Skip to content
نموذج Param2 من BharatGen، الصادر في فبراير 2026، يضم 17 مليار معامل للإنجليزية ولجميع اللغات الهندية الـ22 المدرجة في الجدول الثامن، ويشغّل 2.4 مليار معامل لكل رمز
الذكاء الاصطناعي والتكنولوجيا

نموذج Param2 من BharatGen، الصادر في فبراير 2026، يضم 17 مليار معامل للإنجليزية ولجميع اللغات الهندية الـ22 المدرجة في الجدول الثامن، ويشغّل 2.4 مليار معامل لكل رمز

رسم: tuput

العربية

أصدر BharatGen، التحالف الذي مقره في معهد IIT Bombay، نموذج Param2 في قمة تأثير الذكاء الاصطناعي في الهند في فبراير 2026. وهو نموذج استدلال بتصميم مزيج الخبراء يقول BharatGen إنه دربه من الصفر على نحو 22.5 تريليون رمز، ونُشرت أوزانه للتنزيل بموجب رخصة بحثية غير تجارية.

· · 8 دقيقة قراءة

أصدر BharatGen، وهو تحالف تموّله الحكومة ومقره معهد IIT Bombay، نموذج Param2 في قمة تأثير الذكاء الاصطناعي في الهند بنيودلهي في أسبوع 16 فبراير 2026. وهو نموذج لغوي يضم 17 مليار معامل، أي الأرقام القابلة للضبط التي يتعلمها النموذج في أثناء التدريب، يعمل منها نحو 2.4 مليار على كل رمز، وهو كلمة أو جزء من كلمة. ويقول التحالف إنه دربه من الصفر، لا انطلاقا من نموذج غيره، وإنه يتعامل مع الإنجليزية ومع اللغات الـ22 المدرجة في الجدول الثامن من الدستور الهندي. وبحسب التحالف فإن الأوزان متاحة على Hugging Face وعلى AIKosh، وهي مكتبة النماذج ومجموعات البيانات التابعة لمهمة IndiaAI.

وتختلف المصادر في اليوم. فتذكر Business Today أن الإطلاق كان في 16 فبراير، ويحمل منشور الإطلاق لدى BharatGen وبيان مكتب معلومات الصحافة (PIB) تاريخ 17 فبراير، ونشرت Business Standard الإعلان في 18 فبراير. وكل أرقام الأداء أدناه من BharatGen نفسه، ولا تذكر أي من الصفحات التي رُجعت اختبارا لـParam2 أجراه أحد من خارج التحالف.

تسع مؤسسات ومصدران للتمويل

يتألف التحالف من تسع مؤسسات بحسب حصيلته لسنتين الصادرة في 15 أكتوبر 2026: IIT Bombay وIIIT Hyderabad وIIT Mandi وIIT Kanpur وIIT Hyderabad وIIM Indore وIIIT Delhi وIIT Madras وIIT Kharagpur. وتدعمه دائرة العلوم والتكنولوجيا منذ إطلاقه في نيودلهي في أكتوبر 2024. ويذكر بيان PIB الصادر في 17 فبراير 2026 أن التمويل هو 235 كرور روبية من المهمة الوطنية للنظم السيبرانية الفيزيائية متعددة التخصصات التابعة للدائرة، ونفقات إضافية قدرها 1,058 كرور روبية من مهمة IndiaAI. وطريقة عمل منح تلك المهمة مشروحة في مقالة عن وحدات المعالجة والنماذج والأموال في مهمة IndiaAI.

ويأتي Param2 بعد Param1، وهو نموذج من 2.9 مليار معامل للهندية والإنجليزية وصفه BharatGen في نسخة أولية على arXiv في 16 يوليو 2025. وتقول الحصيلة إن Param1 تدرب على 7.5 تريليون رمز. وبعد سبعة أشهر صار لدى Param2 قرابة ستة أضعاف المعاملات الإجمالية وثلاثة أضعاف نص التدريب تقريبا و23 لغة بدل لغتين، بحسب حساب tuput من تلك الأرقام.

