---
language:
- ar
license: other
tags:
- gguf
- MoE
- financial-llm
- MoziSmartBit
- qwen3.5
- qwen3.6
- ornith
- MoziAI
- tool-calling
- uncensored
- vision
- MTP
library_name: llama-cpp
pipeline_tag: text-generation
---

# MoziAI-35B-V3.8 — نموذج ذكاء اصطناعي متعدد الوسائط صغير الحجم وقوي، قابل للنشر المحلي مجانًا

[English](README.en.md) | [简体中文](README.zh.md) | [繁體中文](README.zh-hant.md) | [日本語](README.ja.md) | [한국어](README.ko.md) | [हिन्दी](README.hi.md) | [Deutsch](README.de.md) | [Français](README.fr.md) | [Nederlands](README.nl.md) | [Italiano](README.it.md) | [Русский](README.ru.md) | العربية | [Español](README.es.md) | [Português](README.pt.md) | [Bahasa Indonesia](README.id.md) | [Türkçe](README.tr.md) | [Tiếng Việt](README.vi.md) | [Polski](README.pl.md)

**تاريخ الإصدار: 2026-09-01** · **الإصدار: V3.8**

---

## 📑 المحتويات

- [1. نظرة عامة على النموذج](#1-نظرة-عامة-على-النموذج)
- [2. الميزات الرئيسية](#2-الميزات-الرئيسية) — التفكير الديناميكي ذو الأبعاد السبعة / LOOP / MoziSmartBit / التركيز المالي
- [3. ملاحظات ترقية الإصدار](#3-ملاحظات-ترقية-الإصدار)
- [4. القدرات الأساسية](#4-القدرات-الأساسية-في-المجال-المالي)
- [5. المواصفات التقنية](#5-المواصفات-التقنية)
- [6. البدء السريع](#6-البدء-السريع-3-ملفات-100-تفعيل-أفضل-قدرة-استدلال) — **تحميل الملفات الثلاثة**
- [7. تحميل النموذج](#7-تحميل-النموذج)
- [8. أوامر التشغيل](#8-أوامر-التشغيل)
- [9. معاملات الاستدلال الموصى بها](#9-معاملات-الاستدلال-الموصى-بها)
- [10. مقارنة صيغ التكميم](#10-مقارنة-صيغ-التكميم)
- [11. تسريع فك الترميز التخميني](#11-تسريع-فك-الترميز-التخميني-ميزة-مهمة)
- [12. توصيات تكوين الذاكرة](#12-توصيات-تكوين-الذاكرة-المرئية)
- [13. طرق النشر](#13-طرق-النشر)
- [14. المعايير](#14-المعايير)
- [15. تحسين إلغاء الرقابة (Uncensored)](#15-تحسين-إلغاء-الرقابة-uncensored)
- [16. الترخيص](#16-الترخيص)
- [17. التواصل](#17-التواصل)

---

## 1. نظرة عامة على النموذج

MoziAI-35B-V3.8 هو نموذج ذكاء اصطناعي متعدد الوسائط مفتوح المصدر قابل للنشر محليًا، طوّره فريق تشن يومو (Chen Yumo)، المؤثر المالي الصيني البارز. مبني على القاعدة مفتوحة المصدر **Ornith-1.5-35B-A3B** (بنية Qwen3.5-35B-A3B / Qwen3.6-35B-A3B، MoE 35B، رخصة MIT)، ويجمع بين البيانات المالية المطورة ذاتيًا + القدرات المالية المتخصصة + إطار التفكير الديناميكي ذو الأبعاد السبعة + آلية التكرار والتفكير LOOP للوكيل الذكي + خاصية Uncensored لإلغاء الرقابة + خوارزمية التكميم الهجين MoziSmartBit.

**💡 ميزة الحجم: 15.9 جيجابايت فقط** — يتم ضغط نموذج MoE ذي 35 مليار معامل إلى **15.9 جيجابايت** فقط عبر التكميم الذكي MoziSmartBit المطوّر ذاتيًا (أصغر بنحو 30% من Q4_K_M القياسي ~22 جيجابايت). يناسب حزمة تثبيت واحدة، ويعمل على بطاقات الرسوميات الاستهلاكية العادية (20 جيجابايت VRAM فأكثر)، ويقلص تكاليف الرموز السحابية إلى **صفر**، ويتيح حرية رموز 7×24 ساعة مع ضمان خصوصية وأمان البيانات المحلية. مرخّص للاستخدام التجاري **المجاني** — بلا أي عوائق للأفراد والمؤسسات.

