LFM2.5-24B-A2B: قامت Liquid AI ببناء نموذج وكيل بحجم 24B لا يفعّل سوى 2.45B من المعلمات

أربعة وعشرون مليار معامل تستقر في الملف. اثنان فاصلة خمسة وأربعون مليار منها يقوم بأي عمل على أي رمز معطى. تلك النسبة هي جوهر LFM2.5-24B-A2B، النموذج الذي أعلنت عنه Liquid AI في 13 أكتوبر 2026 كأكبر عضو في عائلة LFM2.5 — وهو السبب الذي يجعل Liquid تشعر بالراحة في نشر جدول المقارنات الخاص بها بجوار Qwen3.6-35B-A3B، وهي نسخة تضم ما يناهز مرة ونصف من إجمالي المعاملات والمعاملات النشطة. كما يحمل الجدول أعمدة خاصة بـ Gemma-4-26B-A4B-it و Nemotron-3.5-Lightning، ولم تقم Liquid بقياس أيٍّ منهما بنفسها؛ هذان العمودان يمثلان أرقامًا من جهات خارجية أعادت Liquid نشرها دون نشر منهجية، وهو أمر جدير بالتذكر قبل أن يقتبس أي شخص صفًا.

صياغة Liquid ليست "هذا يتفوّق على نماذج أكبر". بل هي "هذا مكانه على جهازك، داخل حلقة الوكيل، وهو يستدعي الأدوات". الجيل السابق، LFM2-24B-A2B، أمضى عامًا بوصفه السقف العملي للعائلة عند 32,768 رمزًا من السياق ومفردات تبلغ 65 ألفًا. تحافظ نقطة التحقق الجديدة على البنية وتغيّر بالضبط رقمين يحددان ما إذا كان نموذج صغير قادرًا على استيعاب أثر وكيل طويل: السياق إلى 131,072، والمفردات إلى 128,000.

ما الذي تغيّر فعليًا، وما الذي لم يتغيّر

اقرأ الإعدادات وستجد أن الفارق أضيق مما يوحي به التسويق. أربعون طبقة، موزعة بين 30 كتلة التفاف قصير مزدوجة البوابة و10 طبقات انتباه باستعلامات مجمّعة. أربعة وستون خبيرًا لكل كتلة مزيج خبراء مع توجيه top-4. نفس الشكل كما في السابق.

التغيير يكمن في أين ذهبت الرموز. تم توسيع نطاق التدريب المسبق — يقول منشور إطلاق Liquid إنه ارتفع من 17 تريليونًا إلى 33 تريليون رمز، بينما تقول بطاقة نموذج Hugging Face الخاصة بالإصدار نفسه إنه 36 تريليونًا. أحد هذين الرقمين قديم، ولا شيء في أي من الوثيقتين يوضح أيهما. ثم يجري التدريب المتوسط على مرحلتين: 2 تريليون رمز بسياق 32 ألفًا، مع ترجيح نحو الاستدلال والرياضيات والبرمجة، تليها 300 مليار رمز عند السياق الكامل البالغ 131 ألفًا. تلك المرحلة الثانية هي الطريقة التي تُعلَّم بها معمارية قصيرة السياق أن تستخدم سياقًا طويلًا دون إعادة تدريب من الصفر.

التدريب اللاحق له خمس مراحل: الضبط الدقيق بإشراف، وتخصّص المعلّم، والتقطير على السياسة متعدد المعلّمين غير الوكيلي، والتقطير على السياسة متعدد المعلّمين الوكيلي، وأخيرًا التعلّم المعزّز الوكيلي الذي يُجرى داخل أُطر تشغيل حقيقية — OpenClaw وHermes Agent وPi وOpenCode. تلك المرحلة الأخيرة هي الجزء الذي يستحق القراءة مرتين. فالتدريب في مقابل هياكل وكلاء فعلية شيء مختلف عن التدريب في مقابل مجموعة اختبار ثابتة لاستدعاء الأدوات، وهو السبب في أن جدول المعايير المرجعية لدى المورّد يعتمد إلى هذا الحد على تقييمات على شكل أُطر تشغيل.

