نموذج علام (ALLaM): نموذج الذكاء الاصطناعي العربي السعودي وما يجب أن تعرفه الشركات

نموذج علام (ALLaM) هو عائلة من نماذج اللغة الكبيرة العربية أولاً، طوّرتها في المملكة الهيئة السعودية للبيانات والذكاء الاصطناعي (سدايا) وتواصل تطويرها شركة هيوماين المملوكة لصندوق الاستثمارات العامة. دُرّب على العربية والإنجليزية، ويشغّل تطبيق HUMAIN Chat، ويتوفر بأوزان مفتوحة وعبر منصات سحابية، ليمنح الشركات السعودية خياراً سيادياً للذكاء الاصطناعي العربي.

ما هو نموذج علام للذكاء الاصطناعي؟

طوّر المركز الوطني للذكاء الاصطناعي في سدايا نموذج علام ليتعامل مع اللغة العربية وثقافتها بشكل أصيل لا كإضافة لاحقة. ونشر فريق البحث في يوليو 2024 ورقة بعنوان "ALLaM: نماذج لغة كبيرة للعربية والإنجليزية"، أوضح فيها أن توسيع المفردات والتدريب المسبق على بيانات عربية وإنجليزية مختلطة مكّن النماذج من تعلّم العربية دون فقدان قدراتها في الإنجليزية، مع نتائج متقدمة على اختبارات عربية مثل Arabic MMLU وACVA واختبارات المناهج العربية.

ويصف صندوق الاستثمارات العامة علام بأنه نموذج لغوي عربي كبير متعدد الوسائط طوّرته هيوماين بالشراكة مع سدايا. وقد أطلق الصندوق شركة هيوماين في مايو 2025 لبناء منظومة ذكاء اصطناعي متكاملة من مراكز البيانات حتى التطبيقات.

ما إصدارات نموذج علام وأين يمكن استخدامها؟

علام ليس نموذجاً واحداً بل عائلة صدرت على مراحل. وهذه أبرز المحطات الموثقة علناً حتى أكتوبر 2026:

التاريخ	المحطة	ماذا تعني للشركات
مايو 2024	أعلنت IBM توفر علام على منصة watsonx (أُفيد بأنه إصدار 13B)	إمكانية ضبط النموذج ونشره مع أدوات الحوكمة في watsonx
يوليو 2024	نشر الورقة البحثية لنموذج علام	وصف شفاف لأسلوب التدريب ونتائج الاختبارات
سبتمبر 2024	الإعلان عن إتاحة علام 7B على Microsoft Azure خلال القمة العالمية للذكاء الاصطناعي، وأفادت سدايا بوجود إصدارات 7B و13B و70B	الوصول عبر كتالوج نماذج لدى مزوّد سحابي عالمي
الأوزان المفتوحة	ALLaM-7B-Instruct-preview على منصة Hugging Face، ويُنشر حالياً تحت حساب هيوماين	إمكانية التنزيل والتشغيل الخاص داخل المنشأة أو في سحابة داخل المملكة
أغسطس 2025	أطلقت هيوماين تطبيق HUMAIN Chat المدعوم بنموذج علام 34B جديد مدرّب من الصفر	مساعد عربي للأفراد والأعمال مستضاف بالكامل داخل المملكة
أغسطس 2026	أعلنت AWS أن نموذج علام من هيوماين سيتوفر قريباً عبر Amazon Bedrock	وصول مُدار عبر واجهة برمجية إلى جانب نماذج أساسية أخرى

وتذكر بطاقة النموذج المفتوح 7B أنه دُرّب من الصفر على نحو 4 تريليونات وحدة نصية إنجليزية ثم 1.2 تريليون وحدة مختلطة بين العربية والإنجليزية، وأن نافذة السياق 4,096 وحدة، وأنه مصمم ليكون جزءاً من نظام أكبر، مع توقع أن يضيف المطورون ضوابط الأمان الخاصة بهم. وعند إطلاقه كان تطبيق HUMAIN Chat متاحاً داخل المملكة فقط، ويدعم البحث في الويب، والإدخال الصوتي بعدة لهجات عربية، والتنقل بين العربية والإنجليزية في المحادثة نفسها.

كيف يقارن نموذج علام بنماذج اللغة العربية الأخرى؟

يتضمن الجدول الحقائق المنشورة من كل مطوّر فقط. وتتغير نتائج الاختبارات بسرعة ونادراً ما تعكس مستنداتك الفعلية، لذا اعتبر أي ترتيب نقطة بداية لا قراراً نهائياً.

