Falcon

Falcon هي عائلة من النماذج اللغوية الكبيرة مفتوحة الأوزان، صُممت بواسطة Technology Innovation Institute (TII)، وهو مركز أبحاث مدعوم من حكومة الإمارات العربية المتحدة يعمل تحت مظلة مجلس أبحاث التكنولوجيا المتطورة في أبوظبي. يقود مركز أبحاث الذكاء الاصطناعي والعلوم الرقمية التابع لـ TII عمليات التطوير من خلال فريق يضم 64 باحثًا، هدفهم المعلن هو جعل الذكاء الاصطناعي المتقدم متاحًا عالميًا، بعيدًا عن هيمنة المختبرات الغربية أو الصينية. تتراوح عائلة Falcon من نماذج الحافة (edge models) بحجم أقل من 1B إلى النموذج الرائد الهجين بحجم 34B، وجميعها متاحة للتنزيل مجانًا من حساب tiiuae على Hugging Face دون الحاجة إلى أي اشتراك.

تشمل العائلة عدة بنى هندسية متميزة: السلسلة الأصلية للمحولات الكثيفة (من Falcon 1 إلى Falcon 3)، ونموذج فضاء الحالة Falcon Mamba 7B الذي أُطلق في أغسطس 2024، ونموذج الرؤية واللغة Falcon 2 11B VLM، ونموذج Falcon Arabic المخصص لمعالجة اللغات الطبيعية العربية، وسلسلة Falcon H1 الهجينة التي أُطلقت في مايو 2025، والتي تجمع بين آلية الانتباه في المحولات (transformer attention) وطبقات SSM التي تعمل بالتوازي لدعم نوافذ سياق تصل إلى 262K رمز (token). تُصدر جميع الأوزان بموجب ترخيص Falcon من TII (المبني على Apache 2.0) مع سياسة استخدام مقبول، مما يجعلها قابلة للاستخدام التجاري مع بعض التحفظات التي سنناقشها أدناه.

نظرة سريعة على Falcon، أبريل 2026

خطوط نماذج Falcon النشطة اعتبارًا من أبريل 2026، مع مواصفاتها الرئيسية:

• Falcon 3 (ديسمبر 2024): محولات كثيفة بأحجام 1B و 3B و 7B و 10B. دُربت على 14 تريليون رمز. نافذة سياق بحجم 32K. احتل نموذج Falcon3-10B المركز الأول في لوحة الصدارة للنماذج اللغوية الكبيرة المفتوحة على Hugging Face للنماذج التي تقل عن 13B معلمة عند إطلاقه. يتوفر بنسخ Base و Instruct، بالإضافة إلى نسخ مكممة (quantized) مثل GPTQ-Int4/Int8 و AWQ للأجهزة ذات الذاكرة المحدودة.

• Falcon Mamba 7B (أغسطس 2024): نموذج فضاء حالة نقي يعتمد على بنية Mamba، مبتعدًا تمامًا عن آلية الانتباه في المحولات. يضم 7 مليارات معلمة، مع استهلاك ثابت للذاكرة بغض النظر عن طول السياق، وقد تم التحقق منه بواسطة Hugging Face كأفضل نموذج SSLM مفتوح المصدر عند إطلاقه.

• Falcon 2 11B VLM (مايو 2024): يضم 11 مليار معلمة، وسياق بحجم 8K، مع مشفر رؤية CLIP ViT-L/14 مدمج مع النموذج الأساسي. يعالج مدخلات الصور والنصوص معًا لمهام فهم المستندات، ووصف الصور، والأسئلة والأجوبة المرئية.

• Falcon Arabic (مايو 2025): يضم 7 مليارات معلمة، ومبني على أساس Falcon 3-7B مع إضافة 32,000 رمز مخصص للغة العربية إلى المفردات، وتهيئة تضمين (embedding) مبتكرة تعتمد على تعيين التشابه النصي. يحقق سياقًا بحجم 32K ويتفوق على النماذج العربية المخصصة التي تصل إلى 4 أضعاف حجمه في معايير Arabic MMLU و MadinahQA و Aratrust.

• Falcon H1 (مايو 2025): بنية هجينة: تعمل آلية الانتباه للمحولات و SSM بالتزامن في كل طبقة، وتُدمج المخرجات قبل الإسقاط (projection). يتوفر بأحجام تتراوح من 0.5B إلى 34B. سياق يصل إلى 262K رمز. متاح على AWS Bedrock Marketplace و NVIDIA NIM. سجل متغير الاستدلال H1R 7B نسبة 88.1% في معايير الرياضيات AIME-24.

