---
title: "Uno في vLLM: دراسة BroadNet ومعرّف DOI والنتائج | BroadRouter"
description: "دمجت BroadNet محوّل المسوّدة الذاتية Uno في vLLM وقاسته على H100: إنتاجية 2.58x مقارنة بـvLLM العادي عند تدفق واحد، و1.74x عند 32. المنهج والحدود."
url: https://broadrouter.com/ar/blog/uno-in-vllm-serving-study/
lang: ar
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

تُرجمت هذه الصفحة من الإنجليزية بمساعدة الذكاء الاصطناعي. [اقرأ الأصل الإنجليزي](https://broadrouter.com/blog/uno-in-vllm-serving-study/) (حُدّث في 2026-11-15).

# Uno في vLLM: ما الذي قاسته دراسة التقديم لدى BroadNet؟

بقلم فريق BroadNet Inference · قراءة في 4 دقائق · تاريخ النشر 2026-11-15

Uno في vLLM ورقة أولية من BroadNet صدرت في سبتمبر 2026 (DOI 10.5281/zenodo.22652610). تضيف إلى vLLM طريقة Uno، وهي محوّل يتيح للنموذج كتابة مسوّدة رموزه بنفسه. على H100 مع Qwen3-8B، قاست BroadNet إنتاجية تبلغ 2.58 ضعف vLLM العادي عند تدفق واحد، و2.20 عند ثمانية، و1.74 عند 32، بفارق لا يتجاوز 3% عن التنفيذ المرجعي.

## أبرز النقاط

-   الورقة أولية على Zenodo، معرّف DOI 10.5281/zenodo.22652610، نُشرت في 8 سبتمبر 2026 برخصة CC BY 4.0. لم تخضع لمراجعة الأقران.
-   طريقة Uno من تطوير IFM؛ أما إسهام BroadNet فهو الدمج الأصلي في vLLM وقياسات التقديم.
-   على حجم عمل رياضيات مضبوط مع H100 وQwen3-8B: 2.58x مقارنة بـvLLM العادي عند تدفق واحد، و2.20x عند 8، و1.74x عند 32.
-   مع إعدادات الإنتاج: 7,657 رمزًا في الثانية عند 32 تدفقًا، مقابل 7,505 للتنفيذ المرجعي في SGLang.
-   المكاسب تخص نموذجًا واحدًا وحجم عمل واحدًا وإعدادات محددة. قِسها على حركتك أنت قبل أن تعتمد عليها.

**في هذه الصفحة**

1.  ما المشكلة التي تعالجها Uno؟
2.  ماذا بنت BroadNet؟
3.  كيف جرى القياس؟
4.  ماذا وجدت الدراسة؟
5.  ما حدود الدراسة؟
6.  لماذا يهمّك هذا إذا كنت تستدعي واجهة API فقط؟

Uno في vLLM ورقة أولية من الذراع البحثية لدى BroadNet، نُشرت على Zenodo في 8 سبتمبر 2026 بمعرّف DOI [10.5281/zenodo.22652610](https://doi.org/10.5281/zenodo.22652610). تعرض تنفيذًا أصليًا في vLLM لطريقة Uno، وهي طريقة لفك الترميز التخميني طوّرتها IFM، وتقيس كم يصبح التقديم أسرع مقارنة بـvLLM العادي. ويذكر سجلها على Zenodo أن المؤلف هو Mohammad Al Zubaidi.

تلخّص هذه الصفحة ما تقوله الورقة، وكيف قاسته، وما الذي تخبرك به وما لا تخبرك به. الأرقام أرقام BroadNet؛ ولم نُعِد إنتاجها.

## ما المشكلة التي تعالجها Uno؟

يولّد نموذج اللغة عادةً رمزًا واحدًا في كل تمريرة أمامية. ويسرّع فك الترميز التخميني ذلك بتخمين عدة رموز مقدّمًا والتحقق منها في تمريرة واحدة عبر النموذج الكامل. معظم الطرق تستخدم نموذج مسوّدة منفصلًا أصغر. أما Uno فتُلحق محوّلًا مدرَّبًا بالنموذج نفسه، فيكتب النموذج مسوّدة رموزه ثم يتحقق منها بأوزانه الأصلية. راجع [فك الترميز التخميني](https://broadrouter.com/ar/glossary/speculative-decoding/) للفكرة العامة.

