رونمایی Macrocosmos از مدل IOTA Decide 4B؛ ابزاری متن‌باز برای تصمیم‌گیری ساختاریافته در هوش مصنوعی
تیم Macrocosmos از مدل تصمیم‌گیری متن‌باز IOTA Decide 4B با ۴ میلیارد پارامتر رونمایی کرد. این مدل تخصصی به‌جای تولید پاسخ‌های متنی طولانی، پرسش‌های ساختاریافته را با احتمالات دقیق و در یک مرحله پردازش مستقیم پاسخ می‌دهد. معماری این ابزار بر پایه Qwen3.5 توسعه یافته و گزینه‌ای مناسب برای ایجنت‌های هوش مصنوعی و فرآیندهای اداری به‌شمار می‌رود.
در یک نگاه (نکات کلیدی خبر)
خلاصه مهم‌ترین نکات و تحولات این گزارش برای مطالعه سریع
- تیم Macrocosmos مدل متن‌باز IOTA Decide 4B را با ۴ میلیارد پارامتر برای ارائه پاسخ‌های ساختاریافته و تصمیم‌گیری دقیق در ایجنت‌های هوش مصنوعی منتشر کرد.
- این مدل بر پایه Qwen3.5 توسعه یافته و بر خلاف مدل‌های چت معمولی، گزینه‌ها و امتیازها را با احتمالات کالیبره‌شده تنها در یک مرحله پردازش مستقیم محاسبه می‌کند.
- وزن‌های این مدل تحت مجوز کاملاً آزاد Apache منتشر شده‌اند و امکان اجرای محلی و سریع آن در سیستم‌های خودکار سازمانی فراهم شده است.
معرفی مدل
مدل IOTA Decide 4B نخستین مدل عمومی تیم Macrocosmos است که در تاریخ ۴ نوامبر ۲۰۲۶ معرفی شد؛ این مدل با حدود ۴ میلیارد پارامتر، یک مدل تصمیم‌گیری تخصصی به‌شمار می‌رود و بر خلاف چت‌بات‌های متداول، برای تولید متن آزاد ساخته نشده است. این سیستم با دریافت وضعیت جاری (نظیر تیکت‌های پشتیبانی، ردپای عملکرد ایجنت‌ها، یا ترکیب قوانین سازمانی و درخواست کاربر) به‌همراه پرسش‌های مشخص، پاسخ‌ها را با احتمالات کالیبره‌شده و تنها در یک مرحله پردازش مستقیم ارائه می‌کند و به مهندسی پیچیده پرامپت نیازی ندارد.
این مدل بر پایه معماری Qwen3.5-4B توسعه یافته و وزن‌های آن تحت مجوز Apache-2.0 در ریپازیتوری macrocosm-os/iota-decide-4b همراه با فرمت‌های GGUF در دسترس قرار گرفته است. آموزش این مدل روی پردازنده‌های گرافیکی توزیع‌شده در شبکه Bittensor SN9 / IOTA انجام شده است. رابط برنامه‌نویسی این مدل از استاندارد SystemOne در مسیر /v1/systemone پیروی می‌کند و بر اساس گزارش تیم Macrocosmos، به امتیاز ۷۸ تا ۷۹ درصد در بخش عمومی بنچمارک JevBench دست یافته است.
بررسی جزئیات فنی
مسئله اصلی و چالش موجود
بسیاری از چرخه‌های کاری سازمانی و سیستم‌های مبتنی بر ایجنت، به‌جای دریافت پاسخ‌های متنی طولانی، نیازمند تصمیم‌گیری‌های ساختاریافته همراه با درجه اطمینان مشخص هستند. مدل Decide 4B با برخورداری از یک ساختار خروجی چندگانه و یکپارچه، امکان ارزیابی هم‌زمان چندین پرسش و تصمیم‌گیری دقیق را فراهم می‌سازد.
نقاط تمایز و مزیت‌های رقابتی
این مدل در مقایسه با مدل‌های زبانی معمولی ۴ میلیارد پارامتری، به‌جای متن‌پردازی‌های بی‌پایان، برچسب‌ها، امتیازها و احتمال دقیق هر گزینه را تعیین می‌کند. هم‌چنین بر خلاف سرویس‌های اختصاصی و بسته، وزن‌های آن تحت مجوز آزاد Apache در دسترس است و می‌توان آن را به‌صورت محلی و مستقل میزبانی کرد. علاوه بر این، فرآیند توسعه آن بر بستر زیرساخت تمرکززدایی‌شده Bittensor SN9 / IOTA شکل گرفته است.
