LFM2.5-24B-A2B مقابل Gemma 4 12B: الوكيل المتناثر ضد النموذج الكثيف متعدد الوسائط
- OrcaجديدOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 لكل مليون رمز · 9 tok/s
- deepseekجديدDeepSeek: DeepSeek V4.1 Flash 10172026-10-17$0.15 / $0.60 لكل مليون رمز · 162 tok/s
- DeepSeekجديدDeepSeek: DeepSeek V4.1 Flash2026-10-1740الذكاء
- OrcaجديدOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 لكل مليون رمز · 91 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952الذكاء
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856الذكاء
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 لكل مليون رمز · 804 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238الذكاء
- OpenAIOpenAI: GPT-6 Sol2026-09-2248الذكاء
- AnthropicAnthropic: Claude Opus 5.52026-09-2258الذكاء
- xAIGrok 4.72026-09-2146الذكاء
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 لكل مليون رمز · 39 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 لكل مليون رمز · 832 tok/s
- OpenAIOpenAI: GPT-6 Astra2026-09-0453الذكاء77البرمجة
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241الذكاء76البرمجة
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245الذكاء76البرمجة
- AnthropicAnthropic: Claude Fable 5.12026-09-0153الذكاء82البرمجة
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 لكل مليون رمز · 52 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 لكل مليون رمز · 121 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642الذكاء72البرمجة
نموذج Liquid AI LFM2.5-24B-A2B ونموذج Google DeepMind Gemma 4 12B هما نقطتا التفتيش مفتوحتا الأوزان الأكثر احتمالاً لأن تكونا في قائمة التنزيلات نفسها هذا الشهر، وقد وصلتا من اتجاهين متعاكسين. صدر LFM2.5-24B-A2B في 13 أكتوبر 2026 حاملاً 24.0 مليار معامل، لا يُقرأ منها سوى 2.45 مليار لكل رمز، نصّاً مدخلاً ونصّاً مخرجاً، وسياقاً من 131,072 رمزاً، وجدول قياسات مبنيّاً بالكامل حول استخدام الأدوات. صدر Gemma 4 12B في 3 يونيو 2026 بوصفه نموذجاً كثيفاً بـ 11.95 مليار معامل يقرأ النصوص والصور والصوت ويكتب النصوص، تحت Apache 2.0، دون سقف إيرادات مرفق. أحدهما محرك وكيل متخصص يعمل على الحاسوب المحمول الذي تملكه بالفعل. والآخر نموذج عامّ يرى ويسمع، ويعمل على الحاسوب نفسه بنحو 7 غيغابايت، ويأتي بترخيص لا تحتاج أبداً إلى قراءته مرتين.
إذن فالسؤال الذي تجيب عنه هذه الصفحة ليس "أيهما أفضل"، لأنهما لم يُصمَّما قط للمهمة نفسها. بل هو أضيق نطاقًا وأكثر فائدة: إذا كنت ستضع وكيلًا خاصًا على جهاز تتحكم فيه، فأي هذين الاثنين تنزِّل، وما الذي تتنازل عنه في كلتا الحالتين؟
الإجابة في فقرة واحدة، للأشخاص الذين يعرفون بالفعل ما يريدون.
اختر LFM2.5-24B-A2B إذا كان الوكيل ينفّذ استدعاء الأدوات متعدد الخطوات ولا شيء غير ذلك — فأرقام البائع نفسه الخاصة بالعمل الوكيلي متقدّمة كثيرًا على أرقام Gemma 4 12B في الصفوف القليلة القابلة للمقارنة بما يكفي لمواءمتها، كما أن النموذج يُنتج دائمًا أثر استدلال صريحًا قبل أن يتصرف. اختر Gemma 4 12B إذا كانت المهمة تتضمن لقطة شاشة، أو مستندًا مصوَّرًا، أو صفحة ممسوحة ضوئيًا، أو مقطعًا صوتيًا، أو إذا أردت تعطيل أثر الاستدلال لتقليل زمن الاستجابة، أو إذا كانت شركتك قريبة من حدّ الإيرادات البالغ 10 ملايين دولار حيث يتوقف ترخيص Liquid عن كونه مجانيًا. تابع القراءة إذا كنت تريد الأرقام التي تقف خلف هاتين الجملتين، لأن قدرًا لا بأس به من المقارنة يعتمد على كيفية قياس البائعَين.
