أصدر فريق vLLM Semantic Router نموذج d3-ultra، وهو نموذج قرار متعدد الوسائط بحجم 27B بموجب ترخيص Apache-2.0. لا يولّد نموذج القرار d3-ultra نصوصًا. بل يقرأ مُدخلًا واحدًا ويعيد احتمالًا لكل إجابة لكل سؤال. بالنسبة للمطوّرين، يعني ذلك التوجيه والتصنيف والتأريض البصري وفحوصات الفيديو من 1 استدعاء مفتوح الأوزان.
TL;DR
- الحجم: 26.09B معاملًا (كثيف، بما في ذلك مُرمِّز رؤية بحجم 0.46B)؛ 131,072 رمزًا من السياق لكل سؤال.
- يعمل على: تم اختباره على معالج 1 AMD Instinct MI325X بأوزان BF16؛ لا يوجد حتى الآن نسخة مُكمَّمة رسمية معلنة.
- الأداء: أعلى نتيجة في SR-Text بين 6 نماذج قرار في اختبار الفريق الخاص.
- الأفضل: 97.8 في SR-Text لأدوات وأتمتة (دقة مُصحَّحة للصدفة).
- الأسوأ: 54.6% في SR-Box (9 مجالات)، أي أقل بـ 5.0 نقاط من طرازه الشقيق d3-turbo.
ما هو d3-ultra؟
d3-ultra هو نموذج قرار من النوع الأول (System One) من vLLM Semantic Router يجيب على الأسئلة المكتوبة بالاحتمالات. وهو أحدث أعضاء عائلة Decision 3.0التي تمتد من 0.6B إلى 27B.
ترسل حالة (نصًا أو JSON، بالإضافة إلى صور أو فيديوهات) ومجموعة من الأسئلة. لكل سؤال نوع:
- اختيار: اختيار 1 من بين عدة خيارات.
- نعم / لا: إرجاع احتمال الإجابة بنعم.
- درجة: تقييم على مقياس.
- صندوق: تحديد موقع شيء ما في صورة أو لحظة في فيديو.
- المسار: تتبع هدفًا عبر مقطع فيديو كامل.
يمكن أيضًا أن تظهر الصور داخل الأسئلة والخيارات. يمكن لاختبار أن يعرض صورة، ثم يقدّم 4 رسومات محفورة كإجابات.
كيف يعمل d3-ultra؟
الفكرة الأساسية هي الحالة مرة واحدة. يقرأ النموذج المدخل مرة واحدة لكل طلب ويجيب على كل سؤال من تلك القراءة الواحدة.
ال config يعرض بنيةً خلفية بمعمارية Qwen3.5 بـ64 طبقة، منها 48 طبقة انتباه خطي و16 طبقة انتباه كامل. لا تذكر البطاقة نقطة التحقق الأساسية الخاصة بها. مكتبة vLLM’s وصفة يقول أن الشقيق d3 تم تدريبه من Qwen3.8-27B.
تُعيد إجابات Box دائمًا صندوقًا واحدًا تمامًا وهو 1 مع درجة ثقة. الدرجة القريبة من 0 تعني أن الهدف غير موجود في الصورة. الأسئلة التي تتجاوز 131,072 رمزًا تفشل مع max_length_exceeded؛ لا يتم اقتطاع أي شيء بصمت.
كيف يُظهر d3-ultra أداءه على معايير القياس؟
يقارن فريق البحث بين d3-ultra و GLiDE V1.2, d1-ultra و d3-turbo و d3 و Jev 1.14 على 2 من الاختبارات الداخلية.
SR-Text يحتوي على 10,411 طلب نصي مع 73,495 سؤالاً. معظمها يعيد إنشاء مهارات من 34 معياراً عاماً مع عناصر جديدة. وهناك 4,896 سؤالاً آخر تأتي من 43 عائلة مهام جديدة، مثل فحوصات SQL وتوجيه التذاكر. الدرجات مصحّحة للمصادفة: 0 تعني المصادفة، و100 تعني الكمال.
- d3-ultra: 87.2
- GLiDE V1.2: 85.1
- d1-ultra: 83.4
- d3-turbo: 83.1
- d3: 81.4
- Jev 1.14: 73.1
يتصدر d3-ultra كل المجالات باستثناء الفنون والذوق الإنساني. هناك، يسجل d1-ultra 90.8 مقابل 89.6، وهو ما يقع ضمن هامش الخطأ.
SR-Box يحتوي على 5,678 سؤال Box على 4,984 صورة عبر 10 مجالات. يُعتبر الصندوق صحيحًا عند IoU بقيمة 0.5 أو أعلى. يسجل d3-ultra نسبة 58.2% عبر 10 مجالات و54.6% عبر 9. يسجل d3-turbo نسبتي 60.0% و59.6%. يسجل Jev 1.14 نسبتي 45.7% و46.9%. يقول الفريق إن d3-turbo يبقى أقوى على الصور الطبيعية، بينما يتصدّر d3-ultra على الرسوم البيانية.
