معايير Llama 4: أداء Scout وحجم Maverick ودرجات البرمجة

تحليل مبسّط لنموذجي Llama 4 Scout وMaverick من Meta: عدد المعاملات، ونوافذ السياق، ودرجات LiveCodeBench وMMLU Pro وGPQA، مع نصائح صريحة لاختيار النموذج المناسب للبرمجة أو المستندات الطويلة أو المحادثات اليومية.

معايير Llama 4: أداء Scout وحجم Maverick ودرجات البرمجة
Cristian Da Conceicao

أطلقت Meta نموذج Llama 4 بنموذجين يبدوان متطابقين تقريبًا في المواصفات الورقية، لكنهما يتصرفان بشكل مختلف جدًا في الواقع. يفعّل Scout وMaverick كلاهما 17 مليار معامل لكل توكن، ومع ذلك فإن أحدهما نموذج بحجم 109 مليارات معامل مصمم لسياق ضخم، والآخر نموذج بحجم 400 مليار معامل مصمم لأقصى جودة. إذا كنت تحاول الاختيار بينهما، أو تريد فقط أن تعرف هل تصمد الأرقام الرئيسية، فهذا التحليل يعرض الأرقام جنبًا إلى جنب.

كل ما يلي يعتمد على الدرجات التي نشرتها Meta في بطاقة النموذج للإصدارات المُدرَّبة على التعليمات، وأشير إلى المواضع التي تختلف فيها لوحات المتصدرين الخارجية. المعايير نقطة بداية وليست حكمًا نهائيًا، ولذلك أشرح أيضًا ما تخبرك به كل درجة وما لا تخبرك به عن العمل الحقيقي.

الخلاصة المختصرة

إليك القصة كاملة في جدول واحد قبل أن نتعمق.

المواصفةLlama 4 ScoutLlama 4 Maverick
إجمالي المعاملات109B400B
المعاملات النشطة لكل توكن17B17B
الخبراء16128
نافذة السياقحتى 10M توكنحتى 1M توكن
LiveCodeBench (0-shot)32.843.4
MMLU Pro (0-shot)74.380.5
GPQA Diamond57.269.8

النمط بسيط. يتفوق Maverick في كل معايير الجودة، غالبًا بفارق يتراوح بين 6 و12 نقطة. ويتفوق Scout في طول السياق وفي سهولة توافقه مع الأجهزة. ولا يوجد أي من النموذجين الإجابة الصحيحة للجميع.

مهندس برمجيات يكتب شيفرة على مكتب بشاشتين بتركيز ناعم في الخلفية

أرقام أداء Scout

Llama 4 Scout Instruct هو الشقيق الأصغر، وكلمة "أصغر" نسبية. يحتوي على 109 مليارات معامل في المجموع، موزعة على 16 خبيرًا، مع 17 مليار معامل نشط فقط لأي توكن معيّن. هذا تصميم مزيج من الخبراء: يوجّه النموذج كل توكن إلى مجموعة صغيرة من المتخصصين بدلًا من تشغيل الشبكة كاملة.

المعاملات النشطة مقابل المعاملات الإجمالية

العدد النشط هو ما يحدد السرعة وحساب كل توكن. أما العدد الإجمالي فهو ما يحدد الذاكرة. أنت تدفع ثمن كل المعاملات البالغة 109B في التخزين، لكنك لا تحسب إلا باستخدام 17B في كل مرة. لهذا السبب يبدو Scout سريعًا قياسًا إلى حجمه، لكنه يحتاج إلى إعداد جادّ من وحدات GPU للاستضافة. ذكرت Meta أن Scout يمكن أن يعمل على وحدة H100 GPU واحدة عند تكميمه إلى Int4، وهذا هو الادعاء الرئيسي لمن يستضيف النموذج بنفسه.

ادعاء 10 ملايين توكن

الميزة الأكثر تداولًا في Scout هي نافذة سياق تصل إلى 10 ملايين توكن. على الورق، يكفي هذا لاستيعاب مستودعات شيفرة كاملة، وسنوات من محاضر الاجتماعات، أو رفّ كامل من الملفات القانونية في أمر نصي واحد.

لقطة مقربة لكتب مكتبة قديمة مع لفافة ورق طويلة ممدودة فوقها

💡 نظرة واقعية: أفاد مستخدمون مبكرون بأن الجودة الفعلية بدأت تتراجع عند نحو 32,000 توكن في بعض الإعدادات المستضافة. كما تحد كثير من الجهات المزوّدة النافذة بأقل بكثير من 10 ملايين توكن للتحكم في تكلفة الذاكرة. النافذة الكبيرة المعلنة سقف وليست وعدًا، لذا اختبر دائمًا بمستنداتك الطويلة أنت.

