LFM2.5-24B-A2B مقابل Ternary Bonsai 2 27B: الفرق هو 2 بت واتصال سحابي

إليك أقصر إجابة صادقة. LFM2.5-24B-A2B هو نموذج نصي فقط من نوع مزيج الخبراء، بنته Liquid AI ليجلس داخل حلقة وكيل على جهاز بلا شبكة، وأُعلن في 13 أكتوبر 2026 بإجمالي 24.0B معامل و2.45B معامل نشط. Ternary Bonsai 2 27B هو إعادة كتابة منخفضة البتات لنموذج Qwen3.8-27B أصدرتها Prism ML في 17 سبتمبر 2026 تحت Apache 2.0، إذ تخزّن كل وزن كأحد ثلاثة رموز عند 1.76 بت فعّالة، وتقلّص نموذجًا بحجم 53.81 GB بصيغة FP16 إلى تنزيل بحجم 5.93 GB. كلاهما صغير بما يكفي للاحتفاظ به محليًا، وكلاهما مفتوح الأوزان، وليسا يحاولان أداء المهمة نفسها. نموذج Liquid دُرِّب على استدعاء الأدوات. أما نموذج Prism فهو نموذج رؤية-لغة كامل الدقة يرتدي بذلة أرخص بكثير.

ما يجعل هذا الاقتران جديرًا بصفحة كاملة هو أن كلًّا منهما يخبرك أين تكون أدلته واهنة، وأن موضعي الضعف متعاكسان.

ما هو كل واحد منها، مختصرًا إلى الجزء المهم

تحافظ LFM2.5-24B-A2B على معمارية LFM2: 40 طبقة، و30 كتلة التفاف قصير مزدوجة البوابات، و10 طبقات انتباه مجمّعة الاستعلامات، و64 خبيراً لكل كتلة مع توجيه top-4، وسياق من 131,072 رمزاً، ومفردات من 128,000 رمز، ونص دخلاً ونص خرجاً. ينتهي خط أنابيب ما بعد التدريب لدى Liquid بمرحلة تعلّم معزز وكيلي تُشغَّل داخل OpenClaw وHermes Agent وPi وOpenCode. ويوصي المورّد صراحةً بقرنه بالاسترجاع أو بالبحث على الويب بدل الوثوق به في أسئلة المعرفة — وفي جدول الإطلاق الخاص به يقع صف AA-Omniscience عند −24.90، وهو تلك النصيحة في صورة رقمية.

إن Ternary Bonsai 2 27B هو الشبكة نفسها التي يمثلها Qwen3.8-27B مكتوبةً بصيغة مختلفة. تقسّم الورقة البيضاء الخاصة بـ Prism ML المعاملات البالغ عددها 27.36B إلى 24.35B في العمود الفقري اللغوي عبر 64 كتلة، و2.54B في التضمين ورأس LM، و0.47B في برج رؤية من 27 كتلة يُشحن كملف mmproj منفصل بدقة 4 بتات بحجم 0.63 GB تقريبًا، ولا يُحمَّل إلا عند ورود صورة. أما الانتباه الهجين للنموذج الأساسي — 48 طبقة انتباه خطي Gated DeltaNet متشابكة مع 16 طبقة انتباه كامل، بحجم مخفي 5,120، ومفردات من 248,320 رمزًا — فهو موروث دون تغيير. وكذلك السياق البالغ 262,144 رمزًا.

أسرع حد فاصل بينهما هو الوسائط. يقبل Ternary Bonsai 2 27B الصور. أما LFM2.5-24B-A2B فلا، ولا تغيّر أي حيلة تكميم ذلك.

الجودة، على الطاولة الوحيدة التي يملكها أيٌّ منهما

قاس Prism ML بنائه مقابل النسخة الأصلية كاملة الدقة عبر مجموعة من 20 اختبارًا مرجعيًا، ويُفيد بأنه يحافظ على 98.2% من المتوسط — 83.9 مقابل 85.4. تلك هي أداة القياس الخاصة بالمورّد، عمرها شهر واحد، ولم يُعِد إنتاجها أحد. وهي أيضًا، بقصد أو بغير قصد، بالضبط نوع الادعاء الذي يُخفي توزيعه الخاص، لأن نقاط 1.8 ليست موزعة بالتساوي.

• الرياضيات — 96.57 مقابل 97.06. على نفس المستوى فعليًا.

• البرمجة — 81.58 مقابل 82.17. قريب، والفئة التي تُناقش فيها تقنية الضغط.

• اتباع التعليمات — 82.66 مقابل 81.25. النموذج المضغوط متقدّم، وهو السطر الوحيد المفاجئ حقًا في الجدول.

• المعرفة والاستدلال — 83.95 مقابل 86.66. انخفاض بمقدار 2.7 نقطة، وأكبر مساهم منفرد في الـ1.8 المفقودة.

• القدرات الوكيلية واستدعاء الأدوات — 77.57 مقابل 79.74، مع تغطية τ2-Bench عند 80.22 وBFCL v3 عند 74.92.

الآن المشكلة في استخدام ذلك الجدول هنا. أرقام Prism هي نتائج بنائه مقابل قاعدته الخاصة كاملة الدقة. أرقام Liquid — AutomationBench 27.69، LiveClaw 48.09، ToolSandbox 80.71، BFCLv4 65.01، IFEval 96.75، IFBench 74.69 — هي مقابل مجموعة مختلفة من النماذج، وعلى إطار اختبار مختلف، وبإعدادات توليد مختلفة. لا يظهر أي معيار واحد في كلا الجدولين. من يضع BFCLv3 74.92 بجانب BFCLv4 65.01 ويعلن فائزًا فقد قارن بين اختبارين مختلفين وسمّى ذلك نتيجة.

