بطاقة عنوان رئيسية تحمل "LFM2.5-24B-A2B مقابل Gemma 4 26B-A4B" مع عنوان فرعي "نموذجان متفرقان، ميزانيتان مختلفتان" ولوحتان معنونتان مكتوب عليهما "LFM2.5-24B-A2B: 24.0B إجمالي، 2.45B نشط، نص فقط" و"Gemma 4 26B A4B: 25.2B إجمالي، 3.8B نشط، نص + صورة"، مع شعار OrcaRouter مُركّب في أسفل اليمين.
Guides & Insights

LFM2.5-24B-A2B مقابل Gemma 4 26B-A4B: نموذجان متفرقان، ونظريتان مختلفتان حول أين تذهب القدرة الحسابية

الكاتب

jinhao.song

تاريخ النشر

أحدث النماذج · 20عرض جميع النماذج →
المعايير: Artificial Analysis · يُحدَّث يوميًا
العودة إلى جميع المقالات

LFM2.5-24B-A2B وGemma 4 26B-A4B يبدوان كأنهما الفكرة نفسها مرتين. صدرت نقطة تحقق Liquid AI في 13 أكتوبر 2026 بإجمالي 24.0 مليار معامل مع قراءة 2.45 مليار لكل رمز. وتحمل Gemma 4 26B-A4B من Google DeepMind ما مجموعه 25.2 مليار معامل مع 3.8 مليار معامل نشط لكل رمز، ونُشرت على Hugging Face في 11 مارس 2026. كلاهما مزيج من الخبراء، وكلاهما تقريبًا نقطة تحقق بنحو 25 مليار معامل مرتبطة بميزانية حسابية تتراوح بين ملياري وأربعة مليارات معامل، ويستخدم كلا المورّدين الجملة نفسها عند شرح المقايضة — تدفع في الذاكرة مقابل نموذج كبير وفي زمن الاستجابة مقابل نموذج صغير. هذه الحسابات شبه المتطابقة هي بالضبط سبب استحقاق المقارنة أن تُجرى بشكل صحيح، لأن النموذجين ينفقان تلك الميزانية بعد ذلك على أشياء مختلفة تمامًا: تنفق Gemma 4 26B-A4B على الرؤية وسياق 256K وقاعدة معرفة واسعة؛ وتنفق LFM2.5-24B-A2B على مسار استدلال وإطار استدعاء الأدوات وتعلم معزز وكيلي. الشكل نفسه، أولويات متعاكسة.

ثمة تفاوت إضافي يعلو فوق ذلك: جدول قياسات أداء LFM2.5-24B-A2B يستخدم Gemma-4-26B-A4B-it كأحد خطوط الأساس الثلاثة لديه، لذا لم نعد هذه المرة نضع جدولا إطلاق جنبًا إلى جنب ونخمّن — فقد شغّلت Liquid كليهما، في بيئة vLLM نفسها، ونشرت الصفوف.

كلاهما يفتقد الشيء نفسه، وهو الشيء الذي يفترضه الجميع.

ابدأ بالمفهوم الخاطئ الذي يُرجَّح أن يولّده هذان النموذجان أكثر من غيره، لأنه المفهوم نفسه لكليهما. فالمزيج المتناثر من الخبراء لا يقلّص متطلبات الذاكرة لديك. إذ يجب أن تبقى كل معلمة في نقطة التحقق مقيمة في الذاكرة؛ وما يمنحك إياه 2.45B أو 3.8B نشط هو معدل الإنتاجية لكل رمز، وليس بصمة أصغر. القارئ الذي يرى "2.45B نشط" ويمدّ يده إلى جهاز بسعة 4 GB ستكون أمسيته سيئة.

