HiRO-ACEv2 مقابل MathForm 8B: نموذجان ضيقان، ونوعان من الحقيقة المرجعية

لا HiRO-ACEv2 ولا MathForm-8B يحاولان أن يكونا نموذجين عامين، وقد بناهما فريقان قررا أن المسألة المثيرة للاهتمام كانت أضيق نطاقًا من روبوت محادثة. HiRO-ACEv2 هو محاكي مناخي من الجيل الثاني تابع لـ Ai2، نُشر على Hugging Face في 12 أكتوبر 2026 كمستودع بحجم 10.9 GB دون إعلان، إلى جانب ورقة أولية مؤرخة في اليوم التالي. MathForm-8B هو نموذج الأتمتة الصورية التابع لـ OpenBMB، أُنشئ في 14 أغسطس 2026 على بنية Qwen3-8B الأساسية، ويحوّل الرياضيات المكتوبة باللغة الطبيعية إلى عبارات Lean 4. أحد النموذجين ينتج غلافًا جويًا شبكيًا بدقة 3 كم؛ والآخر ينتج التزامًا برهانيًا صوريًا. سبب المقارنة بينهما ليس القدرة — فلا يوجد أي تداخل في استخداماتهما — بل الأمر الذي يزعمه كلاهما، والذي يتبين أنه يعني شيئًا مختلفًا جدًا في كل حالة: أن الآلة قادرة على معرفة ما إذا كان الناتج صحيحًا.

ما الذي يُخرجه كل نموذج فعليًا

يعمل HiRO-ACEv2 عبر مسار معالجة من مرحلتين. يولّد مُحاكٍ انحداري ذاتي X-SHIELD، النموذج العالمي القادر على حل العواصف، مُخَشَّنًا إلى 100 كم؛ ثم يقوم نموذج انتشار مُدرَّب بشكل منفصل بتصغير تلك الحالة الخشنة إلى 3 كم، مُنتِجًا معدلات هطول سطحية متوسطة كل ست ساعات، ورياحًا فورية شرقية وشمالية عند 10 أمتار، وضغط مستوى سطح البحر. يضم المستودع نموذج التصغير باسم HiROv2.ckpt بحجم نحو 1.28 GiB، والمُحاكي الخشن باسم ACE2S-X-SHIELD.ckpt بحجم نحو 2.98 GiB، إضافة إلى عشر سنوات من بيانات الإجبار NetCDF، وملفَّي شروط ابتدائية، وإعدادات YAML التي تربطها معًا.

يُصدر MathForm-8B نصًا، لكنه نوع محدد جدًا: عبارة مبرهنة Lean 4. تصفه البطاقة بأنه نموذج أتمتة صورية دُرّب على مجموعة بيانات FormalVerse الخاصة بـ OpenBMB، أولًا بالضبط الدقيق المُوجّه ثم بالتعلّم المعزّز الذي تأتي مكافأته من تجميع Lean وتغذية راجعة للاتساق الدلالي. وهو كثيف بحجم 8B، برخصة Apache 2.0، ويرث حجمه من قاعدته — Qwen3-8B — لا من أي عدد معلمات منشور خاص به. إعدادات التوليد الموصى بها هي درجة الحرارة 0.6، وtop-p 0.95، و16,384 رمزًا جديدًا، على خادم Transformers أو vLLM أو SGLang؛ ويحتاج التقييم إلى تشغيل Kimina Lean Server وLean 4.21.0.

كلاهما ضيّق بحكم التصميم. هذا هو أول تشابه حقيقي، وهنا تتوقف أوجه التشابه في الغالب.