---

## 2. الميزات الرئيسية

### 🧠 إطار التفكير الديناميكي ذو الأبعاد السبعة

إطار الاستدلال الأساسي المطوّر ذاتيًا من MoziAI. أمام أي مهمة، يخرج النموذج أولاً علامة **moziAI-Think**، ثم يوسع التفكير المنظم ديناميكيًا حسب تعقيد المهمة:

| المستوى | السيناريو | المهام النموذجية | الأبعاد الموسّعة |
| --- | --- | --- | --- |
| **المستوى 0** | أسئلة وأجوبة بسيطة | شرح المصطلحات، البحث عن الحقائق، الترجمة، التلخيص | ①فهم المهمة ⑤الاحتياجات من الموارد (إجابة سريعة ببعدين) |
| **المستوى 1** | تحليل وتشخيص | أبحاث السوق، كتابة المحتوى، تحليل البيانات، قراءة التقارير، تقييم الاستراتيجيات | ①②③⑤⑥ تقييم بخمسة أبعاد |
| **المستوى 2** | تطوير/استراتيجية معقدة | تطوير الكود، تصميم البنية، تطوير استراتيجيات التكميم، سير عمل متعدد الخطوات، تصميم الأنظمة | ①②③④⑤⑥⑦ تفكير عميق كامل بسبعة أبعاد |

> الأبعاد السبعة: ①فهم المهمة ②تقييم التعقيد ③العلاقات التبعية ④تقييم المخاطر ⑤الاحتياجات من الموارد ⑥معايير القبول ⑦استراتيجية التنفيذ

### 🔄 آلية التكرار LOOP للوكيل الذكي

تدخل المهام المعقدة تلقائيًا في وضع التكرار **moziAI-Loop**: **الجولة 1 تنفيذ + تقييم ← الجولة 2 تعديل + تحقق**، لضمان خضوع المخرجات للتحقق الذاتي قبل تقديم الإجابة النهائية. يعمل النموذج مثل مهندس خبير: «تفكيك المشكلة ← تقييم الحل ← تنفيذ ← تفكير ← تحسين»، مما يرفع دقة المهام المعقدة وقابلية تنفيذها بشكل ملحوظ. أما الأسئلة والمهام البسيطة فتغلق Loop تلقائيًا.

### 📦 التكميم الذكي MoziSmartBit

تكميم هرمي ذكي مطوّر ذاتيًا: يُضغط نموذج MoE ذو 35 مليار معامل إلى **15.9 جيجابايت** تقريبًا، أصغر بنحو 6.5 جيجابايت (~30%) من Q4_K_M القياسي (~22 جيجابايت)، مع الحفاظ على **~99%** من دقة FP16. يستخدم التكميم التقليدي دقة موحدة لجميع الطبقات، بينما يعتمد MoziSmartBit استراتيجية تمايز ذكية تناسب بنية MoE، بدقة أفضل من Q4_K_M. نسبة الضغط تصل إلى **4.5x**.

### 💰 التركيز على المجال المالي العمودي

تحسين عميق للأسئلة والأجوبة المالية، البرمجة الكمية، واستدعاء الأدوات. المجال المالي يتسامح بشدة مع هلاوس النماذج، ويظهر MoziAI أداءً أفضل بكثير من النماذج العامة ذات الحجم المماثل في هذا المجال.

### 🛡️ خاصية Uncensored لإلغاء الرقابة

لا قيود على مراجعة المحتوى، مخرجات حرة، معلومات كاملة، خصوصية محلية. مناسبة للبحث الأكاديمي والتحليل العميق والنقاش الحر وغيرها من السيناريوهات (انظر [القسم 15](#15-تحسين-إلغاء-الرقابة-uncensored)).

