LFM2.5-24B-A2B-DSpark متاح الآن على Hugging Face — لكن Liquid AI لم تعلن عنه بعد.

لا تزال بطاقة النموذج لأكبر نموذج لدى Liquid AI تقول إن مُعدّ المسودات الخاص بفك التشفير التخميني لديها قادمًا قريبًا. لكن هذا المُعدّ لن يأتي. LFM2.5-24B-A2B-DSpark لديه مستودع عام منذ 2026-10-19، ونقطة تحقق BF16 بحجم 655 ميغابايت، وجدول معايير كامل، وملف GGUF جانبي نُشر مساء اليوم التالي، وأعلام تشغيل خاصة بـ SGLang مكتوبة في بطاقته. لكن ما يفتقر إليه هو إعلان. LFM2.5-24B-A2B، نموذج مزيج الخبراء بحجم 24B الذي وُجد لتسريعه، حصل على منشور مدونة وإطلاق مؤرخ وقائمة أسعار ورابط بيئة تجريب في 2026-10-13. أما مُعدّ المسودات الخاص به فقد حصل على مستودع وبطاقة نموذج، ولا تزال صفحة التوثيق الخاصة بـ Liquid AI لفك التشفير التخميني تسرد فقط الأهداف 1.2B و2.6B و8B وVL-3B كمدعومة. إن حالات فشل الذكاء الاصطناعي وحوادث الوكلاء الموثقة الكامنة وراء إصدارات مثل هذا الإصدار مُجمَّعة في the OrcaRouter AI Incident Archive حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محل خلاف.

هذا الفارق هو جوهر القصة هنا، ويستحق أن نكون دقيقين بشأن ما يعنيه وما لا يعنيه. إن مستودعًا تكون أوزانه مفتوحة، ومعاييره قابلة لإعادة الإنتاج من ملف CSV موضوع إلى جانب النموذج، ومسار استدلاله مدموجًا أصلًا في المنبع، هو إصدار حقيقي وليس تسريبًا. لكن لا شيء منه أكده المورّد نثرًا، ولم يقسه أي طرف ثالث، والأرقام الواردة في البطاقة هي أرقام الفريق نفسه مقيسة على العتاد نفسه الذي اختاره. يفصل هذا المقال بين الأمرين: ما يثبته المستودع، وما يظل ادعاءً.

ما هو موجود فعليًا في المستودع

نقطة التحقق صغيرة بما يكفي بحيث تكون قائمة الملفات نفسها مفيدة. كل ما في الأمر ملف model.safetensors واحد بحجم 655,421,522 بايت — أي 327.7 مليون معامل بصيغة BF16 — إضافة إلى ملف إعدادات وترخيص ومجلد معايير أداء. لا شيء آخر. لا يوجد مُجزِّئ رموز، ولا مصفوفة تضمين، ولا رأس نموذج لغوي، لأن البنية تعيد استخدام الثلاثة جميعًا من النموذج الهدف عند التحميل. هذا هو التصميم: لا يحتاج مُقترِح المسودة أبدًا إلا إلى معرفة كيفية تخمين الكتلة التالية من الرموز في مفردات النموذج الهدف، لا كيفية تمثيل العالم.

يؤكد الإعداد البنية التي وصفها تقرير DSpark لشهر أغسطس. خمس طبقات انتباه كامل بحجم مخفي 2,048 وحجم وسيط 6,144 مع SiLU/SwiGLU؛ انتباه الاستعلامات المجمّعة (grouped-query attention) بـ32 رأسًا و8 رؤوس KV عند بُعد رأس 64؛ رأس ماركوف برتبة 256 ورأس ثقة منفصل؛ حجم كتلة 9؛ مفردات 128,000؛ وأقصى تضمين موضعي 131,072، وهو ما يطابق نافذة سياق الهدف تمامًا. الحقل الوحيد الخاص بـ هذا المُسوّد هو target_layer_ids: [2, 10, 18, 26, 34] مقابل num_target_layers: 40 — الطبقات الخمس في نموذج 24B التي يقرأ المُسوّد حالاتها المخفية كسياق. هذه المؤشرات هي السبب في أن مُسوّدًا دُرّب لنموذج LFM2.5 واحد لا يمكن ببساطة توجيهه إلى نموذج آخر.

