Beam 1.0 مقابل LFM2.5 2.6B Base: ركيزة غير مكتملة وعملاق مكتمل

يُقارَن نموذج لم يُعلَّم الإجابة عن الأسئلة بنموذج عُلِّم التخطيط. LFM2.5 2.6B Base هي نقطة تحقق مُدرَّبة مسبقًا من Liquid AI تضم 2.698 مليار معامل، نُشرت في 4 أغسطس 2026 بموجب رخصة LFM Open License v1.0 ووُصفت صراحةً بأنها الأساس للضبط الدقيق — فهي نصية فقط، وتتألف من 30 طبقة من الالتفاف الهجين وانتباه الاستعلامات المُجمَّعة، ولم تخضع للتدريب اللاحق. Reflection Beam 1.0 هو نموذج خليط خبراء متناثر بإجمالي 501.3 مليار معامل و23.4 مليار معامل نشط، دُرِّب لاحقًا عبر مراحل إشراف وتعزيز وأُطلق على شكل أوزان قابلة للتنزيل في 16 أكتوبر 2026 بموجب Apache 2.0، بعد إعلانه في 5 أكتوبر 2026. فارق الحجم هو 185 إلى واحد. الفارق الذي يحدد المقارنة فعليًا ليس الحجم — بل إن أحد هذين ركيزة خام توجّه إليها عملية تدريب، والآخر منتج تقدّمه.

كلا النموذجين متاحان على Hugging Face. وكلاهما قابل للتنزيل اليوم. وكلاهما يتوقع منك أن تُحضر عتادك الخاص. هذا هو كل ما بينهما من تداخل، وقراءتهما في مقابل بعضهما طريقة مفيدة لرؤية مدى اختلاف منظومة الأوزان المفتوحة في تصنيف شيئين تدرجهما تحت الوسم نفسه.

الإصداران، الموصوفان كما يصفهما ناشروهما

LFM2.5 2.6B Base يُعرف باسمه الأكمل LFM2.5-2.6B-Base. تسرد بطاقته 2.698 مليار معامل إجمالي، و30 طبقة، منها 22 كتلة التفاف قصيرة مزدوجة البوابات وثماني طبقات انتباه بالاستعلامات المجمّعة، وميزانية تدريب تبلغ 34 تريليون رمز، ومفردات تضم 128,000 رمز، وطول سياق يبلغ 131,072 رمزًا. يغطي 16 لغة. وهو أحد زوجين: تنشر Liquid AI أيضًا LFM2.5-2.6B، المُدرَّب لاحقًا لأحمال العمل الوكيلية، وهذه هي نقطة التفتيش الخام التي تنحدر منها كل متغيرات العائلة. وجاء في بطاقته عن النموذج الأساسي أنه نقطة التفتيش النصية فقط والمُدرَّبة مسبقًا المستخدمة لإنشاء جميع المتغيرات الأخرى. توجد بالفعل ستة عشر نسخة مشتقة مضبوطة بدقة تحته على Hub.

Beam 1.0هو الترتيب المعاكس. يطلق Reflection إجمالي 501.3B معامل، مع 23.4B معامل نشطة لكل توكن عبر 52 طبقة — ثلاث كثيفة و49 من مزيج الخبراء، و256 خبيراً يُوجَّه ثمانية منها في المرة الواحدة في هذا التكوين. نافذة السياق هي 1,000,000 توكن. النمط نصي فقط، وتذكر البطاقة ذلك دون مواربة. يتوفر بثلاث دقات: BF16 وFP8 وNVFP4، إضافة إلى مُسوِّد لفك الترميز التخميني DFlash2 بحجم 2B. يعمل قالب المحادثة الخاص به بصيغة Harmony معدّلة مع قناتي التحليل والنهائي وإعداد جهد الاستدلال بستة مستويات مسمّاة. نُشرت مستودعاته الأربعة في اليوم نفسه، 16 أكتوبر 2026، وسجّلت Artificial Analysis الإصدار في صفحة النموذج بتاريخ 16 أكتوبر 2026.

أعد قراءة هاتين الفقرتين، وسيظهر لك شكل الأمر. نشرت Liquid AI مكوّنًا. ونشرت Reflection نظامًا مكتملًا له صيغة سلكية وقرص لضبط الجهد. كلاهما يُسمّى "مفتوحًا"، والكلمة تؤدي وظيفتين مختلفتين.

الرخصة هي حيث يكون الاثنان أقل تشابهًا

هذه هي المقارنة التي لا يمكنك الحصول عليها من عدد المعلمات، وهي المقارنة ذات الأثر العملي الأكبر.

Beam 1.0 هو Apache 2.0. هذا ترخيص متساهل قياسي بلا حدود للمستخدمين، ولا عتبة للمستخدمين النشطين شهريًا، ولا طبقة تجارية منفصلة. نزّله، واضبطه بدقة، وأعد توزيع المشتق، وبع النتيجة. تحمل البطاقة أيضًا Responsible Use Guide وتقريرًا فنيًا منفصلًا للسلامة، وهما وثيقتان سياسيتان وليستا قيودًا على الترخيص — فهما تنظمان الاستخدام المقبول، لا الأوزان.