### 🌐 ميزات أخرى

- **دعم متعدد اللغات**: 201 لغة ولهجة، مع تحسين خاص للغة الصينية
- **برمجة عامة**: تطوير Full-stack، تصحيح الأكواد، تصميم البنية، تغطية Python/JS/TS/Go/Rust
- **كتابة المقالات**: كتابة عالية الجودة متعددة الأنواع مثل التقارير والمقالات التحليلية والوثائق التقنية والمحتوى الإبداعي
- **فهم بصري**: رؤية متعددة الوسائط، تدعم فهم محتوى الصور عبر لقطات الشاشة محليًا
- **دعم أطر متعددة**: llama.cpp / Ollama / LM Studio / Jan
- **دعم وكلاء متعددين**: OpenClaw / Hermes / Cursor / Claude Code / Codex وغيرها، مع استدعاء أدوات أصلي وتنسيق مهام متعدد الجولات

---

## 3. ملاحظات ترقية الإصدار

أُعيد تدريب إصدار V3.8 باستخدام نظام مجموعة البيانات التدريبية المطوّر ذاتيًا من الجيل نفسه مثل 27B-V3.8 (الهوية / التفكير الديناميكي ذو الأبعاد السبعة / تكرار LOOP / المجال المالي العمودي)، مع تعزيز نمط الاستدلال «التفكير الديناميكي ذو الأبعاد السبعة + تكرار LOOP» المطوّر ذاتيًا من moziAI، ليتعرف على تعقيد المهام بشكل أذكى، وترتفع نسبة إتمام المهام المعقدة، وتتحسن قدرة «فكر أولاً ثم نفّذ»؛ مع الاستمرار في خاصية Uncensored والتحسين العميق للمجال المالي العمودي.

يحافظ moziAI على وتيرة تحديث إصدارات نشطة ومستمرة، لضمان مواكبة تطور الذكاء الاصطناعي المستقبلي، ويواصل عبر التقنيات الذاتية جعل نماذج الذكاء الاصطناعي المحلية خفيفة النشر وأكثر قدرة.

---

## 4. القدرات الأساسية في المجال المالي

| مجال القدرة | الوصف |
| --- | --- |
| تحليل السوق | تفسير الاقتصاد الكلي/الجزئي، تحليل أسواق A/HK/US/السلع/العملات المشفرة ومنطقها |
| المالية والتقارير | تفسير المؤشرات الرئيسية للتقارير المالية، استخلاص ملخصات التقارير، المساعدة في التقييم وتوقعات الأرباح |
| إدارة المخاطر والامتثال | تقييم مخاطر المنتجات، تذكيرات الامتثال لنصائح الاستثمار، تفسير سياسات الرقابة المالية |
| التكميم والاستراتيجيات | تصميم أفكار الاستراتيجيات الكمية، تكميم Pyramid (PEL)، منطق الاختبار الخلفي، بناء العوامل واستدعاء الأدوات |
| استدعاء الأدوات | الاتصال بمصادر بيانات مالية حية وقواعد البيانات وبحث التقارير |

---

## 5. المواصفات التقنية

| البند | المواصفات |
| --- | --- |
| النموذج الأساسي | Ornith-1.5-35B-A3B (بنية Qwen3.5-35B-A3B / Qwen3.6-35B-A3B، رخصة MIT) |
| حجم المعاملات | 35 مليار (35B) بنية MoE، 256 خبير توجيه + خبير مشترك واحد، تفعيل 8 خبراء لكل رمز |
| طريقة التكميم | تكميم ذكي MoziSmartBit مطوّر ذاتيًا + صيغة GGUF القياسية |
| طول السياق | 256K (262,144 رمزًا) |
| حجم النموذج | ~15.9 جيجابايت |
| الحد الأدنى للذاكرة | **20GB+** قابل للنشر (إزاحة CPU)؛ **24GB+** سياق طويل سلس؛ **32GB+** 256K كامل + رؤية |
| أطر الاستدلال | llama.cpp / Ollama / LM Studio / Jan |
| سرعة الاستدلال | مع فك الترميز التخميني: بطاقة AMD R9700 تصل إلى **140+ رمز/ثانية** / AMD MAX+395 CPU iGPU تصل إلى **70+ رمز/ثانية** |
| فريق التطوير | فريق تشن يمو |

---

## 6. البدء السريع 3 ملفات 100 تفعيل أفضل قدرة استدلال

> ⚠️ **ملاحظة أساسية**: تتطلب أفضل قدرة استدلال لـ MoziAI تنزيل **3 ملفات معًا** — النموذج الرئيسي، مُسقط الرؤية، قالب المحادثة. نقص أي ملف يفقد القدرة المقابلة.