الترخيص هو lfm1.0، وهو نفس الترخيص المخصص المستخدم في بقية أفراد العائلة، وهو أمر يجدر ملاحظته لأي شخص يخطط لإعادة توزيع ناتج مجمّع يجمع بين الهدف والمسوّد بدلاً من استخدامه داخليًا.

جدول المعايير، إذا قُرئ كجدول مورّد

تنشر البطاقة معدل الإنتاجية لثماني مجموعات بيانات عند درجات تزامن 1 و32 و256، على وحدة NVIDIA B300 واحدة مع هدف FP8 وذاكرة تخزين مؤقت KV من نوع BF16 ودرجة حرارة 0. كل رقم أدناه هو من إنتاج Liquid AI نفسها ولم يُعَد إنتاجه خارج الشركة؛ الصفوف الخام موجودة في مستودع benchmarks/b300-fp8.csv إذا أردت التحقق من الحسابات بنفسك.

• المتوسط الحسابي عبر مجموعات البيانات الثماني — 2.38× عند التزامن 1، و2.69× عند التزامن 32، و1.71× عند التزامن 256.

أفضل خلية مفردة — MBPP عند التزامن 32، بمقدار 3.28×، مع MATH-500 قريبًا خلفها عند 3.04×.

• أسوأ خلية مفردة — LiveCodeBench عند التزامن 256، 1.34×، وAIME عند 256، 1.36×.

• الرموز المقبولة في كل خطوة — 5.16 في المتوسط، مقابل حد أقصى قدره 10 يحدده حجم الكتلة مضافًا إليه رمز المكافأة الخاص بالهدف.

• أعلى نسبة قبول — MBPP عند 6.70 رمزًا لكل خطوة؛ وأدنى نسبة — LiveCodeBench عند 4.02.

هناك أمران في هذا الجدول أكثر إثارة للاهتمام من العنوان الرئيسي. الأول هو أن متوسط التسريع هو أعلى عند التزامن 32 منه عند التزامن 1 — 2.69× مقابل 2.38× — وهو عكس القصة المعتادة للفك التخميني، حيث تلتهم المعالجة بالدفعات الفائدة. والثاني هو أنه ينهار عند 256. عند 256 طلبًا متزامنًا، يكون الهدف وحده يولّد بالفعل نحو 15,000 رمز في الثانية على ذلك الـ GPU لـ MATH-500، وتهبط مساهمة المُسوّد إلى 1.79×. أي فريق تقديم يقرأ فقط "2.4×" سيحدد حجم عنقود بشكل خاطئ؛ والرقم المهم لنقطة نهاية تعمل بالدفعات هو 1.71×، وحتى هذا رقم B300 بملف تزامن لن تطابقه معظم عمليات النشر.

الجملة التي تغيّرت منذ أغسطس

عندما أصدرت Liquid AI نماذج المسودة DSpark للنماذج الهدف 1.2B و2.6B و8B-A1B في 2026-08-20، قدّمت مدونتها ادعاءً قويًا: بما أن النموذج الهدف يتحقق من كل رمز مقترح ويستبدل حالات الرفض بخياره الخاص، فإن «التسلسل الصادر يكون بالتالي مطابقًا للاستدلال الجشع الأساسي بحكم التصميم». وتكرر بطاقة نموذج المسودة 8B روح هذا الادعاء، إذ تعِد بـ«المخرجات نفسها تمامًا».

