Beam 1.0 مقابل Gemma 4 12B: 501 مليار معامل مقابل 12، وما الذي تحققه هذه الفجوة فعليًا

أحد هذين النموذجين يتّسع على حاسوب محمول. أما الآخر فيحتاج إلى رفّ خوادم، والفجوة بينهما تبلغ أربعين ضعفًا. Reflection Beam 1.0 هو نموذج خليط خبراء متناثر بإجمالي 501.3 مليار معامل، يستيقظ منها 23.4 مليار معامل لكل رمز — أعلنت عنه Reflection في 5 أكتوبر 2026 كمعاينة بقائمة انتظار، ثم شُحن فعليًا كأوزان قابلة للتنزيل في 16 أكتوبر 2026 بموجب Apache 2.0 وبنى BF16 وFP8 وNVFP4، مع مُسوِّد صغير للفك التخميني DFlash2 إلى جانبها. G​emma 4 12B هو نموذج G​oogle DeepMind الكثيف الخالي من مُشفِّر، بـ11.95 مليار معامل، صدر في 3 يونيو 2026، يقرأ النصوص والصور والصوت وإطارات الفيديو، ويكتب النصوص، ويُكمَّم ليصل إلى حجم يستطيع جهاز بسعة 16GB احتواءه. كلا الترخيصين متسامحان، ومخرجات كليهما نصية، وكلاهما متاح على Hugging Face الآن. ولا يكاد أي شيء آخر بينهما يتشابه، والسؤال المفيد ليس أيهما أذكى — بل أيهما يحل مشكلتك دون أمر شراء.

هذا يهم أكثر مما قد يهم عادةً، لأنه لمدة أحد عشر يومًا كان Beam 1.0 نموذجًا يمكنك القراءة عنه دون أن تمتلكه. وعد إعلان Reflection الصادر في 5 أكتوبر بأوزان Apache 2.0 "في وقت لاحق من هذا الشهر"، وبقي المستودع فارغًا. اعتبارًا من 16 أكتوبر 2026، أصبحت المجموعة متاحة بأربعة مستودعات، وتحمل بطاقة النموذج جدول تقييم كاملًا. هذا الإصدار هو السبب في أن هذه المقارنة يمكن كتابتها كمقارنة أصلًا، بدلًا من أن تكون ملاحظة عن عنوان رئيسي.

حيث يقف الاثنان، في تمريرة واحدة

كل ما يرد أدناه هو إما من وثائق المورّد نفسه أو من Artificial Analysis. وحيث يكون الرقم صادرًا عن المورّد ولم يقم أحد بإعادة إنتاجه، تذكر هذه الصفحة ذلك في موضعه بدلًا من ذكره في إخلاء مسؤولية أسفل الصفحة.

• إجمالي المعلمات — Beam 1.0 501.3B مقابل G​emma 4 12B 11.95B. النسبة تقريبًا 42 إلى 1.

• المعاملات النشطة لكل توكن — 23.4B مقابل 11.95B. تنكمش النسبة إلى نحو 2 إلى 1، وهذه هي الحيلة كلها: النموذج المتفرق لا يدفع إلا مقابل الجزء الذي يستخدمه من نفسه.

• البنية المعمارية — Beam 1.0 هو نموذج MoE من 52 طبقة يضم 256 خبيرًا، وثلاث طبقات كثيفة و49 طبقة خبير، مع تناوب الانتباه المحلي والعالمي، وانتباه الاستعلامات المجمّعة المُبوَّب مع انتباه النافذة المنزلقة؛ Gemma 4 12B كثيف، بـ48 طبقة، دون أي مُرمِّزات متعددة الوسائط على الإطلاق — إذ تُدرَّب معالجة الرؤية والصوت داخل النموذج بدلًا من إضافتها لاحقًا.

نافذة السياق — Beam 1.0: 1,000,000 رمز على بطاقة النموذج؛ Gemma 4 12B: 262,144 رمزًا. وكلاهما أكبر رقم تقدّمه عائلته المعنية.