وجاءت قدرة الحوسبة عبر مهمة IndiaAI بحسب رواية BharatGen. فقد قال ريشي بال، رئيسه التنفيذي، لـBusiness Today في 16 فبراير إن وحدات المعالجة الرسومية التي استُخدمت حتى الآن من المهمة ذهبت إلى تدريب Param2، وإن المشروع استخدم نحو 4,000 منها لأكثر من شهر. وتقول بطاقة النموذج إن التدريب استغرق 24 يوما على وحدات NVIDIA H100 باستخدام برنامج NeMo من NVIDIA، وذكرت Business Standard أن NVIDIA تعاونت في خط التدريب. ولا تذكر البطاقة ولا المنشور عدد وحدات المعالجة، و576 ساعة التي تعدّها البطاقة ساعات معالجة تساوي 24 يوما من الوقت المنقضي، فلا يمكن مقارنة الروايتين من الأرقام المنشورة.

سبعة عشر مليارا مخزَّنة و2.4 مليار عاملة

من حيث البنية هو نموذج مزيج الخبراء. فبدل تمرير كل رمز عبر الشبكة كلها، يختار موجِّه صغير بضع شبكات فرعية متخصصة، تسمى الخبراء، لكل رمز. ويسرد ملف الإعدادات في Hugging Face 64 خبيرا موجَّها يُختار منهم 6 لكل رمز، إضافة إلى خبيرين مشتركين يعملان دائما، عبر 21 طبقة، أولاها طبقة كثيفة عادية. ويستخدم الانتباه 32 رأس استعلام تتشارك 8 رؤوس للمفاتيح والقيم. وتتبع مقالة تشرح مزيج الخبراء هذا التصميم من ورقة 1991 إلى نموذج Sarvam ذي 105 مليارات معامل.

والمستشفى تشبيه من BharatGen نفسه: يرى المريض طبيبا عاما وبضعة أخصائيين ذوي صلة، لا كل طبيب في المبنى. وبحسب بطاقة النموذج يحافظ الخبيران المشتركان على تمثيل مستقر عبر اللغات، وهو ما يفيد في تبديل الشيفرة اللغوية، أي خلط الهندية والإنجليزية في جملة واحدة، ويتيح أن ينتقل ما يتعلمه النموذج في لغة إلى لغات أخرى. وتذهب الحوسبة إلى نحو 2.4 مليار معامل فقط لكل رمز، بحسب BharatGen، فيعمل النموذج بكلفة نموذج أصغر بكثير.

والذاكرة هي الكلفة. فكل معامل يبقى محمَّلا مع أن جزءا منها فقط يعمل في الوقت الواحد، وتحصي صفحة Hugging Face 17,151,125,376 معاملا في الأوزان المخزَّنة، في ملفات مجموعها 34.3 غيغابايت، وهو ما يوافق 34 غيغابايت من ذاكرة وحدة المعالجة الرسومية التي يذكرها منشور BharatGen لتحميل النموذج بصيغة bfloat16، وهي صيغة أرقام من 16 بتا.

ما الذي تدرب عليه

تظهر في بطاقة النموذج ثلاث مراحل للتدريب المسبق. تغطي المرحلة الأولى 14.05 تريليون رمز، منها الإنجليزية بـ8.5 تريليون، والشيفرة البرمجية بـ1.83 تريليون، و998.6 مليار رمز هندي، و1.5 تريليون رمز في اللغات الهندية الأخرى مجتمعة. وتشكل الهندية واللغات الهندية الأخرى نحو 18 في المئة منها، بحسب حساب tuput. وتعتمد المرحلة الثانية على الإنجليزية والشيفرة والرياضيات وبيانات التعليمات والاستدلال، أما المرحلة الثالثة البالغة 500 مليار رمز فتسمى تدريبا مسبقا بسياق طويل. وتقول BharatGen إن بيانات اللغات الهندية رُشِّحت بمصنِّفات جودة بُنيت لـ22 لغة.