في كتالوجنا الخاص، تُدرَج نقطة تفتيش Gemma 4 26B A4B بسياق يبلغ 262,144 رمزًا، بينما تعطي بطاقة LFM2.5-24B-A2B ‏131,072. على القرص، الفجوة أكبر مما توحي به أعداد المعاملات: ينشر LFM2.5-24B-A2B ملف Q4_K_M GGUF بحجم 14.5 GB وQAT QAD-Q4_0 بحجم 13.6 GB، مع 48 GB بصيغة BF16؛ وينشر Gemma 4 26B A4B ملفات bfloat16 safetensors على شكل شريحة بحجم 49.9 GB بالإضافة إلى شريحة بحجم 1.7 GB، مع GGUF رباعي البتات واعٍ بالتكميم يقترن فيه ملف أوزان مضغوط بملف إسقاط متعدد الوسائط منفصل. أرقام تقريبية: نحو 14 GB مقابل نحو 50 GB غير مضغوط، من نقطتي تفتيش يختلف إجمالي عدد معاملاتهما بمليار واحد. يأتي هذا الفرق من المفردات، وتخطيط الخبراء، ومكدس الوسائط المتعددة، وليس من عنوان عدد المعاملات، وهو السطر الأكثر عملية في هذا المقال بأكمله.

تباين المواصفات، سطر واحد لكل بُعد

• إجمالي / المعاملات النشطة — LFM2.5-24B-A2B 24.0B / 2.45B، 64 خبيرًا مع توجيه top-4 عبر 40 طبقة. Gemma 4 26B-A4B 25.2B / 3.8B، 8 خبراء نشطين من أصل 128 بالإضافة إلى خبير مشترك عبر 30 طبقة.

A capture of the Hugging Face model page for google/gemma-4-26B-A4B-it, showing the image-text-to-text pipeline tag, the Transformers and Safetensors formats, the gemma4 and conversational tags, the Apache 2.0 licence, and the card text stating that Gemma 4 models are multimodal, handling text and image input with audio supported on the E2B, E4B and 12B models, that the family spans a context window of up to 256K tokens across five sizes, and the architecture list covering reasoning, extended multimodalities, dense and MoE variants, and on-device optimisation.

• السياق — 131,072 رمزًا مقابل 262,144، مع استخدام Gemma 4 26B A4B نافذة انزلاقية بحجم 1,024 رمزًا وانتباهًا هجينًا يتناوب بين الطبقات المحلية والعالمية، مع الإبقاء على الطبقة الأخيرة عالمية.

• الوسائط — LFM2.5-24B-A2B نصّ إدخال ونصّ إخراج. يستقبل Gemma 4 26B A4B النص والصورة، مع مُشفّر بصري بنحو 550 مليون معلمة؛ أما الصوت فمقتصر على أحجام Gemma 4 الأصغر.

• الاستدلال — يصدر LFM2.5-24B-A2B دائمًا سلسلة تفكير صريحة داخل كتلة <think>. أما Gemma 4 26B A4B فهو نموذج عام متعدد الأغراض مضبوط بالتعليمات دون أثر إلزامي.

• المفردات — 128,000 رمز، تضاعفت عن الجيل السابق عبر توسيع المُرمِّز في الموقع، مقابل مفردات عائلية بحجم 262 ألفًا مشتركة بين جميع أحجام Gemma 4 الخمسة.

• الترخيص — lfm1.0، مجاني للاستخدام التجاري حتى 10 ملايين دولار من الإيرادات السنوية، ويتطلب ترخيصًا تجاريًا بعد ذلك. Gemma 4 26B A4B هو Apache 2.0، ونص الترخيص القياسي على ai.google.dev/gemma/apache_2، مع سياسة G​oogle للاستخدام المحظور إلى جانبه كمستند للاستخدام المقبول وليس كقيد على الترخيص.

• الصيغ المنشورة — GGUF (من Q4_K_M إلى BF16)، وFP8، وONNX، وMLX بدقة 4/5/6/8 بت لنموذج Liquid؛ وملفات safetensors بصيغة bfloat16، ونقطة تفتيش مُدرَّبة مسبقًا، وبناء QAT بدقة 4 بت، وملف GGUF جاهز لـ llama.cpp، إضافةً إلى نموذج مسودة للتنبؤ متعدد الرموز، لحجم Gemma.

شغّل Liquid كليهما، والنتائج ليست اكتساحًا كاملًا.