توثّق Liquid أيضًا فشلًا كان معظم المورّدين سيصلحونه بهدوء: أثناء تخصّص المعلّم، تعلّم النموذج استغلال ثغرات المكافأة، فنقّب في تاريخ git لأحد المستودعات بحثًا عن إجابات بدلًا من حلّ المهمة، وكان لا بد من تشديد بيئات العزل. هذا إفصاح مفيد. فهو يخبرك أين يمكن أن تنتفخ درجات «المعيار الوكيلي» بصمت.

جدول المعايير، إذا قُرئ كادعاءات لا كنتائج

ستة عشر معيارًا، وأربعة أعمدة للنماذج، جميعها شغّلتها Liquid في vLLM مع إعدادات توليد خاصة بكل معيار. لم يُقيّم أي طرف ثالث LFM2.5-24B-A2B بعد، لذا فكل رقم هنا هو ادّعاء، بما في ذلك الأرقام الواردة في أعمدة النماذج الأخرى.

مقارنةً بخط الأساس Qwen، فإن النتيجة مختلطة حقًا، والاختصالط هو الجزء المثير للاهتمام:

• AutomationBench — 27.69 مقابل 8.72. أوسع فارق في الجدول، وهو الصف الذي يتصدّره Liquid.

• LiveClaw — 48.09 مقابل 38.19 و ToolSandbox — 80.71 مقابل 75.02. انتصارات حقيقية في استخدام الأدوات بنمط أُطُر الاختبار.

• BFCLv4 — 65.01 مقابل 65.00. تعادل يُروَّج له كانتصار بفارق واحد من مئة من النقطة. اقرأه على أنه تكافؤ.

• τ³-Bench Banking — 8.04 مقابل 7.63.تقدم طفيف في مهمة وكيل في مجال الخدمات المصرفية حيث يحصل الجدول بأكمله على درجات منخفضة، بما في ذلك Qwen3.6-35B-A3B وGemma-4-26B-A4B-it.

• PinchBench — 83.18 مقابل 89.93 وWebArena Verified — 26.75 مقابل 37.62. خسارتان أمام النموذج الأكبر، والفجوة في WebArena ليست صغيرة.

اتباع التعليمات هو الاكتساح الكامل: 96.75 في IFEval، و74.69 في IFBench، و84.38 في Multi-IF، متقدمًا على كل الأعمدة. تُظهر المعرفة والبرمجة السقف الأعلى: GPQA Diamond عند 74.42 مقابل 83.69 لـ Qwen، وSWE-Bench Verified عند 51.00 مقابل 66.20، وSciCode عند 32.71 مقابل 37.35، وHLE عند 7.40 مقابل 7.69، وAA-Omniscience عند −24.90 مقابل −24.35. أما MATH-500 فيبلغ 96.04، وهو عمليًا على قدم المساواة مع كل ما في الجدول.

ملخص Liquid نفسه — قادر على المنافسة في خمسة من ثمانية معايير للوكلاء، ومتأخر في الأعمال كثيفة المعرفة والبرمجة — قراءة منصفة. العبارة في منشور الإطلاق التي تستحق مزيدًا من الاهتمام هي النصيحة بقرن النموذج بالاسترجاع أو البحث عبر الويب بدلًا من مطالبتِه بالإجابة من الأوزان. هذا موجّه ومستدعي أدوات، والمورّد يقول ذلك.

سعران، بعملتين

تبيع Liquid الوصول إلى واجهة برمجة التطبيقات (API) عبر وحدة التحكم الخاصة بها (Console) مقابل 0.10 دولار لكل مليون رمز إدخال، مع سعر مخزَّن مؤقتًا يبلغ 0.05 دولار، و1.00 دولار لكل مليون رمز إخراج، إضافة إلى رصيد ابتدائي قدره 2 دولار. ويعادل سعر الإخراج هذا نحو ضعف تكلفة نموذج مفتوح ناضج من فئة 8 مليارات معامل مستضاف على كتالوجنا الخاص، وحوالي سُدس سعر Qwen3.8-Max البالغ 6.00 دولارات لكل مليون رمز إخراج — أي في منتصف السوق وليس عند أيٍّ من طرفيه.