أين يصمد Scout

يسجل Scout 74.3 في MMLU Pro و57.2 في GPQA Diamond. وهذه أرقام محترمة لنموذج بهذا الحجم، وهي كافية للتلخيص والاستخلاص ومسودات دعم العملاء والإجابة عن الأسئلة العامة. ويتأخر في الاستدلال الصعب والبرمجة، وهو ما يقودنا إلى النموذج الأكبر.

منظر جوي لللاما تسير في صف واحد على طريق جبلي متعرج

شرح حجم Maverick

Llama 4 Maverick Instruct هو الثقل الأكبر في الزوج. يحتوي على 400 مليار معامل في المجموع و17 مليار نشط بالقدر نفسه، لكنها موزعة على 128 خبيرًا بدلًا من 16. المزيد من الخبراء يعني تخصصًا أكبر، وهذا يظهر في الدرجات.

400B على الورق، و17B أثناء التشغيل

هذا هو الجزء الذي يربك الناس. يبدو نموذج بحجم 400B أبطأ بعشر مرات من نموذج بحجم 40B. لكنه ليس كذلك، لأن الحساب لكل توكن يعتمد على المعاملات النشطة. يولّد Maverick التوكنات بتكلفة حسابية تقارب تكلفة Scout. ما يتغير هو فاتورة الذاكرة: تحتاج إلى مساحة لتخزين كل الأوزان البالغة 400B، رغم أن معظمها يبقى خاملًا مع كل توكن.

منظور من زاوية منخفضة لممر طويل في مركز بيانات تصطف فيه أرفف خوادم سوداء

لماذا يهم وجود 128 خبيرًا

مع 128 خبيرًا، يملك الموجّه خيارات أوسع بكثير لتحديد المتخصص الذي يعالج كل توكن. عمليًا، يمنح ذلك Maverick تغطية أفضل للموضوعات المتخصصة، ومعالجة أقوى للشيفرة، واستدلالًا أكثر موثوقية عبر الخطوات المتعددة. ويضيف النموذج أيضًا طبقات متناوبة كثيفة وطبقات خبراء، وترى Meta أن ذلك يحافظ على الجودة العالية دون أن تنفجر التكلفة.

واقع الأجهزة

وصفت Meta Maverick بأنه يعمل على مضيف H100 DGX واحد، أي خادم يضم ثماني وحدات GPU وليس بطاقة واحدة. وهذا يجعل الاستضافة الذاتية بعيدة عن متناول معظم الهواة. أما بقية المستخدمين فالوصول المستضاف هو الخيار المعقول، وهنا بالتحديد تفيد منصة مثل PicassoIA، لأنك تستطيع تشغيله من المتصفح دون امتلاك أي وحدة GPU.

لقطة مقربة لبطاقة رسومات مثبتة في علبة حاسوب مفتوحة على طاولة عمل

سؤال الاستضافةScoutMaverick
البصمة في الذاكرةمتوسطةكبيرة جدًا
إمكانية العمل على GPU واحدة؟نعم، مع تكميم Int4لا، يحتاج إلى مضيف متعدد وحدات GPU
السرعة لكل توكنسريعسريع، وحساب نشط مماثل
الأنسب لـالسياق الطويل والميزانيات الأضيقأحمال العمل التي تعطي الأولوية للجودة

درجات البرمجة وجهًا لوجه

البرمجة هي ما يهم معظم القراء، لذلك سأكون مباشرًا: Maverick هو الأفضل بوضوح في البرمجة من بين النموذجين.

نتائج LiveCodeBench

تسرد بطاقة نموذج Meta الدرجة 32.8 لنموذج Scout و43.4 لـ Maverick في LiveCodeBench، وذلك على مسائل نُشرت بين أكتوبر 2024 وفبراير 2025 باستخدام الأوامر دون أمثلة مسبقة (zero-shot). وهذه فجوة تزيد على 10 نقاط، وهي كبيرة بالنسبة إلى معيار من هذا النوع. وتسرد بعض مواقع المقارنة الخارجية درجة قريبة من 39.7 لـ Maverick، ويرجّح أن ذلك يعكس إعداد تقييم مختلفًا وليس نموذجًا مختلفًا.

ماذا تعني الدرجة في العمل الحقيقي

يختبر LiveCodeBench مسائل بأسلوب المسابقات: ألغاز مكتفية بذاتها ولها إجابة صحيحة واضحة. أما الهندسة اليومية فأكثر فوضى. تقرأ شيفرة غير مألوفة، وتعدّل عدة ملفات، وتتعامل مع متطلبات نصف مكتملة. نموذج يسجل 43 في LiveCodeBench سيتعثر مع إعادة الهيكلة الكبيرة، ونموذج يسجل 32 سيكتب بالتأكيد قوالب وأكواد اختبار وأدوات صغيرة جيدة.