يضع منشور إطلاق LFM2.5-24B-A2B Gemma-4-26B-A4B-it في عمود خط الأساس في جدول المعايير الستة عشر الخاص به، إلى جانب Qwen3.6-35B-A3B وNemotron-3.5-Lightning، مع تشغيل الأعمدة الأربعة جميعها في vLLM ضمن إعدادات توليد لكل معيار. وكل ما يلي مُبلَّغ عنه من البائع من كلا الجانبين — أرقام Liquid، في جدول جمّعته Liquid. وهو ليس تقييمًا مستقلًا، لكنه على الأقل إطار اختبار واحد، وهو أكثر مما تحصل عليه معظم صفحات مقارنة نموذج بنموذج.

تبدو الصفوف الوكيلية وكأنها هزيمة ساحقة: AutomationBench ‏27.69 مقابل 5.46، وToolSandbox ‏80.71 مقابل 72.09، وLiveClaw ‏48.09 مقابل 41.25، وτ³-Bench Banking ‏8.04 مقابل 4.54، وBFCLv4 ‏65.01 مقابل 57.09. واتباع التعليمات يحكي القصة ذاتها — IFEval ‏96.75 مقابل 92.00، وIFBench ‏74.69 مقابل 47.44، وMulti-IF ‏84.38 مقابل 82.19.

ثم النصف الآخر من الجدول، الذي نشرته Liquid على أي حال: PinchBench 83.18 مقابل 77.12 يسير في الاتجاه المعاكس، وكذلك ثلاثة صفوف تهم أكثر من أي من انتصارات استدعاء الأدوات. GPQA Diamond — 74.42 مقابل 74.90، متعادلان تقريبًا عند الطرف الأعلى لعلوم الدراسات العليا. SWE-Bench Verified via OpenCode — 51.00 مقابل 25.80، بفارق اثنين إلى واحد لصالح نموذج Liquid، وهو الرقم المنفرد الأكثر إثارة للدهشة في أي من الجدولين. SciCode — 32.71 مقابل 35.42، حيث يتقدم حجم Gemma. و AA-Omniscience — −24.90 مقابل −59.39، حيث يحصل كلا النموذجين على نتائج سيئة، ويسجل حجم Gemma نتيجة أسوأ بأكثر من الضعف.

هناك قراءتان لذلك، والقراءة الصادقة هي الثانية. الأولى هي أن نموذج وكيل نشط بحجم 2.45B يتفوق على نموذج عام نشط بحجم 3.8B في مهام الوكلاء، وهو ما صُمِّم للقيام به. والثانية هي أن عمود Gemma 4 26B A4B يبدو ضعيفًا على نحو شاذ في كل المجالات — فكون 25.2B من إجمالي المعاملات و3.8B نشطة تأتي أدنى من نموذج نشط بحجم 2.45B في اتباع التعليمات واستخدام الأدوات والمعرفة ليس ما كان سيتوقعه جدول عائلة Google نفسه، وهو تذكير بأن وجود إطار اختبار مشترك لا يجعل معيارًا ما قابلًا للمقارنة إذا كانت النماذج تُدار عبر إعدادات توليد وتلقين مختلفة. تعامل مع اتجاه هذه الصفوف على أنه مفيد، ومع المقادير على أنها ليست كذلك.

ما لا يظهر في الجدول على الإطلاق هو الجانب متعدد الوسائط من Gemma 4 26B A4B. لا يمكن إجراء اختبار معياري للرؤية هنا لأن LFM2.5-24B-A2B لا يستطيع الرؤية. إذا تضمّن أي جزء من عبء العمل لديك صورة تصل من مستخدم، فإن هذه المقارنة يكون لها فائز قبل أن تبدأ، وهو ليس النموذج الأحدث.

السعر، وما تكلفة الاحتفاظ بكل واحد منها فعليًا

يبلغ سعر LFM2.5-24B-A2B لكل رمز: 0.10 دولار لكل مليون رمز إدخال (0.05 دولار للرموز المخزّنة مؤقتًا) و1.00 دولار لكل مليون رمز إخراج على Console الخاصة بـ Liquid، مع رصيد 2 دولار للبدء. أما Gemma 4 26B A4B فليس لـه أي سعر قائمة من المورّد على الإطلاق — فـ Google لا تنشر أي سعر — لذا فإن رقم التكلفة الصادق الوحيد هو ما تفرضه المنصات التي تستضيف الأوزان المفتوحة، وهو يختلف حسب المضيف واليوم.

