d1-Omni-2B مقابل d1-omni: وسم واحد، ونقطتا تحقق، وفجوة بثمانية أضعاف

نزّل d1-omni اليوم وستحصل على نموذج قرار بعدد معلمات يبلغ 587M وبحجم 850MB. نزّل d1-omni:2b وستحصل على 4.4GB من شيء مختلف تمامًا — d1-Omni-2B، نموذج القرار الصوتي الذي أصدرته Liquid AI ضمن عائلة LFM3 في 27 أكتوبر 2026، في مقابل d1-omni، الاسم الذي تستخدمه Ollama منذ أوائل أكتوبر لنقطة التحقق d1-omni-600M الخاصة بالمورّد. إنهما ليسا إجابتي مورّدين مختلفين عن السؤال نفسه. بل هما جيلان من الفكرة نفسها، يفصل بينهما فارق قدره ثمانية أضعاف في عدد المعلمات، والاختيار بينهما هو في الحقيقة اختيار بشأن المكان الذي يجب أن يعمل فيه النموذج. أحدهما يتّسع على هاتف. والآخر يحتاج إلى وحدة معالجة رسومات، ويقوم في المقابل بأشياء لا يستطيع النموذج الأصغر فعلها على الإطلاق.

إنّ هذه التسمية تجعل الأمر أصعب مما ينبغي، لذا يجدر قولها بوضوح قبل الأرقام: لا يوجد نموذج من Liquid AI يُسمى ببساطة d1-omni. تسرد وثائق المورّد كلاً من d1-omni-2B وd1-omni-600M كأوزان مفتوحة، وd1.1 وd1-ultra كنماذج مستضافة فقط. إنّ "d1-omni" اسم تغليف — نقطة التحقق 587M تحت تسمية أقصر. ذلك هو المنافس في هذه المقارنة، وهو النموذج الذي يمتلكه معظم الناس بالفعل على القرص.

ما هو كل واحد منها في الحقيقة

كلا النموذجين نموذجا قرار بالمعنى الذي يقصده Liquid AI من هذا المصطلح: تُمرّر إليهما حالة وقائمة من الأسئلة المسمّاة، فيعيدان إجابات محدّدة النوع مصحوبة باحتمالات في تمريرة أمامية واحدة. لا يكتب أيٌّ منهما نصًا، ولا ينتج أيٌّ منهما كلامًا، وكلاهما يُبلّغ عن صفر من رموز الإخراج. أما التشابه فينتهي عند الواجهة.

• المعاملات — 2.17B لـ d1-Omni-2B مقابل 587M لـ d1-omni، مقسّمة في النموذج الصغير إلى جذع مشترك ورأس قرار بحجم 381M، ومشفّر رؤية بحجم 94M ومشفّر صوت بحجم 112M.

• البنية — عمود فقري ثلاثي الهجين LFM3 للنموذج 2B: 24 طبقة من 13 التفافًا قصيرًا بوابيًا، و5 انتباه بنافذة منزلقة و6 انتباه شامل. نموذج 587M هو مُرمِّز ثنائي الاتجاه LFM2.5 مبني على LFM2.5-Encoder-350M، مع برج رؤية SigLIP2 موروث من LFM2.5-VL-450M وFastConformer من 17 طبقة للصوت.

• السياق — 128K رمز مع مفردات من 128,000 رمز للنموذج 2B. النموذج 587M موثّق عند 16,384 رمزًا تغطي مواضع النص والصورة والصوت معًا، وتضيف بطاقته أنه عند وجود صور، يُقتطع نص الحالة والسؤال إلى 896 رمزًا، كما دُرّب. تعرض صفحة Ollama قيمة 125K لكل من الوسمين، وهو رقم لا ينشره المورّد؛ احسب أحجام مطالباتك وفق رقم المورّد.

• المُدخل — يستقبل طراز 2B حالة نصية أو حالة JSON إلى جانب الصور وإطارات الفيديو ومقاطع الصوت ضمن قائمة وسائط واحدة. أما طراز 587M فيستقبل نصًا مع صور، أو نصًا مع صوت لا يتجاوز 30 ثانية، ولا توثّق بطاقته إمكانية الجمع بين الاثنين.