وحوالي 22.5 تريليون رمز هو الرقم الرئيسي في البطاقة، ويبلغ مجموعها المدمج 22.63 تريليون. وصفوف المرحلة الثانية التي تسردها تجمع 7.14 تريليون رمز مقابل مجموع معلن للمرحلة قدره 8.08 تريليون، وهي فجوة نحو 0.94 تريليون لا تفسرها البطاقة. وتذكر Analytics India Magazine في تقريرها عن الإطلاق 22 تريليونا.

والمُجزِّئ هو القطعة التي تقطّع النص إلى رموز، ولدى Param2 مُجزِّئ خاص به. ويضم مفرداته 128,000 مدخل، بحسب BharatGen، بُني بترميز أزواج البايت ودُرّب على جميع اللغات المستهدفة، بحيث تنقسم الكلمات الهندية إلى قطع أقل من النماذج العالمية. ولا ترد في المنشور أرقام لعدد القطع في الكلمة. وما قاسته فرق أخرى مذكور في مقالة عن خصوبة المُجزِّئات في اللغات الهندية. ونافذة السياق لديه، أي مقدار النص الذي يستطيع قراءته دفعة واحدة، هي 32,768 رمزا.

نموذج استدلال بتعليقات تيلوغوية في شيفرته

النسخة المنشورة على Hugging Face نموذج استدلال. فهو يكتب قبل إجابته أثرا خطوة بخطوة بين وسمي think، ويتضمن المستودع محلِّلا صغيرا يفصل الأثر واستدعاءات الأدوات والإجابة النهائية. ويغطي كذلك الشيفرة والرياضيات واستدعاء الأدوات، بحسب المنشور، وتعرض بطاقة النموذج ثلاثة نماذج من المخرجات: مسألة متوسط متعددة الخطوات، وبحثا ثنائيا بلغة Python كل تعليقاته مكتوبة بالتيلوغوية، وإجابة بالهندية عن سبب اختلاف اللغات والطعام والأعياد بين الولايات الهندية.

واللغات الـ22 هي لغات الجدول الثامن، وتسردها مقالتنا التوضيحية. ويقول المنشور إن الهندية والماراثية والغوجاراتية والتاميلية من بين الأقوى، وإن الجودة تتفاوت بحسب كمية بيانات التدريب لكل لغة.

الدرجات وجدولان مختلفان

يُستخدم أربعة نماذج مفتوحة للمقارنة في الاثنين: Qwen1.5-MoE-A2.7B وDeepSeek-R1-Distill-Qwen-14B وDeepSeek-V2-Lite وgpt-oss-20b. والدرجات بلا أمثلة (zero-shot)، أي أن الموجِّه لا يحمل أمثلة محلولة، وقد جرت بأداة LM Evaluation Harness، وهي أداة اختبار مفتوحة، مع إيقاف التفكير لكل النماذج. وهذا يعني أن الأرقام لا تلتقط ما يضيفه أثر الاستدلال، بحسب المنشور.

في الإنجليزية والرياضيات والشيفرة يتفق المنشور والبطاقة:

الاختباردرجة Param2الترتيب بين النماذج الخمسة
ARC Challenge (الإنجليزية)56.83الأول
HellaSwag (الإنجليزية)77.43الثاني
MMLU (الإنجليزية)57.79الرابع
GSM8K (الرياضيات)57.32الثالث
HumanEval (الشيفرة)36.59الأول
IFEval (اتباع التعليمات)34.05الثاني

وفي اختبارات اللغات الهندية يختلف الاثنان. ففي منشور الإطلاق الصادر في 17 فبراير يأتي Param2 أولا في خمسة منها، مع MMLU بالهندية بدرجة 59.23 وHellaSwag بالهندية 49.63 وIndic BoolQ 75.98 وARC Challenge (الهندية) 36.37 وTriviaQA (الهندية، اختيار من متعدد) 72.95، وثالثا في اختبار Sanskriti للمعرفة الثقافية بدرجة 66.54. أما بطاقة النموذج كما قُرئت في 19 نوفمبر 2026 فتعطي 64.1 و64.1 و87.7 و90.1 و84.14 و88.6 للاختبارات الستة نفسها بالترتيب نفسه، وهو الأول في الستة جميعا. وكان التفكير متوقفا في الاثنين، ويشمل المتوسطان الهنديان 10 لغات في كل نسخة. وتُظهر Hugging Face أن البطاقة عُدّلت آخر مرة في 18 نوفمبر 2026، ولا تقول إن كان النموذج أو إعدادات الاختبار قد تغيرت. ولا تزال صفحة النماذج النصية تحمل أرقام المنشور، وتصفها بأنها إصدار فبراير.

