Fibo 2.0 مقابل LFM2.5 2.6B Base: 2.7 مليار معامل من النص، أم 8.1 مليار معامل من الصور؟

فجوة الحجم هي أول ما يلاحظه أي أحد، وأقل ما فيه فائدة. يحمل Fibo 2.0، الذي أطلقته Bria في 20 أكتوبر 2026، 8,127,342,213 معاملًا ويُعيد صورًا. أما LFM2.5 2.6B Base، الذي أطلقته Liquid AI في 1 أغسطس 2026، فيحمل 2.69 مليار معامل ويُعيد نصًا — وليس نصًا مكتملًا، بل سلوك الاستمرار الخام لنقطة تحقق أساسية مُدرَّبة مسبقًا دون أي ضبط بالتعليمات. السؤال عن أيهما أفضل يشبه السؤال عمّا إذا كانت الكاميرا أفضل من القاموس. أما السؤال الذي له إجابة فهو أضيق وأكثر عملية: كلٌّ منهما هو أصغر خيار مفتوح ذي مصداقية في مساره، ومعرفة أين يقع حدّ الأدنى في كل مسار تخبرك أيّهما يستبعده قيدك فعليًا.لا تسجّل أيٌّ من بطاقتي الطراز ما يحدث عندما يُنشَر نموذج كهذا على نحو سيئ، والحوادث المسجّلة مُفهرسة في أرشيف حوادث OrcaRouter AI حيث يحمل كل مدخل مصادره ودرجة خطورته ودرجة ثقته وعلامة كونه محل نزاع.

الأرضية، في كلا الاتجاهين

كلا النموذجين مثيران للاهتمام للسبب البنيوي نفسه — إذ يقع كلٌّ منهما قرب أدنى ما هو قابل للتطبيق في وظيفته — وهذا هو المحور الوحيد الذي يمكن مقارنتهما عليه على الإطلاق.

• المعلمات — Fibo 2.0 8,127,342,213 بصيغة BF16؛ LFM2.5 2.6B Base 2.69 مليار. نسبة تبلغ نحو ثلاثة إلى واحد في الأوزان، وهي تقريبًا النسبة نفسها في الذاكرة أيضًا.

• المخرجات — يُرجع Fibo 2.0 صورةً؛ أما LFM2.5 2.6B Base فيُرجِع رموزًا نصية ولا شيء غيرها.

• أين يعمل — يحتاج Fibo 2.0 إلى GPU ذات ذاكرة VRAM كافية لمحوّل انتشار من 44 كتلة عند 50 خطوة، أو أربع خطوات في نسخة Turbo؛ أما LFM2.5 2.6B Base فيأتي بصيغ GGUF وONNX وMLX ومصمَّم ليعمل على هاتف أو حاسوب محمول أو حاسوب أحادي اللوحة.

• حالة الضبط — إن Fibo 2.0 Dev نموذج أساسي غير مقطَّر يعتمد التوجيه الخالي من المصنِّف، وهو موثَّق لأغراض الضبط الدقيق؛ أما LFM2.5 2.6B Base فهو مدرَّب مسبقًا فقط، ولا يُبدي أي سلوك في اتباع التعليمات إلى أن يضبطه أحد.

• الترخيص — Fibo 2.0 هو CC BY-NC 4.0 للاستخدام غير التجاري، مع إتاحة الاستخدام التجاري بموجب اتفاق؛ LFM2.5 2.6B Base يخضع لترخيص LFM 1.0، الذي يسمح بالاستخدام التجاري وفقًا لشروطه الخاصة.

• النتائج — يسجّل Fibo 2.0 نتيجة 1,087.05 إيلو في AA-Image-Editing v2.1، وهو الأول بين الأوزان المفتوحة؛ ويحمل LFM2.5 2.6B Base مؤشر ذكاء تقديريًا قدره 8.39، وGPQA بنسبة 55.8%، وTerminal-Bench 2.1 بنسبة 4.5% وHLE بنسبة 6.2%.