وقت التشغيل هو حيث يتباعد الاثنان فعليًا

هذا الجزء ليس ادعاءً من البائع، بل حقيقة توافق يمكنك أن تكتشفها في ظهيرة واحدة.

كان على Prism ML كتابة نوى لهذه المعمارية، لأن الصيغة المعبأة والانتباه شبه الخطي في معظمه كلتيهما غير مألوفتين. ترفض نسخة llama.cpp القياسية كلا تعبئتي Prism باعتبارهما نوعين غير معروفين — والأخطر من ذلك، أنها تحمّل تنسيقًا ثلاثيًا أقدم دون أي اعتراض وتنتج كلامًا سلسًا لا معنى له، لأنه لم يُطبَّق أي دوران مطابق على التنشيطات. إذا شغّلت Ternary Bonsai 2 27B على برنامج ثنائي لا يعرف عنه، فلن تحصل على خطأ. بل ستحصل على مخرجات واثقة وخاطئة.

يتمتع LFM2.5-24B-A2B بملف مخاطر معاكس. تُدرِج Liquid دعمًا من اليوم الأول عبر llama.cpp لـ GGUF، وMLX، وvLLM، وSGLang، وONNX، إضافةً إلى مستودعات شقيقة لـ FP8 وONNX و4-bit MLX — وهو إصدار تقليدي. السؤال المفتوح هناك يتعلق بالأداء لا بالصواب: أرقام المورّد البالغة 184 رمزًا في الثانية على Apple M5 Max و114 على AMD Ryzen AI Max+ 395 لم يُعَد إنتاجها، كما أن العنوان الرئيسي «أسرع بما يصل إلى 1.7× من أفضل نموذج تالٍ» لا يوجد خط أساس منشور مرتبط به.

أين يكون هامش الربح 1 مهمًا فعليًا؟

بين هذين الطرازين، زاوية التوجيه محرجة حقًا، ويجدر قول ذلك بدلًا من تجميله. إن Ternary Bonsai 2 27B تنزيل: توزّعه Prism ML على Hugging Face بموجب Apache 2.0، وجوهر التقنية كلها هو أن تشغّله بنفسك. كذلك LFM2.5-24B-A2B هو في الأساس أداة محلية، مع نقطة نهاية Console من Liquid عند 0.10 دولار لكل مليون رمز إدخال — 0.05 دولار مخزّنة مؤقتًا — و1.00 دولار لكل مليون رمز إخراج كبديل مستضاف. ليست القيمة الجوهرية لأي منهما في استدعاء API محاسَب بالاستهلاك.

حيث تكسب طبقة التوجيه مكانتها، تكون بجانبها لا بدلاً منها. النموذج الأساسي Ternary Bonsai 2 27B مضغوط من — qwen/qwen3.8-27b، الذي نشرته Alibaba في 13 أغسطس 2026 — ويُقدَّم على كتالوجنا بسعر 0.33 دولار لكل مليون مُدخل و2.40 دولار لكل مليون مُخرج، ما يعني أن المهمة نفسها يمكن تشغيلها مقابل النموذج المُقدَّم كامل الدقة بينما تقيّم البناء المحلي بحجم 5.93 GB على المطالبات نفسها. هذه مقارنة عادلة تُجرى بتكلفة زهيدة، وهي المقارنة التي لا يستطيع جدول Prism نفسه المكوَّن من 20 معيارًا أن يجريها لك.

الرخصة، التي ليست حاشية على أي من الجانبين

يحمل Ternary Bonsai 2 27B رخصة Apache 2.0، مع عدم وجود أي شرط مُشغَّل بعتبة الإيرادات ولا بند لمجال الاستخدام؛ ويصدق الأمر نفسه على أوزان Qwen3.8-27B التي اشتُق منها. يُتاح LFM2.5-24B-A2B بموجب رخصة lfm1.0 الخاصة بـ Liquid، وهي صك مختلف له شروطه التجارية الخاصة. وفق قراءة هندسية بحتة، النموذجان متقاربان بما يكفي بحيث يتحدد الاختيار غالبًا وفق شكل النشر — منفّذ محلي مقابل مُستدِلّ بصري محلي — لكن الرخصة هي المُدخَل الوحيد الذي لا يتحرك مع دورة الاختبارات المعيارية، ويجدر التحقق منها مقابل أرقام إيراداتك الخاصة قبل أن تبني منتجًا على أيٍّ منهما.

ما تركه كل مورّد دون قياس هو ما ينبغي مراقبته. نشرت Prism ML نسبة احتفاظ، لكنها لم تنشر السلوك حسب عبء العمل لنموذج بدقة 1.76 بت على بياناتك، كما أن ناتج ضغط يبلغ 98.2% من المتوسط قد يظل أداة خاطئة للفئة الوحيدة التي تهمك — فالتراجع في البرمجة، الصغير إجمالاً، تقع وطأته الأشد في موضع محدد بعينه. نشرت Liquid جدول أداء وكيلياً بلا عمود مستقل، وبلا أي أرقام لاسترجاع السياق الطويل لنافذة 131K. وكلتا الفجوتين تُغلقان بإصدار اختبار معياري لا بمنشور مدونة، وأي مورّد يطرح واحداً أولاً سيكون قد دفع النقاش أبعد كثيراً مما فعلت آخر 1.8 نقطة.

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