أين يتألق Falcon حقًا

تتمثل الميزة التنافسية الأوضح لـ Falcon في أبريل 2026 في معالجة اللغات الطبيعية العربية. يُعد Falcon Arabic 7B النموذج العربي الوحيد مفتوح الأوزان والمصمم خصيصًا لهذا الغرض والذي يتصدر باستمرار تصنيفات OALL (معيار النماذج اللغوية الكبيرة العربية المفتوحة) بين النماذج التي تقل عن 30B معلمة. يتعامل النموذج مع اللغة العربية الفصحى الحديثة إلى جانب اللهجات الإقليمية، ويدعم التوليد المعزز بالاسترجاع (RAG) من خلال نافذة سياق بحجم 32K، وهو مجاني تمامًا للتشغيل محليًا، وهو أمر بالغ الأهمية لعمليات النشر في منطقة الشرق الأوسط وشمال إفريقيا التي تتطلب الامتثال لقوانين توطين البيانات.

تسد خطوط Mamba و H1 الهجينة فجوة بحثية حقيقية. يتميز استدلال Mamba باستهلاك ذاكرة O(1) بغض النظر عن طول التسلسل، مما يجعل Falcon Mamba 7B عمليًا لمهام السياق الطويل التي تجعل نمو ذاكرة التخزين المؤقت (KV-cache) للمحولات عائقًا على وحدات معالجة الرسومات (GPUs) الصغيرة. يوسع Falcon H1 هذا المفهوم بتصميم هجين يحافظ على آلية الانتباه للسياق المحلي بينما يتعامل Mamba مع ذاكرة التسلسل العالمية، مما ينتج نوافذ سياق تصل إلى 262K رمز في نموذج من فئة 7B.

"يدفع Falcon 3 حدود النماذج اللغوية الكبيرة الصغيرة إلى أبعد من ذلك، مساهمًا في مجتمع المصادر المفتوحة من خلال توفير الوصول إلى ذكاء اصطناعي أفضل أداءً. نحن واثقون من أن هذا الإصدار الأخير سيفتح نطاقًا غير محدود من الفرص." -- د. حكيم حاسد، كبير الباحثين، AIDRC/TII، ديسمبر 2024

يُعد أداء Falcon 3-10B في الاستدلال الرياضي (83.0 GSM8K) والبرمجة (73.8 MBPP) تنافسيًا ضمن فئة المعلمات الخاصة به. تدعم عائلة النماذج أيضًا النشر المكمم (1.58-bit و GPTQ و AWQ) بشكل أكثر شمولاً من العديد من أقرانها، مستهدفة حالات استخدام الاستدلال على أجهزة الكمبيوتر المحمولة وأجهزة الحافة التي صممتها TII خصيصًا لهذا الغرض.

أين يتعثر Falcon، وأنماط الفشل التي يواجهها المستخدمون باستمرار

الشكوى الأكثر تكرارًا من مطوري بيئات الإنتاج تتعلق بالترخيص. يعتمد ترخيص Falcon من TII على Apache 2.0، ولكنه يتضمن سياسة استخدام مقبول (AUP) يمكن لـ TII تحديثها من جانب واحد، ويُطلب من المستخدمين مراقبتها بشكل مستقل. هذا يتعارض تمامًا مع ما تعنيه عادةً لغة الترخيص "الدائمة وغير القابلة للإلغاء".

"يمكنهم رفض حالة الاستخدام الخاصة بك في أي وقت دون حتى إخطارك." -- JimDabell، Hacker News، مايو 2024

شهدت نقاشات Hacker News حول إطلاق Falcon 2 جدلاً كبيرًا حول ما إذا كانت الشروط قابلة للتنفيذ أصلاً نظرًا للتناقض الداخلي بين المنح غير القابل للإلغاء وسياسة الاستخدام المقبول القابلة للتعديل. من الناحية العملية، تتعامل معظم الفرق القانونية في المؤسسات مع هذا الأمر كعائق وتفضل استخدام Llama أو Qwen بدلاً من ذلك.

الإحباط الثاني المستمر هو ضعف النظام البيئي. يمتلك حساب tiiuae على Hugging Face حوالي 136 نموذجًا منشورًا، لكن مجتمع المصب (downstream) الخاص بالتحسينات الدقيقة (fine-tunes)، ومحولات LoRA، والتكميم (quantizations)، وتكامل التطبيقات يمثل جزءًا بسيطًا مما هو موجود لـ Llama أو Qwen. غالبًا ما يجد المطورون الذين يبنون على Falcon أنهم بحاجة إلى القيام بعمل كان المجتمع قد أنجزه بالفعل لنموذج أساسي أكثر شيوعًا.