لا يمكن وضع هذين السطرين من الدرجات في الجملة نفسها على سبيل المقارنة. أحدهما درجة تفضيل جماهيري على صور مُصيَّرة؛ والآخر درجة مركّبة على معايير نصية. والاستخدام الأمين الوحيد لكليهما هو وصف الغرض من كل نموذج.

ما حقيقة نقطة التفتيش الأساسية، لأن الاسم مضلِّل

"Base" في LFM2.5 2.6B Base ليست طريقة متواضعة لقول "قياسي". بل تعني أن النموذج دُرِّب على 34 تريليون رمز من التنبؤ بالرمز التالي ولا شيء غير ذلك — لا ضبط بالتعليمات، ولا قالب محادثة، ولا سلوك رفض، ولا إدراك بأن السؤال سؤال. أعطه "لخّص هذا البريد الإلكتروني:" وسيواصل السلسلة بالأسلوب الذي توحي به بيانات التدريب المسبق، وقد يكون بقية سلسلة بريد إلكتروني بدلًا من ملخص.

هذا يجعله نقطة بداية جيدة ومنتجًا ضعيفًا. توفره Liquid AI لمن يعتزمون الضبط الدقيق، وقد اختيرت البنية لهذه المهمة: 30 طبقة، و22 التفافًا قصيرًا مزدوج البوابات و8 طبقات انتباه مجمّعة الاستعلامات، ومفردات بحجم 128K، وسياق من 131,072 رمزًا، وتغطية 16 لغة في التدريب المسبق. المكدس كثيف الالتفافات هو سبب ملاءمته للهاتف — فكلفة الانتباه تنمو مع السياق بينما لا تنمو كلفة الالتفافات، وهذه هي فرضية التصميم بأكملها.

• المعمارية — 30 طبقة: 22 كتلة التفاف قصيرة مزدوجة البوابات و8 كتل GQA، ومفردات من 128K.

• التدريب — 34 تريليون رمز، 16 لغة، مُدرَّب مسبقًا فقط.

• السياق — 131,072 رمزًا، وهو العدد الذي صُممت حزمة الالتفاف لجعله ميسور التكلفة.

• الصيغ — GGUF وONNX وMLX، لذا فإن llama.cpp وONNX Runtime وApple silicon جميعها أهداف من الدرجة الأولى.

• ما لا يفعله — اتباع التعليمات، أو إدارة محادثة، أو إنتاج أي شيء عدا تكملة نصية، إلى أن تضبطه.

إن المقارنة بنقطة تفتيش Dev الخاصة بـ Fibo 2.0 أقرب مما تبدو للوهلة الأولى. فـ Fibo 2.0 Dev هو أيضًا نموذج أساس — غير مقطّر، ويعمل بـ 50 خطوة مع التوجيه الخالي من المصنّف عند 5.0، وهو صراحةً نقطة التفتيش التي تشير إليها Bria للضبط الدقيق. ويقدّم كلا المشروعين هدفًا للضبط إلى جانب منتج قابل للاستخدام، أو بدلًا منه. والفرق هو أن Fibo 2.0 Edit Turbo موجود بوصفه النسخة القابلة للاستخدام من الأوزان نفسها، مقطّرًا إلى أربع خطوات دون توجيه، بينما يجب ضبط LFM2.5 2.6B قبل أن يصبح قابلًا للاستخدام على الإطلاق.

الترخيص والتكلفة الفعلية لـ"المفتوح"

يمكن تنزيل كلا النموذجين. لكن ما يُسمح لك بفعله بهما يختلف اختلافًا حادًا، وفي اتجاه يقلب الحدس المعتاد بشأن الحجم: النموذج الصغير هو القابل للاستخدام تجاريًا.

• Fibo 2.0 — CC BY-NC 4.0 للاستخدام غير التجاري. يتطلب الاستخدام التجاري اتفاقًا منفصلًا مع Bria. مستودع Hugging Face مقيّد بنموذج يحدد الشركة والاستخدام المقصود.