نوعان من التحقق، ولماذا واحد فقط منهما يحسم الجدال

جانب Lean يمتلك مُدقّقًا حاسمًا. فعبارة المبرهنة إما أن تُترجم برمجيًا في Lean 4 وإما ألا تفعل، ومدقق الأنواع نظام حسابي ثابت — ليست له أيام جيدة وأيام سيئة، ولا يحتاج إلى معايرة. ولهذا يمكن لحلقة تدريب MathForm-8B أن تستخدم الترجمة البرمجية كإشارة مكافأة أصلًا. الأرقام المنشورة هي معدلات Pass@8 في وضعين، فحص الصياغة وفحص الاتساق، مُقيَّمة عبر ستة اختبارات مرجعية؛ ويستقر رقم فحص الصياغة عند 88.06% ورقم فحص الاتساق عند 72.37%. تلك هي أرقام المؤلفين أنفسهم، ولم يُعَد إنتاجها هنا، والفجوة البالغة ست عشرة نقطة بينهما هي أكثر ما يحمل معلومات على البطاقة: فعبارة تُترجم برمجيًا ليست كعبارة تقول ما قصدته المسألة الأصلية.

لا يملك الجانب المناخي مُتحقِّقًا كهذا. لا تحتوي بطاقة نموذج HiRO-ACEv2 على جدول معايير. وادّعاؤه الكمي الوحيد هو أن أداة الاختزال المكاني تعيد إنتاج توزيعات الهطول المرجعي والرياح عند 10 أمتار وضغط مستوى سطح البحر حتى المئين 99.9999، وأنها تتبع على نحو عام توزيع شدة الأعاصير المدارية المرجعي. وتضيف الورقة البحثية أن الاستدلال يكلّف أقل بأكثر من 300 مرة من نموذج عددي عالمي تقليدي لحل العواصف.

كل واحد من هذه ادعاء توزيعي مقابل مرجع، وليس اختبار نجاح أو فشل مقابل نظام حسابي. هذا التمييز يحدد كم من الوقت يظل كل ادعاء صامدًا دون طعن. يمكنك تكذيب رقم MathForm-8B بتشغيل النموذج مقابل المعايير مع خادم Lean ووحدة معالجة رسومات. أما تكذيب رقم HiRO-ACEv2 فيتطلب مجموعة بيانات إجبار لعشر سنوات، ومحاكاة مرجعية للمقارنة بها، ومحللًا مستعدًا للعمل في الذيل المتطرف. الأول عمل أسبوع لطالب دراسات عليا. الثاني ورقة بحثية.

ما الذي سيقوله لك الموردون وما الذي لن يقولوه لك

بطاقتا النموذج لهما طبعان متعارضان، وقراءتهما جنبًا إلى جنب مفيدة في بيان الغرض الذي تخدمه البطاقة.

بطاقة OpenBMB هي ورقة ادعاءات تتضمن قسمًا للقيود. فهي تقدّم مجموعة بيانات التدريب، وبنية المكافأة، ومعاملات أخذ العينات الموصى بها، وإصدار Lean الدقيق، وشكلًا بيانيًا يبلّغ عن Pass@8 عبر ستة معايير تقييم — وإن كان من الجدير بالملاحظة أن الأرقام موجودة في صورة وليس في النص، لذلك فإن أي شخص يقوم بكشط الصفحة برمجيًا سيجد الطريقة موصوفة بعناية والنتائج غير موجودة إطلاقًا. وما لا تقدّمه هو تاريخ إصدار؛ الإشارة الوحيدة إلى التاريخ في أي مكان في البيانات الوصفية هي معرّف arXiv 2608.14221 وطابع زمن إنشاء المستودع في 14 أغسطس 2026.

بطاقة Ai2 هي في جوهرها قائمة بالقيود: تسع سنوات من بيانات التدريب، من 2014 إلى 2022، لكلا نقطتي التحقق. مخرجات تعيد إنتاج X-SHIELD بدلاً من الرصدات، لذا فهي تحمل تحيّزات المحاكاة المرجعية. لا توقّع للتعميم خارج ظروف القسر التدريبية — وهي نقطة تشدّد عليها ورقة v2 بالإشارة إلى أن الإطار غير مختبر خارج نطاق 66° جنوباً إلى 70° شمالاً، ولا يمكن تشغيله بعد 88° جنوباً أو 88° شمالاً. عدم استمرارية في تداخل الرقع ضمن مناطق أكبر من مربع التدريب 16×16 بدرجة واحدة. ملاحظة مفادها أن نقطة التحقق ACE2S-X-SHIELD المضمّنة أقل صرامة في الاختبار من سلسلة ACE2-ERA5 السابقة، وأنها ليست للتنبؤ بالطقس. ورخصة — Apache 2.0 — تحمل إرشادات الاستخدام المسؤول الخاصة بـ Ai2 وإطاراً بحثياً وتعليمياً.

