در دنیایی که مدل‌های قدرتمند هوش مصنوعی روزبه‌روز بیشتر پشت APIها و اشتراک‌های گران‌قیمت پنهان می‌شوند، پروژه‌ای جدید به نام Qwable (کوابل) توجه جامعه متن‌باز را به خود جلب کرده است. این مدل با هدف ارائه توانایی‌های استدلالی پیشرفته به‌صورت کاملاً محلی (Local) و بدون نیاز به سرورهای ابری منتشر شده است.

کوابل چیست؟

کوابل یک مدل زبانی ۲۷ میلیارد پارامتری است که بر پایه مدل Qwen3.6-27B ساخته شده و با مجموعه‌ای از داده‌های استدلالی الهام‌گرفته از Fable 5 آموزش دیده است. توسعه‌دهندگان می‌گویند هدف این پروژه، نزدیک کردن رفتار مدل به پاسخ‌دهی ساختاریافته، تفکر مرحله‌ای و حل مسائل پیچیده بوده است.

برخلاف بسیاری از مدل‌های محبوب امروزی، کوابل فقط یک افزونه (LoRA) نیست؛ بلکه یک مدل کامل Fine-tune شده است که می‌تواند به‌صورت مستقل اجرا شود.

چرا این مدل سر و صدا کرده است؟

دلیل اصلی شهرت کوابل، ارتباط آن با Fable 5 است.

Fable 5 یکی از مدل‌های بسیار قدرتمند نسل جدید محسوب می‌شود که به‌خاطر توانایی‌های برنامه‌نویسی و استدلالی خود شناخته شده است. توسعه‌دهندگان کوابل ادعا می‌کنند که از نمونه‌های استدلالی و آموزشی سبک Fable 5 برای آموزش مدل استفاده کرده‌اند تا رفتار پاسخ‌دهی آن به مدل‌های پیشرفته تجاری نزدیک‌تر شود.

البته باید توجه داشت که کوابل خود Fable 5 نیست؛ بلکه مدلی است که تلاش می‌کند برخی الگوهای رفتاری و روش استدلال آن را بازسازی کند.

مهم‌ترین ویژگی‌ها

۱. اجرای کاملاً آفلاین

تمام پردازش‌ها روی سیستم کاربر انجام می‌شود و هیچ داده‌ای به سرورهای خارجی ارسال نمی‌شود. این ویژگی برای توسعه‌دهندگان، شرکت‌ها و افرادی که به حریم خصوصی اهمیت می‌دهند بسیار جذاب است.

۲. سازگاری با ابزارهای محبوب

کوابل در قالب GGUF منتشر شده و با ابزارهایی مانند LM Studio، llama.cpp و llama-cpp-python سازگار است. بنابراین اجرای آن روی کامپیوترهای شخصی نسبتاً ساده است.

۳. تمرکز روی کدنویسی و استدلال

طبق توضیحات رسمی، مدل برای مواردی مانند:

• برنامه‌نویسی
• رفع باگ
• تحلیل فنی
• پاسخ‌های ساختاریافته
• دستیارهای هوشمند محلی

بهینه شده است.

۴. بدون هزینه API

برخلاف مدل‌های ابری که برای هر میلیون توکن هزینه دریافت می‌کنند، پس از دانلود مدل هیچ هزینه‌ای بابت استفاده وجود ندارد.

نسخه «Abliterated» چیست؟

در کنار نسخه اصلی، مدلی با نام Huihui-Qwen3.6-27B-abliterated نیز منتشر شده است.

در این نسخه تلاش شده مکانیزم‌های امتناع از پاسخ‌دهی (Refusal Mechanisms) حذف شوند. به بیان ساده، مدل کمتر از پاسخ دادن به درخواست‌های مختلف خودداری می‌کند و محدودیت‌های ایمنی آن کاهش یافته است. توسعه‌دهندگان تأکید کرده‌اند که این نسخه بیشتر برای تحقیقات و آزمایش طراحی شده و استفاده از خروجی‌های آن بر عهده کاربر است.

آیا روی سیستم‌های معمولی اجرا می‌شود؟

نسخه Q4_K_M مدل حدود ۱۶ تا ۱۷ گیگابایت حجم دارد و طبق گزارش‌های جامعه متن‌باز، می‌تواند روی کارت‌های گرافیک ۲۴ گیگابایتی به‌خوبی اجرا شود. حتی برخی نسخه‌های فشرده‌تر روی سیستم‌های ۱۶ گیگابایتی نیز قابل استفاده هستند.

این موضوع باعث می‌شود کاربران عادی نیز بتوانند بدون نیاز به دیتاسنتر یا سرورهای گران‌قیمت از مدل استفاده کنند.

آیا واقعاً به قدرت Fable 5 می‌رسد؟

اینجا باید کمی محتاط بود.

در حال حاضر هیچ بنچمارک مستقلی وجود ندارد که نشان دهد کوابل واقعاً هم‌سطح Fable 5 است. آنچه فعلاً می‌دانیم این است که مدل روی داده‌های استدلالی الهام‌گرفته از Fable آموزش دیده و رفتار پاسخ‌دهی آن به سمت تفکر مرحله‌ای و ساختاریافته سوق داده شده است. اما این به معنای برابری کامل با مدل اصلی نیست.

حتی در انجمن‌های تخصصی هوش مصنوعی نیز بسیاری از کاربران خواستار انتشار بنچمارک‌ها و ارزیابی‌های مستقل شده‌اند تا مشخص شود چه مقدار از توانایی‌های مدل‌های تجاری واقعاً به کوابل منتقل شده است.

چرا انتشار کوابل مهم است؟

چند سال پیش دسترسی به مدل‌های قدرتمند فقط از طریق شرکت‌های بزرگی مانند OpenAI، Anthropic یا Google ممکن بود.

اما اکنون پروژه‌هایی مانند کوابل نشان می‌دهند که جامعه متن‌باز در حال نزدیک شدن به توانایی‌هایی است که پیش‌تر فقط در مدل‌های تجاری دیده می‌شد. اگر این روند ادامه پیدا کند، توسعه‌دهندگان می‌توانند دستیارهای هوشمند قدرتمندی را مستقیماً روی لپ‌تاپ یا سرور شخصی خود اجرا کنند؛ بدون وابستگی به APIهای خارجی و بدون نگرانی از محدودیت‌های دسترسی.

جمع‌بندی

کوابل را می‌توان یکی از جالب‌ترین پروژه‌های متن‌باز هفته‌های اخیر دانست. مدلی ۲۷ میلیارد پارامتری که بر پایه Qwen3.6 ساخته شده، از داده‌های استدلالی سبک Fable 5 بهره می‌برد و به‌صورت کاملاً آفلاین اجرا می‌شود. هرچند هنوز نمی‌توان ادعا کرد که به قدرت مدل‌های تجاری رده‌بالا رسیده است، اما برای برنامه‌نویسان، پژوهشگران و علاقه‌مندان به هوش مصنوعی محلی، کوابل می‌تواند یکی از جذاب‌ترین گزینه‌های حال حاضر باشد.