Granite Switch 4.1 8B مقابل LFM2.5 2.6B Base: هل هناك خيار حقيقي هنا؟

هذا هو الاقتران في المجموعة الذي يبدو أبعد ما يكون عن مواجهة عادلة، لذا دعنا نتعامل مع ذلك فورًا بدلًا من التظاهر بخلاف ذلك. Granite Switch 4.1 8B هو نقطة تحقق مُركَّبة بـ 8.78 مليار معامل نشرتها IBM في 14 أكتوبر 2026: نموذج Granite 4.1 8B مُجمَّد مع مُهايئين قابلين للتبديل ومُشفِّر صوتي، يقوم بالمحادثة وتقييم القرارات والنسخ من نقطة نهاية واحدة. LFM2.5 2.6B Base هو نموذج نصي مُدرَّب مسبقًا بـ 2.69 مليار معامل نشرته Liquid AI في 1 أغسطس 2026، مُصمَّم خصيصًا للنشر على الأجهزة — والأهم من ذلك، تقول بطاقة النموذج الخاصة به إنه نقطة تحقق أساسية "يُوصى بها فقط للمهام التي تتطلب ضبطًا دقيقًا مكثفًا". ومقارنتهما كما لو كان أحدهما قادرًا على استبدال الآخر خطأ فئوي. أما مقارنتهما فتخبرك بشيء أكثر فائدة: أين تقع في الواقع حدود كل منهما، ولماذا لن يختار أحد تقريبًا بين هذين الاثنين.

إذن هذه ليست مسابقة تنافسية. إنها خريطة للقرار الذي ستتخذه فعليًّا — ذاك القرار الذي يكون لديك فيه هدف على الحافة وهدف على الخادم، وتحاول تحديد أي نموذج يحلّ في أي موضع.

ما هو الغرض من كل واحد

LFM2.5 2.6B Base بنية هجينة، والهجين هو المقصد. ثلاثون طبقة، 22 منها كتل التفاف قصير مزدوجة البوابات و8 منها انتباه استعلام مجمّع — لذا فإن معظم المكدس التفاف وليس انتباهًا، وهو ما يحافظ على انخفاض بصمة الذاكرة والتكلفة لكل رمز على الأجهزة الصغيرة. حجم مخفي 2,048، و32 رأس استعلام مقابل 8 رؤوس KV، وسياق من 131,072 رمزًا، ومفردات من 128,000 رمز، وميزانية تدريب مسبق تبلغ 34 تريليون رمز. تُدرَج ستة عشر لغة: الإنجليزية، والعربية، والصينية، والفرنسية، والألمانية، والإيطالية، واليابانية، والكورية، والبرتغالية، والإسبانية، والفيتنامية، والتايلاندية، والإندونيسية، والهندية، والروسية، والبولندية. تصف Liquid هذه العائلة بأنها مبنية للنشر على الأجهزة، وتطرح نموذج instruct الشقيق بصيغ GGUF وONNX وMLX إلى جانب نقطة التحقق الأصلية.

Granite Switch 4.1 8B هو الغريزة المعاكسة مطبَّقة على المشكلة المعاكسة. فبدلًا من تصغير النموذج، يحتفظ بعمود فقري نصي كبير نسبيًا ويضيف القدرات جانبيًا. القاعدة هي Granite 4.1 8B: 40 طبقة، وحجم مخفي 4,096، و32 رأس استعلام مقابل 8 رؤوس KV، ونافذة من 131,072 رمزًا، ومفردات من 100,352 رمزًا. وفوق ذلك تأتي guardian-core، وهي محول LoRA مُنشَّط برتبة 16 فوق إسقاطات الانتباه يكتشف الضرر، وكسر الحماية، والكلام البذيء، والعنف، والمحتوى الجنسي، والتحيز الاجتماعي، والسلوك غير الأخلاقي؛ decision، وهي محول برتبة 64 فوق الإسقاطات السبعة جميعها يعيد softmax معايَرًا فوق رموز الخيارات الموسومة في تمريرة أمامية واحدة؛ وGranite Speech 5.0 TurboCTC، وهو مُشفِّر conformer غير انحداري ذاتي بمعاملات 470M للنسخ. الإجمالي المُركَّب هو 8,776,400,896 معامل مقابل قاعدة من 8,380,551,168 — بزيادة قدرها 4.72%.

