Shannon 3.1

تطلب منك معظم إصدارات النماذج أن تصدّق ادعاءً عن القدرة وتنتظر جدول قياس أداء ليحسم الجدل. هذا الإصدار أسهل في التحقق: افتح تبويبين، ضع المطالبة نفسها في shannon-3 وshannon-3.1، وراقب. الفرق في سرعة وصول الإجابة ليس خفيًا، وليس خدعة عرض. كان Shannon 3.0 مكبوحًا عن عمد. أما Shannon 3.1 فلا.

01ما الذي تغيّر فعلًا في Shannon 3.1

قدّم Shannon 3.0 الشيء الذي يعرّف هذه العائلة: حلقة استدلال تكرارية. لا يجيب النموذج عند فكرته الأولى. بل يفكّر، ويكتب مسودة، ويراجع مسودته في ضوء السؤال، ثم يحسّنها. تشغّل نسخة Lite تمريرة واحدة من تلك الحلقة؛ وتشغّل Pro الحلقة كاملة، بما فيها خطوة حصاد المعرفة قبل كتابة المسودة. هذا التصميم موصوف بالتفصيل في مقال أبحاث Shannon 3، ولم يتغيّر منه شيء في 3.1.

ما تغيّر هو الآلية تحته. كان Shannon 3.0 يُقدَّم عبر مضيف استدلال خارجي — طريقة معقولة لإطلاق نموذج، وطريقة مقيِّدة لتشغيله. فأنت ترث إعداد تقديم يخصّ غيرك، وطابور غيرك، وسقف سياق غيرك، وتصوّر غيرك عن عدد الرموز في الثانية المسموح لك بها. أما Shannon 3.1 فيعمل على عنقود GPU الخاص بنا، فوق منظومة تقديم نضبطها نحن، وكل رقم رئيسي في هذا المقال هو نتيجة لذلك القرار الواحد.

	Shannon 3.0	Shannon 3.1
مكان التشغيل	مضيف خارجي	عنقود GPU الخاص بنا
نافذة السياق	32,768	196,608
بث المخرجات	مضبوط الإيقاع / مقيَّد المعدل	سرعة المحرك الكاملة
الأوزان	إعداد المضيف الافتراضي	4-bit NVFP4
فك الترميز	قياسي	تخميني
حلقة الاستدلال	تفكير ← مسودة ← مراجعة ← تحسين	دون تغيير
طبقة الرفض	لا توجد	لا توجد
معرّفات النماذج	shannon-3, shannon-3-pro	shannon-3.1, shannon-3.1-pro

02لماذا يبدو Shannon 3.1 أسرع بـ 10-15 مرة

رقم السرعة هو أول ما يسأل عنه الناس، لذا يستحق الدقة في بيان مصدره. هناك مساهمتان مستقلتان، وأكبرهما هي الأقل بريقًا.

أزلنا بوابة السرعة

كانت مخرجات Shannon 3.0 تمرّ عبر طبقة ضبط إيقاع. تخرج الرموز من المحرك، فتُحتجَز، ثم تُطلَق إلى اتصالك وفق جدول زمني. لم يكن ذلك صدفة ولا خللًا. فحين يكون مضيف استدلال مشترك هو عنق الزجاجة، يخفّف ضبط الإيقاع الحملَ، ويمنع توليدًا طويلًا من احتكار فتحة، ويجعل البث يصل بإيقاع متوقَّع ومريح للقراءة بدل أن يأتي دفعات. إنه خيار هندسي يمكن الدفاع عنه، وقد كلّف كل مستخدم وقتًا حقيقيًا في كل ردّ.

ليس في Shannon 3.1 أي بوابة سرعة ولا ضبط إيقاع للكشف. تُكتَب الرموز إلى بثّك بينما ينتجها المحرك. فإن كان المحرك يولّد بسرعة، فسترى ذلك بسرعة. لا يوجد مخزن تنعيم بين النموذج وطرفيتك أو نافذة دردشتك أو قارئ SSE لديك. وبالنسبة إلى إجابة طويلة — تحليل من 2,000 رمز، أو ملف شيفرة مولّدة — يفسّر هذا وحده معظم التحسّن الذي ستلاحظه.