الفجوة بين نتائج المعايير وجودة الدردشة هي الموضوع الثالث المتكرر. يلاحظ أعضاء المجتمع الذين يختبرون نماذج Falcon 2 والإصدارات المبكرة من Falcon 3 أن أرقام لوحة الصدارة تبدو أقوى من جودة الدردشة الفعلية، خاصة في الكتابة الإبداعية والاستدلال متعدد الأدوار. لاحظ أحد المعلقين على Hacker News عند إطلاق Falcon 2 أن نتيجة 11B كانت "على قدم المساواة تقريبًا مع Mistral 7B و Llama 3 8B" على الرغم من العدد الأكبر للمعلمات، مما يضعف ادعاءات TII التسويقية.

أخيرًا، يخلق التغيير السريع للنماذج مخاطر تتعلق بالاستقرار. أصدرت TII ست عائلات هندسية متميزة منذ عام 2023: Falcon 1، و Falcon 2 (مع VLM)، و Falcon Mamba، و Falcon 3، و Falcon Arabic، و Falcon H1 (مع متغير الاستدلال H1R). كل إطلاق يحل محل التوصية السابقة. وجدت الفرق التي بنت مسارات عملها على Falcon 40B في عام 2023 نفسها تستخدم نموذجًا قديمًا في غضون عام واحد.

مقارنة بين Falcon و Llama 4 و Qwen 3

Llama 4 (Meta): الاختلاف الميكانيكي الأكثر أهمية هو البنية الهندسية. يستخدم Llama 4 Scout بنية مزيج الخبراء (Mixture of Experts) بإجمالي 109 مليارات معلمة ولكن مع 17 مليار معلمة نشطة فقط لكل رمز، مما يقلل من تكلفة الاستدلال بشكل كبير على نطاق واسع. يستخدم Llama 3-8B محولاً كثيفًا بـ 8 مليارات معلمة، وهو أسهل في التحسين الدقيق ولكنه متناسب حسابيًا. يتدرب Llama 4 على أكثر من 40 تريليون رمز عبر أكثر من 200 لغة، مقابل 14 تريليون رمز لـ Falcon 3 بأربع لغات أساسية. يُعد النظام البيئي للمصب الخاص بـ Llama هو العامل المهيمن من الناحية العملية: توجد مئات الآلاف من التحسينات الدقيقة المجتمعية، ومحولات LoRA، وتكاملات التطبيقات لنماذج Llama والتي لا توجد ببساطة لـ Falcon. تحتوي تراخيص Llama (ترخيص مجتمع Llama 4) على قيودها الخاصة عند تجاوز 700 مليون مستخدم نشط شهريًا، لكن الشروط مستقرة ويمكن التنبؤ بها بطريقة لا تتوفر في سياسة الاستخدام المقبول القابلة للتعديل الخاصة بـ Falcon. أين يتفوق Falcon: التخصص في اللغة العربية، وبنى Mamba/الهجينة لكفاءة السياق الطويل، وفئات النماذج الأصغر (1B) التي لا يقدمها Llama 4 حاليًا.

Qwen 3 (Alibaba): يُعد Qwen 3 المنافس المباشر الأبرز لـ Falcon في محور النماذج مفتوحة الأوزان، وترخيص Apache 2.0، وتعدد اللغات. تحمل إصدارات Qwen 3 ترخيص Apache 2.0 حقيقيًا (بدون سياسة استخدام مقبول قابلة للتعديل)، ومجموعة نماذج تتراوح من 0.6B إلى 235B (بما في ذلك متغيرات MoE)، وأكثر من 300 مليون تنزيل اعتبارًا من منتصف عام 2025. سجل Qwen 3.5-9B درجة 81.7 في GPQA Diamond، متفوقًا على نماذج تمتلك معلمات أكثر بـ 13 ضعفًا. يغطي العمق متعدد اللغات لـ Qwen أكثر من 29 لغة مع دعم قوي للغة الصينية؛ يُعد Falcon Arabic أكثر تخصصًا لعمليات النشر التي تركز على اللغة العربية، لكن Qwen يفتقر إلى نموذج عربي مخصص مكافئ. في معايير البرمجة (HumanEval و MBPP)، يتفوق Qwen باستمرار على Falcon عند مقارنة أعداد المعلمات المماثلة. الخيار الأساسي: Qwen للحصول على ترخيص واضح، ومجموعة أوسع من النماذج، ودعم أقوى للبرمجة/اللغة الصينية؛ و Falcon للتطبيقات التي تركز على اللغة العربية وأبحاث بنية Mamba/الهجينة.