• LFM2.5 2.6B Base — ترخيص LFM 1.0، الذي يسمح بالنشر التجاري وفق شروطه الخاصة. لا توجد مفاوضات لكل استخدام، رغم أن الشروط ليست Apache-2.0 وتستحق القراءة بدلاً من الافتراض.

• لماذا يكون شرط Bria على ما هو عليه — فمجموعة بيانات التدريب تضم نحو مليار صورة مرخّصة دفعت الشركة ثمنها. إن توفير أوزان مجانية تتيح لأي طرف أن ينافس واجهة Bria البرمجية الخاصة بها بأسعار أدنى على تلك المجموعة من شأنه أن يفرّط في الأصل الذي اشترته تلك المجموعة.

• الفصل العملي — يمكن لخط بحث داخلي استخدام كليهما غدًا. يمكن لمنتج جاهز للشحن تضمين LFM2.5 2.6B Base في جهاز غدًا، ولا يمكنه شحن Fibo 2.0 دون توقيع.

هذا ليس انتقاصًا من Bria. بل هو هيكل التكلفة الخاص بالمشكلتين. دربت Liquid AI على النصوص، ومعظمها مجاني الترخيص؛ بينما دربت Bria على الصور الفوتوغرافية، ولا شيء منها كذلك. تتبع شروط الترخيص بيانات الإدخال، لا جودة النموذج، وهذا هو الموضع الصحيح الذي ينبغي أن تتبعه فيه.

نقطة التقائهما: المساعد الموجود على الجهاز الذي يصف قبل أن يعرض.

ثمة بنية واحدة ينتمي فيها هذان النموذجان إلى النظام نفسه، وهي السبب في أن هذا المقال مقارنة لا استبعاد. يأخذ مسار التكييف في Fibo 2.0 وصفًا JSON منظمًا — VGL، وهي Bria's Visual GenAI Language — بحقول مسماة للموضوع والتكوين والإضاءة والكاميرا والأسلوب والنص داخل الصورة. إن نموذجًا نصيًا بحجم 2.6B يتّسع على الجهاز الذي يلتقط الصورة هو بالضبط النوع الذي يمكنه كتابة ذلك JSON محليًا، دون رحلة ذهاب وإياب.

إن كونه قادرًا على ذلك مسألة مختلفة عن كونه ينبغي له ذلك. نموذج أساسي مُدرَّب مسبقًا بمؤشر مقدَّر قدره 8.39، وGPQA بنسبة 55.8% وHLE بنسبة 6.2% لن يُخرج بموثوقية JSON صالحًا وفق المخطط من صورة فوتوغرافية من دون ضبط دقيق خاص بالمهمة — والضبط الدقيق له على مدونة VGL مهمة محددة جيدًا وبحجم نموذج صغير. هذه هي النسخة الصادقة من حجة الالتقاء في المنتصف: LFM2.5 2.6B Base ركيزة معقولة لكاتب تعليقات مُضبَّط بدقة، لا لكاتب جاهز للاستخدام دون تعديل.

• ما الذي يقدمه طراز 2.6B — يعمل حيث تُلتقط الصورة، بأوزان تقل عن 3 غيغابايت، بلا شبكة، وبلا تكلفة لكل استدعاء.

• ما تحتاجه أولًا — الضبط الدقيق الخاضع للإشراف على أمثلة بصيغة VGL، إضافةً إلى فك الترميز المقيّد أو قواعد JSON لضمان مخرجات صالحة.

• ما يقدّمه محرّك العرض — لا يزال بحاجة إلى وحدة معالجة رسومات. النصف الخاص بالجهاز يصف، والنصف الخاص بالخادم يرسم. وهذا هو التقسيم الوحيد الذي ينجح اليوم.