### 6.1 تنزيل ملفات النموذج

نزّل **هذه الملفات الثلاثة** من HuggingFace / ModelScope إلى نفس الدليل المحلي (النموذج الرئيسي في **جذر المستودع**، مُسقط الرؤية في `mmproj/35B/`، قالب المحادثة في `V3.8/`):

```
moziAI-35B-V3.8-MOE-MTP-Q4_K_M-Uncensored-Qwen3.6-35B-A3B-Ornith-1.5.gguf  ← النموذج الرئيسي (إلزامي، 15.9 جيجابايت)
moziAI-35B-mmproj-BF16-V1.0.gguf                        ← مُسقط الرؤية (إلزامي، ~1 جيجابايت)
moziAI-V3.8-35B-chat-template.jinja                                        ← قالب المحادثة (إلزامي، يتضمن تعليمات التفكير وLoop)
```

| الملف | الحجم | الضرورة | الوظيفة |
| --- | --- | --- | --- |
| النموذج الرئيسي `.gguf` | ~15.9 جيجابايت | **إلزامي** | أوزان النموذج، قدرة الاستدلال الأساسية |
| مُسقط الرؤية `mmproj` | ~1 جيجابايت | **إلزامي** | الفهم البصري متعدد الوسائط، عدم التحميل يفقد قدرة الصور |
| قالب المحادثة `.jinja` | ضئيل | **إلزامي** | حقن هوية MoziAI + التفكير ذو الأبعاد السبعة + تعليمات آلية LOOP |

### 6.2 التشغيل والاستخدام

```bash
llama-server \
  -m ./moziAI-35B-V3.8-MOE-MTP-Q4_K_M-Uncensored-Qwen3.6-35B-A3B-Ornith-1.5.gguf \
  --mmproj mmproj/35B/moziAI-35B-mmproj-BF16-V1.0.gguf \
  --chat-template-file V3.8/moziAI-V3.8-35B-chat-template.jinja \
  -c 131072 -ngl 99 \
  --host 0.0.0.0 --port 8080
```

افتح `http://localhost:8080` في المتصفح لبدء المحادثة. المعاملات الكاملة الموصى بها في القسم 9.

---

## 7. تحميل النموذج

| المنصة | العنوان |
| --- | --- |
| HuggingFace | [chenyumo/moziAI-35B-A3B-MOE-MTP](https://huggingface.co/chenyumo/moziAI-35B-A3B-MOE-MTP) |
| ModelScope | [chenyumo/moziAI-35B-A3B-MOE-MTP](https://modelscope.cn/models/chenyumo/moziAI-35B-A3B-MOE-MTP) |
| GitHub | [chenyumo166/moziAI-35B](https://github.com/chenyumo166/moziAI-35B-A3B-MOE-MTP) |
| Ollama | `ollama pull chenyumo/moziAI-35B-A3B` |

> 💡 **مستخدمو LM Studio**: ابحث عن `moziAI` في [LM Studio](https://lmstudio.ai) للتنزيل بنقرة واحدة، دون تنزيل الملفات يدويًا.

> 💡 **نصيحة التنزيل**: انقر الرابط أعلاه للدخول إلى مستودع HuggingFace، افتح تبويب **"Files and versions"**، نزّل النموذج الرئيسي من **جذر المستودع**، ثم نزّل مُسقط الرؤية من `mmproj/35B/` وقالب المحادثة من `V3.8/`، مع وضع الملفات الثلاثة في نفس الدليل.

---

## 8. أوامر التشغيل

### أبسط تشغيل (مع الملفات الثلاثة)

```bash
llama-server \
  -m ./moziAI-35B-V3.8-MOE-MTP-Q4_K_M-Uncensored-Qwen3.6-35B-A3B-Ornith-1.5.gguf \
  --mmproj mmproj/35B/moziAI-35B-mmproj-BF16-V1.0.gguf \
  --chat-template-file V3.8/moziAI-V3.8-35B-chat-template.jinja \
  -c 131072 -ngl 99 \
  --host 0.0.0.0 --port 8080
```