💡 قاعدة عملية: استخدم Scout لشرح الشيفرة وكتابة توثيق الدوال وتوليد اختبارات الوحدة وتلخيص المستودع. واستخدم Maverick عندما تحتاج إلى منطق صحيح من المحاولة الأولى.

درجات الاستدلال تؤكد النتيجة نفسها

تظهر الفجوة نفسها في GPQA Diamond، وهي مجموعة من أسئلة العلوم على مستوى الدراسات العليا: 57.2 لـ Scout مقابل 69.8 لـ Maverick. وفي MMLU Pro، وهي نسخة أصعب من اختبار المعرفة الكلاسيكي، الأرقام هي 74.3 و80.5. حتى النماذج الأساسية المُدرَّبة مسبقًا تتبع الاتجاه نفسه، فدرجة MMLU Pro (5-shot) تبلغ 58.2 لـ Scout و62.9 لـ Maverick.

المعيارScoutMaverickالفارق
LiveCodeBench32.843.4+10.6
MMLU Pro74.380.5+6.2
GPQA Diamond57.269.8+12.6
MMLU Pro (الأساسي، 5-shot)58.262.9+4.7

امرأة تراجع مخططات أعمدة مطبوعة منتشرة على طاولة خشبية كبيرة من خشب البلوط

قراءة المعايير دون أن تُخدع

الأرقام في بطاقة النموذج منظمة ومرتبة. والعالم الحقيقي ليس كذلك. هناك عدة أمور تستحق التذكر قبل أن تستشهد بأي من هذه الأرقام في قرار ما.

جدل LMArena

عند إطلاق Llama 4، أبرزت Meta ترتيبًا قويًا في لوحة متصدري المحادثة LMArena. ثم ظهر لاحقًا أن النسخة المختبرة هناك كانت إصدارًا تجريبيًا مضبوطًا للمحادثة، وليست الإصدار المتاح للجمهور. وكان رد فعل المجتمع حادًا، وألقى ذلك بظلاله على الإطلاق. بطاقات النماذج نفسها ليست موضع خلاف، لكن الواقعة تذكير جيد بضرورة الثقة بالمعايير التي يمكنك إعادة إنتاجها.

إعدادات التقييم تغيّر كل شيء

يمكن للنموذج نفسه أن تختلف درجاته بعدة نقاط حسب:

  • عدد الأمثلة (shot): الأوامر دون أمثلة (zero-shot) مقابل الأوامر مع خمسة أمثلة (five-shot)
  • قالب الأمر: الصياغة والتنسيق الدقيقان المستخدمان
  • النافذة الزمنية: يضيف LiveCodeBench مسائل جديدة مع مرور الوقت
  • إعدادات أخذ العينات: درجة الحرارة وعدد المحاولات وميزانية الاستدلال

لهذا السبب سترى درجة MMLU Pro لـ Scout مذكورة بـ74.3 في مكان، ورقمًا أقل بكثير في مكان آخر. قارن الأرقام فقط عندما تأتي من الإعداد نفسه.

طول السياق ليس جودة السياق

نافذة 10 ملايين توكن إنجاز هندسي، لكن دقة الاسترجاع عبر هذه النافذة تختلف حسب المهمة. اختبارات "الإبرة في كومة القش" هي الحالة السهلة. أما الاستدلال عبر حقائق متناثرة فهو الحالة الصعبة. تعامل مع السياق الطويل كقدرة يجب التحقق منها، لا كافتراض مسلَّم به.

أي نموذج من Llama 4 يناسبك

مطوّران يبرمجان معًا في زوج أمام مكتب واقف في مكتب علوي مشرق

اختر Scout إذا

  • تعمل مع مدخلات طويلة جدًا مثل المستودعات الكاملة أو المحاضر الطويلة أو مجموعات المستندات
  • تريد نموذجًا أخف في الاستضافة وأرخص في التشغيل على نطاق واسع
  • مهامك هي التلخيص أو الصياغة أو التصنيف أو الإجابة عن الأسئلة
  • السرعة أهم لك من انتزاع النقاط الأخيرة من الدقة

اختر Maverick إذا

  • تحتاج إلى توليد شيفرة ومنطق أقوى
  • تتعامل مع استدلال أصعب أو أسئلة تقنية أو مهام متعددة الخطوات
  • تعمل مع الصور والنص معًا وتريد مستوى الجودة الأعلى
  • جودة المخرجات أهم لك من تكلفة الذاكرة

فكّر في البدائل الأحدث

ظهر Llama 4 في أبريل 2025، وتطور المجال منذ ذلك الحين. إذا كان تصدّر المعايير أولويتك، فانظر إلى الخيارات الأحدث على PicassoIA أيضًا. GPT 5.6 Sol مصمم للمهام البرمجية الصعبة، وClaude Sonnet 5 مساعد برمجي قوي، وGemini 3.1 Pro يتعامل مع الأوامر الطويلة متعددة الوسائط، وDeepseek v3.1 خيار آخر من نوع مزيج الخبراء بأوزان مفتوحة يستحق التجربة. يظل Llama 4 جذابًا بفضل أوزانه المفتوحة وتراخيصه المرنة، لكنه لم يعد الاسم الوحيد في المحادثة.

