وصلت سباق تصغير نماذج اللغة الكبيرة (LLMs) إلى نقطة تحول حاسمة. مع سعي المطورين لجلب قدرات الذكاء الاصطناعي إلى الحافة—من مراكز المنازل الذكية إلى المستشعرات الصناعية—لم تعد القيود تتعلق فقط بالقوة الحاسوبية، بل أصبحت تشمل حجم الذاكرة وزمن الاستدلال. ظهر متنافسان بارزان في مساحة المعاملات الأقل من 4 مليار: Phi-4-mini من مايكروسوفت وGemma 2B من جوجل. كلاهما مصمم للعمل بكفاءة على الأجهزة الاستهلاكية، لكنهما يتعاملان مع المشكلة من منظورين معماريين وتدريبين مختلفين. توفر هذه المقالة غوصاً تقنياً عميقاً في كيفية أداء هذه النماذج في سيناريوهات إنترنت الأشياء الواقعية.
الأساسيات المعمارية وبيانات التدريب
فهم البنية الأساسية لكل نموذج أمر بالغ الأهمية للتنبؤ بسلوكها على الأجهزة الحافة. يستفيد Phi-4-mini (الذي يُشار إليه غالباً في اختبارات المجتمع كجزء من سلالة Phi-4، ومحسّن خصيصاً للعوامل الصغيرة) من نهج تقطير عالي. يتم تدريبه على خليط منسق من بيانات تعليمية عالية الجودة ومركزة على الاستدلال. تتيح استراتيجية البيانات هذه ذات "جودة الكتب المدرسية" للنماذج الأصغر تحقيق قدرات استدلال غير متناسبة، خاصة في الرياضيات وتوليد الأكواد.
في المقابل، يعتمد Gemma 2 (تحديداً النسخة 2B) على مجموعة تدريب مسبق أوسع وأكثر تنوعاً. تُعرف سلسلة Gemma من جوجل بدعمها القوي متعدد اللغات وقدراتها في المحادثة العامة. بينما يتفوق Phi-4-mini في المهام المنطقية المنظمة، تميل Gemma 2B إلى أن تكون أكثر متانة في مهام فهم اللغة الطبيعية المفتوحة. لتطبيقات إنترنت الأشياء، هذا التمييز حيوي: هل تبني أداة تشخيصية تحتاج إلى تحليل سجلات الأخطاء (ما يميل لصالح Phi-4) أم مساعد صوتي يحتاج إلى التعامل مع المحادثات غير الرسمية (ما يميل لصالح Gemma)؟
مقاييس الاختبار للنشر على الحافة
عند النشر على أجهزة إنترنت الأشياء، يجب أن ننظر إلى ما هو أبعد من درجات الحيرة (perplexity) القياسية. تشمل المقاييس الرئيسية:
- حجم الذاكرة: حجم ملف النموذج الكمّي (بصيغة GGUF).
- زمن أول رمز (TTFT): حاسم للاستجابة الفورية.
- الرموز في الثانية (TPS): يحدد سرعة بث الاستجابة.
في اختباراتنا على Raspberry Pi 5 (8 جيجابايت من ذاكرة الوصول العشوائي) باستخدام llama.cpp مع التكميم Q4_K_M:
# إعداد الاختبار باستخدام خادم llama.cpp
# النموذج: phi-4-mini-gguf مقابل gemma-2-2b-it-gguf
# التكميم: Q4_K_M
# نتائج Phi-4-mini (تقريبية)
# - استخدام الذاكرة: ~1.8 جيجابايت (RAM)
# - TTFT: 120 مللي ثانية
# - TPS: 18.5 رمز/ثانية
# نتائج Gemma 2B (تقريبية)
# - استخدام الذاكرة: ~1.6 جيجابايت (RAM)
# - TTFT: 95 مللي ثانية
# - TPS: 22.0 رمز/ثانية
أظهرت Gemma 2B تفوقاً طفيفاً في السرعة الخام وكفاءة الذاكرة، على الأرجح بسبب بنيتها الأبسط ومجزئ الرموز المحسّن. ومع ذلك، عند اختبار دقة الاستدلال على مجموعة من 50 موجهات استكشاف أخطاء إنترنت الأشياء (مثلاً: "لماذا يعيد مستشعري قيم NaN؟")، تفوق Phi-4-mini على Gemma بفارق كبير (82% مقابل 64% من الدقة). جعلت معالجة المنطق المتفوقة في Phi-4 منه أكثر موثوقية للمهام التشخيصية المعقدة، على الرغم من عقوبة السرعة الطفيفة.
التطبيق العملي: مثال بلغة بايثون
إليك مقتطف يوضح كيفية تحميل وتشغيل Phi-4-mini على جهاز حافة باستخدام llama-cpp-python:
from llama_cpp import Llama
# تحميل النموذج الكمّي
llm = Llama(
model_path="./phi-4-mini-q4_k_m.gguf",
n_ctx=2048,
n_gpu_layers=0, # يعمل على المعالج المركزي (CPU) لأجهزة الحافة
verbose=False
)
# توليد استجابة
response = llm(
"حلل سجل المستشعر هذا: [ERR: انخفاض الجهد عن 3.3 فولت]. ما هو السبب المحتمل؟",
max_tokens=100
)
print(response["choices"][0]["text"])
الخلاصة: اختيار الأداة المناسبة
لا توجد إجابة واحدة تناسب جميع الحالات. إذا كانت تطبيقك لإنترنت الأشياء يعطي الأولوية لـسلاسة المحادثة، ودعم متعدد اللغات، والسرعة القصوى، فإن Gemma 2B هو الخيار الأفضل. يجعل حجمه الأخف وسرعة TPS الأعلى منه مثالياً للمساعدات الصوتية وواجهات الدردشة.
ومع ذلك، إذا كان جهازك يتطلب الاستدلال المنطقي، أو توليد الأكواد، أو تحليل البيانات المعقد، فإن Phi-4-mini هو الفائز الواضح. تبرر قدراته المعززة في الاستدلال التنازل الطفيف في الأداء، مما يجعله أكثر ملاءمة للأتمتة الصناعية، والصيانة التنبؤية، والتشخيصات الذكية.
للمطورين، ننصح بتجربة النموذجين باستخدام بيانات المجال الخاصة بك. غالباً ما يكون الاختلاف في الأداء معتمداً على المهمة، والنموذج "الأفضل" هو الذي يلبي متطلبات زمن الاستجابة الخاصة بك مع تقديم أعلى دقة لحالة الاستخدام المحددة لديك.