• الوسائط — Beam 1.0 إدخال نصي وإخراج نصي، وتنص بطاقته على ذلك بوضوح؛ أما Gemma 4 12B فيستقبل النص والصورة والصوت وإطارات الفيديو ويُرجع نصًا.

• الترخيص — Apache 2.0 على كليهما، صالح للاستخدام التجاري، دون حد أقصى لعدد المستخدمين. هذا هو أقرب ما يصل إليه النموذجان من التطابق.

• تقييم منشور — تتضمن Beam 1.0 جدول تقييم يشمل نقاط التحقق BF16 وFP8 وNVFP4؛ كما تحمل بطاقة G​emma 4 12B أرقام G​oogle الخاصة، وقد جرى تقييمها بشكل مستقل منذ يونيو.

• درجة مستقلة — يضع Artificial Analysis Intelligence Index v4.3.2 نموذج Beam 1.0 عند 30، في المرتبة التاسعة عشرة من بين 120 نموذجًا في فئة المقارنة الخاصة به، وG​emma 4 12B عند 14، في المرتبة العشرين من بين 141 — بفارق 16 نقطة لصالح النموذج الأكبر، مع وجود حاشية "تقديري" على رقم G​emma لأن التقييم المستقل على 12B كان لا يزال قيد الانتظار.

ما هو Beam 1.0 حقًا، الآن بعد أن أصبحت الأوزان متاحة

تقرأ بطاقة النموذج: 501.3 مليار معلمة إجمالية، 23.4 مليار نشطة، 52 طبقة منها ثلاث كثيفة و49 MoE، 256 خبيرًا، مفردات من 152,000 رمز، تاريخ قطع المعرفة 30 يونيو 2026، ونمطية نصية فقط. قالب الدردشة هو تنسيق Harmony معدل بقناتين — analysis و final — وإعداد reasoning_effort يقبل إما عددًا صحيحًا أو أحد القيم minimal، low، medium، high، xhigh و max، التي تُقابل 8، 32، 64، 128، 256 و 512. القيمة الافتراضية المُقدمة عندما تكون المعلمة غير مُعينة هي 512. يشير توثيق القالب نفسه إلى أن minimal، عند 8، هو أصغر جهد تم أخذ عينات منه في بيانات التدريب، لذا لا يتم احترام ميزانية أصغر.

هناك ثلاثة أمور في تلك المواصفة جديرة بالاستخلاص، لأنها الأجزاء التي تحدد ما إذا كان يمكنك استخدامها.

أولًا، إعداد الجهد ليس له مفتاح إيقاف. فـ Beam يفكّر دائمًا؛ وأنت تختار مقدار ذلك. وبالنسبة لحلقة وكيل، يعني هذا أن كل دور يحمل بادئة تفكير تُحتسب تكلفتها، وإذا أعدت تشغيل السجل، فستُحتسب مرة أخرى. بل إن القالب يرفع خطأً عندما يتم ضبط allow_missing_thinking على false ويكون دور مساعد سابق قد أسقط استدلاله، وذلك تحديدًا لأن إزالته تخفض جودة المخرجات. هذه تكلفة موثقة، وليست خطأً برمجيًا.

أما الثاني فهو النسخ المُكمَّمة. نشرت Reflection نقاط حفظ FP8 وNVFP4 في اليوم نفسه الذي أصدرت فيه نموذج BF16، إلى جانب مُسوِّد DFlash2. ومستودع NVFP4 مُدرَج عند 255B مقابل 501B لـ BF16، وتنسب بطاقة النموذج التكميم إلى llm-compressor مع الإشادة بموظفي NVIDIA على التوجيه. وجود نسخة بأربع بتات في يوم الإطلاق يغيّر مَن يمكنه تشغيل هذا أصلاً — فـ 501B بدقة bfloat16 تبلغ نحو تيرابايت من الأوزان، وهذا نقاش شرائي مختلف عن 255B بأربع بتات.

