# نموذج 0.8B مضبوط يقلّص كلفة وسم القواعد 16 مرة

> يرصد نموذج Qwen3.5 0.8B صغير إتقان متعلمي الإنجليزية للقواعد بكلفة أقل ودقة أعلى من مطالبات GPT‑5.

Oossa · 2026-10-09 · https://oossa.com/ar/fine-tuned-0-8b-model-trims-grammar-annotation-costs-16-fold

أطلقت منصة لتعلّم اللغات نموذج ذكاء اصطناعي صغيرًا لوَسم المفاهيم النحوية في المحادثات بين الطلاب والمدرسين. والنموذج، وهو إصدار من Qwen3.5 يحوي 0.8 مليار مُعامل، ضُبط بدقة باستخدام أمثلة أعدّها المعلمون، ويعمل الآن محركًا لأداة جديدة لتتبّع إتقان القواعد لدى جميع متعلمي الإنجليزية على المنصة. وتقول الشركة إن تشغيل النظام أقل كلفة بـ16 مرة من استخدام نماذج رائدة كبيرة مثل GPT‑5.4 أو GPT‑5.6 مع المطالبات.

## كيف بُني النموذج واختُبر

نقّح الفريق بيانات الإشراف التي أنشأها المعلمون وأعاد موازنتها، ثم أضاف طبقة محوّل — وهي مجموعة صغيرة من الأوزان الإضافية — لترميز قواعد الوسم. ويتيح ذلك لنموذج 0.8B العمل بمطالبة قصيرة متطابقة بدلًا من تعليمات مطوّلة. وفي اختبارين معياريين أعدّهما خبراء، تفوّق النموذج المستخدم فعليًا ونموذج مرجعي بحجم 4B على GPT‑5.4 وGPT‑5.6 اللذين يعملان بالمطالبات، في كل من الدقة والاستدعاء، مع استخدام معايير مطابقة تزداد صرامة (المفهوم، ومقطع الدليل، والصحة).

## الأثر على المتعلمين والأعمال

أظهرت تجربة A/B عبر الإنترنت أن أداة التتبّع الجديدة رفعت تفاعل المتعلمين بنسبة 15.8 بالمئة. ووفقًا للمقاييس الداخلية للمنصة، زادت ساعات الدروس المجدولة بنسبة 2.1 بالمئة، ونمت قيمة إجمالي البضائع للدروس الجديدة بنسبة 13.2 بالمئة.

## الحقائق

- النموذج المضبوط بدقة هو نموذج لغوي صغير Qwen3.5 بمعاملات 0.8B.
- انخفضت كلفة التشغيل بنحو 16 مرة مقارنةً بنماذج GPT‑5 التي تعمل بالمطالبات.
- تفوق نموذج 0.8B على GPT‑5.4 وGPT‑5.6 في الدقة والاستدعاء ضمن اختبارين معياريين.
- ارتفع تفاعل المتعلمين بنسبة 15.8٪ في تجربة عبر الإنترنت على مستوى الميزة.
- زادت ساعات الدروس المجدولة بنسبة 2.1٪، ونمت إيرادات الدروس الجديدة بنسبة 13.2٪.

## لماذا يهم

بالنسبة إلى متعلمي الإنجليزية، تتيح كلفة الذكاء الاصطناعي الأقل للمنصة تقديم ملاحظات نحوية آلية ومتواصلة من دون رفع الأسعار. أما الشركة، فيعني انخفاض كلفة الحوسبة وارتفاع التفاعل مزيدًا من حجوزات الدروس والإيرادات.

## المصادر والمراجع

1. [Grammar Concept Annotation at Scale: Deployed Fine-Tuned Small Language Models Outperform Prompted Frontier Models](https://arxiv.org/abs/2610.10827) – arXiv, 2026-10-09

آخر تحديث: 2026-10-09