LFM2.5-24B-A2B مقابل LFM2.5-8B-A1B-DSpark: أحد هذين ليس نموذجًا يمكنك تشغيله

ضع LFM2.5-24B-A2B وLFM2.5-8B-A1B-DSpark في جدول مقارنة، وسيكون الجدول كذبة قبل أن تملأ خلية واحدة. نموذج LFM2.5-24B-A2B من Liquid AI، الصادر في 13 أكتوبر 2026، هو نموذج لغوي: 24.0 مليار معلمة، و2.45 مليار معلمة نشطة لكل رمز، و131,072 رمزًا من السياق، ويجيب على المطالبات. أما LFM2.5-8B-A1B-DSpark، الصادر في 20 أغسطس 2026، فهو نقطة تحقق مسودة بـ 327.7 مليون معلمة لا تستطيع الإجابة عن أي شيء بمفردها — إنه موجود لتخمين الرموز التالية لنموذج آخر، هو LFM2.5-8B-A1B، ويُفحص بواسطته. الخلط بين الاثنين هو أكثر طريقة شيوعًا لسوء قراءة هذا الإصدار، ويستحق التوضيح في الفقرة الأولى لأن بقية هذه الصفحة تعتمد عليه: أحدهما له سعر لكل مليون رمز وبطاقة Hugging Face يمكنك توجيه وكيل إليها، والآخر يعيش داخل حزمة استدلال خاصة بشخص آخر.

ما يجعل هذا الاقتران يستحق حقًا صفحة كاملة، مع ذلك، هو أنه المقارنة التي أعدّتها Liquid AI لنفسها. تُدرج بطاقة نموذج LFM2.5-24B-A2B مسودة فك ترميز تخميني DSpark للنموذج 24B بوصفها قادمة قريبًا. وعندما تصدر، فإن السؤال الدقيق الذي تجيب عنه هذه الصفحة سيكون هو نفسه الذي سيطرحه الناس عنها — هل تنفع حيلة المسودة التي جعلت نموذج 8B أسرع بمقدار 3.18× على وحدة معالجة رسومات في مركز بيانات فعليًا مع نموذج 24B الذي يكون سبب وجوده كله حاسوبًا محمولًا؟ إن أرقام 8B تحتوي بالفعل على شكل الإجابة، وهو ليس الشكل الذي يوحي به العنوان الرئيسي.

ما هي نقطة تحقق المسودة في الواقع، في ثلاث جمل

يضع الفك التخميني نموذجًا رخيصًا أمام نموذج مكلف: يقترح المسوّد كتلة من الرموز المرشحة، ويتحقق النموذج الحقيقي من الكتلة كاملة في تمريرة أمامية واحدة، ثم يحتفظ بكل ما يوافق عليه. ولأن النموذج الهدف يفحص كل رمز مقترح، فإن الناتج في ظل الفك الجشع يكون مطابقًا بتًا ببت لتشغيل الهدف وحده — عبارة Liquid هي "خالٍ من الفقد بحكم البناء"، وهي السبب في أن المسوّد آمن للإضافة إلى حزمة إنتاجية. إن LFM2.5-8B-A1B-DSpark مسوّد صغير عمدًا: خمس طبقات انتباه فقط، وكتلة من تسعة رموز مقترحة لكل خطوة، ورأس ماركوف فوق مفردات النموذج الهدف البالغة 128,000 رمز، دُرّب لمدة 15 حقبة على بيانات الدردشة والبرمجة واستدعاء الدوال، مع اختيار نقاط التفتيش حسب معدل القبول بدلًا من خسارة التحقق.

هذه التفصيلة الأخيرة ليست تافهة. يشير ما كتبته Liquid بنفسها إلى أنه بالنسبة للمسودات الأكبر، تستمر خسارة التحقق في التحسن بعد أن يتوقف قبول المعيار المرجعي الذي نهتم به عن التحرك — وهي الجملة التي لا تظهر إلا عندما يطلق فريق ما هذا في الخدمة التشغيلية بدلًا من نشر ورقة بحثية.

المكدسان، سطر واحد لكل بُعد

• ما هو — LFM2.5-24B-A2B نموذج استدلال قابل للنشر، نصٌّ دخلاً ونصٌّ خرجاً. LFM2.5-8B-A1B-DSpark مُسرِّع لفكّ الترميز التخميني ولا شيء غير ذلك.

• الحجم — 24.0B إجمالي / 2.45B نشط لكل رمز، مع 64 خبيرًا وتوجيه top-4 عبر 40 طبقة، مقابل 327.7M معامل مسودة في خمس طبقات للانتباه فقط.

• السياق — 131,072 توكنًا للنموذج 24B، أي ضعف ما كان في الجيل السابق؛ وليس للمسودة سياق خاص بها، لأنها تعمل على تدفق النموذج الهدف.

• الاستدلال — يُصدر نموذج 24B دائمًا سلسلة تفكير صريحة داخل كتلة <think>. أما المسودة فلا تُصدر شيئًا يراه المستخدم أبدًا.

