d1-Omni-2B مقابل MiniCPM5-2B: نموذج القرار ليس نموذج محادثة صغيرًا

كلاهما مفتوح الأوزان، وكلاهما قريب من ملياري معلمة، وكلاهما موجّه إلى عتاد يوجد على مكتب لا في رفّ خادم. وهنا تنتهي أوجه الشبه. d1-Omni-2B يأخذ حالة — نص، JSON، صور، إطارات فيديو، صوت — بالإضافة إلى مجموعة أسئلة مسماة، ويعيد إجابات محددة النوع باحتمالات معايَرة في تمريرة أمامية واحدة. MiniCPM5-2B يأخذ النص ويكتب نصًا إضافيًا، مستدلًا إلى إجابة رمزًا تلو الآخر. إن استبدال أحدهما بالآخر ليس ترقية للنموذج ولا تخفيضًا له؛ بل إعادة كتابة لكل ما يستهلك الاستجابة. إذن، المقارنة الجديرة بالاهتمام ليست أيهما يحصل على درجات أعلى، بل أي عقد يمكن لخط أنابيبك أن يقبله فعلًا، وما يكلفك كل منهما من تراخيص وزمن استجابة وعمل نشر للوفاء به.

ما الذي يعود فعليًا من استدعاء؟

يبدو استدعاء d1 كأنه مخطط، لا محادثة. تمرر system_one حالةً وقاموسًا من الأسئلة، لكل منها نوع — نعم/لا، اختيار واحد، اختيار متعدد، درجات مرتبة، مقطع نصي، رقم، تاريخ، مربع إحاطة واحد أو عدة مربعات — وتحصل في المقابل على قيمة لكل سؤال مع احتمال مرفق بها. مثال بطاقة النموذج نفسه يوجّه تذكرة دعم: علامة استرداد، وإسناد فريق مستمد من معيارين مسمّيين، ودرجة ثقة لكل منها. لا نثر، ولا نص مفرّغ، ولا رموز مُصدَرة. تذكر البطاقة ذلك بوضوح: إنه ليس نموذج محادثة.

هذا التصميم هو المنتج بأكمله. ولأنه لا يتم فكّ ترميز أي شيء، فلا توجد خطوة تحليل، ولا إصلاح لـ JSON، ولا حلقة إعادة محاولة من أجل النموذج الذي لفّ إجابته في اعتذار. تعود القيمة عند الحد الذي اخترته، مع مسار امتناع عندما لا ينطبق أي خيار من مجموعة الخيارات — إذ يسجّل Liquid نسبة 78.5 في اختبار الامتناع المكتوب و75.8 في المنطوق. إذا كان الكود اللاحق لديك يحتاج إلى إسناد قائمة انتظار ورقم، فهذا هو الشكل الذي تريده.

تقدم MiniCPM5-2B الشكل المعاكس. فهو مفكك ترميز قياسي بمعمارية Llama يفكر قبل أن يجيب، ومبني على مرحلة ضبط دقيق خاضع للإشراف للتفكير العميق بـ400 مليار رمز، وتعزيز مجالي، وخطوة تقطير على السياسة تدمج ستة عشر معلمًا متخصصًا في نقطة تفتيش كثيفة واحدة. يمكنك بالتأكيد الحصول على مخرجات منظمة منه — فدرجاته في استدعاء الدوال محترمة، وتوفر OpenBMB محلل أدوات لـvLLM — لكنك تحصل عليها بالسؤال، عبر مطالبة، وبالثقة بأن مفكك الترميز سيمتثل. الاستدلال هو الميزة. وهو أيضًا ما تدفع مقابله في كل نداء.

المواجهة المباشرة التي لا وجود لها

لا يوجد أي معيار جرى تشغيل هذين النموذجين عليه معًا. وهذا ليس فجوة في التقرير؛ بل هو نتيجة الانقسام أعلاه. يظهر d1-Omni-2B فقط في مجموعات اختبارات القرار الخاصة بـ Liquid — DecisionBench v1 عند 76.4، وdecisionbench.ai v4 عند 84.7، وDecision Index public suite v0.3 عند 49.0، وImajevBench v2.0-lite عند 72.3، ومتوسط رؤية غير مرجح قدره 67.7 عبر ثمانية عشر معيارًا. ويظهر MiniCPM5-2B فقط في مجموعة الاستدلال والوكلاء الخاصة بـ OpenBMB: متوسط 53.9 عبر 34 اختبارًا، وLiveCodeBench v6 عند 69.1، وAIME 2025 عند 86.5، وSWE-bench Verified عند 46.4، وBFCL v4 عند 66.6، و8.9 أكثر تواضعًا بكثير على Humanity's Last Exam. ولم يُقَس أي واحد من تلك الأرقام على نفس العناصر، بواسطة نفس المُقيِّم، مثل أي رقم في القائمة الأولى.

