LFM3-1.7B-Base مقابل MiniCPM5 2B: مورّدان، لوحتا نتائج، وإجابة صادقة واحدة

أنشأت Liquid AI مستودعLFM3-1.7B-Base على Hugging Face في 26 أكتوبر 2026، ثم نشرت إعلان عائلة LFM3 في اليوم التالي — ويقدّم جدول القياسات المرجعية في ذلك الإعلان شيئًا مفيدًا على نحو غير معتاد: فهو يضع النموذج المدرَّب تدريبًا لاحقًا LFM3-1.7B مباشرةً في مواجهة MiniCPM5-2B، النموذج البالغ 2.5B الذي دأبت OpenBMB على وصفه بأنه أحدث ما بلغته النماذج مفتوحة المصدر من فئة 2B منذ أن نُشرت أوزانه في سبتمبر. وفي مجموعة الاختبارات السبع والعشرين الخاصة بـ Liquid، يفوز LFM3-1.7B في 23 صفًا ويفوز MiniCPM5-2B في أربعة. غير أنّ نقطة التحقق الواردة في عنوان هذا المقال ليست هي تلك الموجودة في ذلك الجدول، وهي لا تحمل أي أرقام قياسات من أي نوع. تلك الفجوة هي القصة.

ثلاثة أشياء تتشوش في كل مقارنة بين نماذج صغيرة، لذا يجدر الفصل بينها منذ البداية: ما قاسته Liquid، وما قاسته OpenBMB، وما لم ينشره أي من المورّدين عن نقاط التحقق الأساسية التي يُجري الناس عليها ضبطًا دقيقًا فعليًا. الفئة الثالثة وحدها هي التي تصف منافسة عادلة بين الاسمين الواردين في هذه الصفحة.

الجدول الذي نشرته Liquid، والنموذج الذي يصفه

تحمل بطاقة نموذج LFM3-1.7B سبعةً وعشرين صفًا موزعة على سبع فئات — الوكلاء، واستخدام الأدوات، والبرمجة الوكيلية، والبرمجة، واتباع التعليمات، والمعرفة والسياق الطويل — مع أعمدة لـ LFM2.5-2.6B وMiniCPM5 2B وGemma 4 E4B وQwen3.5 4B وQwen3.5 9B. ويفوز نموذج Liquid نفسه في جميعها باستثناء أربعة منها، والفروق في صفوف الوكلاء ليست متقاربة: LiveClaw 45.60 مقابل 30.37، وWebArena-Verified 38.42 مقابل 9.11، وAutomationBench 41.29 مقابل 4.71، وBrowseComp-Plus 37.00 مقابل 16.83. وينطبق النمط نفسه في استخدام الأدوات (BFCL V4 71.39 مقابل 62.65، وToolSandbox 80.36 مقابل 68.16) والسياق الطويل، حيث يبلغ RULER 128K نحو 65.56 مقابل 37.96 لـ MiniCPM5-2B.

انتصارات MiniCPM5-2B الأربعة كلها في المعرفة أو المتانة متعددة الأدوار: τ³-bench عند 69.44 مقابل 68.01، وGPQA Diamond عند 65.15 مقابل 63.37، وHumanity's Last Exam بدون أدوات عند 8.20 مقابل 7.17، ودقة AA-Omniscience عند 9.13 مقابل 7.07. هذه فروق ضيقة في معايير غالبًا ما يكون فيها جزء من نقطة مجرد تشويش. أما الفجوات الوكيلية فليست كذلك.

كل رقم في تلك الفقرة مُبلَّغ عنه من البائع. شغّلت Liquid أدوات الاختبار الخاصة بها، واختارت مجموعة المقارنة الخاصة بها، ولم تنشر منهجية لكل اختبار على البطاقة. حتى 28 أكتوبر 2026، لم نتمكن من العثور على أي إدخال لـ LFM3 على Artificial Analysis، لذا لا توجد إعادة إنتاج مستقلة لموازنته بها. اعتبر تقسيم 23–4 حجةً لـ Liquid، وليس نتيجةً صناعية.