وسؤال الورقة عملي: هل يصمد هذا التسريع داخل محرّك تقديم إنتاجي، مع التجميع في دفعات والتخزين المؤقت وطلبات كثيرة في وقت واحد؟

## ماذا بنت BroadNet؟

تنسب تدوينة BroadNet الفضل بوضوح: “Uno, developed by IFM and collaborators” (الترجمة: Uno، التي طوّرتها IFM ومتعاونون) هي الطريقة، وإسهام BroadNet هو “the native vLLM integration, the engineering that makes its execution paths work together, and the serving evaluation” (الترجمة: الدمج الأصلي في vLLM، والهندسة التي تجعل مسارات تنفيذها تعمل معًا، وتقييم التقديم). ويعدّد الملخص مكوّنات التنفيذ: توجيه المحوّل المشروط، وحالة المفاتيح والقيم الكاملة للمسوّدة، والجدولة غير المتزامنة، وإعادة تشغيل CUDA graph، وتداخل حسابات المحوّل، وإعادة استخدام صفوف البذرة.

الشيفرة متاحة للعموم في [مستودع vllm-uno](https://github.com/brntech/vllm-uno) لدى BroadNet، وقد اقترحتها BroadNet على مشروع vLLM الأصلي في طلب الدمج رقم 55947.

## كيف جرى القياس؟

الاختبار الرئيسي اختبار مضبوط:

-   **العتاد والنموذج:** وحدة NVIDIA H100 واحدة، وQwen3-8B بدقة bfloat16، مع محوّل Uno المنشور لـQwen3-8B.
-   **حجم العمل:** ثمانية أوامر رياضيات، تُكرَّر لملء دفعات أكبر، يولّد كل منها حتى 512 رمزًا، مع إيقاف التخزين المؤقت للبادئة.
-   **خط الأساس:** vLLM الانحداري الذاتي المعتاد (“plain vLLM”، أي vLLM العادي) على الإعداد نفسه.
-   **التزامن:** 1 و8 و32 تدفقًا متزامنًا.

وتشغّل مقارنة ثانية منفصلة التخزين المؤقت للبادئة وتستخدم إعدادات التقديم التي اختارتها BroadNet، للمقارنة مع التنفيذ المرجعي في SGLang.

## ماذا وجدت الدراسة؟

| القياس | النتيجة التي تذكرها BroadNet |
| --- | --- |
| الإنتاجية مقارنة بـvLLM العادي، تدفق واحد | 2.58x |
| الإنتاجية مقارنة بـvLLM العادي، 8 تدفقات | 2.20x |
| الإنتاجية مقارنة بـvLLM العادي، 32 تدفقًا | 1.74x |
| الفارق عن التنفيذ المرجعي في SGLang | ضمن 3% عند 1 و8 و32 تدفقًا |
| إعدادات الإنتاج، 32 تدفقًا | 7,657 رمزًا/ث، مقابل 7,505 لـSGLang (متقدّم بـ2.0%) |
| زمن أول رمز مع ذاكرة دافئة، اختبار استبعاد داخل vLLM | أقل بـ25% مع عمليتَي API بدل واحدة |

العنوان الأهم لتخطيط السعة هو آخر صف في المجموعة الأولى: إخراج أكثر بـ74% في الثانية عند 32 تدفقًا متزامنًا، من وحدة GPU نفسها. وهذا ما تسمّيه مدونة BroadNet “the central payoff” (الترجمة: المكسب المحوري)، لأن التسريع الذي يختفي تحت الحمل لا يقدّم الكثير لواجهة API مشتركة.

ويُوصف إصدار لاحق (v0.2.0، على Model Runner V2 في vLLM) في مدونة BroadNet بإخراج أعلى بـ2.1 إلى 2.4 مرة لتدفق واحد على Blackwell، و1.7 إلى 1.9 مرة على Ampere، و2.6 مرة على Hopper. هذه عتاد وإصدارات مختلفة عن الجدول الرئيسي في الورقة، ولهذا تختلف الأرقام.

## ما حدود الدراسة؟

-   **نموذج واحد وحجم عمل واحد.** النتيجة المضبوطة هي Qwen3-8B على أوامر رياضيات. الشيفرة البرمجية أو المحادثة أو المستندات الطويلة قد تقبل رموز مسوّدة أقل.
-   **المكاسب تتقلص مع الحمل.** الاتجاه من 2.58x إلى 1.74x هو الشكل المتوقع: حين تنشغل وحدة GPU تنفد قدرة الحوسبة الفائضة المتاحة للمسوّدة.
-   **ورقة أولية.** الورقة مودَعة على Zenodo ولم تخضع لمراجعة الأقران. ويحتوي أرشيفها المصاحب على جرد الأدلة وبيانات الأشكال، وهو ما يتيح للآخرين التحقق منها.
-   **قياس ذاتي.** شغّلت BroadNet الذراعين كليهما. والتوافق ضمن 3% مع التنفيذ المرجعي هو فحص الورقة نفسها على ذلك.