أي شخص يعرض عليك جدولاً من عمودين لهذه الدرجات جنباً إلى جنب فهو يلفّقها، والتلفيق أسوأ مما يبدو. كل رقم لـ d1-Omni-2B منفّذ من قبل الجهة المورّدة، واعتباراً من وقت النشر لم يُعَد إنتاجه بشكل مستقل. متوسط OpenBMB الرئيسي هو أيضاً من تنفيذ الجهة المورّدة — أطلقت الشركة مجموعات بيانات التدريب وإطار RL، وهو أكثر مما تفعله معظم المختبرات، لكن ذلك قابلية إعادة إنتاج المنهج، لا الدرجات.

الأرقام المستقلة الموجودة فعلًا تستحق القراءة بعناية لأنها تختلف فيما بينها عبر إصدارات المؤشر. سجّلت Artificial Analysis درجة 15 لـ MiniCPM5-2B على مؤشر الذكاء v4.2 عندما غطّت الإطلاق في 7 سبتمبر؛ بينما تعرض الصفحة المباشرة الآن 12؛ أما ادعاء OpenBMB نفسه بدرجة 23 فقد صدر على v4.1.1. هذه الأرقام الثلاثة ليست تراجعًا وليست خلافًا — فقد تغيّر المؤشر من تحتها، والدرجات من إصدارات مختلفة غير قابلة للمقارنة. خُذ الاتجاه وتجاهل الرقم. لا توجد لدى Artificial Analysis أي صفحة على الإطلاق لـ d1-Omni-2B أو نظيره d1-2B، لذا لا يملك نموذج القرار أي قياس مستقل من أي نوع بعد.

رقم واحد يبدو قابلاً للنقل وليس كذلك: أجرت Liquid مقارنة من 27 اختبارًا لنموذجها للدردشة LFM3-1.7B ضد MiniCPM5-2B وفازت بنتيجة 23 مقابل 4. تقول هذه النتيجة إن مفكك ترميز Liquid المُدرَّب لاحقًا يتفوق على مفكك ترميز OpenBMB في تلك الاختبارات. ولا تقول شيئًا عن رأس القرار، الذي لم يكن ضمن تلك التجربة قط، ولا ينبغي الاستعانة به لحسم هذه المزاوجة.

أين تختلف المواصفات فعليًا

• عقد الإخراج — قيم محددة النوع مصحوبة باحتمالات وصفر من رموز الإخراج مقابل نص مُولَّد يتضمن أثر استدلال ضمني. كل ما تبقى في هذه القائمة متفرع عن ذلك.

• الحجم — 2.17B معامل في نقطة تحقق BF16 بحجم 4.33GB، مقابل 2.52B إجمالًا و1.98B غير تضمينية، بنحو 5GB في BF16. متقاربان بما يكفي بحيث لا يتفوق أي منهما من حيث البصمة وحدها.

• المدخلات — نص أو حالة JSON، وصور، وإطارات فيديو وصوت، قابلة للمزج في طلب واحد، مقابل النص فقط. لا يمتلك MiniCPM5-2B مُرمِّز رؤية ولا مسار صوت؛ وإذا كانت الحالة تحتوي على موجة صوتية، فإن هذه المقارنة تنتهي هنا. إذا كنت تريد خط OpenBMB متعدد الوسائط، فذلك هو MiniCPM-V 4.7، عائلة مختلفة بمفاضلة مختلفة.

• السياق — 128,000 رمز مقابل 131,072. هذا هو الرقم نفسه مُعبَّرًا عنه بطريقتين، وليس سببًا لاختيار أي من النموذجين. ولا يهم إلا من حيث إن كليهما يستطيع حمل مستند طويل؛ فقيد d1-Omni-2B هو أن المقاطع المنطوقة الطويلة تُضعف دقته قبل أن تمتلئ النافذة بوقت طويل، والبطاقة تقول ذلك.