والوثيقة الخارجية الوحيدة التي تناقش النتائج المنشورة لـParam2 مسح لا اختبار. ففي نسخة أولية صدرت في 12 أغسطس 2026 (ونُقحت في 16 أغسطس) قارن أفيناش أغاروال وفريدهي جاين نماذج أساسية هندية باستخدام درجات معلنة علنا فقط. ويكتب المؤلفان أن Param2 ينشر نتائج محدودة، تتركز في اختبارات اللغات الهندية، وأن معظم النتائج المنشورة للنماذج الهندية من مطوريها أنفسهم. ويصنَّف تدريب Param2 على أنه محلي بالكامل على أساس مؤقت، ويقول المؤلفان إنهما لم يتحققا بصورة مستقلة من كل عنصر في هذا التصنيف.

وتسرد صفحة التقارير التقنية أوراقا عن Param1 وAyurParam ومساعد للنصائح الزراعية، وورقة بيضاء من سبتمبر 2026 عن حزمة ذكاء اصطناعي سيادية قيّمت Param2 في الاستدلال. ولا واحدة منها عن Param2 نفسه حتى 19 نوفمبر 2026. ويصف المنشور الإصدار بأنه نقطة تدريب لاحق مبكرة تحتاج إلى مزيد من الضبط الدقيق ومواءمة السلامة قبل الاستخدام الإنتاجي، وقال بال لـBusiness Today إنها نقطة تدريب يستطيع المطورون ضبطها بدقة.

من يستطيع تنزيله، وبأي شروط

أُنشئ مستودع Hugging Face في 16 فبراير 2026 وعُدّل آخر مرة في 18 نوفمبر 2026. وأظهرت الصفحة 167,875 تنزيلا إجمالا و86 إعجابا في 19 نوفمبر. وتقول صفحة النماذج النصية لديه 167,000 تنزيل أو أكثر لـParam و219,000 أو أكثر لعائلة Param. وتذكر BharatGen مستشفيات وحكومات ولايات ووزارة وغرفة أخبار شركاء يبنون على نماذجها، ولا تقول صفحاتها أيّا منها يستخدم Param2. وتغطي مقالة tuput عن EKA-1 وDhīr إصدارين آخرين من نماذج مهمة IndiaAI.

وتصف صفحات BharatGen الإصدار بأنه أوزان مفتوحة. ورخصته هي BharatGen Research License، المحدَّثة آخر مرة في 7 أغسطس 2025، وتسمح بالاستخدام والتعديل والتوزيع لأغراض البحث والأكاديميا غير التجارية. وتشترط إذنا مكتوبا من الفريق القانوني في BharatGen للاستخدام التجاري، ولنشر النموذج أو مشتقاته علنا أو ضبطها بدقة أو نشرها، ولتقديمه عبر أي خدمة مستضافة أو واجهة برمجية، حتى المجانية. ويملك المستخدمون المخرجات التي يولّدونها، مع مراعاة حد الاستخدام غير التجاري. فالشركة التي تريد بناء منتج على Param2 تكتب إلى BharatGen أولا.

وقال بال في فبراير أن يُتوقع “نماذج أكبر تدريجيا على مدى هذا العام”. وحتى 19 نوفمبر 2026 لا تزال صفحة النماذج النصية لدى BharatGen تدرج Param2 نموذجها الرئيسي، ولا تزال بطاقة النموذج تقول إن نسخة بنافذة سياق من 128 ألف رمز “ستصدر قريبا”.

Share
Copied!