### التشغيل الكامل الموصى به

```bash
llama-server \
  -m ./moziAI-35B-V3.8-MOE-MTP-Q4_K_M-Uncensored-Qwen3.6-35B-A3B-Ornith-1.5.gguf \
  --mmproj mmproj/35B/moziAI-35B-mmproj-BF16-V1.0.gguf \
  --chat-template-file V3.8/moziAI-V3.8-35B-chat-template.jinja \
  -c 262144 -ngl 99 -t 28 \
  --batch-size 2048 --ubatch-size 512 \
  --flash-attn auto \
  --cache-type-k q4_0 --cache-type-v q4_0 --kv-unified \
  --poll 0 \
  --reasoning on --reasoning-format deepseek-legacy \
  --spec-default \
  --host 0.0.0.0 --port 8080 \
  --temp 0.6 --top-p 0.95 --top-k 20 --min-p 0.024 \
  --repeat-penalty 1.05 --presence-penalty 0
```

> 💡 عند نقص الذاكرة: اخفض `-c` (مثل 131072)، أو أضف `--fit on` ليجعل llama.cpp يضبط الذاكرة تلقائيًا.

---

## 9. معاملات الاستدلال الموصى بها

محسّنة من الاختبارات المحلية (AMD Radeon AI PRO R9700 32GB):

| المعامل | المهام اليومية/الكتابة | المهام المعقدة/البرمجة المتقدمة | الوصف |
| --- | --- | --- | --- |
| temperature | 0.6 | 0.8 | استقرار يومي؛ استكشاف معتدل للبرمجة المعقدة |
| top\_p | 0.95 | 0.95 | عتبة أخذ العينات النووية |
| top\_k | 20 | 20 | أخذ عينات مقتطع |
| min\_p | 0.024 | 0.024 | تصفية الاحتمال الأدنى |
| repeat\_penalty | 1.05 | 1.05 | عقوبة التكرار |
| presence\_penalty | 0 | 0 | لا عقوبة حضور |
| context\_length | 131072 | 262144 | يومي 128K / معقد 256K (افتراضي llama.cpp 128K) |
| reasoning | on | on | تفعيل سلسلة التفكير (CoT) |
| reasoning\_budget | 400 | 1000 | ميزانية رموز التفكير (أعلى للمهام المعقدة) |
| reasoning\_format | deepseek-legacy | deepseek-legacy | إخراج التفكير في حقل مستقل |
| **spec-type** | **default** | **default** | **تسريع فك الترميز التخميني (ngram، الأمثل لـ MoE، انظر القسم 11)** |
| ذاكرة التخزين المؤقت KV | q4\_0 | q4\_0 | ذاكرة تخزين مؤقت KV مكمّمة (kv-unified موحد) |

> 💡 **وضع التفكير**: يُفعّل عبر `--reasoning on` — يستدل النموذج داخليًا قبل الإجابة. يتحكم `reasoning_budget` في الحد الأقصى لرموز التفكير.

---

## 10. مقارنة صيغ التكميم

| الصيغة | الحجم | الدقة | الوصف |
| --- | --- | --- | --- |
| FP16 الأصلي | ~70 جيجابايت | 100% | بدون فقد، يتطلب بطاقة احترافية |
| **MoziSmartBit (هذا النموذج)** | **~15.9 جيجابايت** | **~99%** | **تكميم ذكي مطوّر ذاتيًا، أفضل دقة لكل حجم** |
| Q4_K_M | ~22 جيجابايت | ~98% | GGUF قياسي 4-bit |
| Q5_K_M | ~24.7 جيجابايت | ~99% | دقة أعلى |
| Q6_K | ~28.5 جيجابايت | ~99.5% | شبه بلا فقد |
| Q8_0 | ~36.9 جيجابايت | ~100% | بلا فقد |

> يحافظ MoziSmartBit على دقة ~99% مع ضغط نموذج MoE 35B إلى 15.9 جيجابايت (نسبة ضغط 4.5x)، أصغر بنحو 30% من Q4_K_M — مثالي للنشر المحلي على بطاقات المستهلك.

---

## 11. تسريع فك الترميز التخميني ميزة مهمة

يعزز هذا النموذج سرعة الاستدلال بشكل ملحوظ عبر **فك الترميز التخميني (Speculative Decoding)** — محليًا **أسرع بـ ~1.5-2 مرة** من عند التعطيل.

