> نماذج قرار Jev، مشروحة▋
نماذج صغيرة جدًا تجيب على أسئلة نعم أو لا باحتمال لكل خيار — موجة قرارات Jev كما يرويها سجل الإصدارات، لا الاختبارات.
mrsaynothing· 7 أكتوبر 2026· 5 دقيقة قراءة
curl -fsSL https://ollama.com/install.sh | shالخلاصة: حين يحتاج خط المعالجة قرارًا — أي طابور، سماح أم رفض، أي وسم — يجيب نموذج قرار Jev في تمريرة واحدة مع احتمال مرفق. ستة checkpoints وصلت محليًا هذا الأسبوع: خمس متساهلة وواحدة غير تجارية. استخدمها للقرارات، لا للأسباب أبدًا — وقِس الأرقام قبل أن تثق بها.
سطر الصدق: هذه الموجة عمرها أيام، لذا قرأت السجل ولم أشغّله. كل ما هنا يأتي من إعلان Ollama، وملاحظات إصدار llama.cpp 0.6.0، وبطاقات checkpoints المنشورة. الاختبار بالزمن الحقيقي هو المتابعة — تلك الأرقام وحدها لا يستطيع أحد سحبها منّا.
- نموذج القرار — ذكاء اصطناعي صغير يجيب على السؤال باختيار ورقم ثقة، لا بجملة
- الاحتمال — رقم الثقة: 0.87 يعني «في 87 من كل 100 مرة سأقول الشيء نفسه»
- التوجيه — إرسال كل طلب وارد إلى الطابور أو العامِل الصحيح، كعامل بريد يختار عربة توزيعه
- المعايرة — هل يقول رقم الثقة الحقيقة؛ المعاير 0.9 يصيب 9 مرات من 10
- GGUF — صيغة الملفات التي تصل بها النماذج المحلية؛ الاسم الموجود في كل قائمة تنزيل
1 · شكلا الإجابة
نماذج المحادثة تجيب على كل شيء بالنصوص. وهذا الشكل الخطأ لنصف ما تحتاجه خطوط المعالجة. موجّه الطلبات يريد أي طابور. البوابة تريد سماحًا أم رفضًا، وبأي درجة ثقة. المصنّف يريد وسمًا واحدًا من ستة.
اطلب قرارًا من نموذج محادثة فتحصل على جملة تعني الصواب — عادةً — بصياغة مختلفة كل مرة، مع خطوة تحليل تفشل بصمت.
تطلب من شخص فرز البريد فيكتب لك مقالًا عن كل رسالة. والآخر يناولك صينية مرتبة مع ورقة ملاحظة: «واثق بنسبة 87% أن هذه كومة الفواتير». مَن من الاثنين تثق به في السادسة صباحًا؟
2 · ما هي موجة Jev فعلًا
«Jev» هو اسم عقد الواجهة البرمجية: نموذج يأخذ سؤالًا وقائمة خيارات ثابتة ويعيد احتمالًا لكل خيار. عرّفته TypeSafe، وتبنّته الأدوات المحلية خلال أسبوع من بعضها.
أطلقت Ollama الدعم المحلي في 29 سبتمبر — حصلت v0.35 على /v1/systemone خاص بها، مع Nimble وTev1 قابلَي السحب عند الإطلاق. وتبعتها llama.cpp في 0.6.0 (5 أكتوبر): نقطة نهاية /v1/systemone تخدم خمسة ملفات GGUF مفتوحة — Julia-1 وLaya وKev-4B وlev وOpenJev — وهبط Nimble بعد أيام.
هذه النماذج صغيرة جدًا — من 144M إلى 27B معاملًا، حيث تبدأ نماذج المحادثة من 30 ضعف ذلك. الصغر هو الغاية: القرار تمريرة واحدة، والنموذج الصغير بما يكفي ليبدو فوريًا يغيّر قائمة المهام التي يسمح لها بطرح السؤال.
توجد مقارنة دقة عامة واحدة فقط — 13 مجموعة بيانات من Bespoke Labs و3,880 قرارًا موسومًا بشريًا: Nimble بنسبة 75.7%، وTev1-4B بنسبة 73.3%، وTev1-0.8B بنسبة 63.5%، وJev المستضاف بنسبة 76.0%. أرقام قريبة من البائعين، فاعتبرها نقطة بداية — الاختبار الذي يهم يعمل على وسومك أنت.
تخيّل: نموذج المحادثة أستشاريًا تحجزه بالساعة. نموذج القرار هو الختم على مكتب الاستقبال — لا يقول إلا أي صينية، ولا يتعب أبدًا.
