LFM3-1.7B-Base: ما يقوله المستودع، وما لم تقله Liquid AI

نقطة الحفظ الأكثر أهميةً في عائلة Liquid AI الجديدة هي تلك التي يقلّ ما يمكن قراءته عنها. LFM3-1.7B-Base هو نموذج نصي فقط مُدرَّب مسبقًا يضم 1.73 مليار معامل، وفي 27 أكتوبر 2026 أصبح الجذع الذي بُني منه كل نموذج من نماذج LFM3 التي خضعت للتدريب اللاحق — نموذج النص، ونموذج الرؤية، ونموذج الصوت، والنموذج الشامل، وكلا نموذجي القرار. ويذكره منشور إطلاق العائلة في عبارة واحدة. لا يوجد إعلان مستقل عنه، ولا جدول معايير للنموذج الأساسي، ولا تغطية صحفية موجّهة إليه. أما المستودع، فهو صريح على نحو غير معتاد بشأن ماهية نقطة الحفظ والغرض منها، مما يجعل هذا الإصدار سهل الوصف وصعب المبالغة في شأنه. لا تُضاف أي زيادة سعرية إلى ما يتقاضاه مزوّد النموذج. أسعار القائمة لدى المزوّد أي تغيير في سعر المورّد يصل إلى فاتورتك في اليوم نفسه.

ما يلي يفصل بين هذين الأمرين. كل ما في النصف الأول يأتي من بطاقة النموذج، أو ملف الإعدادات، أو نص الترخيص، أو منشور الإطلاق الخاص بـ Liquid نفسه، ويمكن التحقق منه اليوم. أما النصف الثاني فهو ما يظل مجهولاً حقاً بعد ثلاثة أيام من رفع الأوزان.

مستودعان، ومنشور إطلاق واحد، وفجوة زمنية مدتها اثنتا عشرة ساعة

تحكي الطوابع الزمنية قصة إصدار وقع علنًا قبل أن يقع في التسويق. النموذج المدرّب لاحقًا LFM3-1.7B أُنشئ مستودعه في 23 أكتوبر 2026. أُنشئ المستودع الأساسي في 26 أكتوبر الساعة 16:28 UTC، وآخر تعديل على بطاقته كان في 27 أكتوبر الساعة 04:15 UTC — أي بعد أقل من اثنتي عشرة ساعة. تحمل تدوينة "تقديم LFM3: كل نمط للذكاء المتخصص" تاريخ 27 أكتوبر. وبحلول الوقت الذي كان بإمكان أي شخص خارج الشركة فيه قراءة مواصفة، كانت الأوزان قد أمضت يومًا كاملًا على Hugging Face.

ذلك الترتيب يستحق أن يُقال بصراحة لأنه أقرب ما يكون إلى «إصدار هادئ» هنا. أعلنت Liquid بالفعل عن العائلة، ويسمّي الإعلان LFM3-1.7B-Base بوصفه نقطة الحفظ التي دُرّبت منها النماذج الستة الأخرى. ما لم تفعله الشركة هو الإعلان عن نقطة الحفظ الأساسية بشكل مستقل — فلا منشور منفصل، ولا تقييم خاص بها، ولا تموضع يتجاوز فقرة واحدة في بطاقة الطراز. حصلت العائلة على الإطلاق، وحصل الجذع على مستودع وإشارة إلى العائلة.

ماذا يوجد في المستودع؟

البطاقة موجزة، وعلى غير العادة، مكتملة في الأساسيات. ملف واحد model.safetensors بسعة 3.46 GB بصيغة bfloat16. مُرمِّز tokenizer بمفردات من 128,000 رمز. شيفرة النموذج تُشحن بلغة Python مخصصة إلى جانب الأوزان، وتُحمَّل عبر trust_remote_code=True بدلاً من إصدار Transformers مدمج من المنبع. الرخصة هي LFM Open License v1.0، وهي نفس عائلة الشروط التي تستخدمها Liquid منذ LFM2.

• المعاملات — 1.73B، كثيفة، وتُقرأ جميع المعاملات عند كل رمز.

• الطبقات — 24: ثلاث عشرة كتلة التفاف قصير مُبوَّبة، وخمس كتل انتباه بنافذة منزلقة، وست كتل انتباه كامل.

• السياق — 262,144 رمزًا، الإدخال بالإضافة إلى الإخراج.

• هندسة الانتباه — حجم مخفي 2,048، وستة عشر رأس استعلام، وأربعة رؤوس مفتاح-قيمة، وبُعد رأس 128. هذا انتباه مُجمّع للاستعلامات بنسبة أربعة إلى واحد، وليس بنسبة ثمانية إلى واحد كما في LFM2.5.