• ما الذي يُفسد الفكرة — إذا كان لا بدّ أن يكون التعليق جيدًا، فإن نموذجًا متعدد الوسائط من فئة 12B يقرأ الصورة المصدر على نحو أفضل مما يستطيع نموذج نصي بحجم 2.6B، لأن نموذج 2.6B لا يستطيع رؤية الصورة إطلاقًا.

تلك النقطة الأخيرة هي التي تحسم معظم التصاميم الواقعية. فنموذج LFM2.5 2.6B Base مدخلاته نص ومخرجاته نص. يمكنه كتابة تعليق VGL انطلاقًا من موجز مكتوب؛ لكنه لا يستطيع النظر إلى الصورة التي يصفها. وعلى أي شخص يقرن بينهما أن يكون واضحًا بشأن أيٍّ من تلك المهام يشتريها فعليًا.

الحصول على كل واحد

يأتي Fibo 2.0 من واجهة برمجة تطبيقات Bria بسعر 0.032 دولار لكل صورة، ومن أداة الإنشاء المستضافة لدى Bria، عبر عُقد ComfyUI، أو كأوزان مقيّدة الوصول على Hugging Face. ويأتي LFM2.5 2.6B Base من Hugging Face بصيغ GGUF وONNX وMLX، دون أي تقييد على إصدار القاعدة. لا يوجد أي منهما في كتالوج OrcaRouter، ولا يحتاج أي من الادعاءين إلى تلطيف: فـ Fibo 2.0 نقطة نهاية للصور، وقاعدة 2.6B من Liquid نقطة تحقق قابلة للتنزيل، والموجّه لا يخدم أيًا منهما جيدًا.

ما يقدّمه الموجّه فعليًا هو كل ما يحيط بها. يشغّل OrcaRouter مفتاحًا واحدًا عبر أكثر من 200 نموذج مع أسعار قوائم المزوّدين الممرَّرة كما هي دون أي هامش ربح بنسبة 0%، لذا يظهر أي تغيير في أسعار أحد الموردين على جانب النصوص في اليوم الذي يحدث فيه. إذا كنت تبني خط أنابيب الضبط الدقيق لكاتب تعليقات VGL، فإن النموذج الذي يولّد أزواج تدريب اصطناعية والنموذج الذي يقيّمها يمكن أن يقفا معًا خلف ذلك المفتاح الواحد، مع التجاوز التلقائي للفشل أثناء التكرار ولغة التوجيه DSL لتوزيع اختبار قياسي عبر عدة نماذج في استدعاء واحد. يبقى محرك العرض ملكًا لـ Bria. حلقة الضبط هي حيث يثبت التوجيه جدارته.

القرار، بصيغة واضحة.

إذا كان قيدك هو أين يعمل النموذج، فإن LFM2.5 2.6B Base لا ينافس Fibo 2.0 — بل هو الوحيد من بين الاثنين الذي يعمل على الجهاز أصلاً، ومؤشره التقديري البالغ 8.39 هو سقف تختاره عن قصد مقابل ذلك. وإذا كان قيدك هو طبيعة المخرجات، فإن Fibo 2.0 هو الوحيد من بين الاثنين الذي ينتج المخرجات، وتصنيفه Elo البالغ 1,087 ضمن الأوزان المفتوحة هو أعلى مستوى مسجل حالياً لتحرير الصور القابل للتنزيل. لا أحد يختار بين هذين النموذجين. إنهم يختارون بين هدف نشر ومخرج تسليمي، وهذان قراران مختلفان تصادف أن وصلا ضمن أخبار الأسبوع نفسه.

السؤال المشترك حقًا الوحيد هو الترخيص، وهو يُحلّ بالطريقة نفسها لكلا نصفي بناء تجاري: قاعدة 2.6B قابلة للاستخدام وفق شروطها، ومُصيّر 8B يحتاج إلى موافقة Bria، وكون النموذج الأصغر هو الأكثر حرية حقيقة تتعلق ببيانات التدريب لا بالهندسة. خطط للمنتج على هذا الأساس، لا على أساس أعداد المعاملات.