- **التهيئة الأمثل لـ MoE**: يوصي llama.cpp باستخدام **فك الترميز التخميني ngram** (`--spec-default`) لبنى MoE — الأسرع والأكثر استقرارًا في الاختبارات المحلية
- **حول \"MTP\" في الاسم**: تعني \"MTP\" أوزان توقع الرموز المتعددة المدمجة في النموذج الأساسي (محفوظة بالكامل)؛ دعم llama.cpp لـ MTP draft لبنى MoE محدود، لذا يعتمد MoziAI على مخطط ngram لتحقيق أفضل سرعة مقاسة

### معامل التفعيل

```bash
--spec-default
```

### اقتراحات الضبط

| التهيئة | السيناريو |
| --- | --- |
| --spec-default (الافتراضي) | موصى به: توازن السرعة والذاكرة |
| تعطيل (حذف المعامل) | سيناريوهات الذاكرة المحدودة؛ أبطأ قليلاً |

---

## 12. توصيات تكوين الذاكرة المرئية

مقاس على إصدار MoziSmartBit (النموذج + الرؤية ~16.4 جيجابايت إجمالاً):

| الذاكرة | التهيئة الموصى بها | الوصف |
| --- | --- | --- |
| 20 جيجابايت | سياق 150K، ذاكرة KV q4\_0، دعم الرؤية | النموذج+الرؤية ~16.4 جيجابايت، 256K+الرؤية تشغل ~19.5 جيجابايت فقط |
| **24 جيجابايت** | **256K كامل، ذاكرة KV q4\_0، دعم رؤية مثالي** | **التهيئة الموصى بها**: الرؤية+سياق طويل 256K تشغل ~20.4 جيجابايت، فائض ~3.6 جيجابايت |
| 32 جيجابايت+ | 256K كامل، فائض ذاكرة كافٍ | مثل R9700 32GB: الرؤية+سياق طويل 256K، فائض ~10 جيجابايت، أقوى تهيئة |

> 💡 كلما زاد السياق، زاد استهلاك الذاكرة. عند OOM اخفض `-c` تدريجيًا. استخدم `--fit on` ليجعل llama.cpp يضبط عدد الطبقات تلقائيًا. يدعم جميع بطاقات NVIDIA / AMD.

---

## 13. طرق النشر

### النشر عبر Ollama

```bash
cat > Modelfile << 'EOF'
FROM ./moziAI-35B-V3.8-MOE-MTP-Q4_K_M-Uncensored-Qwen3.6-35B-A3B-Ornith-1.5.gguf
PARAMETER temperature 0.6
PARAMETER top_p 0.95
PARAMETER top_k 20
PARAMETER num_ctx 131072
PARAMETER num_gpu 99
EOF

ollama create moziAI-35B -f Modelfile
ollama run moziAI-35B
```

### LM Studio / Jan

ابحث عن `moziAI` في LM Studio / Jan واختر إصدار التكميم Q4\_K\_M للتنزيل (يقرأ LM Studio افتراضيًا النموذج من جذر المستودع، وللإصدارات التاريخية استخدم \"إضافة من URL\" لاستيراد ملفات مجلد الإصدار المقابل، مثل `V3.7/`).

> 💡 دعم Ollama لـ mmproj و chat\_template محدود، يُنصح باستخدام llama.cpp أولاً للحصول على الوظائف الكاملة.

---

## 14. المعايير

استند MoziAI-35B-V3.8 إلى قاعدة deepreinforce-ai/Ornith-1.5-35B-A3B بالضبط الدقيق والتقطير والتطوير الثانوي، مع المجال المالي العمودي كاتجاه التحسين الأساسي. فيما يلي مقارنة متعددة النماذج (القدرات العامة لـ MoziAI مطابقة لقاعدة Ornith-1.5-35B-A3B؛ البيانات من قياسات إصدار V3.7، وV3.8 وV3.7 بنفس القاعدة ونفس نظام التدريب):