ما هي نقطة التحقق الأساسية في الواقع

إذا أزلت التدريب اللاحق، فستحصل على نموذج نصي فقط بحجم 1.73 مليار معلمة و24 طبقة: 13 التفافًا قصيرًا مسوّرًا، وخمس طبقات انتباه بنافذة منزلقة بعرض 256 رمزًا، وست طبقات انتباه عالمي. قيمة السياق البالغة 256K هي الحقيقية — إذ يقرأ max_position_embeddings في الإعداد المنشور 262,144 — وليست نافذة الـ256 رمزًا التي خلطتها بها التغطية المبكرة. المفردات 128,000 رمز، وتُدرج بطاقة النموذج 16 لغة، والرخصة هي LFM Open License v1.0، التي لا يعود منحها التجاري ينطبق على كيان قانوني يبلغ إيراده السنوي 10 ملايين دولار أو أكثر.

وُثّقت وصفة التدريب بتفصيل أكبر من معظم الإصدارات الأساسية: 22 تريليون توكن إجمالًا، مع إنفاق آخر 3.5 تريليون على بيانات منسّقة للتدريب المتوسط تتضمن آثارًا وكيلية واستدعاءات أدوات، إضافةً إلى توسعات سياق 128K و256K. وعند دقة 4 بتات، يُوصف الـ checkpoint بأنه يشغل نحو 1 GB، وهو الرقم المهم إذا كان الهدف هاتفًا أو حاسوبًا محمولًا لا خادمًا.

ما لا تمنحك إياه بطاقة النموذج هو أي تقييم للنموذج الأساسي نفسه. فالنتائج المنشورة من Liquid تخص LFM3-1.7B بعد SFT وRL المختلط والتقطير على السياسة متعدد المجالات وRL الوكيلي. ولا توجد طريقة، انطلاقًا من المواد العامة، لفصل مقدار ما جاء من متوسط 49.37 هذا من أصل 22 تريليون رمز تدريب مسبق، ومقدار ما جاء من حزمة التدريب اللاحق. وهذا ليس انتقادًا خاصًا بـ Liquid — فلا أحد تقريبًا ينشر تقييمات النموذج الأساسي — لكنه يعني أن الاسم الوارد في عنوان هذه المقالة لا يملك لوحة نتائج خاصة به.

لوحة النتائج المضادة الخاصة بـ OpenBMB

تقدم بطاقة MiniCPM5-2B ادعاءً مختلفًا على مجموعة مختلفة من المحاور. يقيس رادار القدرات تسعة أبعاد ويُبلغ عن متوسط قدره 53.9، مقابل 51.1 لـ Qwen3.5-4B، و42.7 لـ granite-4.2-3B، و33.2 لـ LFM2.5-2.6B. على تلك اللوحة، يُعد النموذج أحدث ما توصلت إليه التقنية في فئة 2B، وينافس نماذج فئة 4B. ولا يشمل LFM3-1.7B، الذي لم يكن موجودًا عندما كُتبت البطاقة.

لا يمكن طرح لوحتي النتائج إحداهما من الأخرى. فهما تستخدمان اختبارات مختلفة، وتطبيعًا مختلفًا، ومجموعات مقارنة مختلفة — والاختبار الوحيد المتداخل، τ³-bench، هو بالضبط الموضع الذي يتقدم فيه نموذج OpenBMB قليلًا في جدول Liquid. إذا وضعت 53.9 بجانب 49.37 واستنتجت أن MiniCPM5-2B هو النموذج الأقوى، فأنت قد قارنت متوسط مورّد على تسعة محاور بمتوسط مورّد على 27 اختبارًا ولم تتعلم شيئًا.

حقائق العتاد أقل التباسًا. MiniCPM5-2B هو LlamaForCausalLM قياسي بإجمالي 2,516,756,480 معلمة، منها 1,981,982,720 غير تضمينية، و42 طبقة، وانتباه استعلامات مجمّع بـ16 رأس استعلام و2 رأس KV، وسياق من 131,072 رمزًا في تكوين الشحن. وهو Apache 2.0، ويُشحن كبنيات GGUF وMLX وGPTQ وLiteRT إلى جانب نموذج مسودة لفك التشفير التخميني، وأصدرت OpenBMB معه مجموعات بيانات التدريب. هذا منتج مكتمل ومرفق به المصنع.