الثالث هو ما ينقص. فلا توجد توصية بالتقديم على البطاقة، ولا حد أدنى منشور للمواصفات العتادية، ولا سعر منشور لواجهة API في أيٍّ من مواقع Reflection الخاصة. وتُسجّل صفحة Artificial Analysis الخاصة بالنموذج أن حقول السعر غير متاحة، وتشير إلى أنه "لا توجد واجهة API متاحة للعموم" — وهو، بالنسبة لنموذج يقوم كامل عرضه الترويجي على أنه رخيص التشغيل، الصف الذي كنتَ تتمنى أن يكون مملوءًا.

ما هو Gemma 4 12B، ولماذا يُعد الحجم هو الحجة

تذكر بطاقة Google أن Gemma 4 12B يضم 11.95 مليار معامل عبر 48 طبقة، وسياقًا بحجم 262,144 رمزًا، ومفردات مشتركة بحجم 262,000 رمز عبر العائلة بأكملها، ونافذة انزلاقية بحجم 1,024 رمزًا — أي ضعف ما تستخدمه الأحجام الأصغر E2B وE4B. يتناوب الانتباه بين الانتباه المحلي ذي النافذة الانزلاقية والانتباه العام الكامل، وتكون الطبقة الأخيرة عالمية دائمًا. وقد جرى تدريبه مسبقًا على أكثر من 140 لغة مع ادعاء دعم جاهز لـ35 لغة أو أكثر.

القرار الهندسي المثير للاهتمام هو معماري: النموذج لا يحتوي على مُشفِّرات منفصلة. تأطير Google هو أن المعالجة متعددة الوسائط تم تدريبها ضمنيًا بدلاً من إرفاقها، ولهذا السبب تخدم نفس نقطة التحقق الرؤية والصوت دون مجموعة ثانية من الأوزان لتحميلها. على الجهاز، هذا هو الفرق بين نموذج قابل للنشر وخط أنابيب.

أطلقت Google أيضًا التدريب الواعي بالتكميم بدلاً من الاعتماد على مُكمِّم لاحق، وتنشر ملف QAT GGUF بحجم يقارب 6.98 جيجابايت للأوزان بالإضافة إلى مُسقِط متعدد الوسائط صغير. تذهب تكميمات المجتمع إلى أبعد من ذلك: حيث يتراوح بناء Unsloth المُنَسَّخ على نطاق واسع من حوالي 4.2 جيجابايت عند أكثر تكميم 2-بت عدوانية مرورًا بـ 7.12 جيجابايت عند Q4_K_M و12.67 جيجابايت عند Q8_0. وتستقر بناءات MLX لشرائح Apple عند حوالي 12.7 جيجابايت عند 8-بت. في المقابل، فإن نقطة التحقق المضبوطة بالتعليمات كاملة الدقة هي ملف safetensors واحد بحجم 23.92 جيجابايت — البصمة الخام لـ bfloat16 قبل أي ذاكرة KV مؤقتة، وهو الرقم الذي يخبرك أن جهازًا بسعة 16 جيجابايت لا يمكنه حملها بدون تكميم، بينما يمكن لبطاقة بسعة 24 جيجابايت ذلك.

كان التقييم المستقل متاحًا منذ وقت قصير بعد الإصدار، وهو عدم التماثل الذي يسري في هذه الصفحة بأكملها. يقيس Artificial Analysis نموذج 12B عند 14 على Intelligence Index v4.3.2، و117.6 رمز إخراج في الثانية، و2.43 ثانية للرمز الأول، و0.10 دولار لكل مليون رمز إدخال مقابل 0.30 دولار لكل مليون رمز إخراج. بطاقة Google الخاصة تذكر 78.2 على MMLU Pro، و77.8 على GPQA Diamond، و77.5 على AIME 2026 بدون أدوات، و72.0 على LiveCodeBench v6 مع Codeforces ELO قدره 1659، و69.1 على MMMU Pro و43.4 على MRCR v2 عند 128K مع ثماني إبر.

