Meta Llama: كل ما تحتاج لمعرفته حول نموذج الذكاء الاصطناعي التوليدي المفتوح

مثل كل شركات التكنولوجيا الكبرى هذه الأيام، لدى Meta نموذجها الرائد الخاص بالذكاء الاصطناعي المولد، والذي يسمى Llama. يعتبر Llama فريدًا إلى حد ما بين النماذج الرئيسية من حيث أنه “مفتوح”، مما يعني أنه يمكن للمطورين تنزيله واستخدامه كما يحلو لهم (مع قيود معينة). وهذا على النقيض من نماذج مثل Anthropic’s Claude، وGoogle’s Gemini، وxAI’s Grok، ومعظم نماذج ChatGPT الخاصة بـ OpenAI، والتي لا يمكن الوصول إليها إلا عبر واجهات برمجة التطبيقات.

ومن أجل منح المطورين خيارًا، عقدت Meta أيضًا شراكة مع البائعين، بما في ذلك AWS وGoogle Cloud وMicrosoft Azure، لإتاحة إصدارات Llama المستضافة على السحابة. بالإضافة إلى ذلك، تنشر الشركة الأدوات والمكتبات والوصفات في كتاب الطبخ Llama الخاص بها لمساعدة المطورين على ضبط النماذج وتقييمها وتكييفها مع مجالهم. مع الأجيال الأحدث مثل Llama 3 وLlama 4، توسعت هذه القدرات لتشمل دعمًا أصليًا متعدد الوسائط وعمليات نشر سحابية أوسع.

إليك كل ما تحتاج لمعرفته حول Meta’s Llama، بدءًا من إمكانياتها وإصداراتها وحتى المكان الذي يمكنك استخدامه فيه. سنحافظ على تحديث هذا المنشور مع ترقيات إصدارات Meta وتقديم أدوات تطوير جديدة لدعم استخدام النموذج.

ما هو اللاما؟

اللاما هي عائلة من العارضات، وليست واحدة فقط. أحدث إصدار هو اللاما 4؛ تم إصداره في أبريل 2025 ويتضمن ثلاثة نماذج:

• كشاف: 17 مليار معلمة نشطة، و109 مليار معلمة إجمالية، ونافذة سياقية مكونة من 10 ملايين رمز مميز.

• المنشق: 17 مليار معلمة نشطة، و400 مليار معلمة إجمالية، ونافذة سياقية مكونة من مليون رمز مميز.

• العملاق: لم يتم إصداره بعد ولكن سيحتوي على 288 مليار معلمة نشطة و2 تريليون معلمة إجمالية.

(في علم البيانات، الرموز المميزة عبارة عن أجزاء مقسمة من البيانات الأولية، مثل المقاطع الصوتية “fan” و”tas” و”tic” في كلمة “fantastic”.)

يشير سياق النموذج، أو نافذة السياق، إلى بيانات الإدخال (على سبيل المثال، النص) التي يأخذها النموذج في الاعتبار قبل إنشاء المخرجات (على سبيل المثال، نص إضافي). يمكن للسياق الطويل أن يمنع النماذج من “نسيان” محتوى المستندات والبيانات الحديثة، ومن الانحراف عن الموضوع والاستقراء بشكل خاطئ. ومع ذلك، يمكن أن تؤدي نوافذ السياق الأطول أيضًا إلى “نسيان” النموذج لبعض حواجز الحماية الأمنية ويكون أكثر عرضة لإنتاج محتوى يتماشى مع المحادثة، مما دفع بعض المستخدمين نحو التفكير الوهمي.

كمرجع، فإن نافذة السياق التي تبلغ 10 ملايين والتي وعدت بها Llama 4 Scout تعادل تقريبًا نص حوالي 80 رواية متوسطة الحجم. نافذة سياق Llama 4 Maverick التي تبلغ مليونًا تعادل حوالي ثماني روايات.

تم تدريب جميع نماذج Llama 4 على “كميات كبيرة من بيانات النصوص والصور والفيديو غير المسماة” لمنحهم “فهمًا بصريًا واسعًا”، بالإضافة إلى 200 لغة، وفقًا لميتا.

يعد Llama 4 Scout وMaverick أول نماذج متعددة الوسائط ذات وزن مفتوح من Meta. لقد تم تصميمها باستخدام بنية “مزيج من الخبراء” (MoE)، مما يقلل من العبء الحسابي ويحسن الكفاءة في التدريب والاستدلال. الكشف، على سبيل المثال، لديه 16 خبيرا، ومافريك لديه 128 خبيرا.

تضم Llama 4 Behemoth 16 خبيرًا، ويشير إليها Meta على أنها معلمة للنماذج الأصغر حجمًا.

يعتمد Llama 4 على سلسلة Llama 3، التي تتضمن نماذج 3.1 و3.2 المستخدمة على نطاق واسع للتطبيقات المضبوطة حسب التعليمات والنشر السحابي.