LFM2.5 2.6B Base ليس كذلك. يصنّفه Hub بوسم license:other ويسمّي الترخيص LFM Open License v1.0. الفرق العملي ليس في أن أحدهما متساهل والآخر ليس كذلك — فرخصة Liquid AI مكتوبة للاستخدام المفتوح — بل في أن الترخيصين يجب قراءتهما بطريقة مختلفة، وواحدٌ منهما فقط يمكن تلخيصه في جملة واحدة. إذا كانت خطتك تتضمن إعادة توزيع نسخة مشتقة تجاريًا، فإن جانب Apache 2.0 في هذه الصفحة لا يتطلب أي تحليل. أما جانب LFM فيتطلب أن تقرأ الترخيص، لأن الترخيص المخصص بحكم التعريف وثيقة كتبها شخص ما عن قصد.

هذا التفاوت يسير في الاتجاه المعاكس على المحور الآخر. نقطة حفظ Liquid AI هي نموذج نصي كثيف يضم 2.698 مليار معلمة، مما يعني أن مسألة الترخيص مرتبطة بشيء يمكنك وضعه على وحدة معالجة رسومات استهلاكية واحدة أو جهاز طرفي. ومنحة Apache 2.0 الخاصة بـ Reflection مرتبطة بنموذج بـ501 مليار معلمة تبلغ أوزانه بصيغة bfloat16 نحو تيرابايت، ولا تزال نسخته رباعية البتات مُدرجة عند 255B. إن الترخيص المتساهل على نموذج لا يمكنك استضافته نوع مختلف من الحرية عن ترخيص مخصص على نموذج يمكنك استضافته.

ما يمكن للنموذج الأساسي فعله وما لا يمكنه فعله

مقال عن نقطة تحقق أساسية يجب أن يقول هذا بصراحة، لأنها الطريقة الأكثر شيوعاً التي يضيّع بها الناس بعد الظهر. لم يُدرَّب LFM2.5 2.6B Base على اتباع التعليمات. سيُكمل نصك. لن يجيب عن سؤالك، ولن يتبع تنسيقك، ولن يستدعي أداتك، ولن يتوقف عندما تريد منه ذلك. إنه نقطة انطلاق يكون سلوكها أياً كان ما تدرّبه فيها، وتقول Liquid AI ذلك في وصف النموذج بدلاً من تركه ليُكتشف.

هذا ليس عيبًا، وليس نسخة أصغر من Beam 1.0. إن عملية التدريب المسبق على 34 تريليون توكن والمعمارية الهجينة ذات الـ30 طبقة هما المنتج؛ وغياب المواءمة هو المقصود، لأن المواءمة خاصة بالمهمة، والمختبر الذي يطرح نموذجًا أساسيًا يسلّم ذلك القرار عمدًا إلى مَن يملك المهمة. وعلى Hub، يبدو هذا الترتيب عمليًا في صورة ستة عشر نموذجًا مشتقًا.

النتيجة المترتبة على التقييم هي أنه لا يوجد جدول معايير للمقارنة. بطاقة Beam 1.0 تحمل جدولًا كاملًا — SWE-bench Verified بنسبة 81.6% على BF16، وTerminal Bench v2.1 عند 80.1، وGPQA Diamond عند 90.6، وAIME 2026 عند 97.7، وLiveCodeBench عند 88.3، وMCP Atlas عند 80.8، وIFBench عند 79.6، وكلها مُبلَّغ عنها من الجهة الموردة ولم يُعِد أيٌّ منها طرفٌ ثالث إنتاجه — لأنه نموذج خضع لتدريب لاحق ومصمم لأعباء عمل محددة بالاسم، وهذه هي الأدلة التي يطلبها مشتريه. أما LFM2.5 2.6B Base فلا يملك أيًّا منها، بحكم التصميم. لا يوجد شيء لتقييمه: فجودة نقطة التحقق هي ما يجعله الضبط الدقيق الخاص بك، ونقطة المقارنة الأمينة هي جولة تدريب، لا صفٌّ في لوحة الصدارة.

إلى أين يذهب المال

لا يوجد أيٌّ من هذين في كتالوج OrcaRouter. ما نوجّهه هو عالم النماذج المخدومة من حولهما: أكثر من 200 نموذج خلف مفتاح واحد متوافق مع OpenAI، وسعر قائمة المزوّد يُمرَّر بهامش ربح 0%، مع تحويل تلقائي عند الفشل عبر المزوّدين، بحيث يُعاد توجيه المسار الذي يتدهور بدلًا من أن يفشل. يستحق ذلك الذكر هنا لسبب محدد، لأن النموذجين في هذه الصفحة يقعان عند طرفين متقابلين من سؤال الشراء نفسه.