حيث تختلف نقطتا التحقق اختلافًا حقيقيًا
• اقتصاديات المعلمات — LFM2.5-24B-A2B هو مزيج من الخبراء: 24.0B إجمالًا، و2.45B نشِطة لكل رمز، و64 خبيرًا مع توجيه top-4 عبر 40 طبقة (30 كتلة التفاف قصير مزدوجة البوابة، و10 انتباه استعلامات مجمَّعة). Gemma 4 12B كثيف: 11.95B إجمالًا عبر 48 طبقة، وتُقرأ كل معلمة عند كل رمز.
• ما الذي يتّسع على القرص — تنشر Liquid ملف Q4_K_M GGUF بحجم 14.5 GB وملف QAT QAD-Q4_0 بحجم 13.6 GB، مع بناء MLX بدقة 4 بت بحجم 13.6 GB؛ و48 GB بصيغة BF16. أما QAT GGUF من Google للطراز 12B فيبلغ نحو 6.98 GB من الأوزان بالإضافة إلى ملف إسقاط متعدد الوسائط بحجم 0.18 GB، وتتراوح عمليات بناء مجتمع Unsloth من نحو 4.2 GB عند 2 بت إلى 7.12 GB عند Q4_K_M.
• السياق — 131,072 رمزًا لـ LFM2.5-24B-A2B، أي ضعف الـ32,768 في الجيل السابق. وتحمل Gemma 4 12B سعة 256K (262,144)، مع نافذة منزلقة بحجم 1,024 رمزًا وانتباه هجين يتناوب بين الطبقات المحلية والعالمية.
• الوسائط — LFM2.5-24B-A2B نصي فقط، وذلك عن قصد. Gemma 4 12B يستقبل النص والصورة والصوت، دون وجود أي مُرمِّزات متعددة الوسائط على الإطلاق: حيث تُسقَط رقع الصور الخام والموجات الصوتية مباشرةً في نفس الفضاء الذي توجد فيه رموز النص.
• سلوك الاستدلال — LFM2.5-24B-A2B مخصص للاستدلال فقط في صياغة البائع: إنه يفكر دائمًا داخل كتلة <think> قبل الإجابة. تصف بطاقة Gemma 4 12B نموذجًا مضبوطًا بالتعليمات دون أثر إلزامي، وهو ما يشكل مكسبًا في الكمون وخسارة في الشفافية على الحاسوب المحمول.
• الترخيص — lfm1.0 مجاني للتنزيل والضبط الدقيق والاستخدام التجاري حتى 10 ملايين دولار من الإيرادات السنوية، ثم يُطبَّق ترخيص تجاري. أما Gemma 4 12B فهو بترخيص Apache 2.0 دون أي عتبة إيرادات؛ وتأتي شروط الاستخدام وسياسة الاستخدام المحظور الخاصة بـ Google إلى جانب الأوزان بصفتها وثائق استخدام مقبول، لا كقيود على الترخيص.
• حجم المفردات ونطاق التدريب — وسّع LFM2.5-24B-A2B مفرداته من 65 ألفًا إلى 128 ألفًا عبر توسيع أداة الترميز في موضعها، ووسّع التدريب المسبق من 17 تريليونًا إلى 33 تريليون رمز، مع 300 مليار رمز من التدريب الوسيط عند السياق الكامل ومرحلة تعلّم معزّز وكيلي داخل بيئات تنفيذ حقيقية. ويحمل Gemma 4 12B مفردات من 262 ألفًا مشتركة عبر العائلة، ودُرِّب تدريبًا مسبقًا على أكثر من 140 لغة مع دعم مُعلَن جاهز للاستخدام لأكثر من 35 لغة.
الاختبار المعياري الوحيد الذي أجراه كلا الموردين
مقارنة جدولي إطلاق مختلفين هي عادةً فخ. هنا يوجد بالضبط صف واحد حيث قاست الشركتان الشيء نفسه على أسس قابلة للمقارنة، وهو جدير بالعزل تحديدًا لأنه شديد الوحدة.
