Intern-Decision-2B مقابل Laya: 2.2 مليار معامل ضد 421 مليون، كلاهما يرفض كتابة إجابة

internlm/Intern-Decision-2B و convaiinnovations/laya هما النموذجان الأكثر تشابهًا في مجال نماذج القرار الصغيرة، وأكثر حقيقة مفيدة حول المقارنة هي أنهما يصلان إلى هناك عبر مسارين متعاكسين. يقرأ نقطة التفتيش لدى InternLM ذات 2,213,241,664 معامل قيمة logit عند موضع ثابت قبل عنصر نائب ولا يستدعي generate() أبدًا. بينما تغذي نقطة التفتيش لدى Convai ذات 421 مليون معامل أسئلة مكتوبة إلى رأس قرار فوق عمود فقري ModernBERT-large وتعيد احتمالات معايَرة في تمريرة أمامية واحدة. لا يكتب أي منهما رمزًا، وكلاهما يَعِد بالاحتمالات، وكلاهما يصل إلى الحد الأقصى عند نحو ثمانية آلاف رمز من المدخلات، والأصغر أصغر بخمس مرات وأكثر شعبية بنحو ألف مرة. ما يفصل بينهما ليس القدرة بقدر ما هو التغليف، وفجوة التغليف تحدد عملية الشراء لمعظم القراء.

ظهر Intern-Decision-2B على Hugging Face في الساعة 05:36 UTC من يوم 26 سبتمبر 2026، وهو الأوسط من بين ثلاثة أحجام رفعها InternLM في أربعين ثانية دون أي إعلان، ومضبوط بدقة من Qwen/Qwen3.5-2B بموجب Apache-2.0. طُرحت Laya لأول مرة في 18 سبتمبر 2026، ومنذ ذلك الحين جمعت ما يقارب 3,700 إعجاب، وحزمة pip، وخادم HTTP متوافق مع Jev، وتكاملات ONNX وLangChain، ودفتر ملاحظات للضبط الدقيق. التباين في النضج هو موضوع المقال.

الفرضية التي يتشاركونها، والآليات التي تختلف

تجادل كلتا البطاقتين بأنه إذا كانت مشكلتك هي الاختيار من بين إجابات معروفة، فإن توليد النثر هو العملية الخاطئة. صياغة Laya هي: «إنه لا يولّد نصًا أبدًا، لذا لا يوجد شيء لتحليله ولا شيء للهلوسة.» أما صياغة Intern-Decision-2B فهي أن واجهة API الخاصة به «تُجري تقييمًا منظمًا للمرشحين. وهي لا تستدعي generate() أو تأخذ عينات من نص حر.»

الآليات هي حيث يفترقان.

Laya مصنّف. يُغذّي مُرمِّز ModernBERT-large ‏(395M، ثنائي الاتجاه، مضبوط ضبطًا كاملًا) رأس قرار مُدرَّبًا من الصفر — طبقتا محوّل، ومُقيِّم علامات الخيارات، ورأس تنفيذ/تصعيد — بإجمالي 421M. تتقاسم الخيارات ميزانية رموز ثابتة ‏(head_max_len، 192 رمزًا في نقطة التحقق الإنجليزية، و256 في متعددة اللغات)، ويكتشف الموجّه نظام الكتابة واللغة في أقل من نصف مللي ثانية قبل التمريرة.

Intern-Decision-2B هو نموذج للرمز التالي مُنِع من أن يصبح مُولِّدًا. يربط خيارات كل سؤال برموز أحادية الرمز A–Z، a–z، 0–9؛ ويُنشئ هيكل JSON كاملًا للمساعد مع عنصر نائب <decision> واحد لكل حقل؛ ويُنفّذ تمريرة أمامية سببية واحدة؛ ويقرأ اللوغيتات فورًا قبل كل عنصر نائب؛ ويطبّق softmax على الرموز المسموح بها لذلك الحقل؛ ويطبّق درجة حرارة ملائمة مقدارها 2.100509348278. وتحته يوجد Qwen3_5ForConditionalGeneration قياسي — 24 طبقة، ثلاث طبقات انتباه خطي مقابل طبقة انتباه كامل واحدة، وطبقة تنبؤ متعدد الرموز محتفَظ بها، وسقف تضمين بـ 262,144 موضعًا — بالإضافة إلى برج رؤية ومُسقِط.

المحصلة العملية لهذا الفرق هي سعة الخيارات. فميزانية Laya الثابتة لكل خيار تنهار عند فضاءات التسميات الواسعة؛ إذ توثّق بطاقتها الخاصة سؤالاً بـ77 تسمية يسجّل 0.425 مقابل 0.870 لـ TypeSafe Jev على المهمة نفسها، لأن 77 خياراً يحصل كل منها على نحو ثلاثة أو أربعة رموز. أما Intern-Decision-2B فتستوعب حتى 62 خياراً لكل سؤال وحتى ستة عشر سؤالاً، و62 ليس تفضيلاً بل العدد الدقيق للرموز أحادية التوكن التي يمكن لعقدها معالجتها. لا يعمل أي منهما بارتياح بعد بضع عشرات من الخيارات؛ غير أن شكل الفشل يختلف.