البُعد الذي يحسم الأمر: instruct مقابل base

إن أكبر فرق منفرد بين نقطتي الحفظ هاتين ليس الحجم أو البنية، بل إن إحداهما نموذج مكتمل والأخرى مادة خام.

يأتي Granite Switch 4.1 8B جاهزًا للاستدعاء. المهايئات مُدمَجة فيه، ورموز التحكم موصولة عبر قالب المحادثة، ووصفات الاستدعاء الخاصة بمهايئ القرار موثّقة مع كود عامل، وبطاقة النموذج تسرد إصداري Transformers وvLLM المحددين اللذين يريدهما. تحمّله، وتشغّله، فيؤدي المهام الثلاث.

لا يفعل LFM2.5 2.6B Base أيًا من ذلك، بحكم التصميم. وتوجيهات Liquid نفسها تقول إن نقطة التحقق هذه مخصّصة لـ "المساعدين المخصّصين للغة معيّنة (مثل اليابانية) أو لمجال معيّن (مثل المجال الطبي)، أو التدريب على بيانات خاصة، أو تجربة أساليب جديدة للتدريب اللاحق" — وإذا كان ما تريده هو نموذج يجيب عن الأسئلة جاهزًا للاستخدام، فإن بطاقة النموذج تشير بدلًا من ذلك إلى النظير الخاضع للتدريب اللاحق. لا يمتلك نموذج الأساس سلوك اتباع التعليمات للمقارنة، ولا مواءمة، ولا انضباط قالب الدردشة. ضع الاثنين في التقييم نفسه، وسيبدو نموذج Granite أفضل بشكل هائل لسبب لا علاقة له بأيّهما النموذج الأفضل: أحدهما خضع للتدريب اللاحق والآخر لم يخضع له.

• المعاملات — 8.78 مليار عند التركيب مقابل 2.69 مليار.

• الطبقات — 40 كتلة محوّل كثيفة مقابل 30 هجينة (22 من التفاف قصير مزدوج البوابة + 8 GQA).

• السياق — 131,072 رمزًا مقابل 131,072 رمزًا. تعادل تام، وهو أمر غير معتاد ويستحق الملاحظة.

• المفردات — 100,355 (ثلاثة معرّفات محجوزة للمهايئات) مقابل 128,000.

• الأنماط — نص وصوت كمدخل، ونص كمخرج مقابل نص فقط.

• نوع نقطة الحفظ — مُركّب، مُدرَّب لاحقًا، جاهز للاستدعاء مقابل نموذج أساسي مُدرَّب مسبقًا للضبط الدقيق.

• الترخيص — Apache-2.0 مقابل رخصة LFM 1.0، وهي ليست Apache. هذا التمييز مهم تجاريًا ويسهل تفويته.

• الأدلة المنشورة — مؤشر قرار واحد يديره المورّد بنتيجة إجمالية 42.9، ولا يوجد تقييم مستقل، مقابل عدم وجود معيار مرجعي عام مماثل لنقطة التحقق الأساسية.

ما الذي يمنحك إياه 2.69B ولا يستطيع 8.78B منحه

قابلية النقل، وهي ليست ميزة هامشية. نموذج بحجم 2.69 مليار معلمة، تتكوّن 22 من طبقاته الثلاثين من التفافات قصيرة، مصمم ليعمل على جهاز — حاسوب محمول، أو SoC من فئة الهواتف، أو نظام مدمج — وتوفّر Liquid نسخًا مكمّمة بصيغ GGUF وONNX وMLX لهذا الغرض تحديدًا. أما نقطة التحقق المركّبة بحجم 8.78 مليار معلمة مع مُشفّر كلام بحجم 470 مليون، فهي منتج من جانب الخادم: يعمل على وحدة معالجة رسومات، داخل حاوية، خلف نقطة نهاية.