• نافذة محلية — 256 رمزًا، مع ذاكرة تخزين مؤقت التفافية بسعة سبعة. هذا إعداد انتباه لكل طبقة، وليس طول السياق، وقد أثار موجة صغيرة من التقارير الخاطئة عندما ظهرت البنية لأول مرة في طلب سحب لمحرك في اليوم السابق للإطلاق.

• المفردات واللغات — 128,000 رمز، وست عشرة لغة مُدرجة: الإنجليزية، والعربية، والصينية، والفرنسية، والألمانية، والإيطالية، واليابانية، والكورية، والبرتغالية، والإسبانية، والفيتنامية، والتايلاندية، والإندونيسية، والهندية، والروسية، والبولندية.

• الذاكرة — حوالي 1 غيغابايت بدقة 4 بت وفقًا لـ Liquid، و3.46 غيغابايت كما تُشحَن بصيغة BF16.

ثمة تضارب صغير يجدر معرفته قبل أن تستشهد بحجم ما. فالشريط الجانبي في Hugging Face يقرّب النموذج إلى "2B params"، بينما يذكر جدول البطاقة 1.73B. ويحسم الملف الأمر: فحجم 3.46 GB بصيغة bfloat16 يعادل 1.73 مليار معلمة بواقع بايتين لكل معلمة، لذا فإن تسمية الشريط الجانبي عرف تقريب، وليست مواصفة ثانية. وقت كتابة هذه السطور، أظهر المستودع خمسة عشر تنزيلًا خلال الشهر الماضي وثماني إعجابات — وهو ملف تعريف لنقطة تحقق تم إصدارها، ورُبطت من منشور الإطلاق، ولم يلتفت إليها أحد بعد.

البنية المعمارية، دون الرسم التخطيطي

يُفهم التصميم على أفضل وجه بوصفه حجةً تتعلق بالميزانية. فالانتباه الكامل هو الجزء المكلف في المحوّل عند السياق الطويل: إذ يقارن كل رمز نفسه بكل رمز آخر، وتنمو الكلفة مع مربع طول التسلسل. ولا يخصص مكدس Liquid الثلاثي الهجين سوى ست طبقات من أصل أربع وعشرين لهذه العملية. أما ثلاث عشرة طبقة فهي التفافات قصيرة مُبوّبة تخلط المعلومات محليًا بكلفة ثابتة لكل رمز، وخمس طبقات هي كتل انتباه بنافذة منزلقة ترى 256 رمزًا في المرة الواحدة. وبذلك لا تنفذ ثلثا الشبكة أي عملية انتباه عالمية على الإطلاق.

هذا هو الرهان نفسه الذي يخوضه Liquid منذ LFM2، لكنه مدفوع إلى أبعد مدى. استخدم LFM2.5-2.6B-Base ثلاثين طبقة مقسّمة إلى اثنتين وعشرين التفافة وثماني كتل انتباه كامل، دون أي مستوى نافذة منزلقة. ويستبدل LFM3 زوجًا من الالتفافات بكتلة انتباه منزلق عند خمس نقاط في المكدس، ويرفع ذاكرة الالتفاف المؤقتة من ثلاثة إلى سبعة، ويضيف إعدادات التطبيع على طريقة الساندويتش والتناوب الجزئي التي تظهر في ملف الإعدادات. أما ما إذا كانت هذه المقايضة المحددة تحسّن الجودة فهو سؤال لا يجيب عنه إلا التقييم، وحتى تاريخ النشر لا يوجد تقييم للنموذج الأساسي يجيب عنه. وما يثبته ملف الإعدادات هو أن سياق 256K لا يتحقق بتوسيع نطاق الانتباه إلى 256K؛ بل يتحقق بإبقاء معظم المكدس محليًا.

يأتي النموذج الأساسي مزوّدًا بقالب محادثة

هذه هي التفصيلة الأرجح أن تُربك أي شخص يُنزّل نقطة التحقق متوقعًا إكمال نص خام. يتضمن LFM3-1.7B-Base قالب محادثة كاملًا، وتذكر البطاقة أن التدريب الوسيط تضمّن بيانات محادثة مع آثار تفكير وبدونها، منسّقة بالقالب نفسه المستخدم في النموذج المُدرَّب لاحقًا. استدعِ apply_chat_template فيُفعَّل الاستدلال افتراضيًا: تبدأ الاستجابة داخل كتلة تفكير ما لم تمرر enable_thinking=False، الذي يملأ مسبقًا أثرًا فارغًا ويطلب إجابة مباشرة.

