صغير بما يكفي ليعملحيث بياناتك أصلاً.
Megha نموذج لغوي سببي بـ0.6 مليار معامل، مبنيّ لسير العمل الوكيل ومهام البرمجة واتّباع التعليمات بلغات متعدّدة. والحجم هو بيت القصيد: فالمعالجة المحلية ليست ضمانة حقيقية إلا إذا كان النموذج يتّسع فعلاً على جهازك.
بطاقة النموذج كاملة، على شاشة واحدة.
- المعاملات
- 0.6B
- الإجمالي
- دون التضمين
- 0.44B
- معامل
- الطبقات
- 28
- كتلة محوّل
- رؤوس الانتباه
- 16Q / 8KV
- انتباه مجمَّع الاستعلام
- طول السياق
- 32,768
- رمز
- البنية
- Causal LM
- مفكِّك فقط
- اللغات
- 100+
- اتّباع التعليمات
- وضع التفكير
- قابل للتبديل
- عند الاستدلال
28 طبقة، وانتباه مجمَّع الاستعلام.
الانتباه المجمَّع الاستعلام، بـ16 رأس استعلام تتشارك 8 رؤوس مفتاح/قيمة، هو ما يُبقي ذاكرة KV صغيرة بما يكفي لسياق 32 ألفاً على عتاد استهلاكي.
انتباه مجمَّع الاستعلام · 16Q / 8KV
تشارُك رؤوس المفتاح/القيمة بين رؤوس الاستعلام يقلّص ذاكرة KV إلى النصف تقريباً مقارنةً بالانتباه متعدّد الرؤوس الكامل. وهذا ما يجعل سياق 32 ألفاً ممكناً على حاسوب محمول لا على محطة عمل، وهو سبب كون ضمانة المعالجة المحلية عملية لا نظرية.
استدلال يمكنك تشغيله حين يستحقّ كلفته.
وضع التفكير قابل للتبديل عند الاستدلال بدل أن يكون مخبوزاً في النموذج. الاستخراج والتصنيف والتنسيق الروتيني تعمل بدونه وتبقى سريعة؛ أما التخطيط متعدّد الخطوات وإعادات الهيكلة الصعبة فتنال ميزانية الاستدلال الإضافية. ومجدول الوكلاء يتّخذ هذا القرار لكل مهمة، ويمكنك تجاوزه.
- يُبدَّل لكل طلب، لا لكل عملية نشر
- العمل الروتيني يبقى منخفض الكمون افتراضياً
- مجدول الوكلاء يقرّر، ويعرض عليك ما قرّره
- الميزانيات مُنفَّذة في الحالتين؛ ووضع التفكير ليس شيكاً على بياض
- معطّلالتصنيف والاستخراج والتنسيق وإكمال القوالب
- معطّلالتوجيه البسيط وتوليد التضمينات
- مفعّلإعادات الهيكلة عبر عدّة ملفات والتعديلات الواعية بالاعتماديات
- مفعّلالتخطيط متعدّد الخطوات حيث تكون الخطوة الأولى الخاطئة باهظة
Megha خيار، لا افتراضٌ لا يمكنك تغييره.
يرفق MeghaOS نموذجاً صغيراً كي يعمل أول تشغيل دون اتصال على عتاد متواضع. أما Megha، وكل ما تفضّله سواه، فعلى بُعد عملية تثبيت.
نموذج مدمج مرفق
كي يعمل أول تشغيل دون اتصال على أي جهاز مدعوم، بما فيه أجهزة Mac والحواسيب الأقدم ذات الذاكرة المحدودة. وهو يتولّى التوجيه والاستخراج والتصنيف واختيار الأدوات جيداً، وهو صغير عن قصد لا قادر عن قصد.
Megha على بُعد سطر واحد
اجلبه عبر Ollama أو قدّمه بـvLLM ووجّه MeghaOS إلى نقطة الوصول. وهذا هو الإعداد الذي تصفه بطاقة النموذج أعلاه، وهو ما ننصح به على أي جهاز فيه ذاكرة فائضة.
أو أحضر نموذجاً مختلفاً تماماً
كل ما يمكنك تقديمه عبر Ollama أو vLLM يعمل: Qwen أو DeepSeek أو Kimi أو ما تشغّله أصلاً. يتحدّث MeghaOS إلى نقطة وصول متوافقة مع OpenAI ولا يعنيه ما خلفها.
أو استخدم مزوّداً مستضافاً
وجّهه إلى واجهة برمجية سحابية بمفتاحك أنت، أو اشترك في MeghaOS Pro. والطلبات التي توجّهها هكذا تغادر الجهاز، وهذه هي المقايضة كلها. انظر الأسعار لتعرف كلفة ذلك وما يشتريه.
شغّله خارج MeghaOS إن أردت.
يتكامل النموذج مع بيئات التشغيل التي تستخدمها أصلاً. ولا شيء فيه مقيَّد بنظام التشغيل.
ollama run meghavllm serve meghaos/megha-0.6bpython -m sglang.launch_server --model-path meghaos/megha-0.6bfrom transformers import AutoModelForCausalLM
model = AutoModelForCausalLM.from_pretrained("meghaos/megha-0.6b")أوزان النموذج وإعدادات المُرمِّز متاحة على hf.co/meghaos/megha-0.6b برخصة Apache 2.0.
ما ليس عليه نموذج بـ0.6 مليار معامل.
الصراحة في هذا هي سبب الثقة ببقية الصفحة.
ليس نموذجاً متقدّماً
في الاستدلال المفتوح والكتابة المطوّلة والمسائل الجديدة الصعبة، لن يجاري نموذج بـ0.6 مليار معامل نظاماً متقدّماً. وهو لا يحاول ذلك.
المقايضة مقصودة
أما التصنيف والاستخراج والتوجيه والتنسيق واستدعاء الأدوات، وهي معظم ما يفعله الوكيل فعلاً، فالنموذج المحلي الصغير فيها أسرع، ومجاني لكل استدعاء، وبمنأى عن حدود المعدّل.
الهجين مدعوم لا مطلوب
يمكنك توجيه MeghaOS إلى نموذج محلي أكبر أو إلى نموذج مستضاف. وكل ما توجّهه إلى مزوّد مستضاف يغادر الجهاز. هذا ما يعنيه التوجيه إليه، وهو إعداد تختاره لا شيء يحدث بصمت.
المحلي يزيل فئة إخفاق كاملة
نسبة كبيرة من أخطاء النماذج اللغوية في الإنتاج هي حدود المعدّل. والنموذج المحلي لا يمكن تحديد معدّله، فيستطيع الوكيل مواصلة العمل في نافذة كان النموذج المستضاف سيتعثّر فيها.
شغّل النموذج حيثتقيم البيانات أصلاً.
يشغّل MeghaOS نموذجاً مدمجاً جاهزاً، ويتيح لك استبداله بـMegha أو بنموذج مفتوح آخر أو بمزوّد مستضاف متى شئت.