d1-2B مقابل Liquid AI d1-3B: النموذج الأصغر يتصدّر لوحة الصدارة لكنه يخسر في النشر

أربعة أسئلة تحدد هذه المواجهة، ولا أحدها هو "أي النموذجين أفضل". هل تتضمن الحالة الفيديو؟ هل تتجاوز 32 ألف رمز؟ هل تحتاج إلى تشغيلها ضمن llama.cpp؟ هل يمكنك تحمّل أن تكون أول من يختبرها؟ d1-2B هو نموذج القرار من Liquid AI بسعة 1.92B، مبني على LFM3-VL-2B وحصل على 51.1 في جدول مؤشر القرار الخاص بالبائع. Liquid AI d1-3B هو النموذج بسعة 3.12B الذي صدر في 7 أكتوبر، مبني على LFM2.5-VL-3B وحصل على 49.0 في الجدول نفسه. النموذج الأحدث والأصغر يتقدم في المتوسط. ومع ذلك، لا يزال يخسر ثلاثة من الصفوف التي يعتمد عليها النشر فعليًا، وهو الوحيد من بين الاثنين الذي لا يملك مسارًا في llama.cpp ولا نتيجة اختبار مستقلة. تم تنظيم هذه الصفحة حول تلك الأسئلة الأربعة بدلًا من حول لوحة الصدارة، لأن لوحة الصدارة لا تجيب عن أي منها.

الإجابة المختصرة، حسب عبء العمل

• الفرز النصي فقط على نطاق واسع — d1-2B، بفضل 1,132 قرارًا في الثانية لـ64 حالة مجمّعة و3.84GB من الأوزان. ميزة 3B في Typed Decisions غير ذات صلة عندما يكون الناتج تسمية.

• قراءة المخططات والرسوم البيانية — Liquid AI d1-3B. يتفوق في AI2D بنتيجة 79.9 مقابل 76.7، وهو النموذج الذي يقف خلفه تشغيل مستقل.

• المستندات الطويلة والنماذج الطويلة ونصوص المكالمات الطويلة — d1-2B. نافذته 128K رمزًا مقابل 32,768، وتقر البطاقة بصراحة بأن الموثوقية تتراجع بعد نحو 64K، وهو ما يترك مع ذلك ضعف السعة الإجمالية للطراز 3B.

• أجهزة الحوسبة الطرفية التي تشغّل llama.cpp — Liquid AI d1-3B، بشكل افتراضي لا عن جدارة. لديه مستودع GGUF وإصدار بتكميم الأوزان والتنشيطات؛ أما d1-2B فلا يملك أياً منهما.

• أي شيء يكون فيه القرار الخاطئ مكلفًا وغير مُختبَر — لا هذا ولا ذاك، حتى تجرّب كليهما على بياناتك الخاصة. بل إن واحدًا فقط منهما جرى اختباره من طرف ثالث.

نفس العائلة، بفارق جيل واحد

النموذجان ليسا شقيقين بالمعنى الذي توحي به الأسماء. ينحدر Liquid AI d1-3B من LFM2.5-VL-3B، الذي يُشتق من LFM2.5-2.6B-Base، ويحمل مُرمِّز رؤية SigLIP2 NaFlex بسعة 400M. وينحدر d1-2B من LFM3-VL-2B، العائلة التالية، على عمود فقري من 24 طبقة موزعة بين 13 التفافية قصيرة مُبوَّبة، و5 طبقات انتباه بنافذة منزلقة، و6 طبقات انتباه عالمية. ومن هذه الفجوة بين الأجيال يأتي انقلاب نتائج القياس: فالعمارة الأحدث تنجز أكثر لكل معامل، لذا يمكن لنقطة التحقق الأصغر أن تتفوق على الأكبر في معظم الصفوف.

• المعاملات — 1.92 مليار لـ d1-2B مقابل 3.12 مليار لـ Liquid AI d1-3B.

• تنزيل — 3.84GB مقابل 6.25GB من safetensors بصيغة BF16، وكلاهما ملف واحد.

• السياق — 128 ألف رمز مقابل 32,768.

• المفردات — 128,000 توكن مقابل مفردات LFM2.5.

• المدخلات — نص أو JSON، صور أو فيديو، بالإضافة إلى أسئلة مسماة، من أجل d1-2B؛ نص أو JSON مع صور من أجل 3B. الفيديو هو أوضح فرق في القدرات بينهما.

