# دراسة تقيس استهلاك 86 نموذجًا لغويًا مفتوح الأوزان للطاقة

> وجد الباحثون أن إعدادات كثيرة للنماذج اللغوية الكبيرة تستهلك طاقة تزيد 2.6–4.8 مرات على الأكثر كفاءة، فيما يصل الفارق في بعض الحالات إلى 27 مرة.

Oossa · 2026-10-14 · https://oossa.com/ar/study-measures-energy-use-of-86-open-weight-llms-on-benchmarks-and-hardware

نشر فريق بقيادة زي يو يانغ ورقة بحثية في 14 أكتوبر 2026، قاس فيها مقدار الكهرباء التي تستهلكها 86 نموذجًا لغويًا كبيرًا مفتوح الأوزان أثناء تشغيل سبعة اختبارات معيارية على ست منصات عتادية. وتُظهر الدراسة أن معظم الإعدادات تستهلك طاقة تفوق حاجتها بكثير: إذ يبلغ الاستهلاك الوسيط 2.6 إلى 4.8 أضعاف، وقد يصل إلى 27 ضعفًا في الحالات القصوى. كما تؤدي إضافة خطوات الاستدلال إلى زيادة استهلاك الطاقة بنحو 3.7 أضعاف، بينما يخفض استخدام حسابات FP8 منخفضة الدقة استهلاك الطاقة بنحو 25% مع تراجع طفيف في النتائج.

## الحقائق

- تقييم 86 نقطة تحقق من النماذج
- هدر وسيط للطاقة يتراوح بين 2.6 و4.8 أضعاف؛ والحد الأقصى 27 ضعفًا

## لماذا يهم

يمكن للمطورين خفض تكاليف التشغيل والبصمة الكربونية باختيار إعدادات للنماذج اللغوية الكبيرة أكثر كفاءة في استهلاك الطاقة.

## المصادر والمراجع

1. [Measuring the Inference Energy Efficiency of Open-Weight LLMs across Benchmarks, Reasoning Modes, and Hardware](https://arxiv.org/abs/2610.14389) – arXiv, 2026-10-14

آخر تحديث: 2026-10-14