Hy-Memory-30B-A3B مقابل LFM2.5-24B-A2B: متخصصان في النماذج المتفرقة، وواحد فقط منهما يعمل على جهازك

Hy-Memory-30B-A3B وLFM2.5-24B-A2B هما الفكرة نفسها، لكن شركتان تختلفان حول من سيشغّله. كلاهما نموذجان متناثران من نوع خليط الخبراء في نطاق منتصف العشرينيات من المليارات، مع تفعيل ما بين ملياري وثلاثة مليارات معامل لكل رمز — كاتب الذاكرة لدى فريق Hunyuan بإجمالي 30B ونحو 3B معامل نشط، وأُطلق مفتوح المصدر في 15 أكتوبر 2026؛ ونموذج الوكيل على الجهاز من Liquid AI بإجمالي 24.0B و2.45B معامل نشط، وقد طُرح في 13 أكتوبر 2026. شحنت Liquid نسخة Q4_K_M GGUF بحجم 14.5 GB ونسخة مدرّبة بوعي التكميم بحجم 13.6 GB إلى جانب الأوزان كاملة الدقة. أما الفريق فقد شحن نقطة تفتيش BF16 واحدة بحجم 60.1 GB ولم يقدم أي بديل مكمّم على الإطلاق. ما لا تستطيع الأرقام إخبارك به هو ما إذا كان أي من ذلك قد حدث فيه خطأ في الميدان: حوادث الذكاء الاصطناعي الموثقة وإخفاقات الوكلاء المرتبطة بنماذج من هذه الفئة مُجمّعة في أرشيف OrcaRouter لحوادث الذكاء الاصطناعي حيث يحمل كل مدخل مصادره الخاصة، ودرجة خطورته، وتقييم ثقته، وعلامة كونه محل نزاع.

هذا الاختلاف في التغليف ليس مصادفة في الجدولة، وقراءته على النحو الصحيح تخبرك عن النموذجين أكثر مما تخبرك به أي من جدولَي القياس. وهو أيضًا، بالمصادفة، السبب في أن هذين النموذجين يُقارنان عادةً لسبب خاطئ — يرى الناس "small sparse MoE" على كلتا البطاقتين ويفترضون أنهما يتنافسان على خانة النشر نفسها. لكنهما لا يفعلان ذلك. أحدهما يريد أن يكون داخل إطار عمل الوكيل على حاسوبك المحمول. والآخر يريد أن يكون داخل خط أنابيب ذاكرة على خادمك، والمهمتان بالكاد تتقاطعان.

الشيء الوحيد الذي يتشاركانه حقًا

كلاهما متناثر. وكلاهما يُبقي عددًا كبيرًا من المعاملات مقيمًا في الذاكرة ويقرأ شريحة صغيرة منه لكل رمز. هذا هو كامل التداخل المعماري بينهما، ومن الجدير أن نوضّح ما يوفّره التناثر وما لا يوفّره، لأنه الخاصية الأكثر تعرّضًا لسوء الفهم باطراد في فئة الحجم هذه.

لا يمكن أن تتسع نقطة حفظ 24B-A2B في ذاكرة تعادل 2.45 مليار معامل. يجب أن يكون كل معامل في الملف قابلاً للتحميل؛ فما يمنحه العدد النشط هو الإنتاجية لكل توكن، وليس بصمة الذاكرة. بطاقة Liquid الخاصة صريحة في هذا الشأن — النموذج هو نقطة حفظ تضم 24 مليار معامل، وتشغيله يعني الاحتفاظ بـ 24 مليار معامل في مكان ما. أي شخص يقرأ "2.45B نشط" ويتجه إلى جهاز صغير سيقضي بعد ظهر سيئًا. وينطبق الأمر نفسه على رقم 3B النشط في Hy-Memory-30B-A3B مقابل ملفه BF16 بحجم 60 GB.

وفيما يتجاوز تلك الخاصية المشتركة، يختلف الاثنان في كل محور مهم تقريبًا.

لاحِظ ما هو ذلك المستودع. إنّ مورّدًا ينشر مستودع GGUF منفصلًا يعلن، بأكثر الطرق الملموسة المتاحة، أن النماذج التي يشحنها المقصود منها أن تُنزَّل وتُشغَّل على عتاد يملكه شخص ما بالفعل. سجل الالتزامات عليه يتكوّن من التزامين اثنين فقط، وعمره بضعة أيام — هذه ليست فكرة لاحقة أُضيفت إلى إصدار عمره تسعة أشهر.

المواصفات، جنبًا إلى جنب، مع تضمين صف التغليف

• إجمالي المعاملات / المعاملات النشطة — Hy-Memory-30B-A3B بإجمالي 30B، ونحو 3B نشطة مقابل LFM2.5-24B-A2B بإجمالي 24.0B، و2.45B نشطة.

• بناء الطبقات — 48 طبقة لـ Hy-Memory-30B-A3B، كتلة كثيفة واحدة و47 كتلة MoE تضم 128 خبيرًا بتوجيه top-8 بالإضافة إلى خبير مشترك؛ يشغّل LFM2.5-24B-A2B 40 طبقة، منها 30 كتلة التفاف قصير مزدوجة البوابات و10 انتباه استعلام مجمّع، مع 64 خبيرًا لكل كتلة MoE بتوجيه top-4.

