في عالم الذكاء الاصطناعي، تتسارع الابتكارات لتغيير طريقة تعاملنا مع المعلومات والتحليل. في هذا السياق، تم الكشف عن نموذج موبيوس (Mobius-v0) الثوري، الذي يمثل نقلة نوعية في معمارية التعلم الآلي. يعتمد موبيوس على هيكل فريد يجمع بين ذاكرة مشتركة واسعة النطاق (Memory) ومستويات التفكير المتعددة (Reasoners) التي تحقق الاستدلال التركيبي بشكل متتابع.

ما يميز موبيوس هو قدرته على استخدام الحالات المخفية كذاكرة وقناة، حيث يقوم المستوى المعرفي بالاستعلام المتكرر عن المتجهات المعرفية (knowledge-vectors) التي يحتاجها، ثم يقوم بإرجاع المعرفة إلى وحدات الاستدلال. من خلال هذا الفصل بين المعرفة والاستدلال، يحقق موبيوس كفاءة أعلى في ضغط المعرفة وسرعة الاستدلال.

أُطلق أول نموذج مدرّب من الصفر بقدرة 7 مليار معلم، وقد أظهر نتائج مشابهة لنموذج تحويلات 7 مليار، مع استخدام 62.6% فقط من بيانات التدريب الأساسية.

فضلًا عن ذلك، تم تحسين النموذج بإصدار Intern-S2-Mobius، المستمر في التدريب على نموذج Qwen3.5-35B، حيث حقق نتائج مشابهة في الأداء بينما زاد سرعة الاستدلال إلى ما يقرب من أربعة أضعاف مقارنة بالنماذج التقليدية.

إن هذا التطور يوفر فرصًا واعدة للعديد من التطبيقات العملية في مختلف المجالات.

ما رأيكم في هذه الابتكارات الثورية؟ شاركونا أفكاركم في التعليقات!