المقارنة التي لا وجود لها

تُفيد بطاقة Beam 1.0 بأن SWE-bench Verified بلغ 81.6% على نقطة التحقق BF16، و80.2% على FP8، و80.7% على NVFP4؛ وبأن Terminal Bench v2.1 بلغ 80.1 و78.9 و78.4؛ وبأن SWE Bench Pro v1 بلغ 66.1 و65.9 و65.6؛ وبأن DeepSWE v1.1 بلغ 43.3 و43.0 و42.7؛ وبأن GPQA Diamond بلغ 90.6 و90.3 و89.3؛ وبأن AIME 2026 بلغ 97.7 و98.0 و97.5؛ وبأن LiveCodeBench بلغ 88.3 و88.1 و87.4؛ وبأن MCP Atlas بلغ 80.8 و81.5 و80.5؛ وبأن IFBench بلغ 79.6 و80.7 و79.2. استُخدمت في التقييمات درجة الحرارة 0.7 وtop-p 0.99. كل ذلك من تقارير Reflection الخاصة، ولم يُعِد أي طرف ثالث إنتاجه.

بطاقة G​emma 4 12B تُفيد بأرقامها الخاصة، وهي أيضًا غير قابلة لإعادة الإنتاج على مستوى كل معيار على حدة، وقد قيّمت Artificial Analysis النموذج بشكل مستقل. الآن ضع الاثنين جنبًا إلى جنب وحاول أن تطرح. لا يمكنك. جدول Beam هو جدول للنماذج الرائدة يضم معايير للبرمجة الوكيلية واستخدام الأدوات. أما جدول G​emma فهو جدول لمعايير الفهم والاستدلال متعددي الوسائط. وحيث يتداخل الاثنان — أي GPQA Diamond وAIME، بشكل أساسي — فإن أدوات الاختبار، وإعدادات جهد الاستدلال، ومعاملات أخذ العينات غير موثقة على أحد الجانبين ومجهولة على الجانب الآخر. إن تسجيل 90.6 مقابل 77.8 في GPQA تبدو وكأنها فجوة قدرها 13 نقطة، وهي في واقع الأمر مقارنة بين إعداد مختبر وإعداد مختبر آخر.

الرقم الوحيد في هذه الصفحة الذي قاست فيه مؤسسة واحدة كلا النموذجين هو Intelligence Index، وهناك تكون الفجوة 30 مقابل 14. هذا قياس حقيقي أجراه طرف ثالث ضمن مركّب موثّق. وهو أيضًا فارق قدره 16 نقطة لنموذج يمتلك 42 ضعف عدد المعاملات، وبناءً على الأدلة المتاحة، ينتمي إلى فئة نشر مختلفة تمامًا. لا ينبغي أن يفاجأ أحد بذلك.

ما تكلفة تشغيل كل واحد منها فعليًا

لا يتوفر Beam 1.0 ولا Gemma 4 12B في كتالوجنا. ما يوجّهه OrcaRouter من عائلة Gemma 4 هو الحجمين اللذين نوفرهما: Gemma 4 26B A4B بسعر 0.06 دولار لكل مليون توكن إدخال و0.33 دولار لكل مليون توكن إخراج بسياق يبلغ 262,144 توكن، وGemma 4 31B بسعر 0.13 دولار و0.38 دولار — سعر قائمة المزوّد يُمرَّر دون أي هامش ربح، مأخوذًا من قائمة نماذجنا الخاصة في 16 أكتوبر 2026. Beam 1.0 ليس شيئًا نقدمه، وهذه الصفحة لا تدّعي خلاف ذلك؛ والطريقة لاستخدامه اليوم هي تنزيله من مجموعة Reflection على Hugging Face أو استدعاء واجهة برمجة التطبيقات الخاصة بـ Reflection.

