تصميم Macaron-V1-Venti بأربع متخصصات و748 مليار معلمة يتفوق على GPT-5.5 وOpus 4.8

أصدرت MindLab Research نموذج Macaron-V1-Venti، وهو نموذج بـ748 مليار معلمة يحتل المركز الأول في مجموعة من المعايير تغطي الذكاء الشخصي والبرمجة وسير العمل الطرفي وواجهات المستخدم التوليدية. النموذج، المصدر تحت رخصة MIT، هو الأول الذي يتم تدريبه لاحقًا على GLM-5.2 ويستخدم بنية Mixture of LoRA (MoL) التي تُقسّم الخبرة عبر أربع وحدات متخصصة بدلاً من الاعتماد على شبكة كثيفة واحدة، مما يعكس نهجًا مشابهًا متعدد التخصصات.

أربع متخصصات بدلاً من واحدة

صمم MoL يجمع بين نموذج أساسي GLM-5.2 بـ744 مليار معلمة وأربع محولات LoRA بـ1 مليار معلمة، كل منها مسؤولة عن مجال: الدردشة والوكيل والبرمجة وGenUI. يقوم جهاز التوجيه باختيار المتخصص المناسب لكل طلب وارد. يحافظ هذا على عدد معلمات نشطة مدمجة مع الوصول إلى معرفة متخصصة عميقة. يختلف النهج عن تصاميم مزيج الخبراء النموذجية باستخدام محولات LoRA، التي تكون أرخص في التدريب والتبديل، ويسلط الضوء على التكلفة الحقيقية لتوجيه النماذج.

يأتي Macaron-V1-Venti خلفًا لـ Macaron-V1-Preview السابق ويوسع التدريب على مهام الوكيل الشخصي وواجهات المستخدم التوليدية. يستخدم خط أنابيب ما بعد التدريب أنظمة MinT وMindForge من MindLab، المصممة لمواءمة النموذج مع بيئة الإنتاج المستخدمة لسير العمل الوكيل. يدعم النموذج طول سياق يبلغ مليون رمز، بفضل بنية تدريب طويلة السياق تسمى LongStraw تتعامل مع عمليات التعلم المعزز بملايين الرموز.

ريادة المعايير عبر المجالات

تظهر النتائج المبلغ عنها أن Macaron-V1-Venti يتصدر أو يتعادل في سبعة من عشرة معايير مقارنة بـ GLM 5.2 وGPT 5.5 وClaude Opus 4.8 وGemini 3.1 Pro وQwen 3.7 Max وMinimax M3. على ChatBench، يسجل 58.3 مقابل 55.5 لـ GPT 5.5 و52.8 لـ Claude Opus 4.8. على LivingBench، الذي يقيس مهام الوكيل الواقعية، يصل إلى 64.0، متقدمًا على Claude Opus 4.8 عند 63.8 وGPT 5.5 عند 61.9. يؤدي النموذج بقوة في معايير البرمجة: يحقق 85.6 على SWE Verified، في المرتبة الثانية بعد Claude Opus 4.8 عند 88.6، ويتصدر TerminalBench 2.1 عند 87.6، متقدمًا بفارق كبير على GPT 5.5 عند 83.4 وClaude عند 78.9، مع موقع Claude Opus 5 في المعايير مما يوفر تباينًا.

تظهر أكبر فجوة على UI4ABench، حيث يسجل Macaron-V1-Venti 87.8، أعلى بكثير من GPT 5.5 عند 72.1 وClaude Opus 4.8 عند 75.9. يختبر هذا المعيار واجهات المستخدم التوليدية، أي قدرة النموذج على إنشاء واجهات مستخدم من تعليمات اللغة الطبيعية. يبدو أن الوحدة المتخصصة لـ GenUI تمنحه ميزة واضحة هناك. على PinchBench، الذي يقيس قدرات استخدام الأدوات، يسجل Macaron-V1-Venti 94.0، متقدمًا على Qwen 3.7 Max عند 93.4 وClaude Opus 4.8 عند 91.8.

على ClawGym، الذي يقيس أداء الوكيل العام، يسجل Macaron 77.7، خلف GPT 5.5 عند 82.5 وClaude Opus 4.8 عند 80.5. وعلى DeepSWE، وهو معيار أكثر تحديًا لهندسة البرمجيات، يسجل 58.4، خلف GPT 5.5 عند 70.0، مما يشير إلى أنه بينما يتفوق متخصص البرمجة في المهام القياسية، تبقى الإصلاحات المعقدة متعددة الخطوات نقطة ضعف، وهو نمط يُرى أيضًا في الوكلاء الذين يصطدمون بجدران الإبداع.

ماذا تقول الأرقام عن النهج

تظهر قوة بنية MoL بشكل أوضح في المعايير المتخصصة. يدفع متخصص البرمجة Macaron إلى التفوق على GPT 5.5 في SWE Verified وTerminalBench، ويخلق متخصص GenUI فجوة كبيرة في UI4ABench. لكن في المعايير الأكثر عمومية مثل ClawGym، التي قد تتطلب تبديلًا ديناميكيًا أو استدلالًا متعدد المجالات، يتخلف النموذج. يقوم جهاز التوجيه L0 باتخاذ القرار مسبقًا، وعندما يحتاج الطلب إلى معرفة من عدة متخصصين، لا يقوم التصميم الحالي بدمجها خلال تفاعل واحد.

تعترف MindLab ضمنيًا بهذا القيد: تشير بطاقة النموذج إلى أن الاستدلال المستمر وتفاعلات الأدوات تبقى داخل LoRA المحددة، بينما يمكن مشاركة العمل المكتمل عبر المتخصصين من خلال ملخصات موجزة. يشير ذلك إلى أن التعاون ممكن، لكن ليس في الوقت الفعلي لجولة واحدة.

مفتوح المصدر والتوفر

تم إصدار النموذج تحت رخصة MIT، وهي خطوة تتماشى مع حجة الأوزان المفتوحة، على الرغم من أن بطاقة النموذج تحذر المستخدمين من احترام أي متطلبات موروثة من GLM-5.2 وتبعياتها. يتوفر Macaron-V1-Venti على Hugging Face ويمكن الوصول إليه عبر واجهة برمجة تطبيقات مستضافة على mintcn.macaron.xin، والتي تدعم إكمالات المحادثة المتوافقة مع OpenAI. للنشر الذاتي، توفر MindLab أداة خدمة Mixture of LoRA تحافظ على نقطة النهاية متوافقة مع OpenAI مع إضافة جهاز التوجيه وبيانات LoRA الوصفية على الخادم.

تتيح أداة مصاحبة تسمى Macaron Artifacts للمستخدمين عرض واجهات المستخدم والجلسات المُنشأة، ويمكن تثبيتها كإضافة في Claude Code وCodex وKimi Code.