ونتيجة صريحة لذلك: صار البث متقطّعًا على شكل دفعات. فالفكّ التخميني (أدناه) يُصدر الرموز المقبولة في سلاسل قصيرة، فقد يصل النص في كتل مرئية بدل إيقاع منتظم بكلمة واحدة في كل مرة. إن كنت قد بنيت واجهتك حول الإيقاع الناعم في 3.0 فستظل تعمل — فترتيب الرموز ومحتواها لم يتأثرا — لكنك قد ترغب في إعادة إدخال تنعيم خاص بك من جهة العميل إن كنت تفضّل مظهر الآلة الكاتبة. ونظن أن معظم الناس يفضّلون استعادة تلك الثواني.

المحرك نفسه صار أسرع

إزالة البوابة لا تفيد إلا إذا كان ما خلفها سريعًا. المساهمة الثانية هي منظومة التقديم الموصوفة في القسم 03: أوزان NVFP4 بأربع بتات وفك ترميز تخميني على مسرّعات من الجيل الحالي تدعم FP4 أصلًا داخل عنقودنا. وهذان معًا يرفعان السقف الذي تكشفه إزالة البوابة.

زمن استجابة الردّ النسبي من الطرف إلى الطرف، تقييم Shannon Lab الداخلي، سبتمبر 2026. يعكس النطاق طول المطالبة والفئة: المطالبات القصيرة على Lite قرب الطرف الأدنى، والتوليدات الطويلة على Pro قرب الطرف الأعلى.

03ماذا يفعل الفكّ التخميني فعلًا

يُستخدم مصطلح «الاستدلال بالفكّ التخميني» ككلمة تسويقية، فإليك الآلية بوضوح.

ينتج النموذج اللغوي عادةً رمزًا واحدًا في كل تمريرة أمامية. ولا تهيمن على تلك التمريرة العمليات الحسابية بل عرض النطاق الترددي للذاكرة — إذ يجب قراءة الأوزان لحساب أي شيء، وقراءتها تستغرق وقتًا أطول بكثير من الحساب نفسه. فتقضي وحدة المعالجة الرسومية معظم وقتها منتظرةً الذاكرة بينما وحدات الحساب لديها خاملة. وتوليد 500 رمز يعني دفع ثمن ذلك الزمن 500 مرة، بالتتابع.

يهاجم الفكّ التخميني الجزء التتابعي. إذ يقترح نموذج مسودة صغير وزهيد سلسلة قصيرة من الرموز التالية المرجّحة — أربعة أو ثمانية مثلًا. ثم يقيّم النموذج الرئيسي تلك السلسلة كاملةً في تمريرة أمامية واحدة مجمّعة، لا تكلّف أكثر بكثير من تقييم رمز واحد، لأن الجزء المكلف (قراءة الأوزان) يحدث مرة واحدة في الحالتين. وكل رمز مقترَح يوافق عليه النموذج الرئيسي يُقبَل ويُصدَر فورًا. وعند أول اختلاف، تُقطع السلسلة ويُستأنف الفكّ العادي من هناك.

معدّل القبول هو ما يقوم بالعمل. ففي النصوص المتوقَّعة — الصيغ الجاهزة، وبنية الشيفرة، والنسيج الرابط في حجّة ما — يخمّن نموذج المسودة تخمينًا جيدًا فتصل سلاسل طويلة دفعة واحدة. وفي الرموز الصعبة فعلًا، ينخفض القبول ويتراجع النظام برشاقة إلى الفكّ العادي رمزًا رمزًا. وهذا هو عدم التماثل الذي تريده: يسرّع الأجزاء السهلة ولا يمسّ الصعبة.

لماذا تنتمي الأوزان رباعية البتات إلى الفقرة نفسها

لأن عنق الزجاجة هو عرض نطاق الذاكرة، فإن تقليص الأوزان رافعة سرعة مباشرة، لا مجرد توفير في المساحة. وNVFP4 صيغة عائمة بأربع بتات ذات تحجيم دقيق لكل كتلة، وهو ما يتيح لها الحفاظ على الدقة حيث فقدتها مخططات التكميم الصحيحة الأقدم بأربع بتات. فقراءة نحو ربع البايتات في كل تمريرة أمامية تعني زمن انتظار أقل للذاكرة بالتناسب، وتترك متسعًا أكبر بكثير لذاكرة KV المؤقتة التي يتطلبها سياق طويل بنافذة 196K.