{{1}}لذا فهو يتصرف قليلاً مثل نموذج instruct ويُوثَّق على أنه شيء مختلف تمامًا.{{/1}} {{2}}توصية البطاقة نفسها لا لبس فيها:{{/2}} {{3}}LFM3-1.7B-Base "يُوصى به فقط للمهام التي تتطلب ضبطًا دقيقًا مكثفًا، مثل المساعدين الخاصين بلغة معينة أو بمجال معين، أو التدريب على بيانات مملوكة، أو تجربة أساليب جديدة لما بعد التدريب."{{/3}} {{4}}بالنسبة للدردشة واستدعاء الأدوات والوكلاء، فإنه يشير إلى LFM3-1.7B.{{/4}} {{5}}القالب موجود لأن بيانات التدريب المتوسط كانت منسقة بهذه الطريقة ولأن الضبط الدقيق يرثه — لا لأن نقطة التحقق تم ضبطها للمحادثة.{{/5}} {{6}}أي شخص يتعامل مع القالب كإشارة جاهزية سيُصاب بخيبة أمل من المخرجات، وتقول البطاقة ذلك قبل أن يبدأ.{{/6}}

الأرقام التي سيقتبسها الناس ليست أرقام هذا النموذج.

يحمل منشور الإطلاق جدول قياسات أداء كبيرًا، ولا ينطبق منه تقريبًا أي شيء على نقطة الحفظ التي تتناولها هذه المقالة. يعود المتوسط الرئيسي 49.37 إلى LFM3-1.7B، النموذج المُدرَّب لاحقًا، المقاس عبر مجموعة Liquid الخاصة. صفوف المقارنة — LFM2.5-2.6B عند 31.55، وMiniCPM5-2B عند 39.19، وGemma 4 E4B عند 31.74، وQwen3.5-4B عند 39.27، وQwen3.5-9B عند 47.24 — هي نماذج مُدرَّبة لاحقًا مقابل نماذج مُدرَّبة لاحقًا. وبالمثل، فإن 43.40 على SWE-bench Verified و73.46 على LiveCodeBench v6 هما درجتا النموذج المضبوط.

تُنسب ادّعاءان إلى نقطة التحقق الأساسية في القراءة العابرة، ولا ينبغي أن يحدث ذلك. الأول هو «معاملات أقل بنسبة 35%» — وهذا يعني أن LFM3-1.7B يتفوّق على LFM2.5-2.6B، وهو قول عن الزوج الخاضع للتدريب اللاحق، وليس نتيجة من أساس إلى أساس. والثاني هو الادّعاء بأن LFM3 «يطابق Gemma 4 12B». تلك الجملة تخص LFM3-VL-2B، نموذج الرؤية، عبر 62 معيارًا للرؤية. وهي لا تقول شيئًا عن نقطة التحقق الأساسية النصية، التي لا يوجد لها تقييم منشور على الإطلاق. نموذج أساس بلا جدول معايير ليس أمرًا غير مألوف — فقد نشرت Liquid عمدًا لا شيء لـ LFM2.5-2.6B-Base أيضًا — لكن غياب ذلك يعني أن كل ادّعاء عن الجودة يخص نقطة التحقق هذه هو حاليًا ادّعاء عن النموذج الذي أنتجته.

التدريب، والجزء المميز فعليًا

تقول Liquid إن نقطة التحقق هذه شهدت 22 تريليون رمز على مرحلتين. غيّرت مرحلة التدريب المسبق الرئيسية مزيج البيانات مقارنةً بـ LFM2، بإضافة المزيد من الأوراق العلمية والشفرة على مستوى المستودعات والرياضيات وانتشار أوسع لمصادر المعرفة. أما الـ 3.5 تريليون رمز الأخيرة فهي مرحلة تدريب متوسط على بيانات منسقة عالية الجودة ذات حصة أكبر من الآثار الوكيلية واستدعاءات الأدوات، وفي تلك المرحلة تُوسَّع نافذة السياق إلى 256K.

الجزء غير المعتاد ليس عدد الرموز؛ بل أن بيانات الوكلاء دخلت في النموذج الأساسي بدلاً من أن تقتصر على التدريب اللاحق فقط. تحتفظ معظم الجهات الموردة بآثار استدعاء الأدوات لمرحلة ضبط التعليمات. أما Liquid فقد وضعتها في الجذع، ثم دربت لاحقًا ستة نماذج مختلفة فوقه باستخدام SFT، وRL مختلط، والتقطير على السياسة متعدد المجالات، وRL الوكيلي. هذه استراتيجية متماسكة لعائلة يُقصد بها مشاركة عمود فقري واحد عبر الوسائط، وهي أيضًا سبب احتواء نقطة التفتيش الأساسية على قالب محادثة. إنه ادعاء حول منهجية التدريب لا يمكن التحقق منه من الخارج، ولا توجد إعادة إنتاج مستقلة.