محدودیت‌ها و چالش‌ها
- میزان استفاده و بازخورد جامعه کاربری در پلتفرم Hugging Face و ارزیابی‌های مستقل شخص ثالث هنوز در مراحل ابتدایی قرار دارد.
- نتایج رسمی در بخش آزمون‌های نهایی بنچمارک JevBench همچنان در انتظار تأیید مستقل است.
- نام «IOTA» در حوزه‌های گوناگون فناوری کاربردهای متعددی دارد و برای جلوگیری از اشتباه گرفتن آن با سایر پروژه‌ها، باید در کنار نام Macrocosmos یا Decide به کار گرفته شود.
کاربردها و مخاطبان هدف
این مدل مناسب چه کسانی است؟
تیم‌های فنی و سازمان‌هایی که به اتخاذ تصمیم‌های دسته‌ای و ساختاریافته (نظیر مسیریابی خودکار تیکت‌ها، بررسی تطابق با سیاست‌های کاری و تحلیل تصمیمات ایجنت‌ها) با استفاده از سرورهای اختصاصی و درون‌سازمانی نیاز دارند، می‌توانند بیشترین بهره را از این مدل ببرند.
راهنمای شروع به کار
- ابتدا صفحه مدل در Hugging Face را مشاهده کنید.
- از تابع
systemone(...)استفاده کرده یا فایل‌های GGUF را از طریق مسیر/v1/systemoneدر ابزار llama.cpp اجرا نمایید. - پیش از پیاده‌سازی نهایی در محیط عملیاتی، آستانه‌های احتمالاتی مدل را متناسب با تیکت‌ها و قوانین سازمانی خود کالیبره و آزمایش کنید.
برچسب های مرتبط
مطالب مرتبط و پیشنهادی
رونمایی از مدل متن‌باز Ripple-65B؛ دستاورد تازه Ricursive Intelligence در کدنویسی خودکار
استارتاپ Ricursive Intelligence از نسخه پیش‌نمایش مدل زبانی Ripple-65B با ۶۵ میلیارد پارامتر متراکم رونمایی کرد. این مدل متن‌باز با آموزش روی ۱۲ تریلیون توکن، عملکرد درخشانی در بنچمارک TerminalBench برای عامل‌های کدنویسی ثبت کرده است. وزن‌های کامل این مدل تحت مجوز آپاچی ۲.۰ برای پردازش محلی و ابری در دسترس توسعه‌دهندگان قرار دارد.
رونمایی Cognition از مدل SWE-2 Flash برای کدنویسی سریع و کم‌هزینه در Devin
شرکت Cognition از مدل جدید SWE-2 Flash در پلتفرم Devin رونمایی کرد؛ مدلی پرسرعت و بهینه برای وظایف روزمره برنامه‌نویسی که به ادعای سازنده از رقبای متن‌باز آمریکایی خود پیشی می‌گیرد. این مدل با معماری مبتنی بر فعال‌سازی ۱۲ میلیارد پارامتر و سرعت ۲۰۰ توکن در ثانیه، تا پایان نوامبر ۲۰۲۶ به‌صورت رایگان در اختیار کاربران Devin قرار دارد.
رونمایی از Together Compiler؛ راهکار جدید Together AI برای افزایش ۲٫۶ برابری سرعت اجرای مدل‌های هوش مصنوعی
شرکت Together AI از سیستم جدیدی به نام Together Compiler رونمایی کرد که با بهینه‌سازی مداوم پردازش، سرعت استنتاج مدل‌های زبانی را تا ۲٫۶ برابر افزایش می‌دهد. این فناوری با تکیه بر عامل‌های هوشمند و موتورهای پردازشی پایدار، عملکرد مدل‌ها را همگام با تغییرات ترافیکی به‌شکل خودکار ارتقا می‌بخشد.
دیدگاه ها و گفتگوی تخصصی
نظرات خود را با جامعه مخاطبان وایر ای آی در میان بگذارید
هنوز دیدگاهی برای این مطلب ثبت نشده است
اولین نفری باشید که دیدگاه، تحلیل یا دیدگاه خود را درباره این موضوع با دیگران به اشتراک می گذارد.