ويتضاعف أثر الاثنين بدل أن يُجمَع فحسب: بايتات أقل في كل تمريرة، وتمريرات أقل لكل رمز صادر. وهذا ما يجعل البث الكامل غير المقيَّد ميسور التكلفة في التقديم بدل أن يكون كلفة نضطر إلى استردادها عبر ضبط الإيقاع — وهو تحديدًا ما كانت تفعله طبقة الإيقاع في 3.0.

04196,608 رمزًا: ما الذي تفتحه نافذة أكبر بست مرات

كانت نافذة Shannon 3.0 تتسع لـ 32,768 رمزًا: جلسة عمل، لا مستند. أي نحو 70-80 صفحة من النثر، ناقص ما تستهلكه حلقة الاستدلال لتفكيرها، ناقص مطالبة النظام لديك، ناقص المحادثة حتى تلك اللحظة. وكان العمل الحقيقي يصطدم بذلك الجدار باستمرار، والحلول الالتفافية — التقطيع والتلخيص والاسترجاع من موادك — كلها تُضعف الشيء الذي كنت تحاول الحفاظ عليه. أما 196,608 رمزًا فهي فئة مختلفة من المسائل.

عمليًا، هذا في حدود 400-500 صفحة من النص الإنجليزي، أو قاعدة شيفرة متوسطة الحجم مع اختباراتها وملف README الخاص بها، أو سنة من محاضر اجتماعات مشروع واحد، أو مجموعة عقود كاملة بكل ملاحقها — محفوظة في محادثة واحدة، ويمكن مخاطبتها بسؤال واحد، دون طبقة تقطيع بينك وبين المادة.

• أسئلة عن المستودع بأكمله. حمّل الشيفرة واسأل لماذا يصل خلل ما إلى الإنتاج، بدل لصق الملفات الثلاثة التي كنت تشكّ فيها أصلًا. يستطيع النموذج أن يجد الملف الذي لم يخطر لك أن تُدرجه.
• تحليل المستندات الطويلة بلا استرجاع. الاسترجاع مرشّح أولي يفقد المعلومات ويقرّر ما يُسمح للنموذج برؤيته. وعند 196K يمكنك غالبًا تخطّيه وترك النموذج يقرأ كل شيء، وهذا يزيل فئة كاملة من الإخفاقات حين لا يُسترجَع المقطع الصحيح أصلًا.
• محادثات تبقى متماسكة. لم تعد جلسة العمل الطويلة تُسقِط بدايتها بصمت. فالقيود التي وضعتها في الرسالة الثالثة ما زالت سارية في الرسالة الثمانين.
• متّسع لحلقة الاستدلال. يستهلك تفكير الحلقة وكتابتها ومراجعتها سياقًا. وعلى 3.0 كانت تلك الخطوات تزاحم موادّك على ميزانية شحيحة. أما على 3.1 فتتّسع لها المساحة براحة، وهذا جزء من سبب وصول مكسب الجودة وزيادة النافذة معًا.
• مدخلات مختلطة كبيرة. صور ونصوص مستخرجة من مستندات وشيفرة في دور واحد، دون فرز ما يمكنك تحمّل إدراجه منها.

تحفّظ صريح واحد ينطبق على كل نموذج طويل السياق، ونموذجنا منها: النافذة الكبيرة سعة، لا ضمانًا لانتباه موحّد عبرها كلها. فالبنية ما زالت تساعد. ووضع السؤال قرب النهاية، وتسمية مستنداتك، وإخبار النموذج بما يبحث عنه، كلها تحسّن النتائج بقدر قابل للقياس عند 150K رمز بطريقة لا تفعلها ببساطة عند 5K.