لا تقول بطاقة نموذج المسودة 24B ذلك. بل تقول إن النموذج الهدف يتحقق من كل رمز مقترح، ثم: "قد تؤدي فروق الفاصلة العائمة بين التحقق على دفعات وفك الترميز العادي إلى إنتاج نص مختلف، بما في ذلك في ظل أخذ العينات الجشع." وتضيف أن القياسات تقيّم الأداء، لا دقة المهمة.

هذه جملة أكثر حرصًا، وهي الجملة الصحيحة. لا ينفّذ التحقق المُجمّع العمليات نفسها للفاصلة العائمة بالترتيب نفسه الذي ينفّذه فك الترميز التسلسلي، لذا فإن تطابق البتات افتراض يصح في الحساب الدقيق ولا يصح دائمًا على العتاد الفعلي. وكون البطاقة الأحدث تذكر ذلك بينما لم تذكره الأقدم هو إما تصحيح توثيقي أو اكتشاف حدث أثناء تدريب نموذج المسودة هذا — ولا يوضح المستودع أيهما، ولم تنشر Liquid تفسيرًا. وما يعنيه ذلك عمليًا ضيّق لكنه واقعي: إذا كانت مجموعة اختبارات الانحدار لديك تقارن مخرجات النموذج بايتًا ببايت، فإن إضافة نموذج المسودة هذا قد تجعلها تفشل، وذلك خاصية في الحساب لا خلل في المسودة.

لماذا وصل المُعِدّ بعد ستة أيام من نموذجه الخاص

يستحق الجدول الزمني أن يُعرض، لأنه يفسّر الصمت على نحو أفضل من أي تكهنات حول الاستراتيجية.

• 2026-08-20 — تُصدر Liquid عائلة DSpark: نماذج مسوّدة لـ LFM2.5-1.2B-Instruct وLFM2.5-2.6B وLFM2.5-8B-A1B. ولا يوجد هدف بحجم 24B حتى الآن.

• 2026-08-31 — يدمج SGLang طلب السحب PR #31041، مضيفًا دعم فك التشفير التخميني DSpark لكل من LFM2 وLFM2-MoE. مسار MoE الذي تحتاجه نسخة 24B يصل هنا، قبل شهر ونصف من النموذج الذي سيخدمه.

• 2026-10-13 — يُطرح LFM2.5-24B-A2B مصحوبًا بمنشور مدونة وسعر. في اليوم نفسه، تدمج SGLang طلب السحب PR #43939، مما يتيح للخادم إعادة استخدام تكوين LFM2-MoE الخاص بـ Hugging Face مباشرةً.

• 2026-10-19 — يظهر مستودع LFM2.5-24B-A2B-DSpark، مع الأوزان ومعايير الأداء.

• 2026-10-20 — ملف GGUF المرافق يتوفّر: ملف F16 واحد بحجم 664 ميغابايت لـ llama.cpp.

• 2026-10-21 — تكتسب بطاقة النموذج الهدف صفًا لنموذج المسودة. ولا تزال تعرض قريبًا.

اقرأ ذلك التسلسل وستجد أن التفسير الأرجح هو التفسير الممل. فقد صدرت البنية التحتية قبل النموذج؛ وصدر النموذج عندما اكتمل التدريب؛ أما الإعلان فهو مهمة تسويقية لم تحدث بعد. لا شيء في المستودع يوحي بإطلاق هادئ متعمد — فبطاقة النموذج مكتملة، والاختبارات المرجعية موثقة حتى تفاصيل البروتوكول، واستدعاءات SGLang وllama.cpp مكتوبة بالكامل. الهدوء هنا يعني عدم الإعلان، لا الإخفاء.

ما لا يمكن معرفته بعد

إن الحد الصادق لهذا النص هو قائمة قصيرة، وكل بند فيها ثغرة حقيقية وليس مجرّد إجراء شكلي.

لا يوجد قياس مستقل. لا يوجد إدخال لـ Artificial Analysis، ولا اختبار قبول من طرف ثالث، ولا إعادة إنتاج لجدول الإنتاجية. اعتبارًا من 2026-10-21، أظهر المستودع سبع تنزيلات وإعجابًا واحدًا. كل تسريع في هذه المقالة هو تسريع المورّد، على وحدة معالجة الرسوميات التي اختارها المورّد، وبالدقة المستهدفة التي اختارها المورّد.