• اللغات — ستة عشر لكل منها، نفس المجموعة.

• الترخيص — رخصة LFM Open License v1.0 لكلٍّ منهما، مع استخدام تجاري مشروط بالبقاء تحت $10,000,000 من الإيرادات السنوية. لا يوجد سبب ترخيصي لتفضيل أيٍّ منهما.

• إصدار — أُتيحت أوزان d1-3B في 5 أكتوبر وأُعلن عنها في 7 أكتوبر. أُنشئ مستودع d1-2B في 24 أكتوبر ولم يكن له منشور خاص به قط؛ الجملة الوحيدة من المورّد التي تذكره هي في إطلاق LFM3 في 27 أكتوبر.

ثمة تفصيل توثيقي يستحق القراءة كإشارة لا كواقعة: صفحة وثائق نماذج القرار لدى Liquid AI تسرد الآن d1-2B وd1-omni-2B وd1-omni-600M وd1.1 وd1-ultra. ولم تعد تسرد d1-3B. لم يتقاعد الطراز 3B — فمستودعه ونسخ GGUF وMLX منه كلها نشطة — لكن فهرس البائع نفسه نقل خانة الأوزان المفتوحة إلى 2B.

لوحة النتائج، تُقرأ صفًا صفًا

كل الأرقام أدناه مأخوذة من جدول القياس المرجعي في بطاقة طراز d1-2B، الذي يقيّم أربعة طرازات d1 مفتوحة على العناصر نفسها باستخدام المُقيّم نفسه. وهذا مهم لأن بطاقة Liquid AI d1-3B الخاصة تسجّل 48.57 على Decision Index 0.2.1 بينما يسجّل هذا الجدول 49.0 على الإصدار 0.3؛ والفجوة سببها إصدارة المؤشر لا تغيّر في الطراز، وبطاقة الطراز تنص على ذلك في ملاحظة. إن مقارنة البطاقتين مباشرةً — 48.57 مقابل 51.1 — ستكون طرحًا عبر اختبارين مختلفين. أما المقارنة داخل هذا الجدول فهي مشروعة، وهذا ما يفعله بقية هذا القسم.

• Decision Index public suite v0.3 — 51.1 مقابل 49.0.

• DecisionBench (Hanno Labs) v1 — 77.1 مقابل 73.1.

• Decision Bench (decisionbench.ai) v4 — 85.2 مقابل 83.6.

• JevBench v1.4.1 — 77.9 مقابل 76.2.

• ImajevBench v2.0-lite — 75.5 مقابل 64.0، وهي أكبر فجوة على جانب القرار.

• WorkflowEvals — 81.6 مقابل 74.4.

• لوحة Liquid AI الداخلية — 63.2 مقابل 58.8.

• متوسط الرؤية — 70.2 مقابل 65.4 عبر ثمانية عشر اختبارًا.

كل مجموعة قرارات مُسمّاة في ذلك الجدول تؤول إلى نسخة 2B، وهذا ما يعنيه منشور إطلاق LFM3 حين يصف d1-2B بأنه بديل لـ d1-3B «بمعاملات أقل بمقدار الثلث» ودرجات أعلى «في مجموعات القرارات الأربع جميعها». الادعاء دقيق كما صيغ — وهو أضيق نطاقًا من «يتفوّق على 3B»، ولهذا السبب توجد الفقرة التالية. ثم تأتي الصفوف الثلاثة التي تسير في الاتجاه المعاكس.Fast Decisions تسجّل 58.8 لـ d1-2B مقابل 59.3 لـ 3B.Typed Decisions تسجّل 61.3 مقابل 65.0.AI2D تسجّل 76.7 مقابل 79.9. لا شيء من هذه الفجوات كبير، واثنتان من الثلاث تقعان داخل نقطة واحدة، لكنها الصفوف التي لا تزال المعاملات الـ 1.2B الإضافية تشتري فيها شيئًا قابلًا للقياس: القرارات الموجّهة نحو السرعة، والاستخراج المُنمّط، وقراءة المخططات. إذا كانت مهام خط أنابيبك هي الاستخراج المُنمّط من النماذج، فإن 3B ليس الخيار المتقادم الذي توحي به صفحة الوثائق.

