أطلقت BottleCap AI نموذج ThinkingCap-Qwen3.8-27B، ثاني نماذج سلسلة ThinkingCap، وهو ضبط دقيق (Fine-tune) لنموذج Qwen3.8-27B من فريق Qwen بهدف واحد ضيّق: مسارات تفكير أقصر. عبر 12 اختبارًا، يستهلك النموذج رموز تفكير (Thinking Tokens) أقل بنسبة 37.2% في المتوسّط، بينما تنخفض الدقّة الكلّية من 86.65% إلى 85.79%، أي 0.86 نقطة.
الفكرة
ترى BottleCap أن نماذج الاستدلال تنفق غالبًا رموز تفكير أكثر مما يحتاجه السؤال، وأن كثيرًا منها لا يغيّر الإجابة النهائية. وكان الهدف محافظًا عن قصد: عدم إضافة معرفة أو تغيير أسلوب الإجابة، وترك قدرات الاستدلال واتّباع التعليمات والسلامة كما هي.
أبرز الأرقام (بمستوى جهد xhigh)
- كل الاختبارات صارت أقصر، بتخفيضات بين 10.7% و65.5%.
- GPQA-Diamond: من 12,772 رمزًا إلى 7,267 (أقل بـ43.1%).
- AA-LCR للسياق الطويل: الدقّة ارتفعت 2.25 نقطة مع تفكير أقل بـ38.6%.
- الاختبارات الوكيلية بقيت قريبة من الأصل: τ²-bench خسر 1.01 نقطة مقابل تخفيض 30.9%.
- أغلى مقايضة كانت في AIME 2026: الدقّة من 98.13% إلى 94.27% مقابل تفكير أقل بـ30.2%.
تنبيه من MarkTechPost: رقم 37.2% هو متوسّط التخفيضات لكل اختبار، أما المتوسّط المجمّع لرموز التفكير فانخفض من 15,735 إلى 12,144.
التشغيل والترخيص
يعمل النموذج بديلًا مباشرًا لـQwen3.8-27B على vLLM أو SGLang، مع نسخ FP8 وNVFP4 وGGUF وMLX. لكن المستودع مقيّد بطلب وصول، والاستخدام التجاري خارج ترخيص الشركات الصغيرة يحتاج اتفاقًا مع BottleCap. وتوصي الشركة بمستوى الجهد xhigh للحصول على أفضل توازن.
ليه ده مهم؟
في النماذج المفتوحة، كل رمز تفكير يعني وقتًا وكهرباء وتكلفة. تقليص التفكير بثلث تقريبًا مع خسارة أقل من نقطة يجعل تشغيل نموذج استدلال محلي أرخص. لكن الخسارة ليست متساوية: الرياضيات الصعبة دفعت الثمن الأكبر، وهي النتائج المعلنة من الشركة نفسها.
المصادر: MarkTechPost — 2026-09-24
