LBS-27B مقابل LFM2.5 24B A2B: مسألة المعاملات النشطة

أهم رقم في LFM2.5 24B A2B ليس 24. بل 2.45 — مليارات المعاملات التي يقرؤها النموذج فعليًا لكل رمز. ولهذا يمكن لـ Liquid AI أن تدّعي 184 رمز إخراج في الثانية على Apple M5 Max بينما يحتفظ النموذج بـ 24 مليار معلمة من المعرفة، ولهذا أيضًا تصفه الشركة بأنه وكيل على الجهاز لا حصان عمل لمراكز البيانات. الرقم نفسه غائب من LBS-27B، وغيابه هو سبب تعذّر حسم هذه المقارنة بعد: فمن دون عدد المعاملات النشطة، لا توجد طريقة لوضع نموذج inclusionAI على منحنى الكفاءة الذي يحدده LFM2.5.

أصبح LFM2.5 24B A2B قابلاً للتنزيل منذ 13 أكتوبر 2026، مع بطاقة نموذج وستة عشر صفًا من نتائج الاختبارات المرجعية وترخيص سيحتاج معظم المؤسسات إلى قراءته بعناية. أما LBS-27B فهو مستودع أُنشئ في 26 أكتوبر 2026 ويحتوي على ملف .gitattributes قياسي وملف README بحجم 28 بايت يعلن ترخيص Apache-2.0. لا أوزان، ولا إعدادات، ولا بطاقة، ولا إعلان. وبالتالي فإن ما يلي مقارنة بين رهان كفاءة محدد بالكامل واسم لم يحدد بعد نوع النموذج الذي يمثله.

ما الذي تُحسّن Liquid من أجله

LFM2.5 24B A2B هو مفكك ترميز من نوع خليط الخبراء يضم 64 خبيرًا وتوجيهًا من أعلى 4، و40 طبقة، وحجم مخفي قدره 2,048، ومفردات من 128,000 رمز. ويبلغ عدد المعاملات النشطة 2.45 مليار. وهو يقبل سياقًا من 131,072 رمزًا، ارتفاعًا من 32K في الجيل السابق، وقد جرى تدريبه المسبق على 33 تريليون رمز، أي نحو ضعف 17 تريليونًا المستخدمة في LFM2.

إن تغيير المفردات تفصيل يستحق الانتباه. الانتقال من 65K إلى 128K رمزًا مكلف — فهو يعني إعادة تدريب طبقتي التضمين والإخراج — والسبب المعتاد لفعل ذلك هو النص غير اللاتيني. تعرض البطاقة ست عشرة لغة: الإنجليزية، والعربية، والصينية، والفرنسية، والألمانية، والإيطالية، واليابانية، والكورية، والبرتغالية، والإسبانية، والفيتنامية، والتايلاندية، والإندونيسية، والهندية، والروسية، والبولندية. تجعل المفردات الأكبر تلك اللغات أقل تكلفة لكل كلمة، وعادةً أفضل في الذيل.

إنه أيضًا نموذج قائم على الاستدلال فقط. تتضمن خطوة التدريب اللاحق لدى Liquid الضبط الدقيق الخاضع للإشراف، وتخصص المعلّم، والتقطير غير الوكيلي والوكيلي، ثم التعلّم المعزز الوكيلي داخل أُطر مثل OpenClaw وHermes Agent وPi وOpenCode. يُنتج النموذج سلسلة تفكير قبل الإجابة؛ ولا توجد على بطاقة النموذج أي وثائق عن وضع منفصل «سريع، بلا تفكير».

ملف تعريف مرجعي ذو نتوءات حادة متعمدة

أرقام Liquid الخاصة، التي لم نُعِد إنتاجها بأنفسنا، تصف نموذجًا بارعًا في الأمور التي يؤديها وكيل يعمل على الجهاز، وضعيفًا في الأمور التي يحتاجها عامل المعرفة. هذا الشكل ليس مصادفة؛ بل هو التصميم.

• اتباع التعليمات — IFEval 96.75، IFBench 74.69، Multi-IF 84.38. هذه أقوى مجموعة على البطاقة، وهي الأكثر أهمية بالنسبة لوكيل يجب أن يمتثل لمخطط أداة.