مقارنة الأساس بالأساس هي المقارنة النظيفة الوحيدة.

تشحن كلتا العائلتين نقطة حفظ مُدرَّبة مسبقًا، مما يجعل مقارنةً متماثلة ممكنة للمرة الأولى. أُنشئ MiniCPM5-2B-Base في 27 أغسطس 2026، وهو مرخّص بموجب Apache 2.0، ووُجد للسبب نفسه الذي وُجد من أجله LFM3-1.7B-Base: ليُدرَّب لاحقًا ليصبح شيئًا آخر. لا تنشر أيٌّ من بطاقتي النموذجين الأساسيين جدول تقييم. لذلك يجب اتخاذ القرار بناءً على المواصفات والترخيص والنظام البيئي لا على نتيجة تقييم.

تكتسب إعادة الصياغة هذه أهمية لأن الخطأ الأكثر شيوعًا مع هذين النموذجين هو تنزيل نموذج Liquid الأساسي، ومطالبته كما لو كان نموذج محادثة، ثم الاستنتاج بأنه أسوأ من MiniCPM5-2B. وسيكون كذلك بالفعل. فـ LFM3-1.7B-Base هو ناتج منتصف التدريب مزوّد بقالب محادثة ووضع تفكير، وليس مساعدًا؛ وتنص بطاقة Liquid الخاصة به على استخدام LFM3-1.7B للمحادثة واستدعاء الأدوات والوكلاء. إن نقطة التحقق المكتملة من OpenBMB هي الشيء الصحيح الذي تُقارَن به LFM3-1.7B، وهذه المقارنة موجودة أصلًا في جدول Liquid. أما مقارنة الأساس بالأساس فهي موجهة لمن ينوون القيام بالتدريب بأنفسهم.

ورقة المواصفات، بُعدًا بعد بُعد.

• المعلمات — LFM3-1.7B-Base: 1.73 مليار عبر 24 طبقة. MiniCPM5-2B: 2.52 مليار إجمالاً، 1.98 مليار غير تضمينية، عبر 42 طبقة.

• السياق — LFM3-1.7B-Base: 256K رمزًا، الإدخال بالإضافة إلى الإخراج. MiniCPM5-2B: 131,072 رمزًا في التكوين المُشحَن.

• البنية المعمارية — LFM3-1.7B-Base: هجين ثلاثي يجمع بين التلافيف القصيرة المُبوَّبة إضافةً إلى الانتباه بنافذة منزلقة والانتباه العالمي، ويُحمَّل باستخدام trust_remote_code. MiniCPM5-2B: مفكك ترميز Llama قياسي يعمل على أدوات غير معدَّلة.

• الترخيص — LFM3-1.7B-Base: LFM Open License v1.0، الاستخدام التجاري مشروط بالبقاء تحت 10 ملايين دولار من الإيرادات السنوية. MiniCPM5-2B: Apache 2.0، دون شرط يتعلق بالإيرادات.

• الصيغ المطروحة — LFM3-1.7B-Base: أوزان BF16 فقط على بطاقة النموذج الأساسي؛ وللنموذج الشقيق المدرَّب لاحقًا إصدارات GGUF وMLX وONNX وFP8 وNVFP4. MiniCPM5-2B: BF16 وGGUF وMLX وGPTQ وLiteRT، إضافةً إلى نقاط حفظ SFT ومنتصف التدريب ونموذج مسودة DSpark.

• البصمة — LFM3-1.7B-Base: حوالي 1 GB بدقة 4 بت، وفقًا لـ Liquid. MiniCPM5-2B: نموذج كثيف بحجم 2.5B لم تُنشر بصمته بدقة 4 بت على بطاقة النموذج؛ توقّع تكلفة الذاكرة المعتادة لفئة 2.5B، وليس 1 GB.