05Lite وPro: shannon-3.1 وshannon-3.1-pro

تختلف الفئتان في مقدار ما تشغّلانه من حلقة الاستدلال، وهذا هو الفارق الوحيد المهم للاختيار بينهما.

	shannon-3.1 (Lite)	shannon-3.1-pro (Pro)
الاستدلال	تمريرة واحدة	الحلقة كاملة + حصاد المعرفة
المراجعة الذاتية	لا	نعم
نافذة السياق	196,608	196,608
البث	سرعة كاملة، بلا بوابة	سرعة كاملة، بلا بوابة
الرؤية & المستندات	نعم	نعم
أداة توليد الصور	نعم	نعم
الأفضل لـ	معظم الأعمال، حجم كبير	الأسئلة الصعبة، حين لا تكفي المسودة الأولى

استخدم Lite افتراضيًا. فتمريرة واحدة من نموذج استدلال جيد تكفي للغالبية العظمى من الطلبات الحقيقية، وعلى 3.1 صارت سريعة بما يكفي لئلا تشعر بانتظار الحلقة. ولجأ إلى Pro حين يكون السؤال من النوع الذي تكون فيه الإجابة الأولى خاطئة عادةً بطريقة مفيدة: المفاضلات المعمارية، والتحليل الخصومي، وكل ما تودّ فيه أن يبيت زميل كفؤ ليلةً على الأمر. وخطوة المراجعة الذاتية في Pro ليست زينة — إنها النموذج وهو يجد أخطاءه بنفسه قبل أن تضطر أنت إلى ذلك.

06مكسب الذكاء بنسبة 32%، وكيف تقرأه

يضع تقييم Shannon Lab الخاص نموذج Shannon 3.1 عند تحسّن بنسبة 32% في الذكاء مقارنةً بـ Shannon 3.0. ونريد أن نكون واضحين بشأن ما يعنيه ذلك وما لا يعنيه.

إنه رقمنا نحن، من مجموعة تقييمنا الداخلية، مقيسًا على مهام نعدّها ممثّلة لما يجلبه الناس فعلًا إلى هذه النماذج. وليس قياس أداء من طرف ثالث، ولسنا نبني جدول تصنيف حول رقم داخلي مجمّع واحد ولا ننشر تفصيلًا لكل مقياس على حدة — فالتفصيل يوحي بمستوى من قابلية المقارنة الخارجية لا تملكه مجموعة داخلية.

لكننا سنقول من أين يأتي المكسب، لأن ذلك الجزء ليس غامضًا. فنافذة سياق أكبر تعني مادة أقل يجب طرحها قبل أن يستدل النموذج عليها، وكثير مما يبدو غباءً في الجلسات الطويلة هو في الحقيقة فقدان ذاكرة. ومنظومة تقديم نتحكم فيها تعني أن النموذج يعمل بالإعداد الذي قصدناه بدل إعداد افتراضي لمضيف. وحلقة الاستدلال — دون تغيير في تصميمها — صار لديها الآن متّسع فعلي للعمل داخل النافذة بدل أن تُحشر أمام سقف 32K كانت تتقاسمه مع مدخلاتك.

07الرؤية والمستندات وتوليد الصور

يقرأ Shannon 3.1 الصور والمستندات. فلقطات الشاشة والمخططات والصور الفوتوغرافية والصفحات الممسوحة وملفات PDF والمستندات النصية يمكن أن تدخل المحادثة ويُستدل عليها جنبًا إلى جنب مع كل شيء آخر. ومع نافذة 196K، هذا ما يجعل سير عمل المستندات الكاملة عمليًا: تقرير طويل ورسومه البيانية في دور واحد، دون أن تقرّر سلفًا أي الصفحات يُسمح للنموذج برؤيتها.

توليد الصور وتحريرها متاحان في الدردشة بوصفهما أداة. اطلب صورة فيستدعي النموذج الأداة داخل السياق نفسه، في المحادثة ذاتها، مع سياق كل ما نُوقش حتى الآن. والتحرير يعمل بالطريقة نفسها — سلّمه صورة وصف التغيير المطلوب. لا وضع منفصل تنتقل إليه ولا واجهة منفصلة تتعلمها.

08استدعاء Shannon 3.1 من الواجهة البرمجية

يتوفر Shannon 3.1 على لهجات الواجهة الثلاث كلها، مع البث في كل منها. النماذج نفسها، وثلاثة أشكال للطلب — اختر ما يوافق حزمة التطوير التي لديك أصلًا.

