بطاقة عنوان مُولّدة بعنوان «Karpo Decision 31B vs Nimble v3» مع عنوان فرعي «إجابة الترخيص تسبق إجابة لوحة الصدارة». بالأسفل، بطاقتان: «Nimble v3» تسرد «محول LoRA بحجم 9B»، و«CC BY-NC 4.0 — لا استخدام تجاري» و«51.06 النتيجة الكاملة» بجانب قفل مغلق؛ و«Karpo Decision 31B» تسرد «نقطة تحقق كاملة بحجم 31.3B»، و«أوزان Apache-2.0» و«73.86 النتيجة الكاملة» بجانب قفل مفتوح.
Guides & Insights

Karpo Decision 31B مقابل Nimble v3: الترخيص يُجيب قبل أن تُجيب لوحة الصدارة.

الكاتب

Elias Hawthorne

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

نُشر نموذجا قرارٍ في الخريف نفسه دون إعلان يُذكر تقريبًا، وهما يقعان على طرفَي نقيض من السؤال الوحيد الذي يحسم قرار الشراء عادةً. Nimble v3 — المُسجَّل باسم Bespoke-Nimble-9B-v3 والمرفوع إلى Hugging Face في 30 سبتمبر 2026 — هو محوِّل LoRA بحجم 9B بترخيص CC BY-NC 4.0، وهو ما يفسّره كرت النموذج بأنه "لا يجوز استخدامه لأغراض تجارية." Karpo Decision 31B، الذي أنشأته MachinePulse في 5 نوفمبر 2026، هو نموذج Gemma 4 مُحسَّن بدقة 31.3B بترخيص Apache-2.0 مع شروط Gemma 4 الخاصة مرفقة إلى جانبه. وكل ما تبقّى في هذه المقارنة — فجوة قدرها 22 نقطة في لوحة الصدارة، وفرق بمقدار ثلاثة أضعاف في حجم الأوزان، وخطأ معايرة يختلف بمعامل اثنين ونصف — إنما ينبع من ذلك التفرّع، وتكتشفه معظم الفرق بعد أن تكون قد اختارت فائزًا بناءً على اختبارات الأداء القياسية.

فابدأ بالترخيص أولًا، لأنه الجزء الوحيد في هذه المقارنة المحسوم والحاسم في آنٍ واحد. ثم انظر إلى ما يمكن للأرقام أن تخبرك به وما لا يمكنها، لأنه في ذلك الجانب لا يكاد يكون هناك شيء محسوم على الإطلاق.

ما الذي يحتوي عليه كل مستودع فعليًا

Nimble v3 عبارة عن خمسة ملفات: README، adapter_config.json، adapter_model.safetensors، وschema_config.json و.gitattributes. وهو محول PEFT، وليس نموذجًا مستقلًا، ويتوقع Qwen/Qwen3.5-9B كأساس له، وهو ما لا يكرره المستودع. تصف البطاقة سياقًا وأسئلة مصنّفة — اختيارًا من بين خيارات، أو نعم أو لا — وتُعيد احتمالًا لكل خيار. لم تنشر Bespoke Labs طول سياق، ولا حدًا أقصى للخيارات، ولا درجة حرارة، ولا ملاحظة تغيير للإصدار v3؛ وثّقت نقاط التحقق السابقة للعائلة بعضًا من ذلك، أما هذه فلا.

Karpo Decision 31B نقطة حفظ كاملة، 62.5 GB من الأوزان بـ31.3B معلمة بصيغة bf16، إضافةً إلى رأس قراءة fp32 بأبعاد 255 × 5,376. يقرأ النص وJSON والصور، ويستقبل ما يصل إلى 255 خيارًا لكل سؤال، ويضع سقفًا للتسلسل عند 32,768 رمزًا، ويقسّم الطلبات الأطول حسب السؤال، ويرفض أي شيء لا يتسع بعد ذلك بدلًا من اقتطاعه. ويُوزَّع مع حزمة Python وخادم HTTP على شكل System One، POST /v1/systemone، لأن منظومة عامة لإكمال المحادثات لا تستطيع تشغيله: فكلٌّ من انتباه الفروع ورأس القراءة أساسي ولا غنى عنه، وتحميل نقطة الحفظ كنموذج دردشة عادي لن يعيد إنتاج إجاباته.

