d1-Omni-2B: ما الذي يتضمنه نموذج القرار الأكثر هدوءًا بحجم 2B من Liquid AI — وما الذي يستبعده

أُنشئ مستودع Hugging Face الخاص بـ LiquidAI/d1-Omni-2B في الساعة 19:30 UTC يوم 24 أكتوبر 2026. ونُشر أول منشور مدونة من Liquid AI يذكر النموذج بالاسم في 27 أكتوبر. وطوال تلك الأيام الثلاثة كان المستودع عامًا ومكتملًا — ورقة مواصفات كاملة، و4.33GB من safetensors بصيغة BF16، وشيفرة Transformers عاملة — ولم يرد في أي شيء نشره المورّد ما يشير إلى وجوده. وعندما وصل الذكر أخيرًا، كان عبارة عن فقرتين وجدول من أربعة صفوف ضمن إطلاق عائلة من ستة نماذج، لا إطلاقًا مستقلًا بحد ذاته. هذا هو شكل هذا الإصدار، وهو الإطار الصادق لكل ما يلي: الأوزان قابلة للفحص، والادعاءات هي ادعاءات المورّد، والعناصر التي يحصل عليها المشتري عادةً من إعلان — سعر، ونقطة نهاية مستضافة، واختبار قياسي مستقل — ليست موجودة بعد.

الفجوة البالغة خمسة أيام بين الأوزان والكلمات

رُويت قصة نماذج القرار لدى Liquid AI مرتين، وd1-Omni-2B غير موجود في أيٍّ من الروايتين. في 7 أكتوبر، نشرت الشركة «Open d1: Edge decision models for text, vision, and audio»، وقدّمت فيه نقطتي حفظ مفتوحتين فقط: d1-3B، وهو نموذج للرؤية والنص بحجم 3.12B، وd1-omni-600M، وهو نموذج بحجم 587M يتعامل مع نص مصحوب بصور أو نص مصحوب بما يصل إلى 30 ثانية من الصوت. لا يزال ذلك المنشور متاحًا، ولا يزال لا يحتوي على أي نموذج 2B.

وصل خطّ 2B وفق جدول زمني مختلف. في 21 أكتوبر ظهرت نقطة التفتيش الأساسية LFM3-Omni-2B على Hugging Face. وفي 24 أكتوبر، بفارق أربع وعشرين ثانية، أنشأت Liquid AI مستودعات لـ d1-2B وd1-Omni-2B. ثم سمّى منشور إطلاق LFM3 في 27 أكتوبر العائلة: ستة نماذج بنحو 2B من المعاملات، أربعة منها تغطي النص والرؤية والصوت والشامل، وكما جاء في المنشور نفسه: «الاثنان الأخيران نموذجا قرار متخصصان مشتقان من نموذجي الرؤية والشامل». تلك الجملة هي الإعلان. لم يصدر منشور منفصل عن d1-Omni-2B، ولا صفحة تسعير، ولا تصريح من شريك إطلاق، ولم يُحدَّث مقال 7 أكتوبر.

إذن النموذج ليس غير موثّق — فالمستودع واحد من أفضل نقاط التحقق الصغيرة توثيقًا التي نشرتها Liquid AI، وصفحة وثائق المورّد الخاصة بنماذج القرار تُدرجه إلى جانب d1-2B وd1-omni-600M. لكنه لم يُعلَن عنه بالقدر الكافي. هذا التمييز مهم لأنه يخبرك أي الادعاءات مرّت بمراجعة إطلاق وأيها لم تمر.

قراءة البطاقة على أنها ورقة مواصفات

بعيدًا عن الإطار، فإن نقطة التحقق واضحة ومباشرة. d1-Omni-2B هو نموذج قرار مُدرَّب لاحقًا مبني على LFM3-Omni-2B، وهو ليس نموذج محادثة: فهو لا يكتب نصًا ولا يُنتج كلامًا، وكل استدعاء يُرجع output_tokens: 0.

• المعاملات — 2.17B، تُقدَّم كملف safetensors واحد بحجم 4.33GB بصيغة BF16.

• البنية — العمود الفقري LFM3: 24 طبقة، منها 13 التفافًا قصيرًا مُبوَّبًا، و5 انتباه بنافذة منزلقة بعرض 256 رمزًا، و6 انتباه عام. تصف تدوينة العائلة هذا المزيج الثلاثي الهجين بأنه نتيجة بحث معماري داخل حلقة الأجهزة أُجري عبر 14 مجموعة من الأجهزة والخلفيات.