هذا يعني أن أشكال النشر لا تتقاطع: أحدها للحالة التي لا يمكن فيها للطلب مغادرة الجهاز، والآخر للحالة التي يمكنه فيها ذلك. وإذا كان القيد هو «لا شبكة»، فقد انتهت المقارنة قبل أن تبدأ، ولا يغيّرها أي قدر من التركيب. أضف إلى ذلك نقطة الترخيص — LFM 1.0 بدلاً من Apache-2.0 — وعندها تكون نقطة تفتيش 2.6B هي التي ستختارها عندما تنوي ضبط نموذجك الخاص على بياناتك الخاصة وتطلقه ضمن منتج، بينما Granite Switch هو الذي تختاره عندما تريد ثلاث قدرات اليوم بموجب ترخيص متساهل.

ما الذي يمنحك إياه التركيب ولا تستطيع 2.69B تحقيقه؟

ثلاث مهام من نقطة نهاية واحدة، واحتمال بدلًا من إجابة.

مهايئ القرار هو الجزء الذي لا نظير له على الجانب الآخر. عند إعطائه حالةً وسؤالًا بخيارات موسومة، يعيد softmax مُعايرًا على تلك الوسوم في تمريرة أمامية واحدة — فالاستدعاء الموثّق يطلب من vLLM لوغاريتمات الاحتمال (logprobs) لمعرّفات رموز الوسوم بالضبط عبر logprob_token_ids ثم يرفعها أُسِّيًّا، ما يعطي خرجًا على الشكل A: 0.982، B: 0.0035، C: 0.014. تمنحك المطالبات رمزًا؛ أما هذا فيمنحك رقمًا يمكنك تطبيق عتبة عليه، وحساب متوسطه، وأخذ لوغاريتمه. وهناك أيضًا تفصيل موثّق يجدر معرفته قبل أن تبني عليه: يحدّ vLLM logprob_token_ids عند 128 معرّفًا لكل طلب، لذا فإن سؤالًا فيه أكثر من 128 خيارًا يحتاج إلى تقسيم معرّفات وسومه إلى مجموعات من 128، مع طلب واحد بالمطالبة نفسها لكل مجموعة، وتُدمج النتائج ويُطبّق softmax واحد على مجموعة الوسوم الكاملة. ولأن لوغاريتمات الاحتمال المُعادة تشمل المفردات الكاملة، فإن قيمة كل وسم مستقلة عن المجموعة التي طلبتها، لذا تكون النتيجة المجزأة مطابقة رياضيًا لاستدعاء بلا حد أقصى.

الصوت على نفس نقطة النهاية هو الثاني. أرسل input_audio كجزء محتوى على إكمال دردشة عادي، فيقوم المُرمِّز 470M بنسخه نصيًا قبل دمج النص المنسوخ في السياق. تحذيرات IBM محددة وتستحق التكرار: الإخراج بالإنجليزية فقط، وبأحرف صغيرة، وبلا علامات ترقيم، كما أن المُرمِّز والنموذج اللغوي غير مُدرَّبين معًا — لا يوجد إسقاط مُدرَّب يقرنهما، لذا يمكن أن يغيّر خطأ في النسخ النصي بصمت ما يستجيب له النموذج. النموذج الطرفي الذي لا يملك مسارًا صوتيًا على الإطلاق لديه مشكلة مختلفة، لا انعدام مشكلة.