• الترخيص — ترخيص LFM Open License v1.0 بحدّ إيرادات سنوية قدره $10,000,000، مقابل Apache-2.0 دون أي شرط على الإطلاق. هذا هو أكبر فرق منفرد في الجدول ولا علاقة له بجودة النموذج.

• وقت التشغيل — كود نمذجة مخصص خلف trust_remote_code، وTransformers 5.19 أو أحدث، وBF16 فقط، ولا GGUF من المورّد ولا مسار موثّق عبر vLLM أو SGLang، مقابل أدوات Llama غير المعدّلة: vLLM، وSGLang، وllama.cpp، وMLX، وGPTQ، وGGUF رسمي في المستودع وبنى مُكمّمة متداولة بالفعل.

• التبنّي — 36 عملية تنزيل و10 إعجابات بعد أربعة أيام من ظهور المستودع في 24 أكتوبر، مقابل 1,216,145 عملية تنزيل و1,823 إعجابًا منذ 6 سبتمبر. ملاحظة: حظي رقم MiniCPM بسبعة أسابيع ومنشور إطلاق، بينما لم يحظَ رقم d1 بأي منهما، لذا اقرأه كمؤشر على النضج لا كحكم نهائي.

خمسة ميلي ثانية مقابل فكرة

تنشر Liquid زمن استجابة الاستدعاء الدافئ لـ d1-Omni-2B، مقاسًا بعد compile() بصيغة BF16 كوسيط عشرين استدعاءً. على H100 PCIe يكلّف سؤال واحد 5.8ms، وثلاثة أسئلة 7.7ms، وحالة من 5,000 رمز 52ms، وصورة من 384 بكسل 12.1ms، وعشر ثوانٍ من الصوت 12.4ms. وعند تجميعها في دفعات بواقع 64 حالة لكل استدعاء، تعالج 1,154 حالة في الثانية، كما أن MI325X أسرع إذ تبلغ 3.7ms و1,697 حالة في الثانية. ويستغرق M5 Pro 21.1ms على سؤال واحد ويعالج 110 حالة في الثانية — بطيء مقارنة ببطاقة مركز بيانات، ومع ذلك سريع بما يكفي ليبدو فوريًا داخل تطبيق سطح مكتب.

لا شيء من هذا سباق عادل، لأن الطرف الآخر لا ينشر زمنًا. ما يمكن قوله من حيث البنية هو أن زمن استجابة المُفكِّك يتناسب مع مقدار ما يفكر فيه، وMiniCPM5-2B نموذج مصمم للتفكير. في استدعاء توجيه أو فرز — حيث تكون الإجابة الصحيحة أحد أربعة أسماء طوابير — أنت تدفع مقابل تعليل لم يطلبه أحد، وتدفع مقابله لكل رمز. تضع Artificial Analysis رقمًا على ذلك: عبر تشغيل مؤشر الذكاء الخاص بها، أصدر النموذج 74 مليون رمز إخراج، مقابل وسيط قدره 67 مليونًا لنماذج مماثلة، وهو ما يصفه ملخصها بأنه "مطنب إلى حد ما". هذا ليس حجة ضد النموذج؛ بل حجة ضد استخدامه في الدور الذي بُني له d1-Omni-2B.

تعامل مع أرقام d1 بالحذر المعتاد. فهي قياسات المورّد، أُجريت على عتاد محدّد مع خطوة تجميع، ومن شبه المؤكد أن ينتهي تشغيل مستقل إلى نتيجة مختلفة. أما رتبة المقدار — ميلي ثانية أحادية الخانة لكل قرار — فهي الجزء الذي يصمد.

بند الترخيص الذي يتفوق على لوحة النتائج

يُطرح MiniCPM5-2B بموجب ترخيص Apache-2.0. يمكنك استخدامه تجاريًا، وتفريعه، وإعادة توزيعه، وتضمينه في منتج، دون أن تحتاج إلى التحدث إلى محامٍ بشأنه أبدًا. يُطرح d1-Omni-2B بموجب LFM Open License v1.0، التي تمنح الاستخدام التجاري فقط ما دامت مؤسستك دون 10,000,000 دولار من الإيرادات السنوية. عند هذا الحد أو أعلى منه، ينص الترخيص على أن الاستخدام التجاري «غير مرخّص بموجب هذا الاتفاق» — مما يعني أنك تحتاج إلى ترتيب منفصل مع Liquid AI، وإلا فلا تطرح النموذج.