لا يوجد إعلان، وبالتالي لا يوجد تأطير. لا نعرف ما إذا كانت Liquid تقصد بهذا توصية إنتاجية للطراز 24B أم مجرد عمل بحثي. تشير نبرة البطاقة — أعلام إطلاق كاملة، وجدول عائلي، ورابط تواصل — إلى الاحتمال الأول، لكن هذا استنتاج.

لا سعر له، لأنه لا يمكن أن يكون له سعر. نموذج المسودة ليس نموذجًا مُخدَّمًا. ليس له سعر لكل مليون رمز، ولن يظهر أبدًا في كتالوج نماذج كنقطة نهاية قابلة للاستدعاء. تكلفته هي 655 ميغابايت من VRAM أو الذاكرة الموحدة التي يشغلها إلى جانب النموذج الهدف، بالإضافة إلى الحوسبة الإضافية للتحقق من كتلة بدلًا من رمز.

لا توجد أرقام لـ Apple silicon. هذه هي أكبر فجوة، ويوضح القسم التالي سبب كونها أكثر أهمية من غيرها.

رقم Mac المفقود هو الإغفال المثير للاهتمام.

يُباع نموذج 24B كنموذج يعمل على الجهاز. يستهل منشور إطلاق Liquid بذكر 184 رمزًا في الثانية على Apple M5 Max، ويصفه بأنه مصمم لوكلاء سريعين وخصوصيين على الجهاز. أما بطاقة المُسنِد، على النقيض، فلا تورد سوى أرقام B300. وبالنسبة إلى مُسنِد 8B في أغسطس، نشرت Liquid نتائج كل من H100 وM4 Max وكانت صريحة بشأن الفجوة بينهما: فقد تحوّل تسريع متوسط قدره 2.54× على H100 إلى 1.18× على MacBook. وكان سببها المعلن ميكانيكيًا — أن التحقق من k رمزًا يفعّل خبراء أكثر مما تفعله خطوة فك ترميز واحدة، لذا يدفع هدف MoE حركة أوزان أكبر لكل رمز تتم التحقق منه، وفاقمت الواجهة الخلفية Metal في llama.cpp ذلك.

LFM2.5-24B-A2B هو أيضًا مزيج من الخبراء: 64 خبيرًا لكل كتلة مع توجيه top-4. تنطبق الآلية نفسها، وطراز 24B أكبر ويملك مجموعة خبراء أوسع يجب التنقل بينها. وهذا لا يثبت أن التسريع على الجهاز صغير — فقد دُرّب نموذج المسودة خصيصًا لهذا الهدف، ومعدل القبول أفضل بكثير مما كان عليه الحال مع 8B في البداية — لكنه يعني أن الرقم الوحيد الذي يحتاجه مستخدم الحاسوب المحمول هو الرقم الوحيد الذي لا تحتويه بطاقة المواصفات. تعامل مع أي افتراض بأن نسبة B300 تنتقل إلى Mac على أنها غير مُتحقّق منها.

تشغيله، والعلَم الوحيد الذي سيعضّك

على GPU، الوصفة المنشورة هي SGLang مع هدف FP8 والمُسوِّد مرفقًا، وحجم الكتلة 9 وعشرة رموز مسودة. يجب أن تكون نسخة SGLang المثبّتة حديثة بما يكفي لتضمين مسار LFM2-MoE DSpark من PR #31041 وإعادة استخدام الإعدادات من PR #43939؛ على إصدار أقدم لن يتعرّف الخادم على معمارية المُسوِّد إطلاقًا. لاحظ أن أرقام القياس تفترض هدف FP8 — سيتصرف هدف BF16 بشكل مختلف، وليس بالضرورة أفضل، لأن المُسوِّد دُرِّب مقابل توزيع محدد من logits الهدف.

