يتزايد ارتباط توجه أبوظبي نحو الذكاء الاصطناعي السيادي بعائلة Falcon التابعة لمعهد الابتكار التكنولوجي (TII)، ذراع الأبحاث التطبيقية لمجلس أبحاث التكنولوجيا المتقدمة. وبدلًا من الاعتماد على منظومات مستوردة ومغلقة، يقدّم TII Falcon بوصفه بحثًا مفتوحًا يركز على الكفاءة، ومصممًا ليعمل داخل أنظمة واقعية عبر الحكومة والصناعة والمجتمع. وفي هذا التصور، لا تعني السيادة الانعزال؛ بل تعني القدرة على البناء محليًا مع امتلاك خيارات حقيقية بشأن توقيت وكيفية استخدام التكنولوجيا الدولية. ويتكرر هذا التركيز في طريقة تقديم Falcon: نماذج مدمجة، جاهزية عملية، وإصدارات تتيح اختبارًا واسعًا من المجتمع وتحسينًا تدريجيًا مستمرًا.
ومن أبرز المحطات الأخيرة إطلاق Falcon-H1 Arabic، الذي أعلن عنه TII في 5 January 2026 بوصفه نموذجًا لغويًا كبيرًا مطوّرًا حديثًا يعتمد بنية هجينة من Mamba-Transformer. ويقول TII إن هذا الإصدار يمثل قطيعة كاملة مع نسخها السابقة المعتمدة على transformer، ويتصدر أداء الأنظمة على لوحة تصنيف Open Arabic LLM Leaderboard (OALL). وتتوفر عائلة Falcon-H1 Arabic بأحجام 3B و7B و34B من حيث عدد المعاملات، لتناسب قيود البنية التحتية المختلفة وحالات الاستخدام المتنوعة. كما يسلط TII الضوء على تحسينات في جودة البيانات وتغطية اللهجات واستقرار السياق الطويل والاستدلال الرياضي، بهدف دعم فهم عربي أكثر موثوقية للتطبيقات الواقعية.
من المقارنات المعيارية إلى ملاءمة المؤسسات: لماذا تهم الكفاءة
وتساعد نتائج المقارنة المعيارية التي شاركها TII لـ OALL أيضًا في تفسير سبب تركيز استراتيجية أبوظبي للنماذج السيادية على الكفاءة. فوفق OALL، يحقق نموذج Falcon-H1 Arabic 3B متوسطًا قدره 61.87%، ويقول TII إن ذلك يتقدم بـ10 نقاط على منافسين بارزين من فئة 4B مثل Phi-4 Mini من Microsoft. ويذكر TII أيضًا أن نموذج 7B يسجل متوسطًا قدره 71.47%، متفوقًا على جميع نماذج ~10B، بما في ذلك Fanar-1-9B من قطر. وبالنسبة لفرق المؤسسات، تدعم هذه الأرقام رسالة عملية واضحة: بنية أفضل وتدريب أدق يمكنهما التفوق على عدد معاملات أكبر، ما يسهّل النشر في البيئات محدودة الموارد.
ويظهر المنطق نفسه القائم على أولوية النشر في Falcon Perception، الذي يوسّع Falcon من اللغة إلى الذكاء الاصطناعي متعدد الوسائط. وتفيد Computer Weekly بأن Falcon Perception طوّره TII كنموذج يمكّن الآلات من الرؤية والقراءة وتفسير العالم المادي عبر الجمع بين قدرات الرؤية واللغة. ويضم النموذج نحو 600 million من المعاملات، ويوصف بأنه أكثر دمجًا بشكل ملحوظ مقارنة بالعديد من نماذج تعدد الوسائط البارزة التي غالبًا ما تستخدم عدة مليارات من المعاملات. ويعتمد بنية موحّدة قائمة على transformer ويعالج الوسائط مباشرة داخل شبكة مشتركة، وهو ما يربطه التقرير بتقليل زمن الاستدلال وخفض تعقيد النشر. وتشمل أمثلة المخرجات مربعات تحديد (bounding boxes) وأقنعة التقسيم (segmentation masks) أو ردودًا نصية على مطالبات بلغة طبيعية حول الصور.
وعند تقييمه في سياق المؤسسات، تُبرز إرشادات الجهات الخارجية حول Falcon اعتبارات الحوكمة والواقع التشغيلي إلى جانب الأداء. تصف Beam AI Falcon بأنه عائلة نماذج بأوزان مفتوحة أنشأها TII، وتشير إلى إصدارات أحدث مثل Falcon-H1R-7B لتقييم المؤسسات. كما تصف H1R بأنه نموذج استدلالي متخصص قائم على مزيج هجين من مكونات transformer وMamba2 مع قدرة متعددة اللغات وسياق افتراضي يبلغ 262,000 token. وتحذر Beam أيضًا من أن الأصل الإقليمي وحده لا يثبت الإقامة أو الامتثال أو نموذج تشغيل سياديًا، داعيةً الفرق إلى إجراء اختبارات معيارية على اللغات الفعلية ومهام الاستدلال واستدعاءات الوظائف وأهداف العتاد. ووفق هذا المنظور، تصبح نماذج الذكاء الاصطناعي السيادية في أبوظبي أكثر إقناعًا عندما تجتمع السيطرة عبر الأوزان المفتوحة مع النشر الخاص والموثوقية القابلة للقياس.
ما الذي يدفع أبوظبي إلى تطوير نماذج أساس سيادية للذكاء الاصطناعي؟
ما أحجام المعاملات المتاحة لـ Falcon-H1 Arabic؟
كيف كانت نتائج Falcon-H1 Arabic على Open Arabic LLM Leaderboard؟
ما هو Falcon Perception ولماذا يُقدَّم بوصفه نموذجًا عالي الكفاءة؟
كيف ينبغي للمؤسسات تقييم نماذج الذكاء الاصطناعي السيادية في أبوظبي لعمليات نشر حقيقية؟