زمن الاستجابة: الرقمان الرئيسيان غير قابلين للمقارنة

تستشهد Liquid AI بـ5.7 مللي ثانية لكل قرار لـ d1-2B و8 مللي ثانية لـ Liquid AI d1-3B، وهذان ليسا القياس نفسه. رقم 2B مأخوذ على H100 PCIe؛ ورقم 3B مأخوذ على RTX 4090. الفارق البالغ 2.3 مللي ثانية بين وحدتي معالجة رسومات مختلفتين لا يخبرك بشيء عن أي الطرازين أسرع على عتادك، وإعادة تكراره كمقارنة ستكون بالضبط من نوع غسيل الأرقام الذي وُجدت هذه المدونة لتجنبه.

هناك جهاز واحد تذكره كلتا البطاقتين. على Apple M5 Pro، يستغرق d1-2B وقتًا قدره 18.6 مللي ثانية لكل سؤال، بينما يستغرق 3B وقتًا قدره 30 مللي ثانية — أي انخفاض بنسبة 38% على العتاد نفسه. هذه هي المقارنة الصادقة للسرعة، وهي تشير إلى الاتجاه نفسه الذي يوحي به فرق الحجم. أما في المعالجة بالدفعات، فيعالج d1-2B ‏1,132 قرارًا في الثانية على H100 PCIe و1,699 قرارًا في الثانية على MI325X مع 64 حالة في استدعاء واحد؛ بينما تذكر بطاقة 3B ‏475 قرارًا في الثانية على RTX 4090 و1,106 قرارات في الثانية على MI325X. صف MI325X هو الصف المشترك بين البطاقتين، وهناك يتقدم الطراز 2B بنحو 54%.

الاختبار المستقل الوحيد الموجود شغّل 3B

في منتصف أكتوبر، شغّل إفراين غاراي ثمانية نماذج قرارات مقابل Decision Index 0.3 وثلاث مهام ببيانات حقيقية، ونشر النتائج مع الشيفرة. وهناك اكتشافان لهما صلة بهذه المقارنة.

الأول مطمئن بالنسبة للوحة النتائج. فقد أعاد بناء المجموعة العامة من عدّتها، وتحقق من أن الملفات التي نزّلها تطابق الملفات الرسمية، وعاين 6,000 طلب، وسجّل لـ Liquid AI d1-3B نتيجة 49.11 — مقابل 49.04 الخاصة بـ Liquid على الصفوف نفسها و48.99 على المجموعة الكاملة. وهذا أقوى دليل متاح على أن أرقام v0.3 في الجدول أعلاه تُحسب بشكل صحيح. وهو دليل يخص 3B، وليس d1-2B، الذي لم يختبره.

الثاني هو تحذير بشأن ما يقيسه المؤشر. على مجموعة بيانات اصطناعية لاحتيال بطاقات تضم 10,000 دفعة، سجّل Liquid AI d1-3B درجة AUC قدرها 0.314 — دون مستوى الصدفة، إذ صنّف الحالات الشاذة على أنها أقل إثارة للشك من الدفعات العادية، لأن دفعات متتالية متلاحقة حصلت على احتمال وسيط قدره 0.41 مقابل 0.56 لدفعة عادية. كان النموذج الثاني على المؤشر العام والأخير في تلك المهمة. ينتقل الدرس مباشرة: درجة 51.1 الخاصة بـ d1-2B هي نتيجة على مجموعة قرارات عامة، ولم يُظهر أحد أنها تتنبأ بالأداء في قرارك المحدد. تقول الشركة المورّدة ذلك صراحةً في بطاقتها الخاصة، في تعليمات معايرة العتبات على بياناتك الخاصة.

ما يمكنك تشغيله فعليًا اليوم

هنا تتوقف المواجهة عن كونها متقاربة. فلقد امتلك Liquid AI d1-3B مستودع GGUF منذ 6 أكتوبر، ونسخة بثماني بتات للأوزان والتنشيطات منذ 7 أكتوبر، وأربعة إصدارات MLX منذ 12 أكتوبر. وحصل d1-2B على ثلاثة إصدارات MLX وتصدير ONNX في 27 أكتوبر، ولا شيء غير ذلك. لا يوجد GGUF لـ d1-2B، ولا تكميم يتجاوز 4-bit و8-bit في MLX، وبالتالي لا يوجد مسار llama.cpp منشور لرأس القرار — على الرغم من أن النموذج الأساسي، LFM3-VL-2B، لديه GGUF خاص به منذ 19 أكتوبر.