بطاقة واحدة تخبرك بالدرجات التي يحققها النموذج. والأخرى تخبرك بما لا يستطيع فعله. لا يخفي أيٌّ منهما شيئًا، ومن يخطئ فيظن أن الثانية إصدار أضعف فقد أساء فهم الغرض من هذه المخرجات.

الجزء القابل للمقارنة حقًا: ما تساويه شوكة

هذا هو المحور الوحيد الذي يمكن قياس الإصدارين به بالطريقة نفسها، وهو يسير في اتجاهين متعاكسين.

• من أين يأتي العمود الفقري — MathForm-8B هو ضبط دقيق كامل لـ Qwen3-8B، لذا فإن نسبه موثّق في البيانات الوصفية لـ Hugging Face وسلفه نموذج مفتوح منتشر على نطاق واسع؛ أما مكوّنات HiRO-ACEv2 فتُدرَّب ضمن خط أنابيب Ai2 الخاص، مع نسبة بيانات التدريب إلى X-SHIELD، المقدَّمة من GFDL، ولا توجد تحته أي نقطة تحقق مفتوحة منبعية.

• كم عدد بيئات التشغيل التي يمكنها تحميله؟ — يعمل MathForm-8B على Transformers أو vLLM أو SGLang، وقد أنتج المجتمع بالفعل تكميمات GGUF وMLX لـ llama.cpp وشرائح Apple silicon؛ ويعمل HiRO-ACEv2 عبر حزمة Ai2 fme Python package مع إعدادات تشير إلى مستودع ai2cm/ace، ولا يوجد مسار بديل.

• مدى سرعة تحرّك المنظومة — خلال أربعة أيام من ظهور مستودع MathForm-8B، صارت إصدارات GGUF المجتمعية متاحة على الإنترنت، وتلتها تحويلات MLX بدقة 4 و6 و8 بتات خلال أسبوعين؛ وبعد يومين من آخر إيداع لمستودع HiRO-ACEv2، لا يزال لديه إعجاب واحد وبلا تنزيلات.

• ما تكلفة الحصول على الأوزان عليك — يُنزَّل MathForm-8B كنقطة تحقق عادية للنموذج ويُكمَّم ليعمل على عتاد المستهلك؛ أما HiRO-ACEv2 فهو مستودع بحجم 10.9 GB، معظمه بيانات إجبار وشروط ابتدائية بدلًا من الأوزان، ولا يتقلّص حجمه.

النمط هو أن نموذجًا لغويًا مخصصًا لتطبيق ما يرث منظومة بيئية من عموده الفقري، بينما لا يرث المحاكي الفيزيائي المخصص لتطبيق ما شيئًا. وفي حالة MathForm-8B، كان العمل على جعله يعمل قد أُنجز في معظمه قبل أن يوجد. أما في حالة HiRO-ACEv2، فيبدأ الأمر من README.

أين تكون طبقة التوجيه ملائمة، وأين لا تكون

الإجابة الصادقة هنا غير متماثلة، ويجدر قولها بوضوح بدلًا من الإشارة إلى كلا النموذجين على قدم المساواة. MathForm-8B نفسه ليس في كتالوجنا — تأتي نقطة التحقق المضبوطة من توزيع OpenBMB الخاص، وتحتاج إلى التشغيل على خادمك الخاص بجوار تثبيت Lean الذي تستدعيه. سلفه ليس في كتالوجنا أيضًا، وهذا جدير بالذكر لأن الافتراض يسير في الاتجاه المعاكس: نقطة التحقق المحددة Qwen3-8B التي تم الضبط الدقيق انطلاقًا منها هي إصدار من 2025 وليست واحدة من معرّفات Qwen التي نخدمها. ما نوجّهه فعليًا هو جيل Qwen الحالي المحيط به — فئتي Qwen3.8 وQwen3.5، ونقطة التحقق Qwen3-VL-8B-Instruct التي تشارك مقياس 8B والسلالة العائلية نفسها بسعر $0.18 لكل مليون رمز إدخال و$0.70 لكل مليون رمز إخراج ضمن سياق من 131,072 رمزًا.