• استخدام الأدوات — ToolSandbox 80.71، PinchBench 83.18، BFCL v4 65.01، AutomationBench 27.69. جيد، لكنه غير متساوٍ عبر أُطر الاختبار.

• التصفح الوكيلي واستخدام الحاسوب — LiveClaw 48.09، وWebArena Verified 26.75، وtau3-Bench Banking 8.04. نتيجة قطاع البنوك هي الشاذة هنا: درجة برقم واحد على مجموعة مهام تتعامل معها النماذج الوكيلية الأخرى على نحو أفضل بكثير. وهي تذكير بأن "الوكيلية" ليست قدرة واحدة.

• هندسة البرمجيات — SWE-Bench Verified 51.00 ضمن OpenCode، وSciCode 32.71. في منتصف المجموعة.

• الرياضيات — MATH-500 ‏96.04. أداء قوي بالنسبة للحجم.

• المعرفة — GPQA Diamond 74.42، HLE 7.40، AA-Omniscience ‎−24.90. تُعدّ درجة Omniscience السلبية الإشارة الصادقة هنا: ففي اختبار معياري يعاقب الإجابات الخاطئة الواثقة، يخسر النموذج أكثر مما يكسب. ويقرّ توجيه Liquid نفسه بذلك — فالنموذج مُصمَّم ليُقرن بالاسترجاع، لا أن يُوثق به كدائرة معارف.

إذا قُرئت معًا، تقول تلك الصفوف إن النموذج متبع تعليمات ومستدعٍ للأدوات بكفاءة، لكن قاعدته المعرفية ضعيفة. بالنسبة لوكيل محلي يقرأ ملفاتك ويستدعي واجهات API الخاصة بك، فهذه مقايضة صائبة. أما بالنسبة لمساعد بحثي، فهي مقايضة خاطئة.

ادعاء الكفاءة، مع ما يكتنفه من تحفظات

تُبلغ Liquid عن 184 توكن في الثانية على Apple M5 Max باستخدام نحو 15 غيغابايت من الذاكرة، و114 توكن في الثانية على Ryzen AI Max+ 395. هذه أرقام الشركة المصنعة على عتاد محدد، وليست معيارًا عامًا، وستتغير مع التكميم وحجم الدفعة. لكن الاتجاه لا يزال ذا دلالة: نموذج 24B مع 2.45B نشطة يمكن تشغيله على حاسوب محمول بطريقة لا يستطيعها نموذج كثيف 24B.

المقايضة هنا هي عرض النطاق الترددي للذاكرة. فلا تزال النماذج المتفرقة بحاجة إلى الاحتفاظ بجميع المعلمات البالغ عددها 24 مليارًا في الذاكرة — والوفر يتحقق في الحساب لكل رمز، لا في التخزين. ولهذا فإن رقم 15GB يهم بقدر ما تهم الإنتاجية: فهو تقريبًا تكميم 4-بت لمجموعة الأوزان الكاملة، وهو يحدد الحد الأدنى للعتاد.

المكان الذي سيتعين على LBS-27B أن يستقر فيه

كل ما يتعلق بهذه المواجهة يعتمد على حقلين غير موجودين بعد في مستودع LBS-27B: عدد الخبراء وعدد المعاملات النشطة.

إذا كان LBS-27B متناثرًا بنحو 2B إلى 4B معاملًا نشطًا، فإنه يقع مباشرةً في مجال LFM2.5 — قاعدة معرفية من فئة 27B بحوسبة نموذج صغير — وتصبح المقارنة منافسةً مباشرةً على الجودة لكل معامل نشط. أما إذا كان كثيفًا، فهو منتج مختلف تمامًا: نموذج من جهة الخادم بحوسبة يمكن التنبؤ بها وبصمة ذاكرة تستبعد معظم الحواسيب المحمولة. وإذا كان متناثرًا بعدد كبير من المعاملات النشطة، فإنه يقع بين الاثنين وينافس على الجودة بدلًا من الكفاءة.