للاختلاف بين المستودعين جانب عملي. لا يخبرك README الخاص بـ Nimble v3 بكيفية تقديمه بشكل صحيح؛ أما بطاقة Karpo فتفعل ذلك. الأول نقطة تحقق مصحوبة بدليل مالك، والآخر نقطة تحقق مصحوبة بسطر ترخيص.

الفجوة، والأدوات التي سيتعين عليك الوثوق بها كي تصدّقها

على Decision Index — اللوحة المجتمعية التي تتعقّب عمليات إعادة الإنتاج المفتوحة لـ Jev من TypeSafe، وهي الآن في الإصدار 0.4.1 — الرقمان هما 73.86 و51.06 على درجة Full. وهذا فارق قدره 22.8 نقطة. رقم Full هو الأكثر جديرًا بالثقة، لأن المشرفين شغّلوه بأنفسهم: نحو 60% منه يأتي من اختبارات على المهارات نفسها الموجودة في المجموعة العامة، و40% من مجالات لم ينشرها أحد، ولم يطّلع أي من المورّدين على أي من النصفين مسبقًا. توزيع Karpo هو 70.94 للمهارات نفسها مقابل 61.5 للمجالات الجديدة. أما توزيع Nimble v3 فهو 52.34 مقابل 38.2.

الأرقام العلنية الواردة في كل بطاقة هي عمليات تشغيل أجراها البائعون أنفسهم لمجموعة الأدوات الرسمية، وينبغي قراءتها بصورة منفصلة: 75.05 لـ Karpo عبر 140,178 طلبًا تم تقييمه، و56.88 لـ Nimble v3 — وهو الرقم الذي تطبعه بطاقته على حزمة 0.2.1 الأقدم، والذي تضعه إعادة تشغيل اللجنة عند 57.19 على المقياس الحالي. وقد اعتمدت اللجنة كليهما، وهذه خطوة مراجعة حقيقية وليست مماثلة لقيام مختبر مستقل بتشغيل النموذج على عتاده الخاص. لا يظهر أي من النموذجين على Artificial Analysis. ولم يقيّم أيًا منهما أحدٌ خارج هذين المستودعين.

ما يعنيه ذلك عمليًا هو أن نقاط 22.8 جديرة بالثقة أكثر من معظم مقارنات البائعين، وأقل ثقة من قراءة أداة واحدة لكلا النموذجين. فقد أنتجتها مؤسسة واحدة على مجموعة اختبارات واحدة وبصيغة واحدة، وهو أفضل سيناريو متاح فعلاً لنماذج القرار المفتوحة — والمجموعة غير رسمية، ونطاق التعادل 0.9 نقطة، ولا يمكنك فحص النصف الخاص. تعامل مع الاتجاه باعتباره حقيقيًا ومع الحجم باعتباره تقريبيًا.

حيث يكون نموذج 9B أقرب مما توحي به فجوة الحجم

A generated dual-bar chart titled 'Five category scores, one board' with rows reading 'Tools and automation — 84.24 / 88.39', 'Language understanding — 60.68 / 76.78', 'Retrieval — 55.48 / 76.42', 'Knowledge and reasoning — 40.96 / 65.46' and 'Arts and open-ended — 44.05 / 68.21', each pairing a shorter blue Nimble v3 bar with a longer cyan Karpo Decision 31B bar. The top row carries a warm outline and a tag reading 'closest'. The footer reads 'Decision Index 0.4.1 category scores; both models scored by the same maintainers on the same suite.'