• السياق والمفردات — 128 ألف رمز ومفردات من 128,000 رمز مشتركة مع بقية LFM3.

• الإدخال — حالة يمكن أن تكون نصًا أو أي قيمة JSON، بالإضافة إلى الصور وإطارات الفيديو ومقاطع الصوت، بالإضافة إلى أي عدد من الأسئلة المسماة، مكتوبة أو منطوقة. تأخذ واجهة برمجة تطبيقات البطاقة كل ذلك في قائمة وسائط واحدة، وهو فرق ذو دلالة عن نقطة التحقق 587M: d1-omni-600M موثّق كنص مع صور أو نص مع صوت، وليس كليهما في آن واحد.

• المخرجات — إجابات محددة النوع مع احتمالات. نعم/لا، أو اختيار من خيارات مسمّاة، أو درجة مرتّبة، أو قيمة تُقرأ من مستند مع امتدادها، أو رقم مع فاصل p10–p90، أو مربع إحاطة، أو كل مثيل لكائن مع عدد.

• اللغات — ست عشرة. يغطي الكلام المجموعة نفسها باستثناء الهندية والتايلاندية والفيتنامية والإندونيسية، وهو أمر جدير بالملاحظة لأن الجانب النصي يدرجها.

• الترخيص — LFM Open License v1.0. يُسمح بالاستخدام التجاري عند بلوغ الإيرادات السنوية أقل من 10,000,000 دولار؛ وفوق ذلك، ينص نص الترخيص على أن الاستخدام التجاري "غير مرخّص بموجب هذه الاتفاقية".

الصوت هو الادعاء الجدير بالاختبار

السبب في اختيار نقطة الحفظ هذه بدلاً من d1-2B هو الصوت. وتضع Liquid AI هذه النقطة في موقع مخصص لـ"توجيه المكالمات والرسائل الصوتية وأحداث الصوت"، وتحمل بطاقة النموذج الدليل الوحيد الذي كان منشور الإطلاق سيبدأ به عادةً: مقارنة بين المنطوق والمكتوب على العناصر نفسها.

• توجيه الأعمال وفرزها (DecisionBench، Hanno Labs v1) — 83.4 كتابيًا، 78.2 شفهيًا.

• حالات خدمة العملاء (قرارات مكتوبة) — 50.5 مكتوبة، 48.0 منطوقة.

• JevBench v1.4.1، الصفوف التي يمكن للصوت أن ينطقها — 87.6 في الكتابة، و89.0 في النطق، أي أن التشغيل المنطوق سجّل نتيجة أعلى قليلًا، وهذا ضجيج إحصائي لا مكسب.

• أحداث صوتية (ESC-50) — 84.5، دون مقابل مكتوب.

• التعرّف على اللغة المنطوقة (FLEURS، 43 لغة) — 92.5.

تلك الأرقام تدعم العرض الترويجي. أما بقية قسم الصوت فهي الجزء الذي يخبرك بأين لا تبني، وهو صريح على نحو غير معتاد في بطاقة مورّد. تنخفض الحالات القصيرة المنطوقة من 42.0 مكتوبة إلى 22.8 مسموعة. وتنخفض مقاطع Belebele بثماني لغات من 83.6 إلى 41.8. وتذكر البطاقة بصراحة أن المقاطع المنطوقة الطويلة تفقد قدرًا كبيرًا من دقتها، «لا سيما خارج اللغات ذات الكتابة اللاتينية»، وتوجّه كل من لا يملك إدخالًا صوتيًا إلى d1-2B بدلًا من ذلك، وتقول إنه أقوى في النصوص والمربعات المفردة، ويُبلِغ عن القيم المفقودة على نحو أكثر تكرارًا ومعايرته أفضل.

إذا قُرئت معًا، فإن تلك الصفوف تصف نموذجًا بارعًا في العبارات القصيرة القابلة للتوجيه باللغات الرئيسية، وأضعف بكثير في أي شيء يتطلب الاحتفاظ بحالة منطوقة طويلة. فرز مكالمات مراكز الاتصال يناسب ذلك. أما اجتماع مسجّل مدته أربعون دقيقة فلا يناسب ذلك.

