Laya ضد Decider: مشفر بحجم 421 مليون مقابل خليط بحجم 35 مليار

إن Laya وDecider نموذجا قرار مفتوحا الأوزان وغير انحدارية ذاتية، يجيبان عن أسئلة محددة النوع — اختيار من قائمة مقدمة، أو درجة على سلّم تقييم مرتّب، أو احتمال نعم/لا — في تمريرة أمامية واحدة، ويقعان على طرفين متقابلين من طيف الحجم. أصدرت Convai Innovations نموذج Laya في 18 سبتمبر 2026 بموجب Apache 2.0: مشفّر ModernBERT-large بحجم 421M للغة الإنجليزية بنافذة 512 رمزًا، ونقطة تحقق mmBERT-base متعددة اللغات بحجم 322M بنافذة 1,024 رمزًا تغطي أكثر من 100 لغة، وموجّه يكتشف نظام الكتابة ويوجّه إلى النموذج المناسب. تمتد عائلة Decider من Mapika من decider-0.8b و decider-2b على قواعد توليدية صغيرة وصولًا إلى decider-35b-a3b، وهو مزيج خبراء بحجم 35B مع نحو 3B من المعاملات النشطة. كلاهما مجاني للتنزيل، وكلاهما يعيد احتمالات بدلًا من نص. والسبب في أنهما ليسا قابلين للتبادل ليس رقم الدقة الذي تتصدّر به معظم الكتابات.

عائلتان، رهان معماري واحد

الرهان المشترك هو أن القرار لا يحتاج إلى حلقة فك ترميز. النموذج التوليدي الذي يُسأل: "هل هذه التذكرة طلب استرداد؟" عليه أن يُصدر رموزًا، وبمجرد أن يُصدر رموزًا تصبح مسؤولًا عن التحليل، والتحقق من المخطط، ومسار إعادة المحاولة في الحالة التي ينسى فيها قوسًا واحدًا من كل مئتي مرة. تتجاوز Laya وDecider ذلك كليهما بقراءة الإجابة مباشرة من تمريرة أمامية واحدة — Laya من مشفّر ثنائي الاتجاه، وDecider من اللوغيتات الخاصة برموز الخيارات المرقّمة بالحروف عند خانة إجابة مخصّصة في الموجّه.

وهنا يتوقف التشابه. Laya عبارة عن مُرمِّزَين صغيرين يقفان خلف موجِّه لغوي، وهو ما يمنحها نافذة إنجليزية بسعة 512 رمزًا ونافذة متعددة اللغات بسعة 1,024 رمزًا عند عدد معلمات يبلغ 421M و322M. يحتفظ Decider بعمود فقري توليدي ويضيف طبقة قراءة في الأعلى: decider-2b هو ضبط دقيق بإشراف لـ Qwen3.5-2B-Base يتبعه مسار تعزيزي واعٍ بالمعايرة على مهام المتصفح الحية والألعاب الدقيقة، بينما يجمّد decider-35b-a3b الخبراء الموجَّهين ويدرّب مصفوفات كتلية باستخدام Muon. النتيجة العملية هي أن Decider يرث المعرفة العالمية لنموذج لغوي بينما لا تفعل Laya ذلك. والنتيجة الأخرى هي أن Decider يرث البصمة الحاسوبية لنموذج لغوي.

تضع وثائق Mapika الخاصة decider-2b عند وسيط 18ms لكل قرار على B300 في bf16، بحجم دفعة واحد، دون CUDA graphs أو تجميع، وdecider-35b-a3b عند 41ms على الإعداد نفسه. على GH200 مع سياقات تذاكر دعم تبلغ نحو 230 رمزًا وثلاثة إلى خمسة أسئلة مكتوبة، يفيد المشروع نفسه بـ49ms في الوضع Eager، و4.0ms مع CUDA graphs وtorch.compile، وحوالي 1,370 قرارًا في الثانية عند دفعة 32. هذه أرقام منشورة من البائع من مقال المشروع نفسه، وليست قياسًا مستقلًا. رقم Laya الرئيسي منشور من البائع كذلك: 32.8ms p50 لكل قرار على Tesla T4، و7.2ms لكل سؤال عند حجم دفعة 10.

سؤال المعايرة، الذي يجيب عنه المشروعان على مقياسين مختلفين

تُعد المعايرة القيمة الأكثر أهمية في نموذج القرار، لأن جوهر إرجاع احتمال هو أن يضع شخصٌ ما في مرحلة لاحقة عتبةً عليه. وهنا أيضًا تحديدًا، ستضللك المقارنة المباشرة بين Laya وDecider.