في نشر Transformers يختفي الفرق: كلاهما يُحمَّل باستخدام trust_remote_code=True ويوفران نفس system_one وsystem_one_batch من الاستدعاءات. أما في النشر على الحافة فلا يختفي الفرق. إذا كان مكدسك التقني هو llama.cpp على Jetson أو على هاتف، فإن 3B هو الوحيد من الاثنين الذي يمكنك تشغيله دون كتابة تكامل خاص بوقت التشغيل، وأرقام الحافة المنشورة له — 16 ms على Jetson AGX Thor، و26 ms على AGX Orin 64GB، و50 ms على Orin Nano — هي التي يمكنك التخطيط على أساسها.

لا يقدّم OrcaRouter أيًا من النموذجين، لذا فإن الاختيار بينهما قرار يخص الاستضافة الذاتية في كلتا الحالتين. حيث يكسب الموجّه مكانته يكون على طبقة أبعد: فنماذج القرار نادرًا ما تعمل وحدها، والخطوة التوليدية التي تتصرف بناءً على تصنيف توجيه تأتي عادةً من نموذج مستضاف. مفتاح واحد متوافق مع OpenAI لأكثر من 200 نموذج، ولغة DSL للتوجيه تتيح لك تركيب تلك الخطوات في استدعاء واحد، والتحويل التلقائي عند الفشل يمنعان ذلك النصف من خط الأنابيب من أن يصبح مشروع تكامل ثانٍ بينما تظل عقدة القرار على عتادك الخاص.

إذا كنت تقوم بالترحيل، فإن ثلاثة أمور تتغيّر

واجهة API قريبة بما يكفي بحيث تبدو عملية النقل بسيطة وليست كذلك. أولاً، عقد الإدخال: تقبل d1-3B الصور؛ وتقبل d1-2B قائمةً من الوسائط يمكن أن تتضمن فيديو، وتصف بطاقتها الوسائط بأنها تُشفّر مرة واحدة لجميع الأسئلة في استدعاء واحد. الكود الذي يمرر صورة واحدة سيعمل، لكنه لن يستخدم ما صُمم النموذج من أجله.

ثانياً، العتبة. يُرجع كلا النموذجين احتمالات، وكلاهما يحتاج إلى عتبة قرار تُضبط على بياناتك. العتبة التي تُضبط وفق معايرة d1-3B لا تنتقل — فجداول المعايرة تُشحن داخل كل مستودع، وتُضبط بشكل منفصل — لذا فإن أي ترحيل يُبقي على الحد القديم سيُنتج نقطة تشغيل مختلفة، وفي مسار للإشراف أو مكافحة الاحتيال، نمط أخطاء مختلفاً.

ثالثًا، منحدر الموثوقية. نافذة 128K هي العنوان الرئيسي؛ لكن البطاقة تشير إلى أن الإجابات تصبح أقل موثوقية بعد نحو 64K توكن من الحالة. وعلى 3B يبلغ السقف 32,768، لذا فإن الانتقال إلى d1-2B سيكون عادةً مكسبًا صريحًا في السعة — لكن خط معالجة يبدأ بتغذية حالات من 100K توكن لأنه أصبح قادرًا على ذلك إنما يختبر الجزء من النطاق الذي أشار البائع إلى أنه أضعف.

الحكم أقل تماثلًا من لوحة النتائج. بالنسبة لبناء جديد في Transformers، على النصوص أو الصور أو الفيديو، مع حالات يمكن أن تمتد طويلًا، فإن d1-2B هو الخيار الافتراضي الأفضل والأرخص تشغيلًا. أما لنشر طرفي تحت llama.cpp، أو للاستخراج المقيّد بالأنواع، أو للرؤية الغنية بالمخططات، فلا يزال Liquid AI d1-3B هو النموذج الذي يجب اختياره — وهو الوحيد بين الاثنين الذي تقف خلفه أي أدلة خارجية. الشيء الوحيد الذي يجب ألا تفعله هو الاختيار بناءً على سطر 51.1 مقابل 49.0 وحده. إن فارق نقطتين على مؤشر مورّد، بين نموذجين لم يشغّلهما أحد على مهمتك، ليس قرارًا؛ إنه كسر تعادل.