• أنواع المخرجات — نعم/لا، والاختيار، والدرجة على كليهما. يضيف 2B مربعات، واختيارًا متعددًا، وقيمًا مستخرجة مع نطاقات، وأرقامًا مع فاصل. هذه جديدة في جيل LFM3 وليس لها مقابل على 587M.

• على القرص — 4.33GB من ملفات safetensors بصيغة BF16 للطراز 2B، مقابل 850MB لنسخة Q8_0 من d1-omni و1.2GB لوسم BF16 الخاص بها.

• الترخيص — ترخيص LFM المفتوح الإصدار 1.0 على كليهما. مجاني للاستخدام التجاري لمن تقلّ إيراداته السنوية عن 10,000,000 دولار، ويتطلب ترخيصًا منفصلًا لمن تتجاوز إيراداته ذلك.

ما الذي يوفّره المعامل الثامن

المقارنة المفيدة هي تلك التي طبعتها Liquid AI بنفسها، لأنها أعادت تقييم نماذج d1 الأربعة جميعها على العناصر نفسها باستخدام أداة التقييم نفسها. وهذا يجعل الصفوف قابلة للمقارنة داخليًا على نحو لا تتيحه البطاقات الأقدم.

• مجموعة مؤشر القرار العامة، الإصدار 0.3 — 49.0 لـ d1-Omni-2B مقابل 18.3 لـ d1-omni-600M.

• DecisionBench (Hanno Labs) v1 — 76.4 مقابل 58.7.

• decisionbench.ai v4 — 84.7 مقابل 57.9.

• JevBench v1.4.1 — 75.3 مقابل 58.0.

• ImajevBench v2.0-lite — 72.3 مقابل 21.7، أوسع فجوة في المجموعة والأكثر أهمية للعمل البصري.

• WorkflowEvals — 77.1 مقابل 48.8.

• قرارات محددة النوع — 63.1 مقابل 57.5، وهو أضيق فارق، وتذكير بأنه ليست كل مهمة تتوسّع مع عدد المعاملات.

• متوسط الرؤية، 18 معيارًا لقياس الصور — 67.7 مقابل 42.8.

تحمل هذه القائمة معها تحذيرين. الأول هو انحراف الإصدار: فقد أفادت بطاقة 7 أكتوبر بأن d1-omni-600M سجّل 15.95 على Decision Index v0.2.1، بينما تفيد البطاقة الجديدة بأنه سجّل 18.3 على v0.3. وهاتان مجموعتان مختلفتان، وطرحهما يقيس المؤشر لا النموذج. والثاني هو المصدر: فكل رقم مُبلَّغ عنه من البائع، وقيّمه Liquid AI، على معايير اختارتها Liquid AI. ولم ينشر أي شخص خارج الشركة تشغيلًا لأي من نقطتي التحقق.

غير أن شكل النتيجة متسق. في المهام على نمط التصنيف، يصمد النموذج 587M على نحو مفاجئ — إذ يقع Typed Decisions ضمن ست نقاط. أما أي مهمة تتطلب قراءة مشهد أو عدّ أشياء أو تفسير تخطيط، فينهار: 21.7 في ImajevBench مقابل 72.3، و14.9 في VisualWebBench ضمن المجموعة الأسبق مقابل 88.6. إذا كانت مهمتك توجيه تذكرة نصية، فالمعاملات الإضافية ترف. وإذا كانت مهمتك تتضمن النظر إلى شيء ما، فهي المنتج كله.

حيث لا يزال 587M يتفوق، والرقم الذي سيثبت ذلك

نطاق النشر هو الميزة الحقيقية لنموذج 587M، وهو ليس جائزة ترضية. نموذج 587M ضمن 850MB يعمل على حاسوب محمول أو Raspberry Pi أو هاتف، وقد بنت Liquid AI سلسلة d1 لذلك الغرض تحديدًا. أما نموذج 2.17B ضمن 4.33GB فيحتاج إلى وحدة معالجة رسومات أو جهاز Apple Silicon مجهّز جيدًا قبل أن يكون استخدامه ممتعًا.