3 · النماذج على الرف
الجدول أدناه هو رف llama.cpp — الستة checkpoints التي تخدمها نقطة النهاية 0.6.0 (مكتبة Ollama تحمل مجموعتها الخاصة: Nimble وTev1 وLaya وClef). رشّح حسب الرخصة — OpenJev هي المدخل غير التجاري الوحيد الذي تتحقق منه قبل أن يلمسه خط معالجة تجاري. كون runtime من llama.cpp برخصة MIT لا يغيّر ما تسمح به الأوزان.
| Checkpoint | الحجم | الرخصة | ملاحظات |
|---|---|---|---|
| Julia-1 | 144M | Apache-2.0 | 2–20 خيارًا، حد مشترك 8,192 رمزًا |
| Laya | 421M | Apache-2.0 | توجيه بالإنجليزية؛ لا تفترض تعدد اللغات |
| lev | 4B | Apache-2.0 | قرارات نصية |
| Kev-4B | 4B | Apache-2.0 | المعالجة المسبقة لتواريخ المرجع غير مضمّنة |
| Nimble | 9B | Apache-2.0 | LoRA على Qwen3.5-9B؛ نص فقط محليًا |
| OpenJev | 27B | CC BY-NC 4.0 | إدخال بصري عبر الـprojector الخاص به؛ غير تجاري |
الشكل السابع، Clef، وصل في الإصدار نفسه 0.6.0 (Apache-2.0، نص وصورة)، وخط Clef من Cloudflare يُسحب من Ollama أيضًا. الفكرة نفسها، وأبواب أكثر.
سلم الأحجام يُقرأ ببساطة: ثنائي 144M–421M يعمل على معالج خامل ويتكفل بالتوجيه النظيف؛ وثنائي 4B يثبت قيمته حين تصبح الوسوم دقيقة؛ والـ27B يضيف عينين. شغّل nvidia-smi --query-gpu=memory.total --format=csv,noheader — بهذه الأحجام تكفي أي بطاقة تقريبًا.
تخيّل: الحجم هو الراتب. نموذج 144M ينجز العمل بثمن بخس؛ ولا تدفع لأجل 27B إلا حين يحتاج العمل إلى النظر في الصور.
4 · أين يناسب — وأين لا يناسب
يناسب حين يكون الناتج قرارًا: توجيه الطلبات (تذكرة → فوترة / مبيعات / إساءة)، والبوابات (سماح-أو-رفض مع درجة ثقة)، وفرز المستندات بالجملة — صنّف بالنموذج الصغير، ولا تنفق رموز النموذج الكبير إلا على ما يشمسه.
لا يناسب حين تحتاج الأسباب. الوسم مع احتمال لا يحمل أسبابًا. لحظة يسأل خط المعالجة «لماذا»، تعود إلى نموذج محادثة — أو إلى قراءة المستندات بنفسك.
لا يناسب حين تحتاج الحقيقة بالتوافق. اتفاق النماذج ليس تحققًا. الإجابة الخاطئة بالإجماع تصل بأعلى صوت واثق على الإطلاق — بالضبط نمط الفشل الذي وُجدت سجلاتنا لاقتناصه.
الميزة الصامتة: الاحتمال هو الجواب
نموذج محادثة يقول «هذا على الأرجح فوترة» يخفي معايرته — تحصل على صياغة واحدة، مرة واحدة. نموذج القرار يناولك الرقم، و0.51 و0.99 قراران مختلفان: تحت عتبتك، صعّد الأمر إلى إنسان بدل التنفيذ. أما هل يقول هذا الرقم الحقيقة على وسومك أنت، فليس في ملاحظات الإصدار. لذلك وُجد الاختبار — ولهذا هو المقال التالي.
verify: ollama run qwen3:0.6b "Reply YES or NO: is 7 prime?" — جواب من رمز واحد بلا مقال مرفق يعني أن الشكل يعمل على جهازك.
التالي في هذه الموجة: llama.cpp مقابل Ollama · Ollama لا تستخدم الـGPU — وكل ما يخص النماذج المحلية في محور local LLM.
faq
— mrsaynothing
$ مقالات ذات صلة
llama.cpp مقابل Ollama — أيهما تشغّل؟
قراءة السجل العام لا تشغيله: Ollama تثبّت محرّك llama.cpp عند b11351 بينما المسار العلوي أطلق b11443. أحدهما جهاز منزلي والآخر غرفة المحرك.
2026-10-06 · 4 دقيقة قراءة
llama.cpp vs Ollama: Which Should You Run in 2026?
llama.cpp vs Ollama: Ollama wraps llama.cpp for convenience, raw llama.cpp wins on speed and control. Benchmarks, GPU offload flags, and when each wins.
2026-09-10 · 7 دقيقة قراءة
How to Run GGUF Models Locally: Ollama, llama.cpp & vLLM
How to run GGUF models locally: one-line Ollama pulls, llama.cpp straight off a Hugging Face URL, and how to pick the right quant for your VRAM.
2026-09-07 · 7 دقيقة قراءة
