Swift Qwen 3.8 27B واقعاً کمتر فکر نمیکنه
هوش مصنوعیClaude Opus 5خلاصهٔ کاملتر
به نوشتهٔ این مقاله، Swift Qwen 3.8 27B (با شناسهٔ ukisai/Swift-Qwen3.8-27b) یه مدل جدید نیست، یه فاینتیون روی همون وزنهای Qwen 3.8 27B ـه که توکنهای مربوط به overthinking رو جریمه میکنه، یعنی همون عادتی که مدل قبل از جواب دادن کلی استدلال طولانی و بیدلیل مینویسه. یه «انتقال کارایی» از مدلی به اسم Thinking Cap هم توش هست و هدف اعلامشده اینه: همون توانایی، مونولوگ داخلی کوتاهتر.
تست با vLLM روی سختافزار یکسان (سیستمی با ۸۰ گیگ VRAM) و فریمورک ایجنتی Hermes انجام شده، با یه پرامپت سخت مشترک: ساخت یه فایل HTML کامل و مستقل که مراحل درست کردن لاته رو شبیهسازی کنه، از آسیاب و تمپ تا تایمر شات و بخار شیر. شمارش توکنها هم مستقیم از دیتابیس لاگ درومده نه تخمین روی صفحه.
نتیجه برعکس اسم مدل بود: Swift حدود ۶۰,۵۷۲ توکن خروجی و ۲۱ فراخوانی ابزار داشت، مدل اصلی ۱۱,۷۴۴ توکن و ۴ فراخوانی. با این حال Swift تو ۳۵ دقیقه و ۵۲ ثانیه کار رو تموم کرد و مدل اصلی تو ۴۷ دقیقه و ۷ ثانیه. نویسنده میگه دلیلش اینه که مدل اصلی وقت زیادی رو صرف دودلی سر استراتژی کرد، یه جا سر اینکه فایل موجود رو کپی و ویرایش کنه یا از صفر بنویسه.
هزینهش روی دقت هم دیده میشه، اون هم دقیقاً جایی که انتظار میره: استدلال ریاضی چندمرحلهای. طبق برگهٔ بنچمارک خود Swift، امتیاز AIME 2026 از ۹۸.۶۷٪ مدل پایه به ۹۴٪ و HMMT از ۹۹.۳۳٪ به ۹۶٪ افتاده. روی GPQA و MMLU فاصله حدود یک واحده و سازندهها ادعا میکنن میانگین توکن تو اون دستهها ۴۰ تا ۵۰ درصد کم شده.
تو خود تست کدنویسی هم همین الگو تکرار شد: شبیهسازی مدل اصلی کل مسیر رو تا تابع ریست بدون گیر کردن اجرا کرد، ولی نسخهٔ Swift وسط انیمیشن بخار شیر گیر کرد و به دستور ریست جواب نداد. جمعبندی نویسنده اینه که «سریعتر» و «کمتر فکر میکنه» دو ادعای متفاوتن و Swift فقط اولی رو ثابت میکنه. برای کار سبکتر گزینهٔ قابلقبولیه، برای استدلال طولانی و چندمرحلهای مدل پایه مطمئنتره.
نکات کلیدی:
- Swift یه فاینتیون روی وزنهای Qwen 3.8 27B ـه، نه مدلی که از صفر آموزش دیده باشه
- تو تست کدنویسی: ۶۰,۵۷۲ توکن و ۲۱ فراخوانی ابزار در برابر ۱۱,۷۴۴ توکن و ۴ فراخوانی
- زمان پایان ۳۵:۵۲ برای Swift در برابر ۴۷:۰۷ برای مدل اصلی
- AIME 2026 از ۹۸.۶۷٪ به ۹۴٪ و HMMT از ۹۹.۳۳٪ به ۹۶٪ افت کرده
- خروجی Swift وسط انیمیشن بخار شیر گیر کرد، نسخهٔ مدل اصلی کامل اجرا شد