على CPU وApple silicon، المسار هو llama.cpp مع sidecar F16 GGUF. يقرأ sidecar حجم الكتلة من بيانات التعريف الخاصة به ويقيّد --spec-draft-n-max به، لذا فإن ضبط طول المسودة على 12 لا يمنحك 12. تكشف توقيتات كل استجابة عن draft_n وdraft_n_accepted، وهو الحقل الذي يجب مراقبته في حملك الخاص: إذا كان معدل القبول في حركة المرور لديك أدنى بكثير من متوسط البطاقة البالغ 5.16، فإن المُسوّد يُكلّفك تمريرة أمامية ولا يقدّم سوى القليل، والخطوة الصادقة هي فصله.

ماذا يعني هذا إذا كنت تختار نموذجًا هذا الأسبوع

بالنسبة إلى معظم الفرق، الأثر العملي صغير، لأن نموذج المسودة يغيّر السرعة لا القدرة. إن LFM2.5-24B-A2B هو ما يجيب عن المطالبات؛ أما نموذج المسودة فيغيّر فقط عدد تلك الإجابات التي تحصل عليها في الثانية. وإذا لم يكن 24B على قائمتك المختصرة الأسبوع الماضي، فإن نسخة أسرع منه لا تضعها هناك.

إذا كان ضمن قائمتك المختصرة، فإن نموذج المسودة يعزز مبرر الاستضافة الذاتية ولا يقدم شيئًا لحالة واجهة برمجة التطبيقات. ويجدر إيراد هذا التمييز بوضوح: نقطة تحقق الفك الترميزي التخميني غير مرئية لأي شخص يستدعي نقطة نهاية مستضافة، لأن مكدس الخدمة هو الذي يقرر إرفاقها من عدمه. ما يمكنك مقارنته على قدم المساواة هو النموذج نفسه مقابل البدائل التي كنت ستوجّه إليها لولا ذلك — وإذا كنت تقيّمه مقابل شيء مثل Qwen3.6-35B-A3B، وهو النموذج الذي تقارن به Liquid في خمس من ثماني مهام وكيلية، فإن OrcaRouter يتيح هدف المقارنة هذا من خلال مفتاح واحد بهامش ربح 0% على سعر القائمة لدى المزود، مع تحويل تلقائي عند التعطل بين المزودين. نحن لا نقدّم عائلة LFM2.5 اليوم، لذا يجب أن يأتي نموذج 24B نفسه من واجهة API الخاصة بالبائع أو من وحدات GPU لديك؛ وما نقدمه هو الطرف الآخر من المقارنة دون عقد ثانٍ.

ما الذي قد يغيّر هذه الصورة؟

ثلاثة أمور، مرتبة حسب مقدار ما قد تحرّكه في مسار القصة. منشور مدونة من Liquid سيحسم التأطير — سواء كان هذا اقترانًا إنتاجيًا موصى به أم إصدارًا بحثيًا. وقياس Mac منشور سيحسم الادعاء الذي يهم الجمهور الذي بُني 24B من أجله. وتشغيل قبول مستقل على حركة مرور حقيقية، بدلًا من ثماني مجموعات بيانات معيارية عند درجة حرارة 0، سيخبرك ما إذا كان 5.16 توكن لكل خطوة يصمد أمام المطالبات الفوضوية الطويلة التي تستدعي الأدوات والتي يُباع هذا النموذج فعليًا من أجلها.

حتى ذلك الحين، المستودع عام، والأوزان قابلة للتنزيل، وملف CSV موجود هناك مباشرةً، وبطاقة النموذج الخاصة بالبائع هي آخر مكان ينبغي أن تبحث فيه عن أخباره. هذه حالة غير معتادة أن يكون عليها إصدار ما — لكنها حالة حقيقية، ولا يصبح المخرَج أقل واقعية لأن أحدًا لم يكتب منشور المدونة.