GPQA Diamond— تسجل Liquid 74.42 لـ LFM2.5-24B-A2B؛ ويسجل جدول عائلة Gemma 4 من Google 78.8 لـ Gemma 4 12B المضبوط بالتعليمات. كلاهما مُبلَّغ عنه من البائع ولم يتم إعادة إنتاجه. يتقدم الطراز الكثيف 12B بفارق ضئيل في أسئلة العلوم على مستوى الدراسات العليا، وهو ما يتوافق مع تصور Liquid نفسها بأن نموذجها ليس النموذج الذي تُطرح عليه أسئلة المعرفة — ينصح منشور الإطلاق بإقرانه بالاسترجاع أو البحث على الويب بدلاً من الوثوق بأوزانه.
كل ما تبقّى يجب أن يُقرأ داخل جدوله الخاص، والخلاصة الصادقة هي أن الجدولين يقيسان أشياء شبه منفصلة تمامًا. يغطي جدول Liquid ذو المعايير الستة عشر AutomationBench (27.69)، وBFCLv4 (65.01)، وToolSandbox (80.71)، وLiveClaw (48.09)، وPinchBench (83.18)، وτ³-Bench Banking (8.04)، وWebArena Verified (26.75)، وIFEval (96.75)، وIFBench (74.69)، وMulti-IF (84.38)، وMATH-500 (96.04)، وSWE-Bench Verified عبر OpenCode (51.00)، وSciCode (32.71)، وAA-Omniscience (−24.90) وHLE (7.40). ويغطي جدول عائلة Google MMLU Pro (77.2)، وAIME 2026 بدون أدوات (77.5)، وLiveCodeBench v6 (72.0)، وتقييم ELO على Codeforces قدره 1659، وMMMU Pro (69.1)، وMRCR v2 عند 128K بثماني إبر (43.4).
تقاطع واحد فقط، ولا إطار اختبار مشترك. أي شخص ينشر لوحة نتائج مُجمَّعة من هذين الجدولين إنما يختلق مقارنةً لم تُجرِها أيٌّ من الشركتين.
بشكل مستقل، وهذا هو الحد الأكثر حدة
قام Artificial Analysis بتقييم Gemma 4 12B: مؤشر ذكاء قدره 14، في المرتبة 20 من بين 141 نموذجًا في فئة المقارنة الخاصة به، بسرعة مقاسة تبلغ 110.9 رمزًا في الثانية وتكلفة مختلطة من طرف ثالث تبلغ 0.10 دولار لكل مليون رمز إدخال و0.30 دولار لكل مليون رمز إخراج. هذه أرقام مستقلة عن نموذج كان متاحًا للجمهور لمدة أربعة أشهر وله نظام بيئي يدعمه.
لا يوجد لـ LFM2.5-24B-A2B ما يعادله. عمره يوم واحد، ولم تنشر أي جهة خارجية نتيجة، كما أن أرقام Liquid الخاصة بالحوسبة الطرفية — 184 رمزاً في الثانية على Apple M5 Max، و114 على AMD Ryzen AI Max+ 395، و"أسرع بما يصل إلى 1.7× من نماذج MoEs المماثلة على الجهاز" — لا تحمل خط أساس ولا إمكانية إعادة إنتاج. وبالنسبة إلى نموذج يقيسه البائع مقابل نموذج يقيسه طرف مستقل، فإن عدم التماثل هو الاكتشاف: أحد هذين الرقمين يمكنك التحقق منه بنفسك اليوم، وهو ليس الرقم الأحدث.
إذا كنت تفضّل ألّا تراهن على مسار إنتاجي بناءً على جدول مورّد عمره أربعة أيام، فهذا بالضبط ما وُجد التحويل التلقائي عند الفشل من أجله. وجّه الوكيل إلى LFM2.5-24B-A2B، وأبقِ نموذجًا مُقيَّمًا خلفه، ودع الموجّه ينقل الطلب عندما يبدأ إطار الاختبار بالفشل — دون عقد ثانٍ، ودون أي تغيير في الشيفرة يتجاوز قائمة الاحتياط.
التكلفة، بالعملتين اللتين تعمل بهما هذه.