ما يمكنك فعله به اليوم

تربط البطاقة دفترَي TRL، أحدهما للضبط الدقيق الخاضع للإشراف على استخراج JSON منظم من مستندات فوضوية، والآخر للتدريب المسبق المستمر على لغة جديدة، باستخدام التركية من نص خام كمثال. كُتب كلاهما اعتمادًا على LFM3-1.7B ويتطلبان تغيير model_id واحد فقط للإشارة إلى نقطة التحقق الأساسية. تغطي صفحة الوثائق بقية مسار الضبط الدقيق. يمتلك نموذج Instruct مجموعة كاملة من متغيرات وقت التشغيل — BF16 لـ vLLM وSGLang وTransformers؛ وFP8 وNVFP4 لـ SGLang؛ وGGUF لـ llama.cpp وOllama وLM Studio؛ وMLX لشرائح Apple silicon؛ وONNX Runtime. أما نقطة التحقق الأساسية فتمتلك مخرجًا واحدًا فقط: ملف safetensors بصيغة BF16. لا GGUF، ولا بناء MLX، ولا إصدار مُكمَّم. إذا أردت تشغيله على هاتف، فأنت من يقوم بذلك التحويل بنفسك.

أين يندرج هذا إذا كنت تكسب رزقك من خدمة النماذج

نقطة التحقق المُدرَّبة مسبقًا ليست نقطة نهاية محادثة، ويجدر التوضيح بشأن ذلك. لا يظهر LFM3-1.7B-Base في كتالوج OrcaRouter وقت كتابة هذا النص، وسيكون توجيه نموذج أساسي أمرًا غريبًا: فلا يمتلك قدرة على اتباع التعليمات يمكن توجيه الطلبات إليها. تبدأ الفائدة الحقيقية للموجّه في خطوة لاحقة، بعد وجود النموذج المضبوط بدقة. تضع OrcaRouter أكثر من 200 نموذج خلف واجهة API واحدة مع هامش ربح 0% على أسعار قوائم المزوّدين، وتحويل تلقائي عند الفشل، ولغة DSL للتوجيه، لذا يمكن أن تجلس نقطة تحقق LFM3 المضبوطة على مجال معيّن بجانب نموذج عام أكبر وتُقارَن أو يُحوَّل إليها عند الفشل دون تكامل ثانٍ. أما دمج النماذج — لوحة تُجيب معًا — فهو الخيار الآخر عندما يتفوّق مختص بحجم 1.73B في أمر واحد وتحتاج إلى رأي ثانٍ. لا شيء من ذلك يتطلب استضافة نقطة التحقق الأساسية نفسها في أي مكان.

ما الذي لا يزال غير مؤكد؟

• الجودة الأساسية. لا جدول معايير، ولا مخرجات لأداة التقييم، ولا مقارنة مع LFM2.5-2.6B-Base في أي مهمة.

• تحقق مستقل. لم ينشر أي مختبر خارجي أي تشغيلٍ للنموذج الأساسي ولا للنموذج المضبوط. وكل رقم في منشور الإطلاق مصدره Liquid نفسها.

• دعم Transformers من المنبع. يستخدم المستودع شيفرة نمذجة مخصصة وtrust_remote_code. هذا أمر طبيعي عند الإطلاق ويشكّل تكلفة صيانة لاحقًا.

• كيف تُقدَّم النسخة الأساسية. يذكر منشور الإطلاق أن النماذج الأساسية والنماذج المدرَّبة لاحقًا متاحة على Hugging Face وLiquid Playground وLiquid API. لكن ما تفعله واجهة API بنقطة تحقق أساسية غير مضبوطة ليس مشروحًا، ولا يُنشر أي تسعير لها.

• حالات الترخيص الحدّية. إن ترخيص LFM Open License v1.0 مجاني للاستخدام التجاري عندما تقل الإيرادات السنوية عن 10 ملايين دولار؛ وفوق هذا الحد ينطبق ترخيص تجاري. النص علني، لكن كيفية تعامله مع نموذج مشتق يُدرَّب على النموذج الأساسي ثم يُقدَّم تجاريًا هي مسألة تعود إلى محامٍ، لا إلى بطاقة نموذج.

ماذا تشاهد

الإشارة المجدية التالية ليست إعلانًا آخر — بل أول تقييم مستقل للنموذج بعد التدريب، وأول ضبط دقيق عام يوضح كيف كان التدريب على نقطة الحفظ الأساسية. إن صياغة Liquid نفسها تستدعي ذلك الاختبار: فجذع بحجم 1.73 مليار أنتج ستة نماذج ويزعم التفوق على سلف بحجم 2.69 مليار إما أن يكون بنية فعالة حقًا أو مجموعة اختبارات مرجعية مُختارة بعناية، ولن يفصل بين الاحتمالين سوى التشغيلات الخارجية. وحتى ذلك الحين، فإن المستودع هو القصة كاملة: ملف بحجم 3.46 غيغابايت، ومواصفات واضحة، وقالب محادثة ليس دعوة، وترخيص يستحق القراءة قبل أن يقترب خط الإيرادات.