تأتي Laya بخطأ معايرة متوقّع قدره 0.466 على بطاقة نموذجها الخاصة، وتذكر البطاقة بصراحة أن إعادة ملاءمة معامل حرارة لكل نوع من الأسئلة تنقل ذلك إلى 0.081. وهذا إفصاح صادق على نحو غير معتاد، ويعني أيضًا أن نقطة الحفظ المشحونة ليست النسخة المُعايرة. الرقم الذي تحصل عليه مباشرة دون تعديل هو 0.466.

يقدّم Decider تقاريره على أداة مختلفة تمامًا. لوحة الصدارة Decision Index — وهي لوحة صدارة مفتوحة شغّلت كل إعادة إنتاج مفتوحة لـ Jev عبر 132,422 طلبًا — تضع decider-35b-a3b في المرتبة الرابعة إجمالًا عند 54.3 خلف Jev عند 59.5، وتصفه بأنه الأفضل معايرةً بين المشاركات الـ32، بخطأ معايرة يبلغ 3.1 نقطة و0.4% إجابات خاطئة عند ثقة معلنة تبلغ 95% أو أكثر. أما decider-2b فيسجل 8.8 نقطة و0.9%. هذه أرقام منشورة على لوحة الصدارة، و3.1 نقطة على ECE بعشر خانات الخاص بـ Index ليست القياس نفسه الذي يمثله 0.466 لدى Laya في تقييمه الخاص. ووضعهما جنبًا إلى جنب في جدول سيكون خطأ من نوع مقارنة التفاح بالبرتقال متلبسًا بثوب الصرامة. وكل ما يمكن قوله هو أن مؤلف Decider اختار أن يُقاس على لوحة صدارة طرف ثالث، واختار مؤلف Laya أن ينشر بنفسه أضعف رقم معايرة لديه؛ ولم يُدقّق أيٌّ منهما بواسطة منظومة تقييم الآخر.

أين يتفوق كل واحد، بُعدًا ببُعد

• العمود الفقري — Laya: مُشفِّر ModernBERT-large بسعة 421M، ثنائي الاتجاه. المُقرِّر: النماذج الأساسية التوليدية Qwen3.5، من 0.8B إلى 35B-A3B.

• اللغات — Laya: أكثر من 100 عبر نقطة تحقق متعددة اللغات بحجم 322 مليون خلف موجّه. Decider: الإنجليزية فقط، ويُذكر ذلك كقيد.

• نافذة السياق — Laya: 512 رمزًا في الإنجليزية، و1,024 متعدد اللغات. Decider: تُقبل مدخلات تصل إلى 32 ألفًا، ودُرِّب على 16 ألفًا في الجيل v6، واختُبِر حتى 30 ألفًا.

• سقف مجموعة الخيارات — Laya: يتدهور بحدّة بعد نحو 20 خيارًا، 0.425 على Banking77 مقابل 0.870 لدى Jev. Decider: Choice من 2 إلى 255 خيارًا مُسمّى، وScore على 2 إلى 10 مستويات موصوفة.

• الدقة في الوضع الصفري (zero-shot) — Laya: 0.362 على معيار القرارات المصنّفة (typed-decisions)، وهو أقل من خط الأساس للأصناف الأكثرية البالغ 0.461. Decider: لم تُنشر كرقم للوضع الصفري (zero-shot)؛ إذ يقدّم المشروع نتائج خاصة بالمهمة بدلاً من ذلك.

• المعايرة — Laya: ECE 0.466 كما تم شحنه، و0.081 بعد إعادة ضبط درجة الحرارة حسب نوع السؤال. Decider: 3.1 نقطة على Decision Index للطراز 35B، الأفضل من بين 32 إدخالًا.

• الاستدلال — Laya: لا شيء، بحكم التصميم. Decider: لا شيء، مذكور صراحةً — فهو ناتج مطابقة أنماط، وليس مُستدِلًّا.

• الترخيص — Apache 2.0 لكليهما.

تفصيل إضافي عن Decider يجدر معرفته قبل أن تختاره: يحذّر المشروع من أن انتقاء سجل واحد من مصفوفة JSON طويلة حسب الموضع يُعد حالة ضعيفة، ويوصي بالوصول إلى السجلات عبر المفتاح. وهذا نوع من القيود لا تكتشفه إلا عند تشغيله.