لا توجد طريقة لاستنتاج أي خيار من المستودع. يشير الاسم إلى 27B، وتقول وثيقة README إن الترخيص Apache-2.0، وشجرة الملفات لا تقول شيئًا آخر. ولم تنشر inclusionAI بطاقة تعريفية أو منشور مدونة أو ورقة بحثية استطعنا العثور عليها.

المقارنة، بقدر ما يمكن إجراؤها

• إجمالي المعلمات — 24.0 مليار لـ LFM2.5 24B A2B؛ و27 مليارًا غير مؤكَّدة لـ LBS-27B.

• المعاملات النشطة — 2.45B لـ LFM2.5؛ غير معروفة لـ LBS-27B، وهذا هو المجهول الحاسم.

• البنية المعمارية — 64 خبيرًا مع توجيه top-4 و40 طبقة لـ LFM2.5؛ غير معروف لـ LBS-27B.

• السياق — 131,072 رمزًا لـ LFM2.5؛ غير معروف لـ LBS-27B.

• الوسائط — نص فقط لـ LFM2.5؛ غير معروف لـ LBS-27B.

• اللغات — ست عشرة لغة مُدرجة لـ LFM2.5؛ وغير معروفة لـ LBS-27B.

• الاستدلال — سلسلة التفكير افتراضيًا، دون وجود وضع موثّق لتعطيل التفكير، بالنسبة إلى LFM2.5؛ غير معروف بالنسبة إلى LBS-27B.

• الترخيص — ترخيص LFM 1.0، مع اشتراط ترخيص تجاري عند تجاوز الإيرادات السنوية 10 ملايين دولار، بالنسبة إلى LFM2.5؛ وApache-2.0 مُعلَن بالنسبة إلى LBS-27B.

• التقييمات المنشورة — ستة عشر صفًا مُبلَّغًا من المورّد بشأن LFM2.5؛ ولا شيء بشأن LBS-27B.

الترخيص مسألة مشتريات، وليس حاشية.

هذا هو البُعد الوحيد الذي يمنح فيه المستودع الفارغ بالفعل ميزةً لـ LBS-27B. فترخيص LFM 1.0 ليس مفتوح المصدر بالمعنى الذي يقصده OSI: تحتاج الشركات التي تتجاوز إيراداتها السنوية 10 ملايين دولار إلى ترخيص تجاري منفصل قبل نشره. وبالنسبة لمطوّر فردي أو شركة ناشئة دون هذا الحد، فالأمر ليس مشكلة. أما بالنسبة لشركة متوسطة الحجم، فهو مراجعة قانونية وتفاوض وبند في الميزانية.

يعلن LBS-27B عن ترخيص Apache-2.0 في ملف README الخاص به. وهذا ترخيص متساهل يتضمن منحًا صريحًا للبراءات ولا يشترط حدًا للإيرادات، وإذا صمد حتى إصدار الأوزان فإنه يزيل خطوة كاملة من خطوات الشراء. وهو الميزة الملموسة الوحيدة التي يتمتع بها LBS-27B حاليًا في هذه المقارنة، ويجدر ذكره بوضوح لأنه ميزة حقيقية — فإعلان الترخيص عند إنشاء المستودع دليل ضعيف، لكنه ليس شيئًا لا قيمة له.

على الجهاز مقابل واجهة برمجة التطبيقات: منتجان مختلفان

صُمم LFM2.5 24B A2B ليعمل حيث توجد البيانات. وتقوم فكرته الترويجية على الخصوصية وزمن الاستجابة المنخفض: نموذج على حاسوب محمول أو محطة عمل لا يرسل أي طلب إلى طرف ثالث أبدًا، مع استدعاء أدوات جيد بما يكفي لتشغيل الأتمتة المحلية. وقد جُهزت بصمة الذاكرة بدقة 4 بت وسياق 131K بما يناسب هذه المهمة.

