Jais 3 مقابل Fanar 2: المورّدان لا يتفقان على النتيجة التي يحققها Fanar 2

J​ais 3 و Fanar 2 هما عائلتا النماذج العربية الرائدتان في الخليج، وأكثر ما يمكن أن يقال لك عن مقارنتهما هو أن أرقام البائعين الخاصة بـ Fanar-2-27B-Instruct لا تتطابق. بطاقة نموذج QCRI تذكر ArabicMMLU بنسبة 74.67% و Belebele بنسبة 86.81% لنموذجها التعليمي 27B. J​ais-3-32B، بطاقة من معهد نماذج الأساس و Inception42، تُجري نفس المنافس على جدولها المرجعي الخاص وتضع Fanar-2-27B عند 66.3 على Arabic MMLU و 61.8 على Belebele. هذه فجوة ثماني نقاط في معيار واحد وخمس وعشرون نقطة في آخر، لنموذج واحد، ولا أي من الرقمين ملفق — فهما ناتج أدوات اختبار مختلفة، وتنسيقات مطالبات مختلفة، وفي حالة IFM مجموعة عينات مدققة. كما أنه الشيء الأكثر إفادة في هذه الصفحة، لأنه يعني أن مقارنة بين J​ais 3 و Fanar 2 مبنية على أرقام منشورة هي مقارنة بين ممارستي قياس بقدر ما هي مقارنة بين نموذجين.

البطاقتان، بوضوح

• J​ais-3-32B — 32B فك تشفير كثيف فقط من IFM، حتى 524,288 رمزًا من السياق، Apache 2.0، تم نشر الأوزان في 29 سبتمبر 2026. يأتي مع محلل استدلال (k2_horizon)، ومحلل استدعاء الأدوات، وثلاثة تنسيقات قابلة للاختيار لاستدعاء الأدوات. يعمل عند التوازي الموتر 2 في bfloat16.

• Fanar-2-27B-Instruct — نموذج كثيف بحجم 27B من QCRI في جامعة حمد بن خليفة، ونافذة سياق من 32,768 رمزًا، ورخصة Apache 2.0، وصدر في مارس 2026. دُرِّب مسبقًا بشكل مستمر انطلاقًا من google/gemma-3-27b-pt على نحو 166 مليار رمز عربي وإنجليزي عبر ثلاث وصفات ثم دُمج، تلته منظومة تدريب لاحق من خمس مراحل.

• نطاق الحجم — Jais 3 هي عائلة، ستة نقاط تفتيش أساسية من 0.9B إلى 375B بما في ذلك نموذجان قائمان على مزيج الخبراء. خط اللغات في Fanar 2 هو أساسًا نموذج instruct واحد بحجم 27B، مع نماذج شقيقة في وسائط أخرى بدلًا من نقاط تفتيش نصية أصغر.

• الترخيص — رخصة أباتشي 2.0 على الجانبين، وبدون بوابات على الجانبين. لا تُلزمك أي من العائلتين بتوقيع أي شيء، وهو أمر يستحق الذكر لأنه ليس العُرف السائد في المنطقة.

• المعمارية الأساسية — تم تدريب J​ais 3 بواسطة IFM بمعمارية مخصصة (k2_horizon، ويتطلب كودًا مخصصًا عن بُعد). Fanar 2 هو تدريب مسبق مستمر لنموذج G​emma 3 27B من G​oogle، مما يجعله نوعًا مختلفًا من النواتج: تكييفًا مُتقنًا بدلًا من عملية تدريب تبدأ من الصفر.

حيث تتباين الأرقام، ولماذا لا يُعدّ ذلك فضيحة

خُذ أسماء المعايير واحدًا تلو الآخر، لأن التسمية تقوم بعمل أقل مما يبدو عليه الأمر.