• السياق — 262,144 موضعًا لـ Hy-Memory-30B-A3B مقابل 131,072 لـ LFM2.5-24B-A2B، وهو نفسه زيادة عن 32K في الجيل السابق.

• بصمة الأوزان — 60.1 GB عبر 51 شظية BF16 مقابل 48 GB بصيغة BF16، مع Q4_K_M GGUF بحجم 14.5 GB و QAT QAD-Q4_0 بحجم 13.6 GB.

• الترخيص — Apache 2.0 لـ Hy-Memory-30B-A3B مقابل ترخيص LFM1.0 لـ LFM2.5-24B-A2B، وهو منح مخصّص وليس ترخيصًا معتمدًا من OSI، ويستحق القراءة قبل النشر التجاري.

• مجموعة بيانات التدريب — 36 تريليون رمز عبر 16 لغة بمعجم من 128,000 رمز لـ LFM2.5-24B-A2B؛ تحدد بطاقة Hy-Memory اللغتين الإنجليزية والصينية ولا تنشر عدد الرموز الخاص بـ Hy-Memory-30B-A3B.

• الغرض المُوثّق — كتابة الذاكرة داخل Mem0 وMemOS وHy-Memory و(المستبعدة) EverMemOS مقابل الوكلاء على الجهاز مع مسارات الاستدلال واستدعاء الأدوات والتعلّم المعزّز الوكيلي داخل أُطر تشغيل حقيقية.

• التكميم الذي ينشره المورّد — لا شيء مقابل أربعة تنسيقات.

لاحظ الصف الأخير مرة أخرى. نشرت Liquid AI إصدارات GGUF وFP8 وONNX وMLX-4bit من LFM2.5-24B-A2B خلال أيام من الأوزان الأساسية، وأضاف المجتمع المزيد. هذا بمثابة قول البائع، بأكثر الطرق الملموسة المتاحة، إن هذا النموذج مُعدّ ليُحمَّل ويُشغَّل محليًا. أما إصدار Hy-Memory فيقول العكس دون أن يصرّح بذلك أبدًا: دقة واحدة، وصيغة واحدة، و60 جيجابايت، وبطاقة تسمّي vLLM 0.31.0 كطريقة لخدمته.

ما دُرِّب كل منهما على فعله، ولماذا ليست المهمة نفسها

LFM2.5-24B-A2B هو وكيل. تصفه Liquid بأنه منفّذ سريع وخاص يستدلّ دائمًا قبل الإجابة ويستدعي الأدوات جيدًا — فأرقام استخدام الأدوات واتباع التعليمات المنشورة هي أقوى ما في جدوله، مع IFEval عند 96.75 وIFBench عند 74.69 ضمن أبرز النتائج. وتوجيهات الشركة نفسها صريحة بشأن نقطة الضعف: لا توجّهه إلى أسئلة كثيفة المعرفة بمفرده، بل اقرنه بالاستدعاء أو البحث عبر الويب بدلًا من ذلك. ذلك نموذج بُني ليتصرف، مع استعانة خارجية متعمدة بمعرفته.

لا يقوم Hy-Memory-30B-A3B بأي فعل على الإطلاق. إنه يقرأ محادثة ويكتب ذاكرة. مدخلاته هي التبادلات ومخرجاته سجلات منظمة — يطلب منه Hy-Memory quickstart كائن JSON يحتوي على قائمة من سلاسل الذاكرة القائمة بذاتها، ويُشغَّل عند درجة حرارة 0.0 مع تعطيل الاستدلال. وحيث يُحكم على LFM2.5-24B-A2B بناءً على ما إذا كان قد أكمل مهمة، يُحكم على Hy-Memory-30B-A3B بناءً على ما إذا كان بنك الذاكرة الذي كتبه قد أنتج إجابة أفضل لاحقًا. التقييم يقع في اتجاه المصب من النموذج، ولهذا يقارن جدول Hy-Memory الكتّاب بدلًا من النماذج — فكل صف يغيّر الكاتب ويُبقي نموذج الإجابة والمُقيّم وإعدادات الاسترجاع والمطالبات ثابتة.

فجوة الأدلة، التي ليست متماثلة

كلتا مجموعتي الأرقام صادرة عن المورّد نفسه. لكنهما ليستا على القدر نفسه من الفائدة.

شغّلت Liquid AI نموذجها الخاص في مواجهة خطوط الأساس ضمن بيئة vLLM نفسها ونشرت الصفوف — وتتضمن بطاقة LFM2.5-24B-A2B مقارنات مباشرة مع Qwen3.6-35B-A3B ونماذج أخرى، على نفس إطار الاختبار، ما يجعل الشكل النسبي للجدول متسقًا داخليًا على الأقل. وادعاءاتها قابلة للتدقيق بمعنى أن أي شخص يملك GGUF يمكنه محاولة إعادة إنتاجها على عتاد متواضع هذا الأسبوع.