ومُهايِئ الأمان هو الثالث: مصنّف للضرر وتجاوز الحماية يعمل على نفس نقطة التحقق، ويُفعَّل بواسطة رمز تحكُّم يُدرجه قالب الدردشة عندما تمرِّر adapter_name، بدلاً من نموذج ثانٍ لتنشره وتدفع ثمنه.

أين يندرج جهاز التوجيه عندما تكون الإجابة «كلاهما»

النسخة الواقعية من هذه المقارنة تنتهي بوجود الطرازين داخل المنتج نفسه. LFM2.5 2.6B Base، مُضبَّط بدقة، على الجهاز، يتولى ما لا يمكن أن يغادره؛ وGranite Switch 4.1 8B، مُستضاف ذاتيًا، يتولى القرارات والنسخ الكتابي على جانب الخادم. هذه بنية من طبقتين، والسؤال التشغيلي الذي تطرحه هو ما يحدث عند خط الالتحام — طراز على الجهاز يفشل، خادم مشبع، طلب يحتاج إلى الانتقال إلى شيء آخر. لا توجد أي من نقطتي الحفظ في كتالوج OrcaRouter اليوم، لذا لسنا الطريق للحصول على أيٍّ منهما؛ النقطة التي نصبح فيها ذوي صلة هي سلسلة الاحتياط خلفهما. مفتاح API واحد يغطي أكثر من 200 طراز مستضاف مع تجاوز فشل تلقائي، ولغة توجيه DSL تتيح لك تركيب عدة طرازات في نداء واحد بدلًا من تفريع الطلبات يدويًا، وسعر قائمة المزوّد يُمرَّر كما هو دون أي هامش ربح بحيث يصبح تخفيض سعر البائع ساريًا في اليوم نفسه. img src="4.png" alt="لقطة شاشة لكتالوج طرازات OrcaRouter، بعنوان 210 طرازات، 16 مزوّدًا، مفتاح API واحد، فاتورة واحدة، مع تصنيفات الوسائط تُظهر 173 نصًا، و12 صورة، و5 تضمينات، و10 فيديو، و10 طرازات تحويل نص إلى كلام، وشريط تصفية جانبي لوسائط الإدخال، وطول السياق، وسعر الإدخال، والحالة، وفئة الوصول، والسلسلة، والمعاملات المدعومة، وقائمة مرتبة من الأحدث إلى الأقدم لبطاقات الطرازات تبدأ بـ OrcaCyber Zero 1.5 وOpenAI GPT-6.1 Sol وAnthropic Claude Sonnet 5.5 مع أسعار الإدخال والإخراج لكل مليون رمز." /> هذه هي الطبقة التي تجعل تصميمًا من طبقتين قابلًا للاستمرار بدلًا من كونه هشًا، ويستحق أن يكون قائمًا قبل أن تبدأ طبقة الحافة بالفشل في الميدان.

الحكم، كما هو

اختر LFM2.5 2.6B Base إذا كنت ستجري ضبطًا دقيقًا، أو إذا كان الاستدلال لا بد أن يحدث على الجهاز، أو إذا كانت بصمة 2.69B هي القيد الصارم. اختر Granite Switch 4.1 8B إذا كنت تحتاج إلى توزيع قرارات معاير، أو مصنّف أمان مدمج، أو نسخ من نفس نقطة النهاية المستخدمة للمحادثة، وإذا كانت حاوية مدعومة بوحدة معالجة الرسومات (GPU) مقبولة. إن التداخل بين حالتي الاستخدام هاتين يقترب من الصفر، ولهذا فإن الإجابة الصادقة عن سؤال «أيهما يفوز» هي أن السؤال مصوغ بشكل خاطئ — ولهذا فإن الشيء الأكثر فائدة الذي يمكنك أخذه معك هو أن نقطة تحقق أساسية بحجم 2.69B ونموذج تعليمي مُركّب بحجم 8.78B ليسا نقطتين على خط جودة واحد. إنهما منتجان مختلفان يتصادف أن يكون لهما عددان متجاوران من المعاملات.