• السعر — 0.10 دولار لكل مليون رمز إدخال (0.05 دولار عند التخزين المؤقت) و1.00 دولار لكل مليون رمز إخراج على Console من Liquid، مع رصيد بدء بقيمة 2 دولار، للطراز 24B. لا يوجد سعر للمسودة لأن لا مزوّد استدلال يقدّمها.

• الترخيص — lfm1.0 لكليهما: مجاني للتنزيل والضبط الدقيق والنشر تجاريًا حتى تتجاوز الشركة 10 ملايين دولار من الإيرادات السنوية، وعندها ينطبق ترخيص تجاري.

• الصيغ المنشورة — GGUF من Q4_K_M عند 14.5 جيجابايت وصولًا إلى 48 جيجابايت BF16، وQAT QAD-Q4_0 عند 13.6 جيجابايت، وFP8، وONNX، وMLX بدقة 4/5/6/8 بت للطراز 24B؛ وSafetensors وGGUF للمسودة، مع دعم SGLang وllama.cpp منذ اليوم الأول.

البُعد الذي يحدد كل شيء هو الأخير الذي يُعدّله الخامس: أحدهما له سعر لكل توكن، والآخر شيء تقوم بتثبيته لجعل نموذج مستضاف ذاتيًا أرخص لكل توكن. إنهما لا يتنافسان أبدًا. بل يتراكمان.

الأرقام التي تهم، والرقم الذي ينبغي أن يقلقك

قامت Liquid بقياس مسوّدة DSpark عند حجم دفعة 1 ودرجة حرارة 0 عبر خمس مجموعات بيانات — على H100 بسعة 80GB بدقة BF16 باستخدام SGLang، وعلى MacBook Pro M4 Max بدقة FP16 GGUF باستخدام llama.cpp مع نوى Metal التجريبية. كل تسريع يُقارَن بالنموذج الهدف نفسه وهو يعمل بمفرده على العتاد نفسه. كل ذلك مُبلَّغ عنه من المورّد، وبعد ثلاثة أشهر، لا يزال غير مُعاد إنتاجه.

على H100، مقارنةً بـ LFM2.5-8B-A1B:

• MATH500 — 3.18× (428 → 1,362 توكن/ث، القبول 8.27) — الرقم الأبرز.

• MT-Bench — 3.02× (426 → 1,288 توكن/ث، نسبة القبول 8.52).

• MBPP — 2.64× (426 → 1,122) وHumanEval — 2.58× (426 → 1,100).

• GSM8K — 1.29× (385 → 496، القبول 4.02) — الحالة الضعيفة، ولاحظ أنها الحالة التي كان فيها الهدف أسرع بالفعل منذ البداية.

• المتوسط — 2.54× (418 → 1,074 توكن/ث).

على M4 Max، تمثل المسودة نفسها في مواجهة الهدف نفسه منتجًا مختلفًا: MATH500 ‏1.21× (93 → 112)، GSM8K ‏1.44× (90 → 129)، HumanEval ‏1.12× (91 → 101)، MBPP ‏1.09× (89 → 97)، MT-Bench ‏1.04× (87 → 90)، المتوسط 1.18× (90 → 106).

اقرأ هاتين القائمتين معًا، فيكون الاستنتاج حتميًا لا مفر منه: نقطة التحقق الخاصة بالمسودة تسرّع العتاد الذي لم يُبنَ النموذج من أجله، وبالكاد تحرّك العتاد الذي بُني من أجله. هذا ليس خللًا في تنفيذ Liquid، بل هو موضع عنق الزجاجة نفسه — فك التشفير التخميني يجدي عندما تكون الحوسبة خاملة والذاكرة شحيحة، وM4 Max الذي يشغّل MoE مكمَّمًا بعوامل نشطة قدرها 1.5B أصبح بالفعل قريبًا من سقف عرض النطاق الترددي للذاكرة لديه. لقد نشرت Liquid نفسها النصف السيئ من النتيجة، ولهذا فقد اقتُبس رقم 3.18× منفردًا أكثر بكثير من رقم 1.18× الذي سيختبره معظم قرائهم فعليًا.

لماذا يُعد اقتران 24B سؤالًا مفتوحًا حقًا

لا شيء معلن عن مسودة LFM2.5-24B-A2B القادمة عدا عبارة «قريبًا» على بطاقة النموذج؛ لذا فإن ما يلي استدلال حول شكل المشكلة وليس تقريرًا.