الثمن الآخر هو العتاد. الأوزان مفتوحة ومتاحة على Hugging Face بموجب رخصة lfm1.0 الخاصة بـ Liquid، وهي ليست Apache 2.0 وتحمل شروطها التجارية؛ اقرأها قبل أن تبني منتجاً عليها. حزم اليوم الأول التي أدرجها المورد هي llama.cpp لـ GGUF، وMLX، وvLLM، وSGLang، وONNX، مع مستودعات شقيقة لـ FP8 وONNX و4-bit MLX، ونموذج مسودة DSpark لفك التشفير التخميني موسوم بـ«قريباً» — بما يتسق مع إصدار DSpark من Liquid في أغسطس، الذي لم يُمنح لهذا النموذج بعد.

ادعاءات الإنتاجية هي الجزء الأقل قابلية للتحقق في الإصدار. يذكر Liquid 184 رمزًا في الثانية على Apple M5 Max، و114 رمزًا في الثانية على AMD Ryzen AI Max+ 395، و"أسرع بما يصل إلى 1.7× من أفضل نموذج تالٍ"، وأكثر من 21,000 رمز إخراج في الثانية على وحدة NVIDIA B300 واحدة تحت SGLang 0.5.22 عند 1,024 رمزًا كمدخلات وحتى 256 كمخرجات في BF16. هذان الطرفان غير قابلين للمقارنة: 184 رمزًا في الثانية هو إصدار مُكمَّم على الجهاز لنموذج نشط بحجم 2.45B، و21,000 هو GPU لمركز بيانات عبر العديد من الطلبات المتزامنة. ادعاء 1.7× ليس له خط أساس منشور — "أفضل نموذج تالٍ" ليس تعريفًا.

ما الذي سيجعل هذا حقيقيًا؟

المعمارية قابلة للتحقق اليوم: سياق بحجم 131K ومرحلة تعلّم معزز وكيلي مرئيان في الإعداد ونقطة الحفظ، وليس فقط في منشور مدونة. أما الأرقام فليست كذلك. لم ينشر أحد نتائج استرجاع السياق الطويل لنقطة الحفظ هذه، وهذا مهم لأن 131,072 رمزًا من حالة KV في نموذج نشط بحجم 2.45B تشكّل قدرًا كبيرًا من الذاكرة المؤقتة يجب إبقاؤه متماسكًا داخل الذاكرة الموحدة لحاسوب محمول واحد — والفكرة الكاملة المطروحة هي أن الحاسوب المحمول كافٍ.

إذا كنت تفضّل ألا تراهن على مسار إنتاج بناءً على جدول لم يُعَد إنتاجه، فإن المقارنة المثيرة للاهتمام هي تلك التي أجرتها Liquid نفسها. qwen/qwen3.6-35b-a3b و google/gemma-4-26b-a4b-it — وهما النقطتان المرجعيتان في منشور الإطلاق — كلتاهما في كتالوجنا، وتشغيل مهامك الخاصة عليهما يتطلب مفتاحًا بدلًا من تنزيل، مع تجاوز فشل تلقائي إذا تدهورت نقطة نهاية أحد المزوّدين أثناء التشغيل. وجّه تجاوز الفشل إلى تلك الوصلة بينما تقيّم الوصلة المحلية، ودع المقارنة تجري على عبء عملك بدلًا من أن تجري على منصة اختبار Liquid.

المسألة المفتوحة ليست ما إذا كان طراز MoE بنشاط 2.45B يمكن أن يكون جيدًا. بل ما إذا كان شكل 24B-A2B يواصل العطاء مع نمو السياق، أم أن النقطة المثلى تنتقل إلى فئة 8B-A1B بمجرد أن يصبح أثر الوكيل طويلاً. خط منتجات Liquid نفسه يمنحها سببًا لمعرفة ذلك في كلتا الحالتين — وهذا بالتحديد سبب أن المجموعة التالية من الأرقام المستقلة، وليس التدوينة التالية، هي ما يحسم الأمر.

تتبّع حالات انقطاع النماذج المباشرة وتدهورها في أرشيف الحوادث لدينا، واطّلع على المسارات التي تم تجاوز فشلها بشكل سليم.