• اللغات — LFM3-1.7B-Base: 16 لغة مسمّاة، بما في ذلك العربية والهندية والتايلاندية والفيتنامية. MiniCPM5-2B: بطاقة محورها الإنجليزية والصينية، مع البيانات المنشورة التي تقف خلفها.

• بيانات التدريب — LFM3-1.7B-Base: 22 تريليون رمز، وُصفت الوصفة لكن البيانات لم تُنشر. MiniCPM5-2B: مجموعات UltraData صدرت إلى جانب الأوزان.

ما الذي تخبرك به المستودعات عن عملية النشر

يُعدّ MiniCPM5-2B النموذج الأسهل لوضعه على جهاز اليوم. بنيته معيارية، لذا فإن دعم llama.cpp وOllama وLM Studio مسألة استخدام ملف GGUF المنشور بدلاً من انتظار نواة. تمتلك Apple Silicon إصدارات MLX، ولدى Android مسار LiteRT، ويوجد نموذج المسودة DSpark تحديدًا لجعل فك الترميز أسرع على العتاد المحدود.

يطلب LFM3-1.7B-Base المزيد من بيئة التشغيل. فهو يحتاج إلى شيفرة نمذجة مخصصة، ولا تُنشر نقطة التفتيش الأساسية إلا بصيغة BF16. أما بقية أفراد العائلة فتحظى بدعم أفضل: تُدرج Liquid دعم vLLM وSGLang وTransformers لـ BF16، وSGLang لـ FP8 وNVFP4، وllama.cpp وOllama لـ GGUF، وMLX لـ Apple Silicon، وONNX Runtime للعمل عبر المنصات. المفارقة أن تلك الإصدارات تخص LFM3-1.7B، وليس نقطة التفتيش الأساسية. كان طلب السحب الخاص بـ SGLang الذي يضيف دعم LFM3، #46858، لا يزال مفتوحًا وقت كتابة هذا النص؛ أما طلب السحب المرافق الخاص بدليل الوصفات فقد دُمج.

إذا كان السؤال هو أي نموذج يجب وضعه خلف نقطة نهاية هذا الأسبوع، فاعلم أنه لا MiniCPM5-2B ولا LFM3-1.7B-Base موجودان في كتالوج OrcaRouter اليوم. كلاهما مقترح للتنزيل والاستضافة الذاتية في الوقت الحالي. وهذه بالضبط هي الحالة التي تكتسب فيها طبقة التوجيه جدواها لاحقًا لا الآن: مفتاح واحد متوافق مع OpenAI لأكثر من 200 نموذج، وهامش ربح 0% مع تمرير سعر القائمة الخاص بالمزوّد كما هو، وتحويل تلقائي عند الفشل عندما يتعطل جهاز مستضاف ذاتيًا أو مصدر واحد في المنبع. لا تحتاج إلى أي من ذلك لتشغيل نموذج بحجم 1 GB على حاسوب محمول؛ بل تحتاجه عندما يصبح النموذج الصغير أحد أذرع مسار إنتاجي ويجب على شيء ما التقاط الفشل.

ما لا يمكن معرفته بعد

القائمة الصادقة قصيرة ومحددة. لم نعثر على أي معيار تقييم مستقل لأي نموذج من LFM3، لذا فإن كل ادعاء حول قدرات هذه العائلة مصدره Liquid نفسها. لا يوجد تقييم منشور لـ LFM3-1.7B-Base، لذا لا يمكن لأحد أن يقول مدى جودة نقطة التحقق الخام قبل التدريب اللاحق. لا يوجد سعر لكل رمز (token) لـ LFM3 على واجهة برمجة تطبيقات مستضافة، ما يجعل مقارنات التكلفة مع MiniCPM5-2B — المستضاف ذاتيًا أيضًا في معظم عمليات النشر — تمرينًا على العتاد والكهرباء لا على بطاقة أسعار. ولا توجد بعد أدلة، مستقلة أو غير مستقلة، على ما إذا كانت النافذة المنزلقة البالغة 256 رمزًا تكلف النموذج شيئًا في الأعمال الطويلة السياق كثيفة الاسترجاع؛ فدرجة RULER 128K التي سجلتها Liquid نفسها، وهي 65.56، أقل بكثير من 87.11 التي تذكرها لـ Qwen3.5 9B، وهذه إشارة تستحق المراقبة لا حكمًا نهائيًا.