المصادر وقراءات إضافية

  1. BharatGen: Param2, what we built and how (17 February 2026)
  2. Hugging Face: bharatgenai/Param2-17B-A2.4B-Thinking, model page and card (read 19 November 2026)
  3. Hugging Face: Param2-17B-A2.4B-Thinking, config.json
  4. Hugging Face: Param2-17B-A2.4B-Thinking, LICENSE (BharatGen Research License, 7 August 2025)
  5. PIB: The Artificial Intelligence is no longer an option but an essential component of working in every sphere of life, Dr Jitendra Singh at the BharatGen session (17 February 2026)
  6. BharatGen: Param, language models for India (text models page, read 19 November 2026)
  7. BharatGen: Two years of BharatGen (15 October 2026)
  8. BharatGen: Technical reports (read 19 November 2026)
  9. arXiv 2507.13390: PARAM-1 BharatGen 2.9B Model (16 July 2025)
  10. arXiv 2608.11891: Benchmark-Based Comparative Assessment of Publicly Benchmarked Indian Foundation Models, Agarwal and Jain (12 August 2026, revised 16 August)
  11. Business Today: BharatGen to launch 17-billion-parameter multilingual AI model at India AI Impact Summit (12 February 2026)
  12. Business Today: Most real-world use cases don't need trillion-parameter AI, BharatGen CEO Rishi Bal on Param 2 launch (16 February 2026)
  13. Analytics India Magazine: After Param2, BharatGen unveils Patram, Sooktam and Shrutam AI models at India AI Impact Summit (17 February 2026)
  14. Business Standard: BharatGen unveils Param2 17B multilingual MoE model under sovereign AI push (18 February 2026)

أُعِدّ هذا المقال وكُتب بمساعدة أدوات الذكاء الاصطناعي، وحُرِّر للتحقق من دقته. وهو للمعلومة العامة والنقاش فقط، وليس مشورة مهنية. راجع معاييرنا التحريرية وإخلاء المسؤولية. وجدت خطأ؟ أخبرنا.

#param2#bharatgen#indian language models#mixture of experts#iit bombay#india ai impact summit#indiaai mission#hugging face

أعجبك المقال؟ احصل على التالي.

مقال جيد واحد في كل مرة، يصلك مباشرة إلى بريدك. بلا رسائل مزعجة، ويمكنك إلغاء الاشتراك متى شئت.

المزيد في الذكاء الاصطناعي والتكنولوجيا
لدى مهمة IndiaAI أكثر من 38,000 وحدة GPU بسعر 65 روبية للساعة و12 جهة ممولة لبناء النماذج ونماذج مفتوحة من Sarvam دُربت على قدرة المهمة الحاسوبية، وأُعلنت 20,000 وحدة GPU إضافية في فبراير 2026
القدرة الحاسوبية مسعّرة بـ65 روبية للساعة، والنماذج الأولى صدرت، وقد استقطبت قمة فبراير أكثر من 100 دولة. ماذا تقول وثائق الحكومة نفسها عن كل ركن من أركان المهمة، وآراء معهد كارنيغي الهند ومعهد تكشاشيلا ورئيس بحث مرتبط بمعهد IISc.
نموذج سارفام ذو 105 مليارات معامل يحسب بـ 10.3 مليارات منها لكل رمز، بتصميم مزيج الخبراء الذي يمتد من ورقة 1991 إلى Mixtral وDeepSeek
موجِّه صغير يرسل كل كلمة إلى بضع شبكات فرعية من 128، فيظل معظم النموذج خاملاً مع أي كلمة. من أين جاء التصميم، وكيف تستخدمه Mixtral وDeepSeek وسارفام، وما الذي لا يوفره.
نموذج DeepSeek V4.1-Flash مفتوح الأوزان بـ552 مليار معلمة، الذي صدر في 10 سبتمبر 2026، يخفّض ذاكرته المؤقتة لكل رمز إلى 890 بايتا، أي نحو ربع ما كان لسابقه
ذاكرة النموذج القصيرة المدى لمحادثة طويلة مكلفة في الاحتفاظ بها. وإصدار DeepSeek في سبتمبر يضغطها بحكم التصميم، ويقول تقريرها نفسه أين لا يزال النموذج متأخرا. هنا الآلية، والخط الزمني منذ 2024، وما تحقق منه الآخرون.
← كل المقالات