النموذج	المطوّر	الأحجام والتفاصيل المنشورة	الأوزان والترخيص	التركيز على العربية
علام (ALLaM)	سدايا (المركز الوطني للذكاء الاصطناعي) وهيوماين، السعودية	7B (إصدار تجريبي مفتوح بسياق 4,096)، وإصدارات 13B و70B بحسب ما أُعلن، و34B يشغّل HUMAIN Chat	إصدار 7B مفتوح على Hugging Face (وسم Apache-2.0 مع ملف ترخيص مستقل)، والبقية عبر المنصات	عربي أولاً، ثنائي اللغة
جيس 2 (Jais 2)	Inception (التابعة لـG42) وCerebras وجامعة محمد بن زايد، الإمارات	70B، صدر في ديسمبر 2025	أوزان مفتوحة على Hugging Face	عربي أولاً، ثنائي اللغة
فنار (Fanar)	معهد قطر لبحوث الحوسبة، جامعة حمد بن خليفة، قطر	Fanar-1-9B (مبني على Gemma 2 9B بسياق 4,096)، وFanar-2-27B (مبني على Gemma 3 27B بسياق 32,768)	Apache 2.0	متمحور حول العربية، ثنائي اللغة
Qwen3	Alibaba، الصين	نماذج كثيفة من 0.6B إلى 32B، ونماذج خليط خبراء 30B و235B، صدرت في أبريل 2025	النماذج الكثيفة بترخيص Apache 2.0	متعدد اللغات: 119 لغة ولهجة منها العربية الفصحى والنجدية والمصرية والشامية
Llama 4 Scout	Meta، الولايات المتحدة	17B معاملات نشطة من أصل 109B، صدر في أبريل 2025	ترخيص Llama 4 المجتمعي	متعدد اللغات: العربية إحدى 12 لغة مدعومة

الفرق العملي هو التركيز: صُممت علام وجيس وفنار حول العربية وثقافة المنطقة، بينما Qwen وLlama نماذج عالمية تُعد العربية فيها لغة ضمن لغات كثيرة. وميزة علام الإضافية للمنشآت السعودية هي المنشأ: نموذج وطني مع خيارات استضافة داخل المملكة، مما يسهّل النقاش مع فرق الامتثال.

فيمَ يمكن للشركات السعودية استخدام نموذج علام؟

• خدمة العملاء بالعربية: روبوتات محادثة ومساعدون لموظفي الخدمة يفهمون العملاء السعوديين بالعربية والإنجليزية. راجع دليل روبوتات المحادثة العربية.
• البحث في المعرفة الداخلية: توليد معزز بالاسترجاع (RAG) على السياسات والعقود والإجراءات، يجيب عن أسئلة الموظفين مع الإحالة إلى المستند المصدر.
• صياغة المستندات وتلخيصها: مسودات أولى للخطابات والتقارير والردود على المنافسات ومحاضر الاجتماعات بالعربية، تخضع لمراجعة بشرية.
• معالجة المستندات: استخراج الحقول من النماذج والفواتير والمراسلات العربية والإنجليزية، غالباً مع تقنية التعرف الضوئي على الحروف.
• التواصل مع الجهات الحكومية: لغة عربية رسمية تناسب الأسلوب الذي تتوقعه الجهات السعودية.
• دعم الموارد البشرية والتدريب: الإجابة عن أسئلة الموظفين حول اللوائح الداخلية والإجازات والمزايا، وإعداد مواد تدريبية عربية مختصرة من أدلة الإجراءات.
• تحليل ملاحظات العملاء: تصنيف التعليقات والشكاوى العربية المكتوبة بالفصحى واللهجة المحلية، واستخراج الموضوعات المتكررة لفرق المنتج والخدمة.

والقاسم المشترك بين هذه الحالات أن جودة النتيجة تعتمد على بياناتك الداخلية وطريقة ربطها بالنموذج أكثر من اعتمادها على حجم النموذج وحده.

كيف تنشر نموذج علام بشكل خاص؟

السؤال الأهم لدى كثير من المنشآت السعودية ليس أي نموذج أفضل، بل أين تذهب البيانات. وهناك ثلاثة مسارات للنشر:

1. منصة مُدارة: استخدام علام عبر watsonx أو Azure أو Amazon Bedrock عند توفره. الأسرع في البدء، لكن تحقّق من المنطقة التي تعالج طلباتك ومدى توافقها مع تصنيف بياناتك.
2. سحابة داخل المملكة ضمن حسابك: تشغيل الأوزان المفتوحة على خوادم معالجات رسومية في منطقة سحابية سعودية تحت حسابك وشبكتك ومفاتيحك.
3. داخل المنشأة: تشغيل النموذج على خوادمك مع خادم استدلال، وقاعدة بيانات متجهية للاسترجاع، وتحكم بالوصول حسب الأدوار، وتسجيل كامل للعمليات، دون أن يغادر أي طلب أو مستند شبكتك.

وكقاعدة تقريبية للتحجيم، يحتاج نموذج بسبعة مليارات معامل مخزّن بدقة 16 بت إلى نحو 14 غيغابايت من ذاكرة المعالج الرسومي للأوزان وحدها، إضافة إلى هامش للسياق والمستخدمين المتزامنين، ويقلّل التكميم ذلك مقابل بعض التراجع في الجودة، وتزداد المتطلبات مع النماذج الأكبر.