ما ينقص هو مقارنة زمن الاستجابة (الكمون) التي من شأنها أن تجعل المقايضة دقيقة. تنشر بطاقة d1-Omni-2B جدول سرعات كاملًا: 5.8 مللي ثانية لسؤال واحد و7.7 مللي ثانية لثلاثة أسئلة على H100 PCIe، و3.7 مللي ثانية و5.6 مللي ثانية على MI325X، و21.1 مللي ثانية و28.9 مللي ثانية على M5 Pro، و1,154 حالة في الثانية عند التجميع على H100. أما بطاقة d1-omni-600M فلا تنشر شيئًا، وتوضح السبب: «لا ننشر أرقام الاستدلال الخاصة بـ d1-omni-600M لأنه إصدار بحثي مبكر وقيد التطوير النشط». لذا فمن شبه المؤكد أن النموذج الأصغر أسرع، ولا يوجد رقم من الشركة المصنعة يمكن الاستشهاد به لمقدار ذلك. وأي شخص يخبرك أن نموذج 587M أسرع بثلاثة أضعاف إنما يستنتج ذلك بالاستقراء من عدد المعاملات.

هناك ميزة حقيقية قريبة الصلة بالدقة تستحق الذكر. توصي بطاقة d1-Omni-2B باختيار d1-2B بدلًا منها عندما لا يوجد صوت، وتذكر الأسباب: فـ d1-2B أقوى في النصوص والمربعات المفردة، ويُبلِغ عن القيم المفقودة على نحو أكثر تكرارًا، وهو أفضل معايرةً. وتشير النصيحة نفسها إلى تجنّب نموذج omni للعمل النصي فقط. وهي لا تقول إن 587M أفضل معايرةً — بل فقط إن 2B omni ينطوي على تكلفة لقدرة قد لا تستخدمها.

انقسام الصوت هو النقطة التي ينفصل فيها الجيلان انفصالًا واضحًا

الصوت هو الوسيلة الوحيدة التي يتنافس فيها كلا النموذجين مباشرةً، والقيود مختلفة بما يكفي لتحديد البنية.

يستقبل نموذج 587M حتى 30 ثانية من الكلام، ويتوقع صوتًا أحادي القناة بتردد 16 كيلوهرتز، وتحمل بطاقته تحذيرًا صريحًا: جرى تدريب القدرات الصوتية على طلبات بين متحدث بالإنجليزية ومساعد، وتغطي نوع الملفوظ وموضوعه وما يريده المتحدث. وهذا توزيع ضيق، وقد ذُكر كقيد لا كحاشية.

يدعم نموذج 2B الكلام في اللغات الست عشرة نفسها التي يدعمها جانبه النصي، باستثناء الهندية والتايلاندية والفيتنامية والإندونيسية، وتتضمن نتائج الصوت في البطاقة 84.5 على أحداث صوت ESC-50 و92.5 على تحديد اللغة FLEURS عبر 43 لغة. كما يتدهور بطرق توثّقها البطاقة: فالحالات القصيرة المنطوقة تنخفض من 42.0 مكتوبة إلى 22.8 مسموعة، ومقاطع Belebele في ثماني لغات تنخفض من 83.6 إلى 41.8. وتفقد المقاطع المنطوقة الطويلة الدقة، وأكثر ما يحدث ذلك خارج الكتابة اللاتينية.

إذاً الفارق ليس هو أن «الطراز 2B أفضل في الصوت». بل إن الطراز 2B يسمع أنواعاً أكثر من الصوت ولا يزال يعاني مع الحالة المنطوقة الطويلة، بينما يسمع الطراز 587M شريحة أضيق وأكثر تحكماً ولم يُقيَّم قط على أحداث صوتية أو التعرّف على اللغة إطلاقاً. بالنسبة لتوجيه الأوامر الصوتية بالإنجليزية، فإن قيود الطراز 587M يمكن التعايش معها. أما بالنسبة لفرز المكالمات متعدد اللغات، فهي قيود مُبطِلة للأهلية.

أي وسم يجب سحبه؟

قواعد القرار قصيرة بما يكفي لصياغتها كقواعد.