## لماذا يهمّك هذا إذا كنت تستدعي واجهة API فقط؟

الإنتاجية لكل GPU تحدّد ما يستطيع المزود فرضه من سعر ومدى سرعة رده تحت الحمل. تذكر قائمة BroadNet أنها تقيس طرق المسوّدة عند تزامن حقيقي قبل اختيار إحداها، وأنها استبعدت EAGLE3 بعد أن كلّف 69% من الإنتاجية عند 32 طلبًا متزامنًا. وتطبّق [الدراسة اللاحقة على Gemma 4 26B](https://broadrouter.com/ar/blog/uno-mixture-of-experts-gemma-4-study/) المنهج نفسه على نموذج مزيج الخبراء الذي تبيعه BroadNet باسم [Gemma 4 VL 26B](https://broadrouter.com/ar/models/gemma-4-vl-26b/). ولمعرفة موقع ذلك من خيارات التقديم الأوسع لدى BroadNet، راجع [عتاد GPU لدى BroadNet ونهجها في التقديم](https://broadrouter.com/ar/blog/broadnet-gpu-fleet-and-serving/).

وإذا كنت تشغّل خوادم vLLM الخاصة بك، فالدرس العملي هو قياس أي طريقة مسوّدة عند التزامن الذي تشغّله فعلًا، لا عند تدفق واحد.

أدوات مجانية لهذا الموضوع (بالإنجليزية)

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[أدوات مجانية (بالإنجليزية)](https://broadrouter.com/tools/)

## مصطلحات في هذا المقال

[vLLM](https://broadrouter.com/ar/glossary/vllm/)

vLLM مكتبة مفتوحة المصدر للاستدلال بالنماذج اللغوية الكبيرة وتقديمها، طُوّرت أولًا في مختبر Sky Computing بجامعة UC Berkeley. تدير ذاكرة KV المؤقتة (KV cache) بتقنية PagedAttention، وتجمّع الطلبات الواردة باستمرار، وتدعم صيغ تكميم كثيرة، وتوفّر خادم HTTP متوافقًا مع OpenAI.

[الرمز (التوكن، Token)](https://broadrouter.com/ar/glossary/token/)

الرمز (التوكن) هو وحدة النص التي يقرؤها نموذج اللغة ويكتبها: كلمة، أو جزء من كلمة، أو علامة ترقيم، أو تسلسل بايتات ينتجه مجزّئ النموذج (tokenizer). وتَعُدّ واجهات LLM API الاستهلاك بالرموز، وتضع حدودها بها، وتحتسب تكلفتها بها عادةً.

[الإنتاجية (Throughput)](https://broadrouter.com/ar/glossary/throughput/)

الإنتاجية (throughput) في تقديم نماذج LLM هي إجمالي العمل الذي ينجزه النظام في وحدة الزمن عبر كل الطلبات المتزامنة، وتُقاس عادةً برموز الإخراج في الثانية أو الطلبات في الثانية. وهي تختلف عن سرعة التدفق الواحد، أي مدى سرعة وصول الرموز إلى طلب واحد.

[التزامن (Concurrency)](https://broadrouter.com/ar/glossary/concurrency/)

التزامن (concurrency) هو عدد الطلبات التي تكون لدى العميل قيد التنفيذ في الوقت نفسه. وكثيرًا ما تضع واجهات LLM API سقفًا له لكل مفتاح أو خطة، بمعزل عن عدد الطلبات في الدقيقة، لأن كل طلب مفتوح يشغل قدرة من وحدة GPU حتى تكتمل استجابته.

[زمن أول رمز (TTFT)](https://broadrouter.com/ar/glossary/time-to-first-token/)

زمن أول رمز (TTFT) هو المدة من إرسال طلب إلى النموذج اللغوي حتى وصول أول رمز من المخرجات. ويشمل زمن الشبكة، والانتظار في طابور الخادم، والمعالجة المسبقة (prefill)، وهي الخطوة التي يقرأ فيها النموذج الأمر كاملًا، لذا يزداد مع طول الأمر والضغط على الخادم.

[مزيج الخبراء (Mixture of experts، MoE)](https://broadrouter.com/ar/glossary/mixture-of-experts/)

مزيج الخبراء (mixture of experts، MoE) تصميم للشبكات العصبية تحوي فيه الطبقة شبكات فرعية خبيرة كثيرة، ويرسل موجّه متعلَّم كل رمز إلى عدد قليل منها فقط. ولنموذج اللغة من نوع MoE عدد معاملات كلي كبير، لكنه يستخدم مجموعة فرعية نشطة صغيرة لكل رمز.