لا يكلف تنزيل LFM2.5 2.6B Base شيئًا، بينما يكلف تشغيله كل شيء، بمعنى أن التكلفة هي جولة تدريب وجهاز. لا يكلف تنزيل Beam 1.0 شيئًا، بينما يكلف تشغيله كل شيء، بمعنى أن التكلفة هي تقديم MoE بسعة 501B، وفي وقت كتابة هذا النص، لا تنشر Reflection أي سعر API. تسجل Artificial Analysis حقول السعر في صفحة Beam على أنها غير متاحة، وتشير إلى عدم وجود API متاح للعامة. بعد اثني عشر يومًا من الإعلان، لا يزال النموذج الذي يحمل جدول قياس أداء بـ 501 مليار معلمة بدون رقم يمكن لفريق مالي استخدامه.

بالنسبة لقارئٍ تتمثل حاجته الفعلية في الاستدلال هذا الأسبوع على عبء عمل لم يُصمَّم له أي من النموذجين — أداة تلخيص، أو مصنِّف، أو واجهة محادثة — فالقرار ليس بين هذين الاثنين. بل بين أن تضبط 2.698 مليار معامل بنفسك، أو أن تستأجر شيئًا مُواءَمًا ومُسعَّرًا بالفعل، والخيار الثاني هو ما يمكنك قياسه قبل أن تلتزم.

أي واحد تبحث عنه فعلاً؟

اختر LFM2.5 2.6B Base إذا كانت مشكلتك أضيق نطاقًا من مساعد عام. سبب اختيار نقطة تحقق أساسية صغيرة هو أن لديك مهمة، ولديك بيانات، وتفضّل امتلاك الناتج بدلًا من استئجار استدعاء. سياق الـ131,072 رمزًا سخيّ بالنسبة إلى الحجم، وتغطية اللغات الـ16 حقيقية، ومكدّس الالتفاف الهجين مختار لتحقيق الإنتاجية على الجهاز، والترخيص يتيح لك توزيع ما تبنيه. ما تلتزم به هو خط أنابيب الضبط الدقيق، وأدوات التقييم، وقرارات المواءمة — ولا شيء من ذلك توفّره نقطة التحقق.

اختر Beam 1.0 إذا كانت مهمتك واحدة من المهام التي تسميها بطاقته: البرمجة، واستخدام الأدوات، والاستدلال على نطاق المستودعات، والتنفيذ الوكيلي طويل الأفق. يستهدف جدول التقييم هذا العمل مباشرةً، وسياق المليون رمز يتوافق معه، وبنيتا FP8 وNVFP4 تجعلان الحديث عن العتاد أكثر قابلية للتعامل مما يوحي به 501B، ورخصة Apache 2.0 تتيح مشتقاً تجارياً. ما أنت مقدم عليه هو بنية تحتية للخدمة، وميزانية استدلال تعمل دائماً لا يسمح لك القالب بإيقافها، وتقدير تكلفة يجب أن تعده بنفسك لأن المورد لم ينشر واحداً.

النموذجان ليسا في منافسة، والمقارنة بينهما جديرة بالاهتمام على وجه التحديد لأنها تُظهر كم أن عبارة «الأوزان المفتوحة» لا تقول الكثير في حد ذاتها. أحد الناشرين سلّم مكوّنًا وميزانية تدريب؛ والآخر سلّم نظامًا مزوّدًا ببروتوكول اتصال وترخيص يمكنك لصقه في مراجعة قانونية. وقراءة أيّهما قُدِّم إليك قبل أن تُنزّله هي معظم العمل.

ما الذي قد يغيّر الصورة؟

سعر منشور لواجهة Beam 1.0 API، أو نشر مستضاف لـ FP8 مع بطاقة أسعار، سينقل ذلك الطراز من عمود «بناء تقدير» إلى عمود «مقارنة الأرقام»، وهو الصف الوحيد المفقود في وثائقه. إن اختبارًا مرجعيًا مستقلًا على أوزان Beam — أصبح ممكنًا الآن، بما أنها عامة — سيمنح جدول البائعين حكمًا، وهو ما لا يمكن أن يحظى به LFM2.5 2.6B Base أبدًا لأنه لا يوجد بعد شيء لتقييمه. وإلى أن يتحقق أحد هذين، فإن الملخص الدقيق هو أن نقطة تفتيش أساسية بـ 2.7 مليار معامل ونموذج MoE مُدرَّب لاحقًا بـ 501 مليار معامل كلاهما مجاني للتنزيل، وكلاهما باهظ التشغيل بعملات مختلفة تمامًا، وليس أيٌّ منهما بديلًا عن الآخر.

المقارنات من هذا النوع هي أيضًا المكان الذي تظهر فيه أنماط الفشل: فالحوادث الموثّقة للذكاء الاصطناعي وإخفاقات الوكلاء الكامنة خلف النماذج في هذه الفئة تُجمع في OrcaRouter AI Incident Archive، حيث يحمل كل مُدخل مصادره الخاصة ودرجة خطورته وتصنيف الثقة الخاص به وعلامة كونه متنازعًا عليه.