open WebUI.

للبدء السريع:

1. سجل في gate.joingonka.ai (قم بتوصيل محفظة أو إنشاء محفظة جديدة)
2. احصل على مفتاح API في Dashboard
3. استبدل api.openai.com بـ gate.joingonka.ai/api في الكود الخاص بك
4. حدد نموذج الشبكة الحالي — moonshotai/Kimi-K2.6 أو MiniMaxAI/MiniMax-M2.7 (القائمة الكاملة في endpoint GET /v1/models)

الـ inference اللامركزي بمستوى المؤسسات بسعر مشاريع الهوايات لا يزال موجوداً — Qwen3-235B أفسحت المجال فقط لنماذج أحدث في الشبكة. نفس معادلة السعر والجودة تعمل الآن على Kimi K2.6 و MiniMax M2.7.