يُسمح بإعادة التوزيع في كليهما، مع شروط على جانب LFM: تمرير الترخيص، ووضع علامات على الملفات المعدلة، والإبقاء على الإشعارات. لا يوجد شرط لإعادة العلامة التجارية. بالنسبة لفريق بحثي أو نموذج أولي أو شركة أقل من الحد بكثير، فإن هذا الشرط إجراء شكلي. أما بالنسبة لفريق منتج في شركة قد تتجاوز الحد خلال العمر النافع للنموذج، فإنها مسألة مشتريات تطرح نفسها قبل أن يظهر أول اختبار قياسي — وهي من الأمور التي يُكتشف تأخرها، من قبل القانونيين، بعد تثبيت المعمارية.

عدم التماثل صارخ بما يكفي لأن يُقال دون مواربة: فمن حيث الترخيص وحده، يُعد MiniCPM5-2B الخيار الأكثر أمانًا لأي نشر تجاري، أما ترخيص d1-Omni-2B فيمثل تكلفة حقيقية لاختياره، وليس حاشية.

أيّ واحد يمكنك تشغيله فعليًا اليوم؟

MiniCPM5-2B ممل في النشر، وهذا أعلى إطراء يمكن أن يناله نموذج بهذا الحجم. إنه فك ترميز قياسي، لذا يدعمه vLLM وSGLang دون تعديل، ويقرأ llama.cpp وLM Studio صيغة GGUF، ويغطي MLX شرائح Apple، وبناء Q4_K_M يبلغ نحو 1.45GB. الفخ الوحيد هو استدعاء الأدوات: يصدر النموذج استدعاءات بنمط XML، لذا يحتاج vLLM إلى minicpm5 محلل استدعاء الأدوات مفعّلًا وإلا وصلت استدعاءات دوالك على هيئة نص عادي.

إن d1-Omni-2B ليس مملاً بعد. تحميله يعني استخدام إصدار حديث من Transformers مع trust_remote_code=True، إضافة إلى torch وtorchvision وPillow؛ فالمستودع يوفّر safetensors بصيغة BF16 ولا شيء غير ذلك. لا توجد نسخة GGUF من المورّد، ولا وصفة vLLM مدمجة في بطاقة النموذج، ولا يُدرج Hugging Face أي مزوّد استدلال له — لذا لا توجد نقطة نهاية مستضافة لاختباره، وهو أيضاً سبب عدم وجود سعر مستضاف يمكن الاقتباس منه. المسار العملي الذي سيتبعه معظم الناس هو وسم Ollama d1-omni:2b، وهو حزمة مجتمعية بحجم 4.4GB تغلّف الأوزان نفسها. هذا ينجح. وهو أيضاً السبب الوحيد الذي يتيح لمطوّر تجربة هذا النموذج في غضون فترة بعد الظهر، وهو عمل طرف ثالث، لا عمل Liquid.

لا يملك أيٌ من النموذجين سعرًا منشورًا لكل رمز، لأن أياً منهما لا يُباع لكل رمز. وأي رقم لكل مليون رمز تجده لأي منهما فهو مستخرج من حسابات تأجير وحدات معالجة الرسوميات لا من تسعير معلن من بائع. وإذا كنت تقارنهما على التكلفة، فقارنهما على ما يكلفه قرار واحد بثوانٍ من زمن وحدة معالجة الرسوميات — وتذكّر أن إجابة نموذج القرار تكون مكتملة عند عودة الاستدعاء، بينما تكون إجابة نموذج المحادثة مكتملة عندما يتوقف عن التفكير.

النمط الذي يستخدم كليهما

الخلاصة الصادقة لهذه المقارنة هي أنهما ليسا متنافسين، والمعمارية المفيدة تتعامل معهما على هذا النحو. يتولى d1-Omni-2B التقديرات الرخيصة وعالية الحجم والحساسة لزمن الاستجابة: أي طابور، وأي فريق، وهل هذه هي الفاتورة نفسها، وما مدى الإلحاح، وأي من هذه الصناديق الاثني عشر. يعمل محليًا، ويعيد رقمًا يمكنك تطبيق عتبة عليه، ويمتنع عندما لا يعرف.