وهذا يترك المقارنة الصادقة للتكلفة كمقارنة عتاد، وهي النسخة التي تهم فعلاً هنا. إذا كنت تملك الجهاز بالفعل، فإن Gemma 4 12B عند أربع بتات هو مجرد تنزيل وقضاء بعد الظهر. أما إذا لم تكن تملكه، فإن المكافئ المقيس لنموذج 12B هو تقريبًا أرخص عنصر في قائمتنا — ثلاثون سنتًا لكل مليون توكن مُخرَج — بينما نموذج 501B بـ23B نشطًا هو استئجار GPU لم يُسعَّر لك في أي مكان، لأن Reflection لم تنشر تعريفة.

أي من الاثنين هو نموذجك؟

اختر G​emma 4 12Bإذا كان العمل متعدد الوسائط، وإذا لزم تشغيله على أجهزة تملكها بالفعل أو على جهاز تشحنه إلى العملاء، وإذا كان زمن الاستجابة حتى أول رمز في حدود المئات القليلة من المللي ثانية مقبولًا، وإذا كان سياق بحجم 256K يغطي مستنداتك. إن التصميم الخالي من المُرمِّز والتدريب المدرك للتكميم موجَّهان مباشرة إلى هذا القارئ، كما أن رخصة Apache 2.0 تعني أنه يمكنك شحن نسخة مشتقة دون التحدث مع G​oogle. وثمن هذا الاختيار هو القدرة: درجة 14 على المؤشر المستقل بعيدة جدًا عن الحدود القصوى، ومجموعة المعايير الأكثر أهمية بالنسبة لك — البرمجة الوكيلية، والاستدلال على نطاق المستودعات — ليست المجموعة التي نشرتها G​oogle.

اختر Beam 1.0 إذا كان العمل يتمثل في البرمجة واستخدام الأدوات والتنفيذ الوكيلي طويل الأمد، وإذا كان لديك وصول إلى عنقود حوسبي أو شريك تقديم خدمة، وإذا كان بإمكانك تحمّل واجهة برمجة تطبيقات غير مسعّرة وميزانية استدلال دائمة التشغيل. إن المعايير المنشورة تستهدف هذا العبء تحديدًا، والنسخة رباعية البتات تجعل الحديث عن العتاد أسهل جوهريًا مما يوحي به عدد المعاملات، ولا يحمل الترخيص أي قيد يمنع الضبط الدقيق التجاري.

لا تختر أيًا منهما إذا كان ما تحتاجه فعلاً هو إجابة هذا الأسبوع. فكلا هذين نموذجان يتعيّن عليك تشغيلهما بنفسك. أما المقارنات المهمة لذلك القرار — نموذج مُقدَّم كخدمة بسعر معلن، عبر مفتاح تملكه بالفعل — فهي في صفحة مختلفة، وهذه الصفحة تتناول طرفي طيف الأوزان المفتوحة لا الوسط الذي تتركّز فيه معظم حركة الإنتاج.

ما الذي سيغيّر هذه الصفحة؟

أمران. وجود معيار قياس مستقل يضع Beam 1.0 وGemma 4 12B على نفس إطار الاختبار وبالجهد نفسه سيستبدل المقارنة القائمة على Index فقط أعلاه بشيء قابل للطرح، كما أن أوزان Beam أصبحت الآن عامة، ما يعني أن بإمكان أي شخص تشغيله. ونشر سعر لواجهة Beam البرمجية — أو لنشر مستضاف لـ FP8 أو NVFP4 — سيحوّل قسم التكلفة من جدال حول العتاد إلى بطاقة أسعار. وإلى أن يتحقق أحد هذين الأمرين، فإن الملخص الدقيق هو هذا: فجوة المعاملات بنسبة 40 إلى 1 تشتري نحو 16 نقطة من الذكاء المقاس بشكل مستقل ومجموعة مختلفة من معايير القياس، وتكلفك مكانًا تضع فيه ذلك.

نتيجة كهذه تذكّر أيضًا بأن أخطاء النماذج موثّقة بالفعل: فالحوادث المتعلقة بالذكاء الاصطناعي وإخفاقات الوكلاء الكامنة وراء نماذج هذه الفئة تُجمع في the OrcaRouter AI Incident Archive، حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محل نزاع.