كلاهما نموذجان يعملان محليًا أولاً، لذا الفاتورة الحقيقية هي العتاد والكهرباء. على الجانب المستضاف، تسعّر Liquid الوصول إلى API بـ 0.10 دولار لكل مليون رمز إدخال (0.05 دولار للمخزّن مؤقتًا) و1.00 دولار لكل مليون رمز إخراج من خلال Console الخاصة بها، مع رصيد بدء بقيمة 2 دولار. لا تنشر Google أي سعر لكل رمز لـ Gemma 4 12B على الإطلاق — المزيج 0.10/0.30 دولار أعلاه هو وسيط طرف ثالث عبر المنصات التي تقدم الأوزان المفتوحة، وليس سعر قائمة، واعتباره كذلك سيكون خطأً.
إليك الجزء الذي يهم فريقًا يقيّم كليهما: لا توجد أي من نقطتي التحقق في كتالوجنا اليوم. لكننا نوفّر نقاط المرجع التي يظل هذا القرار يدور حولها — qwen/qwen3.6-35b-a3b، النموذج الذي أجرت Liquid القياس مقابله بمعاملات تزيد بمقدار النصف، بالإضافة إلى google/gemma-4-26b-a4b-it، obsidian/gemma-4-26B-A4B و google/gemma-4-31b-it من عائلة Gemma 4 نفسها — كلها خلف مفتاح واحد، وكلها بهامش ربح 0% على سعر القائمة الخاص بالمزوّد نفسه، بحيث يصلك تغيير سعر المورّد في يوم حدوثه بدلًا من اليوم الذي يعيد فيه أحدهم توقيع عقد. شغّل مهمتك الخاصة على أحجام Gemma 4 المستضافة، ثم قرّر ما إذا كان 12B على حاسوبك المحمول زائدًا عن الحاجة.
ما سأفعله فعلاً
نزّل كلا التكميمين. Gemma 4 12B عند Q4_K_M يبلغ حوالي 7 جيجابايت، وسيخبرك خلال ساعة ما إذا كانت مهمتك تحتاج عيونًا وآذانًا — إذا احتاجت ذلك، فقد انتهى القرار وLFM2.5-24B-A2B ليس مرشحًا على الإطلاق، لأنه لا يستطيع الرؤية. وإذا لم تحتج ذلك، فحمّل LFM2.5-24B-A2B QAD-Q4_0 بحجم 13.6 جيجابايت، وشغّل منصة الاختبار الحقيقية الخاصة بك عليه، لأن الحجة الكاملة لصالح نقطة الحفظ تلك هي استدعاء الأدوات متعدد الخطوات، ولن يحسمها أي مقياس أداء ثابت بالنسبة لأدواتك.
هناك أمران يجب أن تضعهما في الاعتبار أثناء قيامك بذلك. أولاً، جداول كلا المورّدين غير مُعاد إنتاجها، والنموذج الوحيد الذي حصل على تقييم مستقل في هذه المقارنة هو الأقدم والأكثر كثافة — وهذا سبب للثقة بأرقام Gemma 4 12B أكثر، وليس سبباً لافتراض أن النموذج الأحدث أضعف. ثانياً، فجوة الترخيص حقيقية وغير متماثلة بطريقة نادراً ما تظهر في منشورات الاختبارات المعيارية: يظل Gemma 4 12B بترخيص Apache 2.0 إلى الأبد، بينما يتحول LFM2.5-24B-A2B إلى نقاش تجاري في اللحظة التي تتجاوز فيها شركتك 10 ملايين دولار من الإيرادات. بالنسبة إلى مطوّر فردي، هذا غير مرئي. أما بالنسبة إلى فريق منتج يطرح وكيلاً يعمل على الجهاز، فهو بند في دورة التخطيط القادمة، وهو البُعد الوحيد الذي يكون فيه النموذج الأصغر والأقدم والمتعدد الوسائط الخيار الافتراضي الأكثر أماناً بلا لبس.
المقارنات مثل هذه هي أيضًا حيث تظهر أنماط الفشل: الحوادث الموثّقة للذكاء الاصطناعي وإخفاقات الوكلاء الكامنة وراء النماذج في هذه الفئة تُجمع في OrcaRouter AI Incident Archive، حيث يحمل كل مُدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محل خلاف.