لوحة النتائج خاصة بالمورّد، وقد تغيّر إصدار الفهرس.

كل رقم أداء على هذا النموذج هو من Liquid AI نفسها. البطاقة صريحة بشأن المنهجية: جُمّعت نماذج d1 الأربعة على العناصر نفسها وباستخدام التقييم نفسه، لذا تختلف بعض الأرقام اختلافًا طفيفًا عن البطاقات الفردية التي جاءت منها. ولا تذكر أن طرفًا ثالثًا أعاد إنتاج أي من ذلك، ولا يوجد تقييم مستقل لـ d1-Omni-2B حتى وقت كتابة هذا النص.

• مجموعة Decision Index العامة، الإصدار 0.3 — 49.0 لـ d1-Omni-2B، مقابل 51.1 لـ d1-2B، و49.0 لـ d1-3B و18.3 لـ d1-omni-600M.

• DecisionBench (Hanno Labs) v1 — 76.4، مقابل 77.1 و73.1 و58.7 على الترتيب.

• decisionbench.ai v4 — 84.7، مقابل 85.2 و83.6 و57.9.

• ImajevBench v2.0-lite — 72.3، مقابل 75.5 و64.0 و21.7.

• لوحة اختبارات الأداء الخاصة بالشركة المصنّعة نفسها، والتي تضم أكثر من مئة اختبار — 61.8، مقابل 63.2 و58.8 ودون نتيجة لطراز 600M.

• متوسط أداء الرؤية عبر 18 معيارًا من معايير تقييم الصور — 67.7، مقابل 70.2 و65.4 و42.8.

فخّ واحد يكمن في وسط هذا. ذكر منشور 7 أكتوبر أن d1-omni-600M سجّل 15.95 على Decision Index v0.2.1. وتذكر البطاقة الجديدة أنه عند 18.3 على v0.3. هاتان مجموعتان مختلفتان، والفرق ليس مكسبًا في القدرات؛ لا تطرح إحداهما من الأخرى. المقارنة العادلة الوحيدة هي تلك التي أجرتها البطاقة فعليًا، مع إعادة تقييم النماذج الأربعة جميعها على العناصر نفسها.

النمط الذي يبقى بعد إعادة التقييم هو أن d1-Omni-2B يقع أدنى بقليل من d1-2B في كل شيء تقريبًا، وأعلى من الجيل السابق بفارق كبير. وتصوغه Liquid AI على أنه يتفوق على d1-3B في لوحة قرارها وفي 16 من أصل 18 من معايير تقييم الصور عند 70% من المعلمات، وهذا صحيح بالنسبة للجدول كما هو مطبوع، وهو أيضًا مقارنة بنموذج استبدلته العائلة الآن.

ما لا يجيب عنه المستودع

لا تزال خمسة أسئلة مفتوحة، ولا تُجاب أيٌّ منها بقراءة الأوزان.

• الوصول المستضاف والسعر. يقول منشور LFM3 إن النماذج الأساسية والمدربة لاحقًا متاحة على Hugging Face وPlayground وواجهة Liquid AI API. غير أن جدول وثائق نماذج القرار يدرج d1-Omni-2B كأوزان مفتوحة ويخصص صفوفه الخاصة بالاستضافة فقط لـ d1.1 وd1-ultra، وتذكر صفحة نموذج Hugging Face أن «هذا النموذج لا يتم نشره بواسطة أي Inference Provider». لم يُنشر أي سعر لكل استدعاء لهذه النقطة في أي مكان تمكّن هذا المقال من العثور عليه، لذا تعامل مع الوصول المستضاف باعتباره محتملًا لكن غير مؤكد.

• بيانات التدريب. لا تقدّم البطاقة أي مجموعة بيانات، ولا أي تكوين، ولا أي وصف لمجموعة البيانات. وتذكر اختبارًا على مقاطع وأصوات «لا يتضمّنها أي صف تدريبي»، وهو ما يفترض وجود مجموعة تدريب ولا يقول شيئًا عمّا تحتويه.

• التكميم. يوفّر المستودع الرئيسي BF16، وتنشر Liquid AI ثلاث نسخ شقيقة: MLX fp16، وMLX 8-bit، وتصدير ONNX. لا يوجد GGUF من المورّد، رغم أن مكتبة d1-omni لدى Ollama تحمل وسم 2b عند 4.4GB وسياق 125K، وحجمها قريب بما يكفي من نقطة التحقق BF16 بحيث لا يبدو تكميمًا عدوانيًا.