زمن الاستجابة: على 1 AMD Instinct MI325X مع AutoModel، يستغرق 1 سؤال عن صورة 304 ms. وتستغرق 255 سؤالًا 2.16 s، أي حوالي 7.3 ms لكل سؤال إضافي.
كيف تنشر d3-ultra؟
هناك 4 طرق:
- Transformers:
AutoModel.from_pretrained("vllm-sr/d3-ultra", trust_remote_code=True)معtransformers==5.17.0. الحزمة الاختياريةflash-linear-attentionتضيف نوى GPU سريعة. - محرك vLLM Semantic Router:
vllm-sr serve -e vllm-sr/d3-ultra، أُضيف في PR #5449 بتاريخ 25 أكتوبر 2026. - واجهة برمجة تطبيقات مجانية: تقول البطاقة إن decision.vllm-sr.ai يخدم d3-ultra، بمفتاح مجاني.
- عرض توضيحي: المساحة الرسمية على Hugging Face Space.
d3-ultra مقابل GLiDE V1.2، d1-ultra، Jev 1.14 وd3-turbo
| الميزة | d3-ultra | d3-turbo | GLiDE V1.2 | d1-ultra | Jev 1.14 |
|---|---|---|---|---|---|
| المطوّر | vLLM Semantic Router | vLLM Semantic Router | Fastino Labs | Liquid AI | TypeSafe |
| المعاملات (Parameters) | 26.09B | 26.09B | 26B | غير معلن | غير معلن |
| السياق لكل سؤال | 131,072 | 32,768 افتراضيًا؛ 131,072 مع long_context | 40,000 افتراضيًا | 32,768 | 262,144 |
| الأوزان / الترخيص | مفتوح، رخصة Apache-2.0 | مفتوح، رخصة Apache-2.0 | مفتوح، رخصة Fastino Community License | مستضاف فقط | مستضاف فقط، احتكاري |
| المدخلات | نص، JSON، صور، فيديو | نص، JSON، صور، فيديو | نص، JSON، صور | نص، صور | نص، صور |
| مربع / مسار | مربع + مسار | مربع + مسار | لا | لا | مربع فقط |
| SR-Text (مُبلَّغ عنه ذاتيًا من vLLM-SR) | 87.2 | 83.1 | 85.1 | 83.4 | 73.1 |
| SR-Box، 10 نطاقات | 58.2% | 60.0% | غير مدعوم | غير مدعوم | 45.7% |
| درجة الفهرس العام | مُقدَّم، لم يُدرج في اللوحة بعد | 70.2 Jev DI (تقدير ذاتي) | 71.5 Decision Index 0.4.1 | 65 AA Decision Index | 57 AA Decision Index |
| السعر | API مجاني، استضافة ذاتية | API مجاني، استضافة ذاتية | $0.04 / مليون إدخال | $0.042 / مليون إدخال | 0.042 دولار / مليون من رموز الإدخال |
النقاط الرئيسية
- d3-ultra هو نموذج قرار 27B برخصة Apache-2.0 لا يولّد نصًا أبدًا.
- يقرأ الإدخال مرة واحدة: 255 سؤالًا عن 1 صورة تستغرق 2.16 ثانية.
- يتصدر اختبار SR-Text الخاص بالفريق بنتيجة 87.2، متقدمًا على GLiDE V1.2 التي سجلت 85.1.
- يتخلف عن d3-turbo في تثبيت الصناديق (Box grounding): 58.2% مقابل 60.0%.
- جميع أرقام المعايير القياسية مبلَّغ عنها ذاتيًا على مجموعات اختبار خاصة.
اطّلع على بطاقة النموذجو مستودع GitHubو مجموعة Decision 3.0 و Hugging Face Space. كما لا تتردد في متابعتنا على تويتر ولا تنسَ الانضمام إلى مجReddit الفرعي للتعلم الآلي الذي يضم أكثر من 150k مشترك والاشتراك في نشرتنا الإخبارية. مهلًا! هل أنت على تيليجرام؟ يمكنك الآن الانضمام إلينا على تيليجرام أيضًا.
هل ترغب في الشراكة معنا للترويج لمستودع GitHub الخاص بك أو صفحتك على Hugging Face أو إطلاق منتجك أو ندوتك عبر الويب وغيرها؟ تواصل معنا
ظهر المقال vLLM Semantic Router تُطلق d3-ultra: نموذج قرار متعدد الوسائط مفتوح بحجم 27B أولًا على MarkTechPost.