# Prime Intellect تضيف دعم التدريب إلى نوى Mega MoE

> تقول Prime Intellect إن نواها المدمجة أسرع حتى 3.11× من تنفيذ PyTorch أساسي، وترفع معدل إنجاز التدريب 34% في اختباراتها.

Oossa · 2026-10-26 · https://oossa.com/ar/prime-intellect-adds-training-support-to-mega-moe-kernels

أضافت Prime Intellect نواةً تتداخل مع مرحلة الانتشار العكسي إلى نظام Mega MoE من DeepSeek، ما يتيح استخدامه لتدريب نماذج مزيج الخبراء. وتقول الشركة إن نواها كانت أسرع حتى 3.11× من تنفيذ PyTorch الافتراضي، فيما كان التدريب من البداية إلى النهاية في Prime-RL أسرع حتى 1.34× من خط الأساس لديها.

أُجريت اختبارات التدريب من البداية إلى النهاية باستخدام وحدات معالجة الرسومات H200 ونماذج Qwen3 ضمن إعدادات من أربع عقد و16 عقدة. ويعتمد الدعم على نوع وحدة معالجة الرسومات: إذ تدعم النوى تنسيق bfloat16، فيما تقتصر بعض تنسيقات FP8 على وحدات Hopper أو Blackwell.

## الحقائق

- تفيد Prime Intellect بأن نوى MoE أسرع حتى 3.11× من تنفيذ PyTorch الافتراضي لديها.
- تفيد الشركة بأن التدريب من البداية إلى النهاية أسرع حتى 1.34×، أي بمعدل إنجاز أعلى بنسبة 34%. 

## لماذا يهم

قد تساعد هذه النوى الفرق التي تدرّب نماذج MoE على وحدات Hopper أو Blackwell المدعومة على تقليل وقت التدريب، لكن مكاسب السرعة المعلنة مستندة إلى اختبارات Prime Intellect نفسها، وقد لا تنطبق على إعدادات أخرى.

## المصادر والمراجع

1. [ResearchOCT 23RD, 2026Prime Mega MoE: Fast Fused MoE Kernels for Training](https://www.primeintellect.ai/blog/prime-mega-moe) – Prime Intellect

آخر تحديث: 2026-10-26