ما إن تفرّق درجات الفئات الخمس في لوحة النتائج حتى تكفّ القصة عن كونها فوزًا سهلًا. في الأدوات والأتمتة، تسجّل Nimble v3 نتيجة 84.24 مقابل 88.39 لـ Karpo — بفارق أربع نقاط، من نموذج لا يبلغ ثلث الحجم، وفي الفئة التي تغطي اختيار الأدوات وبوابات الوكلاء. هذه هي حالة الاستخدام التي بنت Bespoke Labs هذه العائلة من أجلها، وهي تصمد أمام فارق الحجم وتبقى سليمة إلى حد كبير. إذا كانت طبقة القرار لديك موجودة للإجابة عن سؤال «هل ينبغي لهذا الوكيل استدعاء الأداة، وأي أداة؟»، فإن المهايئ 9B يدخل في المقارنة نفسها مع نقطة التحقق 31B.

في كل مكان آخر، تكون الفجوة هي تلك التي كنت ستتوقعها. يبلغ فهم اللغة 60.68 مقابل 76.78، والاسترجاع 55.48 مقابل 76.42، والمعرفة 40.96 مقابل 65.46، والفنون والأحكام المفتوحة 44.05 مقابل 68.21. وتتركز ميزة Karpo تحديدًا في المواضع التي ينبغي أن تُثمر فيها السعة الإضافية لنموذج 31B: سياق أطول، ومعرفة أوسع بالعالم، وقراءة أفضل لحالة كثيفة.

كما أن زمن الاستجابة لا يتبع فجوة الحجم أيضًا. على العتاد المرجعي للمتتبِّع — وحدة معالجة رسوميات واحدة، وطلب واحد في كل مرة — يسجّل Nimble v3 وسيطًا قدره 73.9 ms مقابل 94.3 ms لـ Karpo. عشرون ميلي ثانية ليست سببًا لاختيار نموذج، لكنها تذكير بأن محوّلًا مدموجًا بحجم 9B كائن مختلف من حيث التشغيل: يتّسع على حاسوب محمول في Q4، ويُحمَّل في ثوانٍ، ويمكن أن يستقر داخل حلقة وكيل لكل خطوة دون نقاش حول ميزانية GPU.

المعايرة، حيث لا يكون النموذج الأصغر أضعف فحسب، بل أقل صدقًا

تخبرك الدقة بمدى تكرار صحة الإجابة الأعلى. وتخبرك المعايرة بما إذا كان الاحتمال المرتبط بها يصلح لبناء عتبة عليه، وبالنسبة لنموذج قرار، فهذا هو الرقم الوحيد المهم تشغيليًا.

تُبلغ بطاقة Karpo عن خطأ معايرة متوقع قدره 4.8 نقطة عبر 34,411 استجابة: متوسط الثقة 87.96% مقابل دقة فعلية 83.19%. وفي أعلى شريحة، التي تضم 68.5% من جميع الاستجابات، تكون صحيحة 95.7% من الوقت بينما تدّعي 98.7%. ثمة ثقة مفرطة عند الطرف الأعلى، بنحو ثلاث نقاط، مع تتبّع المنحنى فيما عدا ذلك.

يبلغ الفارق لدى Nimble v3 ‏12.29 نقطة عبر 34,833 استجابة: الثقة 87.26% مقابل الدقة 74.97%. وتضم الفئة العليا 67% من الاستجابات، وتدّعي 98.6% وتكون صحيحة 89.1% — أي مبالغة قدرها 9.5 نقاط في النطاق الذي توجد فيه عتبة فعليًا. وتحت ذلك، تكون الفئات المتوسطة أسوأ من ذلك: عند ادعاء 0.85، يكون النموذج صحيحًا نحو 59% من الوقت. هذا ليس نموذجًا يعاني انحراف معايرة طفيفًا؛ بل نموذجًا لا يمكن استخدام ثقته كبوابة دون إعادة قياس، ولم توعد وثائق العائلة نفسها بأي شيء آخر.