ماذا يمكن أن تفعل اللاما؟

مثل نماذج الذكاء الاصطناعي التوليدية الأخرى، يمكن لـ Llama أداء مجموعة من المهام المساعدة المختلفة، مثل البرمجة والإجابة على أسئلة الرياضيات الأساسية، بالإضافة إلى تلخيص المستندات بـ 12 لغة على الأقل (العربية والإنجليزية والألمانية والفرنسية والهندية والإندونيسية والإيطالية والبرتغالية والهندية والإسبانية والتاغالوغية والتايلاندية والفيتنامية). تقع معظم أعباء العمل المستندة إلى النصوص – مثل تحليل الملفات الكبيرة مثل ملفات PDF وجداول البيانات – ضمن نطاق اختصاصها، وتدعم جميع نماذج Llama 4 إدخال النص والصورة والفيديو.

تم تصميم Llama 4 Scout لسير عمل أطول وتحليل ضخم للبيانات. Maverick هو نموذج عام أفضل في تحقيق التوازن بين قوة التفكير وسرعة الاستجابة ومناسب للبرمجة وروبوتات الدردشة والمساعدين الفنيين. وقد تم تصميم Behemoth للبحث المتقدم والتقطير النموذجي ومهام العلوم والتكنولوجيا والهندسة والرياضيات.

يمكن تكوين نماذج Llama، بما في ذلك Llama 3.1، للاستفادة من تطبيقات وأدوات وواجهات برمجة التطبيقات التابعة لجهات خارجية لأداء المهام. لقد تم تدريبهم على استخدام Brave Search للإجابة على الأسئلة المتعلقة بالأحداث الأخيرة؛ وWolfram Alpha API للاستعلامات المتعلقة بالرياضيات والعلوم؛ ومترجم بايثون للتحقق من صحة التعليمات البرمجية. ومع ذلك، تتطلب هذه الأدوات تكوينًا مناسبًا ولا يتم تمكينها تلقائيًا بمجرد إخراجها من الصندوق.

أين يمكنني استخدام اللاما؟

إذا كنت تتطلع إلى الدردشة ببساطة مع Llama، فهي تعمل على تعزيز تجربة الدردشة الآلية Meta AI على Facebook Messenger وWhatsApp وInstagram وOculus وMeta.ai في 40 دولة. تُستخدم الإصدارات المحسّنة من Llama في تجارب Meta AI في أكثر من 200 دولة ومنطقة.

يتوفر طرازا Llama 4 Scout وMaverick على Llama.com وشركاء Meta، بما في ذلك منصة مطوري الذكاء الاصطناعي Hugging Face. بيموث لا يزال في التدريب. يمكن للمطورين الذين يستخدمون Llama تنزيل النموذج أو استخدامه أو ضبطه عبر معظم الأنظمة الأساسية السحابية الشائعة. تدعي شركة Meta أن لديها أكثر من 25 شريكًا يستضيفون Llama، بما في ذلك Nvidia وDatabricks وGroq وDell وSnowflake. وعلى الرغم من أن “بيع الوصول” إلى نماذج ميتا المتاحة بشكل مفتوح لا يعد نموذج أعمال ميتا، إلا أن الشركة تجني بعض المال من خلال اتفاقيات تقاسم الإيرادات مع مضيفي النماذج.

قام بعض هؤلاء الشركاء ببناء أدوات وخدمات إضافية فوق اللاما، بما في ذلك الأدوات التي تسمح للنماذج بالإشارة إلى بيانات الملكية وتمكينها من العمل بزمن وصول أقل.

والأهم من ذلك، أن ترخيص Llama يقيد كيفية قيام المطورين بنشر النموذج: يجب على مطوري التطبيقات الذين لديهم أكثر من 700 مليون مستخدم شهريًا طلب ترخيص خاص من Meta ستمنحه الشركة وفقًا لتقديرها.

في مايو 2025، أطلقت Meta برنامجًا جديدًا لتحفيز الشركات الناشئة على اعتماد نماذج اللاما الخاصة بها. توفر Llama for Startups للشركات الدعم من فريق Meta’s Llama وإمكانية الوصول إلى التمويل المحتمل.

إلى جانب Llama، توفر Meta أدوات تهدف إلى جعل النموذج “أكثر أمانًا” للاستخدام:

• حارس اللاما، إطار الاعتدال.

• CyberSecEval، مجموعة تقييم مخاطر الأمن السيبراني.

• جدار الحماية اللاما، حاجز حماية أمني مصمم لتمكين بناء أنظمة ذكاء اصطناعي آمنة.

• درع الكود، والذي يوفر الدعم لتصفية وقت الاستدلال للتعليمات البرمجية غير الآمنة التي تنتجها LLMs.

يحاول Llama Guard اكتشاف المحتوى الذي قد يسبب مشكلات سواء تم تغذيته أو إنشاؤه بواسطة نموذج Llama، بما في ذلك المحتوى المتعلق بالنشاط الإجرامي واستغلال الأطفال وانتهاكات حقوق الطبع والنشر والكراهية وإيذاء النفس والاعتداء الجنسي.