تتحدد قيمة المسودة بمعدل القبول، ويتحدد معدل القبول بمدى قابلية النموذج الهدف للتنبؤ. إن نموذج الاستدلال الذي ينتج دائمًا سلسلة تفكير صريحة — وLFM2.5-24B-A2B هو كذلك بالضبط، وتشحنه Liquid بدرجة حرارة موصى بها تبلغ 0.1 — يُصدر مقاطع نصية طويلة قابلة للتنبؤ محليًا. وهذه تربة مثالية لكتلة من 9 رموز. لذا قد يكون السقف المرتبط بمسودة بحجم 24B مرتفعًا، وتساعد ملاحظة المفردات الواردة في البطاقة نفسها: إذ يستخدم نموذج 24B المفردات نفسها البالغة 128,000 رمز التي بُني عليها رأس ماركوف الخاص بنموذج المسودة 8B، لذا لا يلزم إعادة بناء رأس المسودة انطلاقًا من فضاء رموز مختلف.

العامل الموازن هو العتاد. النتيجة الطرفية المعلنة لنموذج 24B هي 184 رمزًا في الثانية على Apple M5 Max، وهدف أكبر يعني تمريرة تحقق أكبر حتى عندما تُقبل الكتلة كاملة. وإذا استمر نمط 8B — مكاسب كبيرة حيث تتوفر لديك طاقة حسابية فائضة، ومكاسب صغيرة على الحاسوب المحمول — فقد يتبين أن مسودة 24B أداة مركز بيانات ملحقة بنموذج طرفي، وهو شكل غريب لمنتج. وأي شخص يستشهد بـ "3.18×" تحسبًا لذلك فإنه يستشهد برقم قيس على نموذج مختلف، وعلى عتاد مختلف، وبمسودة مختلفة.

التكلفة، والحجة الداعية إلى عدم الاستضافة الذاتية على الإطلاق

تعقيد واحد صادق: قيمة عرض DSpark كلها تكمن في الإنتاجية لكل رمز مُستضاف ذاتيًا، لذا فإن جدواها الاقتصادية هي تكلفة الرمز الواحد من وقت GPU الخاص بك. أما نموذج 24B، في المقابل، فله سعر معلن — 0.10 دولار لكل مليون رمز إدخال (0.05 دولار للمُخزَّن مؤقتًا) و1.00 دولار لكل مليون رمز إخراج — وهو ما تدفعه إذا كنت تفضّل ألا تشغّل نقطة تحقق مُكمَّمة بحجم 14.5 GB على حاسوبك المحمول على الإطلاق.

لكي نكون واضحين بشأن ما نقدّمه وما لا نقدّمه: نحن لا نقدّم LFM2.5-24B-A2B أو LFM2.5-8B-A1B-DSpark على OrcaRouter. ما نقدّمه هو النماذج مفتوحة الأوزان التي يظل هذا القرار يصطدم بها — qwen/qwen3.6-35b-a3b، النموذج الذي تقيس Liquid نموذجها 24B مقارنةً به بمعاملات إجمالية ونشطة أكثر بنحو خمسين بالمئة، إضافةً إلى google/gemma-4-26b-a4b-it، obsidian/gemma-4-26B-A4B وgoogle/gemma-4-31b-it ضمن الفئة المفتوحة المتفرقة نفسها. إذا كنت توازن بين تنزيل بحجم 14 GB ومكدّس فك الترميز التخميني مقابل استدعاء نموذج مُقدَّم خلف مفتاح واحد بهامش ربح 0% على سعر قائمة المزوّد، فهذه مقارنة يمكنك إجراؤها بعد ظهر اليوم من جانبنا، بينما لا يمكنك إلا تقديرها من جانبهم.

ماذا نفعل بهما اليوم؟

إذا كنت تريد نموذجًا لاستدعائه، فالجواب هو LFM2.5-24B-A2B، ونقطة التحقق DSpark غير ذات صلة بك — فهي تُسرّع نموذجًا واحدًا محددًا بحجم 8B، ولا توجد أي منصة طرف ثالث تقدّم أيًا منهما. وإذا كنت تستضيف LFM2.5-8B-A1B ذاتيًا بالفعل على GPU، فإن المسودة مضاعِف إنتاجية مجاني لا يغيّر شيئًا في مخرجاتك، و2.54× كمتوسط تمثل خفضًا حقيقيًا في تكلفة الخدمة. أما إذا كنت تستضيفه ذاتيًا على Mac، فالمتوسط هو 1.18× والقراءة الصادقة هي أن المسودة تستحق نحو عُشر ما يوحيه عنوان الإطلاق.

ما ينبغي مراقبته ليس تاريخ وصول مسودة الـ24B، الذي لم ينشره أحد. بل أيّ من النظامين ستقع فيه. إذا نشرت Liquid متوسطًا يتجاوز 2× على Apple silicon، فسيكون فك التشفير التخميني قد تجاوز حدًا فاصلًا، وستصبح طبقة الحوسبة الطرفية أرخص فعلاً في التشغيل. وإذا نشرت رقم ذروة دون متوسط للحواسيب المحمولة، فستكون نتيجة الـ8B هي الجواب طوال الوقت: هذه التقنية تجدي حيث تكون لديك حوسبة خاملة، والآلة التي تشغّل مزيج خبراء بحجم 24B على البطارية لا تملك أي فائض.

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.