• تقييم مستقل. لا يوجد. كل رقم أعلاه مصدره المورّد، باستخدام أداة التقييم الخاصة به وعلى لوحته الخاصة.

• ما إذا كان سيحل محل d1-omni-600M. توصي البطاقة باستخدام d1-2B بدلاً من هذا النموذج عندما لا يكون هناك صوت، وتوصي بهذا النموذج بدلاً من d1-2B عندما يكون هناك صوت. ولا تذكر شيئًا عن مستقبل نقطة التحقق 587M، ولم تُوقف Liquid AI دعمه.

تشغيله، وتكلفته من حيث العتاد

مسار الاستدلال هو Transformers 5.19 أو أحدث مع trust_remote_code، والاستدعاء هو model.system_one(state, questions, media). لا توجد معاملات أخذ عينات لضبطها، لأنه لا يتم أخذ أي عينات. يستغرق التحويل البرمجي نحو دقيقة عند الاستدعاءات الأولى؛ بعد ذلك تُبلغ البطاقة عن 5.8 ms لسؤال واحد و7.7 ms لثلاثة أسئلة على H100 PCIe، و3.7 ms و5.6 ms على AMD MI325X، و21.1 ms و28.9 ms على Apple M5 Pro. تكلّف حالة بطول 5K رمزًا 52 ms على H100. تكمن الإنتاجية في المعالجة على دفعات: 1,154 حالة في الثانية على H100 و1,697 على MI325X مع 64 حالة في استدعاء واحد.

بالنسبة لطراز في هذه الفئة، هذه الأرقام هي الحجة. فهو لا ينافس طراز محادثة على الجودة؛ بل ينافس مجرد تشغيل طراز محادثة من الأساس. فتمريرة أمامية تستغرق 5.8 ms وتعيد احتمالًا معايَرًا تُعد بندًا مختلفًا عن استدعاء توليدي يعيد فقرة يتعين عليك بعد ذلك تحليلها.

حيث تنتهي مرحلة القرار ويبدأ باقي خط المعالجة

نموذج كهذا يقوم بقفزة واحدة. يحوّل تذكرة أو تسجيل مكالمة أو إطار كاميرا إلى تسمية ودرجة ثقة، ثم يجب أن يتصرف شيء ما بناءً على تلك التسمية — صياغة الرد، أو تصعيد الحالة، أو استدعاء API. لا يوجد أي نموذج من Liquid AI في كتالوج OrcaRouter، لذا فإن القفزة الثانية هي حيث يقع منتجنا فعليًا: نماذج التوليد التي تستهلك القرار تمر عبر مفتاح واحد متوافق مع OpenAI يغطي أكثر من 200 نموذج، بسعر القائمة الخاص بكل مزوّد، ويُمرَّر دون أي هامش ربح (0%)، مع تحويل تلقائي عند الفشل عندما يصل الطلب إلى مزوّد يمر بلحظة سيئة. نموذج القرار هو الجزء الرخيص والسريع والحتمي. يجدر ربط الجزء المكلف وغير الحتمي بشيء قادر على إعادة المحاولة.

ما الذي سيحسم الأمر؟

ثمة ثلاثة أمور ستنقل d1-Omni-2B من "واعد" إلى "جدير بالتوصية"، ولا يتطلب أيّ منها تدوينة أخرى. الأول هو تشغيل مستقل لمجموعة اختبارات الصوت على عتاد لا يتحكم به المورّد — فالفارق بين 22.8 و42.0 في الحالات القصيرة المنطوقة هو الرقم الأرجح أن يتغيّر تحت ميكروفون شخص آخر. والثاني هو سعر منشور للوصول المستضاف، الذي بدون تحديده لا يمكن إتمام حساب البناء مقابل الشراء. والثالث هو مقارنة مباشرة مع d1-2B على المهام نفسها التي تتضمن صوتًا، لأن التوصية الواردة في البطاقة نفسها — باستخدام 2B omni فقط عندما يتضمن الإدخال صوتًا — هي الجملة الأكثر فائدة فيها، وهي أيضًا الجملة التي لم يختبرها أحد خارج Liquid AI.