## أسئلة شائعة

### ما هي طريقة Uno؟

Uno طريقة لفك الترميز التخميني طوّرتها IFM مع متعاونين. يتيح محوّل صغير مدرَّب للنموذج اقتراح عدة رموز دفعة واحدة، ثم تتحقق منها أوزان النموذج نفسه. ولا يوجد نموذج مسوّدة منفصل.

### هل التسريع دون فقدان في الجودة؟

تقول BroadNet ذلك عن إصدارها: كلما أعاد vLLM العادي إنتاج ناتجه نفسه، طابق Uno رموزه في فك الترميز الجشع، ونجحت اختبارات توزيع العيّنات. يتحقق فك الترميز التخميني من كل رمز في المسوّدة بالنموذج الكامل، فلا ينبغي أن تتغيّر جودة الناتج؛ تحقّق من ذلك على أوامرك أنت.

### هل يفيد Uno عند التزامن المرتفع؟

أقل مما يفيد عند التزامن المنخفض. في الاختبار المضبوط في الورقة هبط المكسب من 2.58x عند تدفق واحد إلى 1.74x عند 32. وتذكر قائمة BroadNet أيضًا أن طريقة أخرى، هي EAGLE3، كلّفت 69% من الإنتاجية عند 32 طلبًا متزامنًا، لذا تحتاج طرق المسوّدة إلى اختبار تحت حملك الفعلي.

### هل يمكنني تشغيله بنفسي؟

نعم. تنشر BroadNet التنفيذ في مستودع vllm-uno لديها، مع صورة حاوية وإصدارات مثبّتة وسجل تحقق لكل إصدار، وقد اقترحته على vLLM في طلب الدمج رقم 55947.

### هل تستخدم BroadNet Inference طريقة Uno في نماذج الـAPI لديها؟

لا تقول BroadNet ذلك. تُدرج قائمتها مسوّدات تنبؤ متعدد الرموز (k=2) في الإنتاج لـGemma 4 26B. أما Uno فنتيجة بحثية تنشرها BroadNet؛ اسأل BroadNet إذا احتجت إليها على نقطة وصول خاصة.

## تابع القراءة

-   [Uno على Gemma 4 26B: دراسة BroadNet عن نماذج مزيج الخبراء](https://broadrouter.com/ar/blog/uno-mixture-of-experts-gemma-4-study/)
-   [عتاد GPU لدى BroadNet وطريقة تقديم النماذج، كما تصفها BroadNet](https://broadrouter.com/ar/blog/broadnet-gpu-fleet-and-serving/)
-   [زمن استجابة LLM: زمن أول رمز مقابل الرموز في الثانية والزمن الكلي](https://broadrouter.com/ar/blog/llm-latency-ttft-throughput/)
-   [النماذج التي قيّمتها BroadNet واستبعدتها، ولماذا](https://broadrouter.com/ar/blog/models-broadnet-ruled-out/)
-   [تخزين استجابات LLM API مؤقتًا لخفض التكلفة: تطابق تام بـ Python](https://broadrouter.com/ar/blog/cache-llm-responses-cut-cost/)
-   [المراجعة البشرية جزء من سير عمل الذكاء الاصطناعي للمستندات](https://broadrouter.com/ar/blog/document-review-queues/)

جرّبه على مهامك الفعلية. تبدأ الحسابات الجديدة برصيد قدره $5 لاستخدام Gemma والتفريغ الصوتي. أما DeepSeek وGLM وQwen3.8 فتتطلب شحن الرصيد.

[ابدأ الآن](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ar-blog-uno-in-vllm-serving-study&utm_content=page-cta) ·

**المصادر**

-   [Al Zubaidi، Uno in vLLM: An Independent Implementation and Empirical Serving Study، ورقة أولية على Zenodo الإصدار 1.0، بتاريخ 2026-09-08 (تاريخ مراجعة السجل 2026-11-15)](https://doi.org/10.5281/zenodo.22652610)
-   [BroadNet Research: الأوراق المنشورة وأبرز النتائج (تاريخ المراجعة 2026-11-15)](https://www.broadnet.ai/ar/research)
-   [مدونة BroadNet: Bringing Uno to vLLM (8 سبتمبر 2026؛ تاريخ المراجعة 2026-11-15) (بالإنجليزية)](https://www.broadnet.ai/blog/bringing-uno-to-vllm)
-   [مستودع vllm-uno من BroadNet (تاريخ المراجعة 2026-11-15)](https://github.com/brntech/vllm-uno)
-   [مستودع مشروع Uno لدى IFM (تاريخ المراجعة 2026-11-15)](https://github.com/ifm-ai/uno)