لوحة النتائج

• المعلمات — Intern-Decision-2B ‏2,213,241,664 بدقة BF16 بالإضافة إلى برج رؤية ومُسقِط، بحجم يقارب 4.46 جيجابايت على القرص؛ Laya 421M، ملف safetensors واحد بحجم 842 ميجابايت، مع نقطة تفتيش متعددة اللغات منفصلة بحجم 644 ميجابايت.

• الحد الأقصى للمدخلات — 8,192 رمزًا لكليهما، وكلاهما يرفض بدلًا من الاقتطاع؛ لاحظ أن 8,192 الخاصة بـ Laya تنطبق على laya-multilingual وتتطلب max_len=8192، نظرًا لأن القيمة الافتراضية المُضمَّنة هي 1,024.

• الصور — حتى ثمانٍ لـ Intern-Decision-2B، وتُحتسب ضمن ميزانية الرموز نفسها؛ لا يوجد مسار متعدد الوسائط لـ Laya.

• السرعة — 33.28 مللي ثانية في المتوسط، و33.15 مللي ثانية عند P50، و33.55 مللي ثانية عند P95 لكل طلب على بطاقة RTX 4090 واحدة لـ Intern-Decision-2B؛ وتذكر Laya نحو 33 مللي ثانية لكل طلب، وما بين 103 و332 سؤالًا في الثانية عند معالجتها على دفعات على بطاقة T4 واحدة.

• اللغات — لا يقدّم Intern-Decision-2B أي ادعاء متعدد اللغات على الإطلاق؛ بينما يوجّه Laya عبر أكثر من 100 لغة، ويُبلّغ عن أن 45 من 51 لغة مُختبَرة قابلة للاستخدام بأكثر من ثلاثة أضعاف مستوى العشوائية، و0.451 في قصد MASSIVE عبر ثلاث عشرة لغة غير إنجليزية مقابل 0.306 لنقطة التحقق الخاصة به الإنجليزية فقط.

• دقة الاستدلال دون أمثلة — تسجل Intern-Decision-2B متوسط 84.68 عبر سبع مجموعات اختبار من المورّدين، مع Brier 0.437 وECE 0.100، وجميعها غير مُعاد إنتاجها؛ وتحقق نقطة التحقق الإنجليزية الأساسية لدى Laya درجة 0.362 في معيار typed-decisions المكوّن من 2,000 قرار، وهو ما تشير بطاقتها الخاصة إلى أنه أقل من خط فئة الأغلبية البالغ 0.461.

• التغليف — نقطة تحقق، وملف inference.py، ومستودع GitHub أصبح عامًا حديثًا يتضمن شيفرة التدريب والتقييم، مقابل pip install laya، وخادم HTTP متوافق مع Jev، ومسارات سريعة عبر ONNX Runtime وTileLang، وتكاملات MCP وLangChain، ودفتر ملاحظات للضبط الدقيق يعمل على وحدات GPU من الفئة المجانية.

المقارنة الأكثر إنصافًا ليست تلك التي تعدّها ورقة المواصفات.

إن وضع 84.68 إلى جانب 0.362 يقترب من عدم الأمانة، ويستحق أن نقول لماذا بدلًا من ترك الأرقام كما هي.

إن 0.362 الخاص بـ Laya هو نقطة تفتيش أساسية قيست قياسًا صفريًا على معيار لم يُضبط من أجله. وتستنتج بطاقته الخاصة ذلك صراحةً: «Laya أساس سريع للتخصص، وليس محرك قرارات صفري.» وعند ضبطه ضبطًا دقيقًا على مجموعة التدريب الخاصة بذلك المعيار نفسه، يبلغ 0.766، متجاوزًا سقف المعلم البالغ 0.735، ومتفوقًا على 0.727 المنشور لـ TypeSafe Jev في القرارات نفسها. أما 84.68 الخاص بـ Intern-Decision-2B، فهو متوسط مورّد من سبع مجموعات اختبار، مجموعات اختباره ليست تلك التي يستشهد بها Laya، أنتجه المختبر الذي بنى النموذج، دون أن يشغله أي طرف ثالث — وتُظهر نقطة التفتيش إعجابًا واحدًا وصفر تنزيلات. إن مقارنة نتيجة مضبوطة ضبطًا دقيقًا بنتيجة صفرية، أو مقارنة متوسط مورّد بلوحة مستقلة، ليست مقارنة. إنها قياسان مختلفان يتقاسمان الخط نفسه.