نقطة النهاية	الشكل	البث
/v1/chat/completions	متوافق مع OpenAI	نعم
/v1/messages	متوافق مع Anthropic	نعم
/v1/responses	Responses	نعم

{
  "model": "shannon-3.1",
  "stream": true,
  "messages": [
    { "role": "user", "content": "Summarize this contract set and flag anything unusual." }
  ]
}

استبدل "shannon-3.1" بـ "shannon-3.1-pro" لتشغيل حلقة الاستدلال كاملة. وإن كنت تستدعي shannon-3 أصلًا، فالانتقال هو معرّف النموذج ولا شيء غيره: أشكال الطلب والاستجابة دون تغيير، وعملاء البث الحاليون يواصلون العمل. والفارق السلوكي الوحيد المتوقَّع هو البث المتقطّع الموصوف في القسم 02 — الرموز نفسها، بالترتيب نفسه، تصل أبكر وفي كتل أقل انتظامًا.

المرجع الكامل للمعاملات والمصادقة ودلالات الأخطاء وساحة تجريب تفاعلية موجودة في توثيق الواجهة البرمجية. أما بطاقات النماذج الأخرى والمقالات التقنية ففي أبحاث Shannon.

09ما زال بلا رقابة، ودون تغيير في هذا الجانب

ليس في Shannon 3.1 طبقة رفض ولا ترشيح لمحتوى المخرجات. وهذا هو الموقف نفسه في بقية خط Shannon ولم يتغيّر مع الانتقال إلى عنقودنا — بل إن التحكم في منظومة التقديم يجعل ضمانه أسهل، لأنه لا يوجد مضيف وسيط بسياسته الخاصة يقف بين النموذج وبينك.

ويستحق الأمر قولًا صريحًا لأنه السؤال البديهي عن إصدار غيّر مسار المخرجات بأكمله: إزالة طبقة الإيقاع لم تعنِ إدخال طبقة إشراف مكانها. لا شيء يفحص البث أو يعيد كتابته أو يقيّده. فما ينتجه النموذج هو ما يصل. وعلى حدّ علمنا، Shannon 3.1 هو أسرع نموذج ذكاء اصطناعي بلا رقابة متاح بنافذة سياق بهذا الحجم — والخاصيتان مرتبطتان، إذ تأتيان معًا من تشغيل بنيتنا التحتية بأنفسنا بدل استئجار سعة مصمّمة على مقاس الامتثال من غيرنا.

وغياب الرقابة لا يعني غياب المسؤولية. فالاستخدام محكوم بـسياسة الاستخدام المسؤول لدينا، والالتزام الذي يرافق نموذجًا يخوض في مادة صعبة هو أن تخوض فيها أنت بمسؤولية.

10أجرِ المقارنة بنفسك

كل ادعاء هنا قابل للتحقق في نحو دقيقتين، ونفضّل أن تتحقق على أن تصدّقنا.

1. اختر مطالبة من عمل تؤديه فعلًا. الأطول أفضل — فهي تختبر النافذة والبث معًا.
2. شغّلها على shannon-3. لاحظ الزمن حتى أول رمز، والزمن حتى اكتمال الإجابة.
3. شغّل المطالبة نفسها على shannon-3.1. لاحظ الرقمين نفسيهما.
4. ثم اقرأ الإجابتين متجاهلًا الساعة، وقرّر أيّهما كنت تريد.

سيكون فارق السرعة فوريًا وواضحًا. أما فارق الجودة فهو الذي يستحق التأمل — ويظهر أوضح ما يكون على المدخلات الطويلة، حيث كان 3.0 يعمل بصمت على قدر من موادّك أقل مما كنت تظن.

11الأسئلة الشائعة

---

أرقام الأداء والذكاء في هذا المقال هي قياسات Shannon Lab الخاصة من تقييم داخلي، سبتمبر 2026، وتُذكر بوصفها أرقام منتج لا نتائج قياس أداء من طرف ثالث. أما نافذة السياق ومعرّفات النماذج وتوافر الواجهة البرمجية فهي مواصفات منتج. تُشغَّل Shannon AI بواسطة Shannon Lab LLC، نيو مكسيكو، الولايات المتحدة. قراءات ذات صلة: Shannon 3 · فهرس أبحاث Shannon · توثيق الواجهة البرمجية.