ما يكلفك تشغيل أيٍّ منهما

ملف تكلفة Laya هو مشروع ضبط دقيق. النموذج صغير بما يكفي ليعمل على وحدة المعالجة المركزية لحاسوب محمول لأداء عمل منخفض الإنتاجية، لكن درجة الوضع الصفري لنقطة التفتيش الإنجليزية المشحونة تقع دون الخط الأساسي التافه، ما يعني أن تبنّي Laya هو تبنّي مهمة بناء مجموعة موسومة، وضبط دقيق، وإعادة ملاءمة درجة الحرارة لكل نوع سؤال. المكافأة هي أنه بمجرد أن تفعل ذلك، يصبح الناتج 421 مليون معلمة ويجيب في عشرات المللي ثانية على T4. المضبوطة دقيقًا من Convai laya-typed-decisions نقطة التفتيش تبلغ 0.766 على تقسيم التدريب في المعيار — وهو رقم يقول أكثر عن الضبط الدقيق مما يقول عن النموذج الأساسي، وبطاقة النموذج تقول ذلك.

ملف تكلفة Decider هو قرار تقديم الخدمة. أنت تختار مقدار GPU الذي تستأجره، وتمنحك العائلة مقبضًا حقيقيًا: 18ms على 2B مقابل 41ms على 35B-A3B، حيث يشتري النموذج الأكبر معرفة وهامشًا في الاستدلال على GPQA وGSM8K وCRUXEval وMMLU لا تملكه النماذج الصغيرة. إذا كانت مهمتك ضيقة وتسمياتك ثابتة، فإن decider-2b هو الجهاز الأرخص. وإذا كانت مهمتك تتطلب أن يعرف النموذج الأشياء، فأنت تدفع مقابل المزيج.

أين يتناسب OrcaRouter — وأين لا يتناسب

لا يُعدّ Laya ولا Decider نموذجًا مستضافًا على OrcaRouter. أنت تنزّل الأوزان وتشغّلها بنفسك، ولا شيء هنا يغيّر ذلك. ما يتغيّر فعلًا هو النصف الآخر من النمط. لا يكاد نموذج قرار مُنمَّط يشكّل التطبيق بأكمله: فلا بد من شيء يقرأ التذكرة، أو يلخّص سلسلة الرسائل، أو يصوغ مسودة الردّ الذي يمرّ عبر بوابة القرار. ذلك النصف هو استدعاء توليدي، وهو النصف الذي بُني OrcaRouter من أجله — أكثر من 200 نموذج خلف مفتاح واحد متوافق مع OpenAI بسعر سعر قائمة المورّد مُمرَّر كما هو بهامش ربح 0%، لذا يصل تخفيض سعر المورّد إلى فاتورتك في اليوم نفسه بدلًا من عند تجديد العقد التالي. إذا كنت تُجري ضبطًا دقيقًا لنقطة تحقق Laya مقابل مخرجات نموذج رائد، أو توجّه بين decider-2b للفرز ونموذج كبير للـ4% الصعبة، فإن إبقاء الجانب التوليدي على نقطة نهاية واحدة يعني ألا يحتاج جانبا القرار والتوليد إلى عقدين ومجموعتين من SDK. ويغطّي التحويل التلقائي عند الفشل الحالة التي يكون فيها النموذج الكبير هو الجزء الذي يتعطّل.

أي واحدة تختار؟

اختر Laya إذا كانت مُدخلاتك متعددة اللغات، وكانت تصنيفاتك قليلة، وميزانية زمن الوصول لديك تبلغ عشرات المللي ثانية على عتاد متواضع، وكنت مستعدًا للضبط الدقيق — لأنك ستضطر إلى ذلك. اختر Decider إذا كانت مُدخلاتك بالإنجليزية، وكنت تحتاج إلى أن يحمل النموذج بعض المعرفة العامة إلى القرار، وكنت تفضّل اختيار حجم نموذج على تشغيل خط تدريب. إذا تجاوزت مجموعات خياراتك عشرين تصنيفًا، فاقرأ رقم Banking77 الخاص بـ Laya قبل أن تلتزم؛ وإذا كانت مُدخلاتك مستندات JSON طويلة تتعامل معها حسب الموضع، فاقرأ القيد المذكور الخاص بـ Decider قبل أن تلتزم.

المقارنة التي قد تحسم هذا الأمر فعلاً — كلا النموذجين على مدخلات متطابقة بايت ببايت، ونفس المطالبات، ونفس ترتيب الخيارات، ونفس مسح العتبة — لا وجود لها بعد. وإلى أن توجد، فإن الموقف الصادق هو أن Laya تملك منحنى التكلفة الأفضل وأن Decider يملك أدلة المعايرة الأفضل، وأن كليهما في مرحلة مبكرة بما يكفي لأن التقييم الذي تبنيه على بياناتك الخاصة سيكون أعلى قيمة من الأرقام المنشورة لأيٍّ من المشروعين.