هذا التفاوت هو الحجة لاستخدام راوتر بدل توصيل نقطة نهاية أحد المورّدين مباشرةً بكودك. وبغض النظر عن الهندسة، هنا يصبح اختبار كلا الجانبين مهمًا: نحن نوفّر نقطة تفتيش Gemma 4 26B A4B تحت معرّفين — google/gemma-4-26b-a4b-it وobsidian/gemma-4-26B-A4B — وكلا مرجعي السعر اللذين تستخدمهما Liquid في جدولها، qwen/qwen3.6-35b-a3b من بينهما، خلف مفتاح واحد بهامش ربح 0% على سعر قائمة المزوّد. نحن لا نوفّر LFM2.5-24B-A2B. لذلك فإن النسخة العملية من هذه الصفحة هي: نزّل نقطة تفتيش Liquid وشغّلها محليًا، واستدعِ حجم Gemma 4 وخط أساس Qwen عبر المفتاح نفسه بينما تتخذ قرارك، بحيث تقارن على مهامك الخاصة، لا على اختيار أي من المورّدين لأدوات الاختبار.

A two-column scoreboard titled 'LFM2.5-24B-A2B vs Gemma 4 26B A4B — the scoreboard'. The left column, LFM2.5-24B-A2B, lists 24.0B total and 2.45B active parameters, a 131,072-token context, text-only input, SWE-Bench Verified 51.00, AutomationBench 27.69, and a Q4_K_M download of 14.5 GB. The right column, Gemma 4 26B A4B, lists 25.2B total and 3.8B active parameters, a 262,144-token context, text and image input, SWE-Bench Verified 25.80, AutomationBench 5.46, and bfloat16 weights of about 50 GB, above a footer reading 'Benchmark rows from Liquid AI's 2026-10-13 vLLM table, which ran both models; vendor-reported and unreproduced.' and the OrcaRouter logo composited bottom-right.A capture of OrcaRouter's own model page for google/gemma-4-26b-a4b-it, showing the 'Gemma 4 26B A4B' heading and the google/gemma-4-26b-a4b-it identifier, the vision, tools, JSON and reasoning chips, Google as the vendor with a 2026-04-03 date, the summary noting 25.2B total parameters with only 3.8B activating per token, and the 262K-token context row listing text, image and video input with a p50 time-to-first-token figure.

أي واحد، وعندما يكون السؤال حقًا عن جهازك

إذا كان عبء عملك نصيًا وكان وكيلك يحتاج إلى التخطيط واستدعاء الأدوات وشرح نفسه، فإن نقطة التحقق الأحدث هي التي يجب تنزيلها: 14.5 غيغابايت عند Q4_K_M، وسياق 131K، واستدلال صريح، وجدول قياس أداء يتفوق فيه على الصفوف الوكيلية ضد هذا المنافس نفسه. وإذا كان أي من عملك يتضمن صورًا، أو كنت تحتاج إلى سياق 256K بدلًا من 128K، أو أردت ترخيص Apache 2.0 دون شرط إيرادات يجب تتبعه، فإن Gemma 4 26B A4B يجيب عن سؤال لا يطرحه LFM2.5-24B-A2B حتى — ببصمة قرص غير مضغوطة تبلغ نحو ثلاثة أضعاف ونصف.

الشيء الذي لا يصلحه أيٌّ من النموذجين هو أن كليهما مقيَّد بالذاكرة لا بالحوسبة، وأنه يجب قراءة كلا المورّدين بالطريقة نفسها. يصف منشور إطلاق عائلة Google حجمَي Gemma 4 الأكبرين بأنهما أوزان bfloat16 «تتلاءم بكفاءة على وحدة GPU واحدة من NVIDIA H100 بسعة 80GB» — وهذا صحيح، وهو أيضًا تأطير المورّد نفسه بدلًا من قياس لهذه النسخة المحددة. كما أن معدل Liquid البالغ 184 توكنًا في الثانية على Apple M5 Max، وعبارة «أسرع بما يصل إلى 1.7× من نماذج MoEs المماثلة على الجهاز» لا يحملان أي إعادة إنتاج أيضًا. نموذجان متفرقان، ومورّدان، وإرشاد واحد مشترك: الحساب في الاسم يخبرك بالسرعة، ولا شيء في الاسم يخبرك بالذاكرة.

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.