اقرأ هاتين الفقرتين معًا، وستكون الخلاصة الصادقة أضيق مما توحي به لوحة الصدارة. فـ Karpo أفضل في اتخاذ القرارات، وأفضل في معرفة مدى جودة قراراته. أما Nimble v3 فأرخص تشغيلًا، وفي الفئة الوحيدة الأهم لعمل الوكلاء هو قريب — لكن إذا كنت تخطط للقبول التلقائي فوق 0.9 والتصعيد دون ذلك، فستقضي أسبوعك الأول في ملاءمة تصحيح لـ Nimble يمنحك إياه Karpo في بطاقته.

تفرّع الترخيص، مصوغًا بلا مواربة

إن Nimble v3 مرخّص بموجب CC BY-NC 4.0. وهذا ليس غامضًا: تنص البطاقة على أنه لا يجوز استخدامه لأغراض تجارية. كانت كل نقطة تحقق سابقة من Nimble مرخّصة بموجب Apache-2.0، والنموذج الأساسي مرخّص بموجب Apache-2.0، وهذا لا يغيّر شيئًا — فالأساس المتساهل لا يخفّف من محوّل غير تجاري، والمحوّل هو مكان وجود السلوك. أما مستودع GitHub الذي يضم شيفرة التدريب والتنظيم الخاصة بالمشروع فلا يُبلِغ عن أي ترخيص على الإطلاق عبر GitHub API، وهي مشكلة منفصلة ويمكن القول إنها أسوأ لأي شخص يخطط للبناء عليه.

Karpo Decision 31B مرخّص بموجب Apache-2.0 للأوزان والشيفرة، مع إرفاق شروط Gem​ma 4 إلى جانبه في المستودع. وهذا هو الطرف المتسامح من الانفتاح، مع التحفّظ المعتاد الخاص بـ Gemma بأن إعادة التوزيع اللاحقة يجب أن تنقل تلك الشروط أيضًا.

بالنسبة إلى دفتر ملاحظات بحثي، أو تقييم داخلي، أو ورقة بحثية، يكون الفرق غير مرئي وNimble v3 هو المدخل الأرخص. أما بالنسبة إلى أي شيء يمسّ الإيرادات — بوابة توجيه داخل منتج تجاري، أو نموذج فرز في خط أنابيب مدفوع، أو حتى أداة داخلية لدى شركة تهدف إلى الربح — فإن الترخيص يحسم المواجهة قبل أن تحظى نقاط 22.8 بفرصة الاستماع. لدى Bespoke Labs مسار API مستضاف وعنصر نائب لنسخة 27B تُبلّغ عن 65.33 على المجموعة العامة الأقدم، ولا يغيّر أيّ منهما الشروط على محول 9B.

إن تقديم أيٍّ منهما يمثّل مشكلة في التوجيه قبل أن يكون مشكلة في النمذجة.

A generated architecture diagram titled 'The decision head and the generative half'. A left card labelled 'Decision model, self-hosted' lists 'Karpo Decision 31B — Apache-2.0', 'Nimble v3 — CC BY-NC 4.0' and 'answers only the options you supply', and an arrow runs right into a centre card labelled 'One OpenAI-compatible key' listing '200+ models', 'provider list price, no markup' and 'automatic failover'. Two arrows fan out from the centre to cards reading 'TypeSafe Jev 1.14' and 'Gemma 4 31B'. The footer reads 'Neither decision model is hosted here; they stay where their licence permits.'

نماذج القرار ضيقة بحكم بنيتها: فهي لا تجيب إلا عن الأسئلة التي تطرحها عليها، ولا تستطيع الكتابة أو الشرح أو إرجاع خيار لم تقدّمه. وهذا يجعلها النصف الصغير من نمط من نموذجين، والنصف الأسهل في الإبقاء عليه داخل المؤسسة. أما النصف التوليدي فهو حيث تبرر نقطة نهاية واحدة وجودها.