• نص وصور فقط، ولا صوت في المنتج — لا تسحب أيًا منهما. يسجّل d1-2B نتيجة أعلى من d1-Omni-2B على مؤشر القرار، 51.1 مقابل 49.0، وبطاقة المورّد الخاصة تخبرك باستخدامه. علاوة omni تشتري صوتًا لن تستخدمه.

• توجيه الصوت على أجهزة محدودة الموارد — d1-omni عند 850MB. اقبل حد الـ30 ثانية، وتوزيع تدريب الناطقين بالإنجليزية، وسياق الـ16,384 رمزًا، وقِس زمن الاستجابة لديك بنفسك لأن البائع لن يمنحك رقمًا.

• الصوت بالإضافة إلى الصور في القرار نفسه، أو المربعات والامتدادات في المخرجات — d1-Omni-2B. لا يستطيع نموذج 587M التعبير عن تلك الطلبات، لذا لا توجد مقارنة يمكن إجراؤها.

• الكلام متعدد اللغات — d1-Omni-2B، مع التحقق من اللغات الأربع المستبعدة مقابل حركة المرور الفعلية الخاصة بك قبل الالتزام.

• إنتاجية الدُفعات — d1-Omni-2B، التي تكون بطاقتها الوحيدة من بين الاثنين التي تنشر الحالات في الثانية على الإطلاق.

إشارة تبنٍّ واحدة جديرة بالتدوين لأنها تتعارض مع رواية المعايير القياسية: فقد جذب d1-omni-600M نحو 18,900 تنزيل و148 إعجابًا على Hugging Face منذ 5 أكتوبر. وحصل d1-Omni-2B على 36 تنزيلًا و7 إعجابات بعد أربعة أيام من ظهور مستودعه. تقيس أعداد التنزيلات المبكرة الجِدّة والتغليف، لا الجودة — فنموذج 587M لديه وسم Ollama يجعله على بُعد أمر واحد — لكنها تصف فعليًا أي نموذج يشغّله الناس اليوم.

بعد القرار، بقية المكالمة

أي وسم تختار، فإن نموذج القرار هو المحطة الأولى وليس الأخيرة. يعيد تسمية باحتمالية؛ فلا يزال هناك شيء ما يجب أن يكتب الرد أو يصعّد الحالة أو يستدعي واجهة API التالية، وتلك المحطة الثانية توليدية. لا يحمل OrcaRouter نماذج Liquid AI، لذا فإن استدعاء d1-omni أو d1-Omni-2B يعمل حيث تشغّله بالفعل — على عتادك الخاص من أوزان Hugging Face، أو عبر المورّد. وما يقف خلف مفتاح واحد متوافق مع OpenAI هو أكثر من 200 نموذج آخر في الكتالوج، بسعر قائمة كل مزوّد دون أي هامش ربح (0%)، مع تجاوز الفشل بين المزوّدين عندما يكون النموذج اللاحق الذي اخترته هو من يواجه يوماً سيئاً. وبالنسبة لنموذج بهذا الحداثة، فإن هذا الفصل مفيد: يبقى الجزء غير المُثبت محلياً ورخيصاً، ويحصل الجزء الذي يلامس حركة الإنتاج على مسار إعادة محاولة.

الرقم الذي لا تمنحك إياه أي من البطاقتين

لا يخضع أي من نقطتي الحفظ لتقييم مستقل. فنموذج 587M متاح للعموم منذ 5 أكتوبر ولا يزال بلا أي تقييم؛ ونموذج 2B عمره أربعة أيام. وإلى أن يُشغّل شخص ما كليهما على المجموعة الصوتية نفسها وبالميكروفون نفسه واللغات نفسها، فإن فجوة المعاملات البالغة ثمانية أضعاف تظل جدولًا من البائع، وليست حقيقة مقيسة. الرقم المحدد الذي ينبغي مراقبته هو 22.8 في الحالات القصيرة المنطوقة — فهو الصف الوحيد الذي تعترف فيه بطاقة النموذج الجديد نفسه بضعف كبير بما يكفي لتغيير قرار نشر، وهو الصف الأرجح أن يتغيّر عندما يوجّه شخص من خارج Liquid AI ميكروفونًا إليه.