ثلاثة أسئلة تستحق الإجابة عنها قبل تنزيل أيٍّ منهما

هل تريد نموذجًا أم نقطة انطلاق؟

إذا أردت شيئًا يجيب عن الأسئلة ويستدعي الأدوات ويصمد في عرض توضيحي يوم الاثنين، فإن MiniCPM5-2B هو المنتج الجاهز، أما LFM3-1.7B-Base فليس كذلك. وإذا كانت لديك مدونة مجال، وخط أنابيب لما بعد التدريب، وسبب يجعل النموذج الجاهز غير كافٍ، فإن نقطة التحقق الأساسية هي الشراء الصحيح — ودفاتر TRL الخاصة بـ Liquid لـ SFT وDPO وGRPO والتدريب المسبق المستمر توفر إرشادًا أكثر مما يقدمه معظم الموردين.

هل ستتجاوز مؤسستك يومًا ما 10 ملايين دولار من الإيرادات السنوية؟

يمنح ترخيص LFM Open License v1.0 الحقوق التجارية فقط دون تلك العتبة. أما فوقها، فإن العمل غير مرخّص بموجب الاتفاقية على الإطلاق، وتحتاج إلى ترتيب منفصل مع Liquid. ولا يوجد في Apache 2.0 مثل هذا الانقطاع الحاد. بالنسبة لمشروع هواية أو شركة ناشئة في مراحلها المبكرة، يكون الفرق نظريًا؛ أما بالنسبة لشركة راسخة، فإنه يحدد القائمة المختصرة قبل تشغيل أي اختبار قياس أداء.

هل يستحق سياق 256K بنية معمارية مخصصة؟

يوفّر LFM3-1.7B-Base ضعف السياق الذي يوفّره MiniCPM5-2B بعدد معاملات أصغر، وهذه أقوى حجة تقنية لصالحه. الثمن هو نموذج غير قياسي يحتاج إلى تعليمات برمجية عن بُعد، وإلى مجموعة أضيق من النُسخ الجاهزة على نقطة التحقق الأساسية، وإلى تكامل مع وقت التشغيل لا يزال قيد الإنجاز. إذا كانت حمولة عملك تتسع ضمن 131K، فأنت تدفع هذا الثمن مقابل سعة إضافية لن تستخدمها.

أيّ واحد تختار

بالنسبة لمعظم الفرق التي تقارن بين هذين الاسمين، فإن الإجابة هي MiniCPM5-2B — ليس لأنه يفوز بمسابقة معايير قياس، بل لأنه منتج مكتمل بترخيص Apache-2.0 مع إصدارات مُكمَّمة، وبيانات تدريب منشورة، ولا سقف للترخيص. وهو الطريقة الأقل مخاطرة لإحضار نموذج قادر بحجم 2.5B إلى جهاز.

يُعدّ LFM3-1.7B-Base الرهان الأكثر إثارة للاهتمام بالنسبة لجمهور أضيق: الفرق التي تريد checkpoint بحجم 1.73B وسياق بطول 256K و16 لغة وبنية غير قياسية يمكنها مواصلة التدريب عليها على وحدة GPU واحدة، وتستطيع التعايش مع رخصة LFM ومنظومة نماذج أساسية أقل ثراءً. لقد منحت Liquid ذلك الجمهور نقطة انطلاق حقيقية ووصفة تدريب مفصّلة على نحو غير معتاد. لكنها لم تمنح أحدًا بعد سببًا للاعتقاد بأن checkpoint الأساسي أفضل من النسخة المكتملة من OpenBMB، كما أن جدول المورّد نفسه لا يحاول الادعاء بذلك.

الرقم الذي يجب مراقبته ليس انقسام 23–4. إنه أول تقييم مستقل لأي نموذج LFM3 — النقطة التي تتوقف عندها لوحة نتائج Liquid عن كونها لوحة النتائج الوحيدة.