• ArabicMMLU مقابل Arabic MMLU* — تشير بطاقة Fanar إلى نسبة 74.67% في المقياس الذي تسميه ArabicMMLU. ويشير جدول IFM إلى 66.3 في العمود الذي يسميه Arabic MMLU*، حيث تعني النجمة أن IFM استبعدت الأسئلة ذات المطالبات الغامضة أو الخيارات غير الصالحة أو التسميات الذهبية غير القابلة للدفاع. مجموعتان مختلفتان من العينات، إحداهما منقّاة، ولا يوجد التزام على أي من المختبرين بالإبلاغ عن مجموعة الآخر.

• Belebele، 86.81 مقابل 61.8 — فجوة أكبر بكثير، وشرح إطار الاختبار يمتد إلى أبعد هنا. رقم Fanar خاص بالعربية اللهجية؛ وعمود IFM يعرض اسم المعيار نفسه. خمس وعشرون نقطة ليست فرقًا في التقريب، والاستنتاج الصادق هو أن واحدة على الأقل من هذه التشغيلات لا تقيس ما تقيسه الأخرى.

• IF-Eval، 82.97 مقابل 49.8 — يُبلّغ Fanar عن 82.97 في IF-Eval في جدول التحسين الخاص به. ويضع العمود المرجعي لدى IFM نموذج Fanar-2-27B عند 49.8 في Arabic IFEval. القدرة نفسها، لكن بلغة مختلفة ومجموعة مطالبات مختلفة.

• ما يتفق عليه كلاهما من حيث الشكل، إن لم يكن من حيث المستوى — Fanar 2 خطوة كبيرة مقارنةً بـ Fanar 1. وتُفيد QCRI بتحقيق +7.32 على ArabicMMLU، و+10.68 على GSM8K، و+8.27 على IF-Eval مقارنةً بسلفه 9B. هذا الادعاء متسق داخليًا ولا ينازع فيه أحد.

القاعدة التي تنتج عن هذا ليست "مختبر واحد يغش". بل هي أنه بالنسبة للمعايير العربية، الرقم بدون إطار اختبار مرفق ليس رقمًا. على الأقل، يحدد IFM أيًا من أرقامه الخاصة دقّقها، وينشر العينات المستبعدة في مجموعة منفصلة، وهو ما يفوق ما تفعله معظم المختبرات — لكنه لا يزال IFM يدقّق تقييم IFM لمنافس.

السياق والنشر هما حيث تكون المقارنة واضحة

هذه هي الصفوف غير الخاضعة لوسائط أداة الاختبار، لأنها حقائق معمارية وليست قياسات.

• السياق — 524,288 توكن لـ Jais-3-32B مقابل 32,768 لـ Fanar-2-27B-Instruct. ستة عشر ضعفًا لحجم النافذة، وتوثّق بطاقة Fanar تعليمات سياق طويل تبلغ 54 ألفًا استُخدمت للوصول إلى 16 ألفًا أثناء التدريب، مما يضع سلوك السياق الطويل المُدرَّب داخل نطاق 32 ألفًا الاسمي وبهامش واسع.

• بصمة الخدمة — J​ais-3-32B عند TP=2، بدقة bfloat16، مع vLLM ≥ 0.30.0 أو SGLang ≥ 0.5.20. تم اختبار Fanar-2-27B مع transformers 4.57.6 وهو ببنية G​emma 3 27B القياسية، لذا فإنه يندمج في أي حزمة تشغّل G​emma بالفعل.

• الأدوات المرفقة مع النموذج — يتضمن J​ais 3 محلل الاستدلال، ومحلل استدعاء الأدوات، واختيارًا من json، xml أو xml_typed كتنسيقات أدوات كأعلام خدمة من الدرجة الأولى. يدعم Fanar 2 استدعاء الأدوات العام بالإضافة إلى عشرة أدوات Fanar مدمجة، لكن واجهة التكامل هي واجهة برمجة التطبيقات الخاصة بالمورد بدلاً من مجموعة من أعلام إطار العمل.