ما الذي يمكن مقارنته حقًا: كلاهما صغير، وكلاهما رخيص التشغيل، وكلاهما غير قابلين للضبط الدقيق ليتناسبا مع مجالك. إن المستودع الذي نشرته InternLM صباح اليوم يجعل ذلك الجزء الأخير أسهل بشكل ملموس مما كان عليه بالأمس، لأنه يوفّر مشغّل التدريب، وهدف الرمز التالي المقنّع، وحزمة مُتحقق منها بالتجزئة تضم 10,751 صف اختبار عبر سبع مجموعات، ونصوص ضبط درجة الحرارة وإعادة التشغيل. المختبر الذي يوفّر مولّد معايرة حتمي ويؤكد أن إعادة التشغيل لا تغيّر أي قرارات يدعو بالضبط إلى نوع التكيّف الذي توصي به بطاقة Laya.

كيف ستستدعي أيًّا منهما فعليًّا

لا يوجد أي من النموذجين على OrcaRouter. صفحة نموذج OrcaRouter الخاصة بـ Intern-Decision-2B تُرجع 404، ولا يوجد مسار Laya أيضًا؛ لا شيء هنا يُعد ادعاءً بالإتاحة. Intern-Decision-2B يعني تنزيل نقطة التحقق وتشغيل محركه المضمّن على وحدة معالجة الرسومات الخاصة بك. Laya يعني pip install laya، وإذا أردت الواجهة المتوافقة مع Jev، فاستخدم laya-serve على POST /v1/systemone.

السؤال الذي يأخذ شكل Orchestrator الكامن خلف ذلك هو ما إذا كنت تريد سطحًا تشغيليًا ثانيًا لأداة تقييم. صُمّمت Laya لتُضمَّن — بالشكل نفسه للطلب والاستجابة الذي يوفره TypeSafe Jev، بحيث يغيّر عميل حالي عنوان URL الأساسي ولا شيء غير ذلك. صُمّم Intern-Decision-2B ليُعاد إنتاجه، وهو اليوم يستغرق نحو يوم من العمل على البيئة قبل أن يعود أول قرار. إذا كان قرار المجموعة المغلقة الذي تتخذه قريبًا في شكله من أيّ من هذين، فإن البديل المستضاف الذي تقيس عليه كلتا البطاقتين هو TypeSafe Jev 1.13، الذي يمتلك بالفعل مسارًا: $0.042 لكل مليون رمز إدخال، وسياق 65K، وزمن P50 للوصول إلى أول رمز قدره 178 ms، ويمكن الوصول إليه بالمفتاح نفسه المستخدم مع أكثر من 200 طراز آخر مع سعر قائمة المزوّد مُمرَّر به دون هامش ربح 0%.

أين يفوز كل واحد

تتفوق Laya في كل ما يتعلق بالتشغيل. حزمة pip مقابل تنزيل checkpoint. موجّه يعمل بأكثر من مئة لغة مقابل غياب أي ادعاء بتعدد اللغات. إنتاجية مُجمّعة بالدفعات تُقاس بمئات الأسئلة في الثانية مقابل رقم لكل طلب بلا أي حديث عن التجميع. سنتان من قوة المنظومة — ONNX وTileLang وLangChain وMCP — مقابل مستودع لم يمضِ على إتاحته للعموم سوى ساعتين.

يتفوق Intern-Decision-2B في ثلاثة أمور محدودة. فهو يتعامل مع الصور، وهو ما لا تفعله Laya. ولا يحمل أي دين ضبط دقيق: إن 84.68 الخاصة به هي ادعاء مورّد بأداء zero-shot، في حين أن رقم Laya الرئيسي 0.766 يعود إلى نقطة تفتيش مضبوطة بدقة على مجموعة التدريب الخاصة بالمعيار نفسه. وهو موثّق بمجموعة إعادة إنتاج — حزمة تقييم قابلة للتحقق ومنظومة تدريب عامة — وهذا يستحق أكثر من صف في لوحة الصدارة لأي شخص عليه أن يبرر النموذج لشخص آخر.

التعادل هو المقدمة. كلاهما يرفض التوليد، وكلاهما يمنحك احتمالات يمكنك تطبيق عتبة عليها، وكلاهما أقل من طول الإدخال الذي توجد فيه معظم المستندات الحقيقية. إذا كانت حالتك تذكرة أو بريدًا إلكترونيًا أو نموذجًا، فإن أيًا منهما سيفي بالغرض، وLaya ستوصلك إلى هناك بشكل أسرع. إذا كانت حالتك تحتوي على لقطة شاشة مرفقة أو كانت مؤسستك بحاجة إلى أن تكون إعادة الإنتاج قابلة للتدقيق، فإن نقطة التفتيش الوسطى لدى InternLM هي التي تجيب على ذلك الاعتراض المحدد — ووفقًا لأرقام InternLM نفسها، فهي الأقل معايرةً بين أشقائها الثلاثة، عند ECE 0.100 مقابل 0.066 و0.065، لذا قم بملاءمة درجة الحرارة الخاصة بك قبل أن تثق في الثقة التي يبلغ عنها.