پروژه GVS5H: رقابت مدل‌های متن‌باز Qwen با مدل‌های قدرتمند تجاری در برنامه‌نویسی — Five Qwen3.8-27B models match Fable 5 Using GVS5H Harness
خلاصه
پروژه GVS5H با استفاده از یک معماری هماهنگ‌سازی مبتنی بر فایل‌سیستم، به مدل‌های متن‌باز کوچکتر اجازه می‌دهد تا با تقسیم وظایف، به دقت مدل‌های پیشرفته‌ی گران‌قیمت در بنچمارک LiveCodeBench دست پیدا کنند. این رویکرد امکان اجرای کارهای سنگین برنامه‌نویسی را با هزینه‌ی بسیار پایین یا روی سخت‌افزار محلی فراهم می‌کند.
مدل‌های بزرگ و اختصاصی هوش مصنوعی معمولاً هزینه‌های سرسام‌آوری برای وظایف برنامه‌نویسی پیشرفته دارند. پروژه GVS5H (مخفف Gorilla vs. 5 Humans) روشی جدید و بدون نیاز به آموزش اضافی (Training-free) معرفی می‌کند تا با ترکیب چند نمونه از یک مدل کوچکتر، به دقت مدل‌های رده‌بالایی مثل Claude Fable 5 در بنچمارک‌های سخت برنامه‌نویسی دست یابد. این ابزار به توسعه‌دهندگان اجازه می‌دهد کارهای کدنویسی سطح بالا را با هزینه‌ای کسر از ثانیه یا حتی به‌صورت محلی روی یک GPU اجرا کنند.
این پروژه چیست و چه مشکلی را حل می‌کند؟
مسئله اصلی در استفاده از مدل‌های زبانی کوچک (مانند Qwen3.8-27B) ضعف آن‌ها در حل مسائل پیچیده و چندمرحله‌ای برنامه‌نویسی است. مدل‌های بزرگ (Frontier Models) به دلیل هزینه‌ی بالا و بسته‌بودن وزن‌ها، همیشه برای توسعه‌دهندگان به صرفه نیستند. GVS5H این مشکل را با روش «خود-هماهنگی صفرشات مبتنی بر دفتر کل» (Ledger-based zero-shot self-orchestration) حل می‌کند. در این روش، نمونه‌های متعددی از یک مدل یکسان وظایف را خرد کرده و از طریق یک فایل‌سیستم مشترک که شامل برنامه، یادداشت‌ها و راه‌حل فعلی است با یکدیگر هماهنگ می‌شوند.
جزئیات فنی و نحوه کارکرد
این پروژه با زبان Python پیاده‌سازی شده و نتایج آن نشان می‌دهد که مدل متن‌باز Qwen3.8-27B پس از هماهنگی از طریق این بستر، امتیاز خود را به طور چشمگیری روی ۱۰۰ مسئله سخت آخر LiveCodeBench افزایش داده است.
- معماری هماهنگی: چند نمونه‌ی مدل به طور موازی روی یک محیط مشترک کار می‌کنند.
- تجزیه مسئله: ابزار توانایی مدل در تفکیک مسائل بزرگ به بخش‌های کوچکتر را تقویت می‌کند.
- تداوم زمینه (Persistent Context): حفظ وضعیت و یادداشت‌ها در فایل‌سیستم مشترک مانع از گم شدن تمرکز مدل در طول اجرای پروژه‌های طولانی می‌شود.
نحوه استفاده و راه‌اندازی
برای اجرای این بنچمارک به ابزار مدیریت وابستگی uv و کلید API مدل مورد نظر نیاز دارید. نمونه دستور از مستندات مخزن:
cd codebase/v2-current
export OPENAI_API_KEY=...
LCB_RELEASE=release_v6 \
ESCALATION_CLOUD_MAX_TOKENS=128000 \
ESCALATION_CLOUD_TIMEOUT=7200 \
MULTIAGENT_MODEL=openai:gpt-5.6-terra \
uv run --no-project --python 3.12 --with 'datasets<4' --with numpy --with anthropic \
python escalation/run_bench.py --engine multiagent --only lcb --lcb 100 --parallel 8
برای موتور اجرا، --engine multiagent مدیر چندعاملی را اجرا می‌کند و نتایج نهایی در مسیر runs/results.json ذخیره می‌شود.
سیگنال‌های بلوغ و وضعیت مخزن
این پروژه با زبان پایتون نوشته شده و تحت لیسانس متن‌باز MIT منتشر شده است. مقالات و مستندات آن نیز تحت مجوز CC BY 4.0 قرار دارند. با داشتن بیش از ۷۰۰ ستاره در گیت‌هاب، نشان می‌دهد که جامعه‌ی مهندسی نرم‌افزار و هوش مصنوعی استقبال خوبی از آن کرده‌اند.
چرا این پروژه در هکرنیوز مورد توجه قرار گرفت؟
بحث‌ها در هکرنیوز حول محور صرفه‌ی اقتصادی این روش چرخیده است. توسعه‌دهندگان از این که می‌توان با یک بار خرید سخت‌افزار مناسب و اجرای محلی مدل‌های سبک‌ترِ هماهنگ‌شده، به دقتی نزدیک یا حتی فراتر از مدل‌های ابری گران‌قیمت رسید، بسیار ابراز شگفتی و استقبال کرده‌اند.
در یک نگاه
- زبان اصلی: Python
- مجوز (License): MIT
- امتیاز گیت‌هاب: ۷۶۶ ستاره
- هدف اصلی: دستیابی به دقت مدل‌های رده‌بالای کدنویسی با استفاده از چند نمونه مدل کوچکتر و هماهنگ‌سازی فایل‌سیستمی
این مطلب به‌صورت کاملاً خودکار و با هوش مصنوعی از مقالهٔ اصلی و بحث هکرنیوز تهیه شده و ممکن است خطا داشته باشد. حقوق مطلب اصلی متعلق به نویسندهٔ آن است. قوانین و گزارش مشکل