صُمّم تقييم Hy-Memory بشكل مختلف وهو أصعب في التحقق منه. تعمل المصفوفة الرئيسية على عينة فرعية بنسبة 20% ثابتة من كل معيار بدلًا من المجموعة الكاملة، وهو خيار يمكن الدفاع عنه من حيث التكلفة ولا يمكن الدفاع عنه إذا أردت الاعتماد على هوامش صغيرة. والهوامش الصغيرة هي ما يستند إليه العنوان الرئيسي: 55.49 متوسط ماكرو لـ Hy-Memory-30B-A3B مقابل 54.62 لـ Claude Opus 5 هو فارق قدره 0.87 من نقطة. على منصة اختبار MemOS يكون الفارق 0.01 — 50.51 مقابل 50.50. وفي الوقت نفسه، فإن ذروة الادعاء، 56.89 على منصة اختبار EverMemOS المحجوزة، هي النتيجة الوحيدة الأجدر بالاختبار وتلك التي لم يشغّلها أحد.

لا يملك أيٌّ من المورّدين تقييمًا مستقلًا لهذين النموذجين. بالنسبة إلى LFM2.5-24B-A2B، يُعد ذلك إزعاجًا عمره يومان. أما بالنسبة إلى Hy-Memory-30B-A3B، فإنه يتراكب مع مشكلة العتاد: فلا يمكنك ببساطة إعادة إنتاج أرقام نموذج BF16 بحجم 60 GB بالطريقة التي يمكنك بها إعادة تشغيل GGUF بحجم 14.5 GB.

إذا كان وكيلك يحتاج إلى ذاكرة وفم

القراءة العملية هي أن هذين الاثنين مكمّلان لبعضهما البعض في نظام واحد، لا متنافسان في مسابقة، وأن تقسيم النشر ينشأ بشكل طبيعي.

يعمل كاتب الذاكرة عند كل دور بمخرجات قصيرة — عبء عمل عالي التكرار، منخفض التعقيد، ويجب أن يكون حتميًا. يُستدعى منفّذ الوكيل على الجهاز عند وجود مهمة ينبغي القيام بها، ويحتاج إلى التخطيط واستدعاء الأدوات، ويستفيد من التشغيل بالقرب من البيانات. قد يرغب فريق يبني حزمة وكلاء خاصة دون أي استدعاءات لطرف ثالث، بشكل معقول، في أن يكون مسار الكتابة ومسار الفعل نموذجين صغيرين مختلفين، يقوم كل منهما بالشيء الوحيد الذي دُرّب عليه، وكلاهما يعمل محليًا.

هنا يأتي دور مسألة الموجّه. OrcaRouter هو مفتاح API واحد عبر أكثر من 200 نموذج مستضاف بهامش ربح 0%، ولغة التوجيه DSL الخاصة به تدمج نماذج متعددة في استدعاء واحد — وهي الآلية التي تتيح لكاتب يعمل محليًا ونموذج حدودي مستضاف أن يجيبا كنقطة نهاية واحدة، مع تجاوز الفشل التلقائي عندما تتدهور خدمة خلفية. لكي نكون دقيقين بشأن ما ينطبق هنا: لا Hy-Memory-30B-A3B ولا LFM2.5-24B-A2B موجودان في كتالوجنا، ولا نستضيف أيًا منهما. الطريق إلى كليهما هو نقطة التحقق وعتادك الخاص. ما يغطيه الموجّه هو مسار القراءة والتخطيط المحيط به، والقدرة على تبديل النموذج الذي يملأ خانة دون تغيير كود الاستدعاء.

يستحق القيام به قبل أن تحتاج إليه. جدول التوجيه رخيص الكتابة الآن، ومكلف التعديل لاحقًا بمجرد أن يثبّت إطار عمل الوكيل نقاط النهاية في عشرة أماكن.

تلك البطاقة هي الملخّص المنصف للفرق. وموقف Liquid AI المعلن هو أن LFM2.5-24B-A2B مصمَّم ليعمل حيث يكون المستخدم. أما فريق Hy-Memory فلا يقدّم أبدًا ادعاءً مماثلًا، وملف الـ60 GB الذي يقف خلف Hy-Memory-30B-A3B يفعل العكس تمامًا.

أيّها يجب التقاطه أولاً؟

إذا أردت أن ترى نموذجًا متفرّقًا متوسط الحجم يعمل على عتادك الخاص هذا الأسبوع، فإن LFM2.5-24B-A2B هو أول خيار بديهي — حجم التنزيل 14.5 GB، ويجب قراءة الترخيص، وأرقام استدعاء الأدوات هي الجزء الأرجح من جدوله أن يهمّك.

إذا كان وكيلك يعاني من مشكلة في الذاكرة تتفاقم مع كل محادثة، فإن Hy-Memory-30B-A3B يستهدفها مباشرةً، ولا يوجد في عالم المصادر المفتوحة شيء آخر يشبهه تمامًا. خصّص ميزانية للعتاد قبل أن تخصّصها للوقت.