• تقييم طرف ثالث — لا يملك أيٌّ منهما مدخلًا في Artificial Analysis، ولا نتيجةً في Arena، ولا تكرارًا مستقلًا. أرقام كلتا العائلتين مُبلَّغ عنها من المورّد، ويذكر المقال ذلك قبل أن يقتبسها، في كل مرة.

ما الذي يمتلكه Fanar 2 ولا يمتلكه J​ais 3

ثلاثة أمور، وهي ليست صغيرة.

• مسارات استدلال عربية أصيلة. دُرِّب Fanar 2 على نحو 250,000 مثال استدلال عربي، ويولّد سلسلة تفكيره بالعربية بدلاً من ترجمتها من أثر إنجليزي. يكشف J​ais 3 عن محلل استدلال ويقدّم أرقامًا قوية في الأداء الوكيلي العربي، لكن بطاقته لا تدّعي الادعاء نفسه بشأن اللغة التي يحدث فيها التفكير.

• التخفيف من الهلوسة كسلوك مصمَّم. دُرِّب Fanar 2 على الامتناع عن الإجابة — استكشاف المعرفة أثناء التدريب، ومسارات تحقُّق مُهيكلة من خمس خطوات، وردود "لا أعرف" مُعايَرة — كما يُغلِّف الإشارات العفوية إلى الآيات القرآنية بعلامات تحقُّق حتى يتسنى لنظام لاحق فحصها. وهذه الميزة الأخيرة غير مألوفة وليس لها نظير في بطاقة Jais 3.

• منتج حول النموذج. توفّر QCRI واجهة دردشة، وتطبيقات iOS وAndroid، وواجهة API موثّقة مع مسار لطلب الوصول، إضافة إلى نماذج شقيقة لتوليد الصور وفهم الصور والشعر. J​ais 3 هو إصدار من الأوزان مع وصفات إطار العمل؛ ويأتي نموذج الكلام إلى جانبه، والباقي نتاج بحثي.

هذه فروق في القدرات، وليست فروقًا في نتائج الاختبارات المعيارية، والقراءة المنصفة هي أن Fanar 2 أكثر اكتمالًا كمنتج بينما J​ais 3 أكثر طموحًا كنموذج.

ما تقوله الأعمدة الوكيلية فعليًّا، مع إرفاق علامة النجمة

جدول IFM الخاص هو المقارنة المباشرة المنشورة الوحيدة بين هذين النموذجين، وهو ليس مُجاملًا لـ Fanar: Terminal Bench 2.1 عند 63.7 مقابل 1.1، وGDPVal عند 75.5 مقابل 0.0، وMCPMark عند 66.1 مقابل 12.1، وSWE-Bench Verified عند 72.4 مقابل 0.4، ومعالجة الملفات العربية عند 71.8 مقابل 0.0.

اقرأ هذه الأرقام على حقيقتها. فهي قياسات IFM لنموذج منافس، أجرتها IFM، على منصة اختبار IFM، ونُشرت على بطاقة نموذج IFM. صفر على GDPVal و0.4 على SWE-Bench Verified لنموذج تعليمات بحجم 27B أمر معقول — فهذه معايير تقييم وكيلية تعاقب النماذج التي تفتقر إلى بيانات تدريب واسعة النطاق على استدعاء الأدوات، وعمل Fanar 2 الوكيلي موجّه حول أدواته العشر الخاصة به بدلاً من مهام البرمجيات العامة. لكن مختبرًا يعلن أن نموذجه يفوز في كل صف من جدول بناه بنفسه إنما يخبرك عن تقييمه، لا عن العالم.

العبارة القابلة للدفاع أضيق نطاقًا: على منصة الاختبار المنشورة الخاصة بـ IFM، يتفوق Jais-3-32B على Fanar-2-27B-Instruct في كل معيار أداء وكيلي مُعلن، وبطاقة Fanar لا تعلن أي معايير أداء وكيلية على الإطلاق، لذا لا شيء يناقضها ولا شيء يؤكدها أيضًا. الأدلة المنشورة من طرف واحد لأن طرفًا واحدًا فقط نشر.