ومع ذلك، فمن الواضح أنها ليست حلاً سحريًا نظرًا لأن إرشادات Meta السابقة سمحت لبرنامج الدردشة الآلي بالمشاركة في محادثات حسية ورومانسية مع القاصرين، وتظهر بعض التقارير أن تلك المحادثات تحولت إلى محادثات جنسية. يمكن للمطورين تخصيص فئات المحتوى المحظور وتطبيق عمليات الحظر على جميع اللغات التي يدعمها Llama.

مثل Llama Guard، يمكن لـ Prompt Guard حظر النص المخصص لـ Llama، ولكن فقط النص الذي يهدف إلى “مهاجمة” النموذج وجعله يتصرف بطرق غير مرغوب فيها. يدعي Meta أن Llama Guard يمكنه الدفاع ضد المطالبات الضارة بشكل واضح (على سبيل المثال، عمليات كسر الحماية التي تحاول الالتفاف حول مرشحات الأمان المضمنة في Llama) بالإضافة إلى المطالبات التي تحتوي على “مدخلات محقونة”. يعمل جدار الحماية Llama على اكتشاف المخاطر ومنعها مثل الحقن الفوري والتعليمات البرمجية غير الآمنة وتفاعلات الأدوات المحفوفة بالمخاطر. ويساعد Code Shield في التخفيف من اقتراحات التعليمات البرمجية غير الآمنة ويوفر تنفيذًا آمنًا للأوامر لسبع لغات برمجة.

أما بالنسبة لـ CyberSecEval، فهي ليست أداة بقدر ما هي مجموعة من المعايير لقياس أمان النموذج. يمكن لـ CyberSecEval تقييم المخاطر التي يشكلها نموذج اللاما (على الأقل وفقًا لمعايير Meta) لمطوري التطبيقات والمستخدمين النهائيين في مجالات مثل “الهندسة الاجتماعية الآلية” و”توسيع نطاق العمليات السيبرانية الهجومية”.

قيود اللاما

تأتي اللاما مع بعض المخاطر والقيود، مثل جميع نماذج الذكاء الاصطناعي التوليدية. على سبيل المثال، في حين أن أحدث طراز له يحتوي على ميزات متعددة الوسائط، إلا أن هذه الميزات تقتصر بشكل أساسي على اللغة الإنجليزية في الوقت الحالي.

ومن خلال التصغير، استخدمت شركة Meta مجموعة بيانات من الكتب الإلكترونية والمقالات المقرصنة لتدريب نماذج اللاما الخاصة بها. وقف قاضٍ فيدرالي مؤخرًا إلى جانب شركة ميتا في دعوى حقوق الطبع والنشر المرفوعة ضد الشركة من قبل 13 مؤلفًا للكتب، وحكم بأن استخدام الأعمال المحمية بحقوق الطبع والنشر للتدريب يندرج تحت “الاستخدام العادل”. ومع ذلك، إذا قام Llama بتكرار مقتطف محمي بحقوق الطبع والنشر واستخدمه شخص ما في منتج، فمن المحتمل أن ينتهك حقوق الطبع والنشر ويكون مسؤولاً.

تقوم Meta أيضًا بشكل مثير للجدل بتدريب الذكاء الاصطناعي الخاص بها على المنشورات والصور والتعليقات التوضيحية على Instagram وFacebook، وتجعل من الصعب على المستخدمين إلغاء الاشتراك.

تعد البرمجة مجالًا آخر من الحكمة التعامل معه بخفة عند استخدام اللاما. وذلك لأن Llama ربما تنتج تعليمات برمجية بها أخطاء أو تعليمات برمجية غير آمنة، ربما أكثر من نظيراتها من الذكاء الاصطناعي. في LiveCodeBench، وهو معيار يختبر نماذج الذكاء الاصطناعي في مشاكل البرمجة التنافسية، حقق نموذج Llama 4 Maverick من Meta درجة 40%. هذا مقارنة بـ 85% لـ GPT-5 المرتفع لـ OpenAI و 83% لـ Grok 4 Fast لـ xAI.

كما هو الحال دائمًا، من الأفضل أن يقوم خبير بشري بمراجعة أي تعليمات برمجية تم إنشاؤها بواسطة الذكاء الاصطناعي قبل دمجها في خدمة أو برنامج.

أخيرًا، كما هو الحال مع نماذج الذكاء الاصطناعي الأخرى، لا تزال نماذج اللاما مذنبة بتوليد معلومات تبدو معقولة ولكنها خاطئة أو مضللة، سواء كان ذلك في البرمجة أو التوجيه القانوني أو المحادثات العاطفية مع شخصيات الذكاء الاصطناعي.

تم نشر هذا في الأصل في 8 سبتمبر 2024، ويتم تحديثه بانتظام بمعلومات جديدة.