يتولى MiniCPM5-2B الجزء الذي يحتاج إلى اللغة: شرح القرار لعميل، وصياغة الرد، وكتابة الإصلاح، واستدعاء الأداة التالية في السلسلة. وهو أضعف في المهمة الأولى وأفضل في الثانية، ولا يكلفك هذا التقسيم شيئًا سوى استدعاء دالة واحد بينهما — مسار لا يصعّد إلى النموذج المكلف إلا عندما تنخفض ثقة النموذج الرخيص دون العتبة التي تحددها. وطبقة التصعيد هذه هي بالضبط ما تُوجد من أجله منصة توجيه: مفتاح API واحد عبر أكثر من 200 نموذج مع هامش ربح 0% على سعر قائمة المزوّد، وتحويل تلقائي عند تعثّر أي مزوّد، ولغة توجيه DSL تتيح لك تركيب عدة نماذج خلف استدعاء واحد. لا يتوفر d1-Omni-2B ولا MiniCPM5-2B في كتالوج OrcaRouter اليوم، لذا يبقى نصف القرار في هذا النمط مستضافًا ذاتيًا في الوقت الحالي — لكن النصف التوليدي، الذي سترغب في تبديله مع ظهور نماذج صغيرة أفضل، هو تحديدًا النصف الجدير بالتوجيه بدلًا من الترميز الثابت.

من الذي يجب أن يختار ماذا

اختر d1-Omni-2B عندما تحتوي الحالة على صوت أو فيديو، وعندما تحتاج إلى احتمال بدلاً من جملة، وعندما تكون الإجابة مربع إحاطة أو امتدادًا أو رقمًا مصحوبًا بمدى، وعندما يقع الاستدعاء داخل حلقة تكون فيها 6ms و78ms منتجين مختلفين. اختره وأنت تدرك أن حد الترخيص ينطبق عليك، وأن النشر مجال يتطلب أكوادًا مخصصة، وأنه لا يوجد تقييم مستقل بعد — فبطاقة Liquid نفسها توجّه من لا يتعاملون مع الصوت إلى d1-2B، وهي إرشادات أصدق مما يتطوع به معظم البائعين.

اختر MiniCPM5-2B عندما يكون الإدخال نصًا، وعندما يجب أن يقرأ الإنسان الإخراج أو يُغذّى به أداة تريد نصًا نثريًا، وعندما تحتاج إلى استدلال عبر مستند طويل، وعندما يزيل Apache-2.0 ومسار نشر Llama القياسي فئتين من المخاطر قبل أن تكتب سطرًا واحدًا من الشيفرة. اختره مع العلم أن متوسط البائع البالغ 53.9 لم يُعَد إنتاجه، وأن درجته المستقلة هي 12 على المؤشر الحالي — أعلى بكثير من الوسيط 5 للنماذج في فئتها الحجمية، ولا يُقارَن بـ15 أو 23 المسجلين على إصدارات سابقة — وأن أضعف نتائجه المنشورة، Terminal-Bench عند 8.6 وSWE-bench Pro عند 14.4، هي الأقرب إلى العمل القائم على الوكلاء، وهو المجال الذي يُسوَّق له فيه بكثافة.

ولا تختر أيًا منهما إذا كان ما أردته في الواقع هو نموذج محادثة صغير يستطيع الرؤية. فـMiniCPM5-2B لا يستطيع ذلك، وd1-Omni-2B لا يجري محادثات، والنموذج الذي يعنيه الناس عادةً عندما يكتبون أيًا من الاسمين في مربع بحث هو نموذج مختلف ضمن العائلتين نفسهما. وما ينبغي مراقبته هو أول تقييم صوتي مستقل لـd1-Omni-2B. فنتائجه في اللغة المنطوقة — 92.5 في FLEURS عبر 43 لغة، لكن درجة 42.0 في المكتوب تهبط إلى 22.8 في المسموع على الحالات القصيرة، ومن 83.6 إلى 41.8 في المقاطع متعددة اللغات — تصف نموذجًا بارعًا في تحديد اللغة وهشًا في فهم فقرة تُقرأ بصوت عالٍ. وإلى أن يقيس شخص من خارج Liquid تلك الفجوة، فإن حالة الإدخال الصوتي وعدٌ مرفق برقم، وليست نتيجة.