لا يشغّل OrcaRouter أيًّا من نقطتَي التحقق هاتين، ولا يكون لأيّ منهما معنى خلف مسار chat-completions. أما النموذجان اللذان يقدّمهما فيقعان طبقةً أدنى: Je​v 1.14 الخاص بـ TypeSafe، الهدف الذي وُجدت اللوحة بأكملها لتكراره، ونقطة التحقق Gem​ma 4 31B التي ضُبط Karpo ضبطًا دقيقًا انطلاقًا منها. مفتاح واحد يغطي كليهما، ويتبع التسعير قائمة المزوّد دون أي إضافة فوقها، لذا يصل إليك أي تغيير من المورّد في اليوم نفسه. وما يناسب رأس القرار هو طبقة التوجيه أمامه — لغة توجيه DSL ترسل كل فئة طلبات إلى النموذج الذي ينبغي أن يجيب عنها، مع تجاوز الفشل خلف ذلك — بحيث تتشارك مهمة إعادة تقييم ليلية وحاجز أمان حيّ عقدًا واحدًا بينما يبقى نموذج القرار نفسه حيثما يسمح ترخيصه.

ثلاثة أشياء من شأنها أن تغيّر هذه القراءة

A generated checklist card titled 'Three things that would change this reading', with three numbered rows: 'A commercially usable Nimble adapter' — 'Apache-2.0 on a Qwen3.5-9B base, with a context contract'; 'A published context and prompt spec' — 'Nimble v3 documents neither, so its inputs are reconstructed'; and 'One instrument scoring both' — 'A single board reading both models on the same suite'. The footer reads 'Until then: Apache-2.0 and better-calibrated at 31B, or non-commercial and cheap at 9B.'

أول هذه النقاط هو تغيير في الترخيص. فوجود محوّل Nimble قابل للاستخدام تجاريًا على قاعدة Qwen3.5-9B، مع عقد سياق ودرجة حرارة محددة، سيجعل خيار الـ9B تنافسيًا حقًا في بوابة الوكلاء — إذ تشير درجة الأدوات البالغة 84.24 إلى أن القدرة موجودة بالفعل. ولا شيء في مواد Bespoke Labs العامة يوحي بأن ذلك قادم؛ فقد سار الانتقال من Apache-2.0 إلى CC BY-NC في الاتجاه المعاكس.

الثاني هو مواصفة للسياق والموجّه. لا توثّق بطاقة Nimble v3 أياً منهما، ما يعني أن أي شخص يشغّله يخمّن صيغة الموجّه التي كانت الإصدارات السابقة تشحنها. والنموذج الذي يعيد المستخدم بناء مدخلاته هو نموذج يصعب إعادة إنتاج أرقامه، وخطأ المعايرة البالغ 12.3 نقطة هو من نوع الأرقام التي تتحسن أو تسوء بحسب طريقة صياغة السؤال.

الثالث هو أي أداة مستقلة تقرأ كليهما. إنّ Decision Index دقيق، وشفاف بشأن منهجه، وصادق بشأن نطاقات التعادل لديه، ولا يزال لوحة مجتمعية واحدة. في اليوم الذي يظهر فيه أي من النموذجين على Artificial Analysis إلى جانب مقيّم من مزوّد سحابي عملاق، تتوقف المقارنة عن كونها حسابات على بطاقتي مورّدين وتصبح قياسًا. لم يحدث ذلك لأي منهما، وإلى أن يحدث، فإن الموقف القابل للدفاع هو الموقف الممل: Apache-2.0 وأفضل معايرةً عند 31B إذا كان بإمكانك تشغيله، وغير تجاري ورخيص عند 9B إذا لم يكن بإمكانك، ولا سبب للاختيار بناءً على النتيجة وحدها.