أيّ واحد تختار

السياق الطويل، أو العمل الوكيلي، أو الحاجة إلى اختيار حجم نقطة تفتيش: Jais 3، وليس الأمر متقاربًا فيما يخص السياق. نافذة 512K مقابل 32K تحسم معالجة المستندات، والعمل على نطاق المستودعات، والمسارات الطويلة للوكلاء بمفردها.

استدلال عربي تنوي قراءته، أو سلوك امتناع يمكنك الاعتماد عليه، أو تعامل مع المحتوى القرآني، أو مورّد لديه تطبيق ومسار دعم: Fanar 2. إن خط أنابيب التدريب اللاحق لدى QCRI متقن حقًا — 4 ملايين تعليمة SFT، و280 ألف زوج DPO، وخمس مراحل، وتمريرة متعمّدة لإعادة موازنة القدرات لمنع تكيّف السياق الطويل من إضعاف المهام القصيرة — ويتجلّى ذلك في أبعاد لا يلتقطها أي عمود في لوحة الصدارة.

إذا كان القرار صعبًا لأن كليهما معقول لنفس عبء العمل، فإن ما يحسم الأمر هو مطالباتك الخاصة، عند تشغيلها على كليهما، وتقييمها وفق معاييرك الخاصة. تلك هي التجربة التي لم ينشرها أحد لهذين النموذجين، وقيمتها أكبر من كل رقم ذُكر أعلاه.

تشغيله يتطلب جهدًا أقل مما كان عليه. يمنحك OrcaRouter مفتاحًا واحدًا عبر أكثر من 200 نموذج بهامش ربح 0%، مع تمرير سعر قائمة المزوّد كما هو، لذا فإن إجراء اختبار مقارن بين نقطتي تفتيش عربيتين يصبح تغييرًا في التوجيه بدلًا من تكاملين — والتقييم عنصرًا عنصرًا هو بالضبط الحالة التي بُنيت من أجلها لغة التوجيه DSL، لأنها تتيح لك إرسال المُوجّه نفسه إلى كلا النموذجين في استدعاء مركّب واحد بدلًا من كتابة أداة مقارنة. لا توجد أي من العائلتين في كتالوجنا الآن؛ قائمة النماذج هي المكان الذي يمكنك التحقق فيه مما هو.

ما الذي سيحسم هذا؟

تشغيل مستقل واحد لكلا النموذجين على بيئة اختبار مشتركة، منشور مع المطالبات. هذا هو ما ينقص، وهو ينقص كل نموذج عربي سائد، وليس هذين الاثنين فقط — فالمجال كله يعمل بأرقام مُبلَّغ عنها ذاتيًا، ولهذا يمكن أن يبقى خلاف بثماني نقاط حول ArabicMMLU الخاص بـ Fanar 2 معلنًا في العلن سبعة أشهر دون أن يحلّه أحد. وإلى أن يفعل أحد ذلك، تعامل مع جدول Jais 3 باعتباره حجة IFM وجدول Fanar 2 باعتباره حجة QCRI، وتعامل مع الحقائق المعمارية — 512K مقابل 32K، وسبع نقاط تفتيش مقابل واحدة، وأعلام محلل مقابل واجهة برمجة تطبيقات مستضافة — باعتبارها الجزء الذي يمكنك فعلًا التخطيط بناءً عليه.

ما لا تستطيع الأرقام إخبارك به هو ما إذا كان قد حدث خطأ في أيٍّ من ذلك في الميدان: فالحوادث الموثّقة للذكاء الاصطناعي وإخفاقات الوكلاء المتعلقة بنماذج من هذه الفئة مُجمَّعة في the OrcaRouter AI Incident Archive، حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محل نزاع.