تلك هي الطبقة التي يحتاجها خط تجهيز الصياغة الرسمية فعلاً. تقسيم كتاب مدرسي إلى عبارات مرشّحة، أو استخراج المبرهنة غير الرسمية من ورقة بحثية قبل أن تذهب إلى المُصيغ الآلي، أو تحويل رسالة خطأ في Lean إلى تشخيص — كلها استدعاءات عادية لنموذج لغوي، ويمكنها أن تمر عبر المفتاح نفسه الذي يمر به كل شيء آخر. HiRO-ACEv2 ليس قابلاً للتوجيه ولن يكون كذلك أبدًا في شكله الحالي، لأنه لا يوجد طلب مُقاس بالتوكنات لتوجيهه — فـ10.9 غيغابايت من نقاط التحقق وسكربت شل ليس نقطة نهاية.

ما الذي يمنحك إياه مفتاح واحد عبر أكثر من مئتي نموذج موجّه، في خط أنابيب مبني حول أيٍّ من هذين، هو أنّ العمل المحيط يصبح استدعاءً بدلًا من مشروع: يمر سعر قائمة المزوّد دون إضافة هامش، ويكون التحويل عند الفشل بين المزوّدين تلقائيًا، ولا يحتاج نص برمجي يدير تجمّعًا أو تشغيل إضفاء صيغة رسمية إلى عقد مورّد ثانٍ لتلخيص مخرجاته.

ما يجب الانتباه إليه على كلا الجانبين

الرقم الذي يهم على جانب Lean سيكون إعادةَ إنتاج مستقلة للرقمين 88.06 و72.37 من قِبَل مجموعة لا مصلحة لها في وصفة التدريب، ويُفضّل أن تكون مُفصّلة حسب كل معيار أداء بدلًا من حساب متوسط لها في Pass@8 واحد — لأن إخفاقات الأتمتة الشكلية تتجمّع حسب المجال الرياضي، والمتوسط يخفي بالضبط النمط الذي يحتاجه الممارس. أما الرقم الذي يهم على جانب المناخ فسيكون مقارنةً مع نموذج عددي يحلّ العواصف يُشغَّل على العتاد نفسه من قِبَل شخص غير مؤلفي المُحاكي، لأن ادعاء الاستدلال أسرع بـ300 مرة هو ما يقرر ما إذا كانت هذه التقنية ستُعتمد تشغيليًا.

حتى ذلك الحين، تظل أفضل طريقة لقراءة كلا النموذجين هي الطريقة التي تدعو إليها بطاقاتهما الخاصة. إن MathForm-8B مُصيغ آلي قوي يقف خلف مخرجاته مُصرِّف، والسؤال المثير للاهتمام بشأنه هو كم مرة تقول العبارة المُصرَّفة الشيء الصحيح بدلًا من مجرد شيء صحيح. أما HiRO-ACEv2 فهو محاكٍ بحثي أضاف للتو الرياح والضغط إلى ما كان في السابق مخرجات تقتصر على الهطول، والسؤال المثير للاهتمام هو ما إذا كانت الحقول المضافة متسقة فيزيائيًا مع الهطول الذي تأتي إلى جانبه — وهو أمر لم يكن أي جدول معياري ليخبرك به حتى لو وُجد واحد.

المقارنات مثل هذه هي أيضًا حيث تظهر أنماط الفشل: الحوادث الموثّقة للذكاء الاصطناعي وإخفاقات الوكلاء الكامنة وراء النماذج في هذه الفئة تُجمع في OrcaRouter AI Incident Archive، حيث يحمل كل مُدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محل خلاف.