وأياً كان المسار، صمّم الحل وفق نظام حماية البيانات الشخصية وضوابط الهيئة الوطنية للأمن السيبراني منذ البداية: صنّف البيانات قبل وصولها إلى النموذج، وقيّد الاسترجاع حسب دور المستخدم، وسجّل الطلبات والمخرجات، وأبقِ البيانات الشخصية داخل المملكة. ففي أحد مشاريعنا لجهة حكومية سعودية، نفّذت أمواج استدلالاً للذكاء الاصطناعي داخل المنشأة بالكامل مع خطوط بيانات داخلية وتحكم بالوصول حسب الأدوار، فتحقق استقلال كامل عن الواجهات البرمجية الخارجية بنسبة 100%، وإقامة كاملة للبيانات، وتكلفة متوقعة عند الاستخدام المؤسسي الواسع. اقرأ دراسة حالة الذكاء الاصطناعي الخاص ودليل تشغيل النماذج العربية داخل المنشأة.

كيف تقيّم نموذج علام لحالتك؟

1. ابنِ مجموعة اختبار خاصة بك: اجمع من 100 إلى 300 سؤال ومستند حقيقي من أعمالك بالفصحى واللهجة السعودية والإنجليزية.
2. قارن ثلاثة نماذج على الأقل: مثل علام وجيس ونموذج متعدد اللغات مثل Qwen، باستخدام الطلبات نفسها ومسار الاسترجاع نفسه.
3. قيّم ما يهمك فعلاً: الدقة مقارنة بالمستندات المصدر، وسلامة العربية وملاءمة أسلوبها، وفهم اللهجات، وسلوك الرفض، ومعدل الهلوسة، بتقييم مراجعين من متحدثي العربية.
4. قِس الجوانب التشغيلية: زمن الاستجابة، والإنتاجية لكل معالج رسومي، وتكلفة كل ألف طلب، وحدود طول السياق.
5. راجع الترخيص: اقرأ ملف ترخيص كل نموذج فيما يخص الاستخدام التجاري والإسناد وسياسة الاستخدام المقبول.
6. اختبر الأمان: جرّب حقن التعليمات، وتسرّب البيانات بين المستخدمين، والمخرجات غير الملائمة ثقافياً قبل الإطلاق.

وتوقّع أن تختلف النتيجة حسب المهمة؛ فالنموذج الأصغر مع استرجاع جيد يتفوق غالباً على نموذج أكبر بلا استرجاع، والأفضل للغة الرسمية الحكومية قد لا يكون الأفضل لمحادثات العملاء غير الرسمية.

ما حدود نموذج علام؟

القرار المتوازن يحتاج إلى معرفة القيود إلى جانب نقاط القوة:

• النموذج المفتوح إصدار تجريبي: يحمل إصدار 7B القابل للتنزيل وصف "preview"، وتطلب بطاقته من المطورين إجراء تقييم أمان خاص بهم قبل النشر.
• سياق قصير في النموذج المفتوح: نافذة 4,096 وحدة تحدّ من حجم النص في الطلب الواحد، لذا تحتاج العقود الطويلة إلى التقسيم والاسترجاع بدلاً من لصق المستند كاملاً.
• ليست كل الإصدارات قابلة للتنزيل: يُوصل إلى النماذج الأكبر عبر المنصات، مما يستلزم التحقق من مكان معالجة تلك المنصات للبيانات.
• توفر سريع التغير: تتغير قوائم المنصات باستمرار، فتأكد من التوفر الحالي في المنطقة التي تحتاجها قبل الالتزام.

كم تكلفة تشغيل نموذج علام؟

لا يوجد سعر واحد. ففي المنصات المُدارة تدفع عادةً حسب عدد الوحدات النصية أو حسب الخادم المستضاف، وفق أسعار يحددها كل مزوّد. أما الاستضافة الذاتية فتنقل التكلفة إلى خوادم المعالجات الرسومية أو خوادمها السحابية، والتخزين، والشبكات، والمهندسين الذين يشغّلونها. وأبرز محركات التكلفة: حجم النموذج، وعدد المستخدمين المتزامنين، ومتوسط طول الطلب والإجابة، ومتطلبات استمرارية الخدمة، والحاجة إلى بيئات منفصلة للاختبار والإنتاج. وفي الاستخدام الداخلي الثابت والمرتفع، يجعل امتلاك البنية التحتية التكلفة أكثر قابلية للتوقع، بينما تكون المنصة المُدارة عادةً أوفر للبداية مع الاستخدام المحدود أو المتقلب. نناقش هذه المفاضلة في مقال سيادة البيانات والذكاء الاصطناعي المحلي في الخليج.

الخطوة التالية

يمنح نموذج علام المنشآت السعودية نموذجاً عربياً موثوقاً مطوّراً محلياً مع خيارات نشر خاصة، لكن القيمة الحقيقية تأتي من المعمارية المحيطة به: استرجاع آمن، وتحكم بالوصول، ومراقبة، وتقييم على بياناتك أنت. تبني أمواج للحلول مساعدين عربيين خاصين بالذكاء الاصطناعي على بنية تحتية سيادية. تعرّف على خدمات روبوتات المحادثة الخاصة بالذكاء الاصطناعي أو تواصل معنا لتخطيط مشروع تجريبي.