| المعيار | moziAI-35B-V3.8<br>(هذا النموذج) | Ornith-1.0-35B-A3B | Qwen3.6-35B-A3B | Gemma-4-31B | Muse-Glimmer-30B | Qwen3.5-397B |
|---|---|---|---|---|---|---|
| **اختبارات البرمجة** |  |  |  |  |  |  |
| Terminal-Bench 2.1 (Terminus-2) | 67.8 | 64.2 | 52.5 | 42.1 | 51.7 | 53.5 |
| Terminal-Bench 2.1 (Claude Code) | 68.5 | 62.8 | 49.2 | - | - | 48.6 |
| SWE-bench Verified | 79 | 75.6 | 73.4 | 52 | 76 | 76.4 |
| SWE-bench Pro | 59.6 | 50.4 | 49.5 | 35.7 | 51.2 | 51.6 |
| SWE-bench Multilingual | 71.4 | 69.3 | 67.2 | 51.7 | - | 69.3 |
| DeepSWE | 22 | 0 | 0 | - | - | 1 |
| Frontier-Bench v0.1 | 5.1 | 1.4 | 1.4 | - | - | 1.4 |
| NL2Repo | 46.2 | 34.6 | 29.4 | 15.5 | - | 36.8 |
| SWE Atlas - QnA | 39.8 | 37.1 | 15.5 | - | - | 20.4 |
| **اختبارات الاستدلال** |  |  |  |  |  |  |
| HLE (no tools) | 25.6 | 20.8 | 21.4 | 19.5 | 22 | 28.7 |
| HLE (with tools) | 33.4 | 30.1 | 28.9 | 26.5 | - | 48.3 |
| GPQA Diamond | 89.2 | 86.2 | 86 | 84.3 | 83.5 | 88.4 |
| **اختبارات الوكيل** |  |  |  |  |  |  |
| MCP-Atlas | 70.2 | 64.4 | 62.8 | 55 | 75.5 | 72.3 |
| Toolathlon-Verified | 48.7 | 42.4 | 41.7 | 40.8 | - | 38.3 |
| WideSearch | 67.8 | 63.4 | 60.1 | 54.2 | - | 74 |
| BrowseComp | 67.6 | 63.5 | 62 | - | - | 78.6 |
| ClawEval | 72.5 | 69.8 | 68.7 | 48.5 | - | 70.7 |

> المجال المالي العمودي لـ MoziAI-35B هو اتجاه التحسين الأساسي، ويظهر أداءً أفضل بكثير من النماذج العامة في تفسير التقارير المالية والاستراتيجيات الكمية وامتثال إدارة المخاطر واستدعاء أدوات الوكيل. بيانات Gemma-4 / Qwen3.6 من نتائج التقييم الرسمية المنشورة.

---

## 15. تحسين إلغاء الرقابة Uncensored

يرث هذا النموذج خاصية Uncensored (إلغاء الرقابة) من قاعدة Ornith-1.5-35B-A3B، وله المزايا التالية:

| الميزة | الوصف |
| --- | --- |
| بلا قيود مراجعة | لا يرفض أي موضوع، بما في ذلك المحتوى الحساس والمثير للجدل |
| مخرجات حرة | غير مقيد بسياسات الأمان، يمكنه توليد أي نوع من الردود |
| معلومات كاملة | يوفر معلومات كاملة غير مفلترة، مناسبة للبحث والتحليل |
| خصوصية محلية | النشر المحلي يعني خصوصية كاملة للبيانات، دون مراجعة سحابية |

**السيناريوهات المناسبة**: البحث الأكاديمي، التحليل العميق، النقاش الحر، حوارات الذكاء الاصطناعي غير المقيدة.

**ملاحظة**: هذا نموذج نشر محلي، المخرجات يتحكم بها المستخدم بالكامل، ولا يتحمل مسؤولية مراجعة المحتوى.

---

## 16. الترخيص

يستخدم هذا النموذج **ترخيصًا تقييديًا مخصصًا**:

- ✅ **مسموح** — الاستخدام التجاري المجاني، النسخ والتوزيع
- ❌ **ممنوع** — التطوير الثانوي، إعادة البيع، الترخيص من الباطن
- 📋 **مطلوب** — الاحتفاظ بإشعار حقوق النشر الأصلي، مع ذكر المصدر: moziAI-35B

يُقدَّم النموذج «كما هو» دون أي ضمانات. المخرجات للإشارة فقط ولا تشكل نصيحة استثمارية. يتحمل المستخدم جميع المخاطر.

راجع ملف [LICENSE](LICENSE) للشروط الكاملة.

---

## 17. التواصل

- **HuggingFace**: [@chenyumo](https://huggingface.co/chenyumo)
- **GitHub**: [@chenyumo166](https://github.com/chenyumo166)
- **Weibo**: [@rimochen](https://weibo.com/rimochen)
- **البريد الإلكتروني**: 263515@qq.com

Copyright (c) 2026 陈雨墨 / chenyumo166. All rights reserved.