لم يصرّح LBS-27B بما هو مخصص له. إذا أطلقت inclusionAI نموذجًا مصممًا للخدمة من جانب الخادم، فإن حجة التشغيل على الجهاز لا تنطبق، ويكون النموذجان مكمّلين لا بديلين. وإذا أطلقت نموذجًا من نوع MoE صغير التفعيل بقصة نشر محلي، فإن المقارنة تصبح مباشرة، ويصبح سبق Liquid بجيلين في أدوات التشغيل على الجهاز — دعم llama.cpp وMLX وONNX وvLLM، إضافةً إلى إطار وكلاء موثّق — هو العامل الحاسم.

يُعدّ دعم أطر العمل جزءًا لا يُقدَّر حق قدره في هذا الأمر. فالنموذج الذي لا يتوفّر في llama.cpp أو MLX منذ اليوم الأول ليس نموذجًا يعمل على الجهاز على نحوٍ عملي، بصرف النظر عن عدد معاملاته النشطة.

اختبار نموذج غير مُثبت دون المراهنة عليه

لا يتوفر أي من LBS-27B أو LFM2.5 24B A2B على OrcaRouter اليوم، لذا لا توجد نقطة نهاية مستضافة لأي منهما ولن نقترح خلاف ذلك. سبب ذكر المنصة هنا هو مشكلة التقييم التي تلي: إذا أردت معرفة ما إذا كان بإمكان نموذج جديد صغير المعلمات النشطة أن يحل محل نموذجك الحالي، فأنت بحاجة إلى تشغيل كليهما على حركة المرور الخاصة بك، وليس على لوحة الصدارة.

لغة التوجيه DSL الخاصة بـ OrcaRouter تتيح لك إرسال نسبة مئوية من الطلبات إلى نموذج مرشح مع إبقاء النموذج الحالي باعتباره الافتراضي، ويعني التحويل التلقائي عند الفشل أن المرشح الذي تنتهي مهلته أو يحدث خطأ فيه يتراجع إلى النموذج المعروف بدلاً من إفشال الطلب. في الحالات الصعبة التي لا يكفي فيها نموذج واحد، يتيح دمج النماذج لمجموعة من النماذج أن تجيب معاً وتعيد نتيجة مجمّعة — وهو مفيد عندما تكون المهمة كثيفة المعرفة وتكون نقطة ضعف النموذج الرخيص هي بالضبط ما تختبره. كتالوج النماذج الذي يضم أكثر من 200 نموذج وهامش ربح 0% أقل أهمية هنا من القدرة على المقارنة باستخدام مدخلاتك الخاصة دون تكامل ثانٍ.

هذه طريقة لتوليد الدليل الذي تفتقر إليه هذه الصفحة. وهي ليست بديلًا عن وجود النموذج.

ثلاثة قرّاء، ثلاث إجابات

إذا كنت تبني وكيلًا يعمل على الجهاز وتحتاج إلى شيء يعمل على حاسوب محمول اليوم، فإن LFM2.5 24B A2B مرشّح جاد: اتباع قوي للتعليمات، واستدعاء جيد للأدوات عبر عدة أُطر اختبار، وسياق 131K، ومسار موثّق إلى بيئات التشغيل المحلية المعتادة. تحقّق من عتبة الترخيص أولًا، ولا تتوقع منه معرفة الحقائق دون استرجاع.

إذا كنت تختار نموذج 27B للخادم وتحتاج إلى ترخيص متساهل، فإن LBS-27B جدير بالمتابعة تحديدًا لأن ترخيص Apache-2.0 معلن مسبقًا. لكن لا يوجد ما يمكن تقييمه، وإعلان الترخيص ليس نموذجًا.

إذا كنت مؤسسة يزيد إيرادها عن 10 ملايين دولار ولديها عملية شراء صارمة، فقد يكون الاختلاف في الترخيص أهم من أي صف قياس أداء في هذه المقالة. إن ترخيص LFM2.5 المخصص يمثل تكلفة حقيقية؛ أما ترخيص Apache-2.0 الخاص بـ LBS-27B فهو ميزة حقيقية، بشرط أن يصمد حتى الإصدار النهائي.

الرقم الذي من شأنه أن يغيّر الإجابات الثلاث كلها هو عدد المعاملات النشطة. وإلى أن يتوفر هذا الرقم، فإن الموقف الصادق هو أن أحد النموذجين لديه سردية كفاءة، بينما لدى الآخر مستودع.