كيف تستخدم Llama 4 على PicassoIA

النموذجان متاحان على PicassoIA، لذا يمكنك إجراء مقارنتك الخاصة دون تثبيت أي شيء. هذه أسرع طريقة للتحقق من أن فجوة المعايير مهمة لمهامك.

مصمم شاب يعمل على حاسوب محمول على طاولة مقهى مضاءة بضوء الشمس

خطوة بخطوة

  1. افتح صفحة النموذج. انتقل إلى Llama 4 Scout Instruct أو Llama 4 Maverick Instruct.
  2. اكتب أمرًا نصيًا دقيقًا. حدد المهمة والتنسيق الذي تريده وأي قيود. بالنسبة للشيفرة، ألصق الدالة المعنية وصف السلوك المتوقع.
  3. اضبط معاملاتك. اخفض درجة الحرارة (نحو 0.2 إلى 0.4) للشيفرة والحقائق، وارفعها (0.7 إلى 0.9) للصياغة الإبداعية.
  4. حدّد طول المخرجات. اضبط حدًا أقصى معقولًا لعدد التوكنات حتى تبقى الإجابات مركزة وسريعة.
  5. شغّله وقارن. أرسل الأمر نفسه إلى النموذجين واقرأ المخرجات جنبًا إلى جنب.

نصائح للمعاملات تساعد

  • كن صريحًا بشأن التنسيق. اطلب "الشيفرة فقط دون شرح" أو "جدولًا من ثلاثة أعمدة"، وكلا النموذجين يلتزم بذلك جيدًا.
  • قسّم المهام الكبيرة إلى خطوات. حتى مع السياق الكبير، يعطي الأمر المرحلي نتائج أكثر موثوقية من طلب ضخم واحد.
  • استخدم سطر افتتاح بأسلوب تعليمات النظام. تعليمة دور قصيرة مثل "أنت مراجع أول دقيق" تحسّن النبرة والدقة.
  • اختبر على بياناتك. ألصق مستندًا حقيقيًا أو خللًا حقيقيًا. عينتك الخاصة تتفوق على أي معيار عام.

💡 اختبار مقارنة سريع: خذ خللًا صعبًا واحدًا من مشروعك، والصقه في النموذجين واطلب إصلاحًا مع شرح. يظهر الفرق في جودة الاستدلال عادةً في الإجابة الأولى.

سير عمل بسيط

ابدأ بنموذج Scout للمسودات والملخصات والاستكشاف لأنه أخف. وانتقل إلى Maverick عندما تحتاج المهمة إلى دقة، مثل خوارزمية معقدة أو تقرير تقني بادعاءات محددة. يحافظ هذا النهج ذو المستويين على جودة عالية دون الإفراط في استخدام النموذج الأكبر.

الحكم النهائي على الأرقام

يشترك Scout وMaverick في الحجم النشط نفسه، لكنهما أداتان مختلفتان. Scout هو الحصان الذي يعمل طويلًا في السياق، بسقف 10 ملايين توكن، ومتطلبات استضافة أخف، ودرجات عامة متينة. أما Maverick فهو خيار الجودة، بحجم إجمالي 400B و128 خبيرًا، وتقدم واضح في LiveCodeBench (43.4 مقابل 32.8)، وMMLU Pro (80.5 مقابل 74.3)، وGPQA Diamond (69.8 مقابل 57.2).

متسلق وحيد يقف على قمة صخرية ينظر إلى بحر من الغيوم عند الغسق

شغّل معيارك الخاص اليوم

أفضل معيار هو الذي تبنيه من عملك أنت. افتح Llama 4 Scout Instruct وLlama 4 Maverick Instruct في تبويبين على Picasso IA، وأرسل إليهما الأمر الحقيقي نفسه، وانظر أي إجابة ستعتمدها فعلًا. ثم جرّب بعض النماذج الأحدث من مجموعة النماذج الكاملة، واجمع نصوصك مع الصور والفيديو من مولّدات المنصة، وابنِ سير عمل يناسب طريقتك في الإبداع. ابدأ بأمر واحد وقارن النتائج بنفسك.

شارك هذا المقال

اختر لغتك

Freeأنشئ صورًا وفيديوهات بالذكاء الاصطناعيمجانًا، دون بطاقة ائتمانعمليات توليد مجانية للبدءيشمل Seedance 2.5 Liteابدأ مجانًا الآن

مقالات ذات صلة