هل تستحق الفئة المدفوعة التكلفة؟

لا توجد فئة مدفوعة من TII. نماذج Falcon متاحة للتنزيل والاستضافة الذاتية مجانًا، دون الحاجة إلى واجهة برمجة تطبيقات (API) من المورد. تتوفر استضافة من جهات خارجية من خلال AWS Bedrock Marketplace (لنموذج Falcon H1)، و NVIDIA NIM، و AI71 (وهي شركة ذكاء اصطناعي منفصلة في أبوظبي)، ولكل منها تسعيرها الخاص القائم على الحوسبة.

بالنسبة لمعظم المستخدمين، تتمثل تكلفة Falcon في قوة الحوسبة اللازمة لتشغيله. تعمل نماذج Falcon 3-1B و Falcon H1-0.5B على وحدات معالجة الرسومات الاستهلاكية وحتى وحدات المعالجة المركزية لأجهزة الكمبيوتر المحمولة في شكل مكمم. يتطلب Falcon 3-10B وحدة معالجة رسومات متوسطة المدى (RTX 3090 أو ما يعادلها) لاستدلال fp16، أو يمكن تشغيله مكممًا على ذاكرة وصول عشوائي للفيديو (VRAM) بسعة 8GB. يحتاج Falcon H1-34B إلى إعداد متعدد وحدات معالجة الرسومات أو مثيل سحابي.

تميل مقايضة التكلفة العملية مقابل خدمات واجهة برمجة التطبيقات المستضافة (مثل OpenAI و Anthropic) لصالح Falcon في تطبيقات معالجة اللغات الطبيعية العربية ذات الحجم الكبير والحساسة للتكلفة، حيث سيكون البديل المستضاف مكلفًا وقد لا يضاهي معايير Falcon Arabic في هذا المجال اللغوي.

أفضل حالات الاستخدام (ومتى يجب تجاوزه)

اعتمد على Falcon عندما: تقوم ببناء تطبيقات باللغة العربية (يُعد Falcon Arabic 7B أقوى خيار مفتوح الأوزان في فئته)، أو تبحث في أو تنشر بنى غير المحولات (Mamba، و H1 الهجين)، أو تحتاج إلى نموذج سيادي أو خاضع لإدارة الإمارات العربية المتحدة لأسباب تتعلق بالامتثال الإقليمي، أو تستهدف الاستدلال على الحافة/دون اتصال بالإنترنت باستخدام نماذج صغيرة مكممة (Falcon 3-1B، و H1-0.5B).

تجاوز Falcon عندما: يحتاج فريقك القانوني إلى شروط مفتوحة المصدر مستقرة ويمكن التنبؤ بها (تمنع سياسة الاستخدام المقبول القابلة للتعديل اعتماد المؤسسات)، أو تحتاج إلى نظام بيئي مجتمعي كبير من المحولات والتحسينات الدقيقة (يمتلك Llama أو Qwen أكثر بكثير)، أو تبني بشكل أساسي باللغة الصينية أو مهام تعتمد بكثافة على البرمجة (يتفوق Qwen على Falcon في كليهما)، أو تحتاج إلى نموذج واحد يخدم أكثر من 200 لغة بشكل أصلي (تدرب Llama 4 على لغات أكثر من أي نموذج Falcon 3).

البدء مع Falcon

تتوفر جميع نماذج Falcon على huggingface.co/tiiuae. يُعد نموذج Falcon 3-7B-Instruct نقطة البداية الموصى بها لاستخدامات الدردشة العامة: تدريب على 14T رمز، وسياق 32K، ومتوافق مع بنية Llama لسهولة التكامل مع أطر العمل (Hugging Face Transformers، و Ollama، و llama.cpp). بالنسبة للتطبيقات العربية، يُعد Falcon-Arabic-7B-Instruct الخيار المخصص. أما بالنسبة لعمليات النشر ذات السياق الطويل أو الذاكرة المحدودة، فإن Falcon H1-7B هو الخيار الموصى به حاليًا.

توفر TII بيئة اختبار مستضافة على falconllm.tii.ae للاختبار التفاعلي دون الحاجة إلى إعداد محلي. بالنسبة للاستضافة الذاتية في بيئات الإنتاج، تتوافق نماذج Falcon 3 مع أدوات التكميم القياسية (GPTQ، و AWQ، و llama.cpp GGUF)، وتنشر TII نقاط تحقق (checkpoints) مكممة مسبقًا بما في ذلك متغير 1.58-bit لقيود الذاكرة الشديدة.

راجع ترخيص Falcon وسياسة الاستخدام المقبول على falconllm.tii.ae/terms-and-conditions.html قبل بناء تطبيقات تجارية. نظرًا لسياسة الاستخدام المقبول القابلة للتعديل، يُوصى بالمراجعة القانونية لأي استخدام في منتج مدمج أو مستضاف.