LFM3-Audio-2B مقابل Dessa: أحدهما يمكنك تنزيله، والآخر يمكنك سماعه فقط

شركة Liquid AILFM3-Audio-2B هو نقطة تحقق بمعاملات 2B وبترخيص مفتوح، ومستودع على Hugging Face، ونسخة مبنية بحجم 2.1 GB يمكنك سحبها إلى حاسوب محمول. أما شركة Block، فلديها Dessa، وهو نموذج كلام كامل الازدواجية أُعلن عنه في 23 أكتوبر 2026 خلف قائمة انتظار، بلا أوزان، ولا عدد معاملات، ولا API، ولا معيار قياس منشور. ضعهما جنبًا إلى جنب، فتنهار المقارنة المعتادة قبل أن تبدأ: أحد هذين يمكن لأي شخص يقرأ هذا تشغيله وضبطه الدقيق وقياسه، والآخر لا يمكن سوى الاستماع إليه. السؤال المفيد ليس أيهما يبدو أفضل صوتًا. بل ما اختارت كل شركة نشره، وما يتيحه لك هذا الاختيار صباح يوم الاثنين.

يصل كلاهما بملصق تحذير واحد، لكن من اتجاهين متعاكسين. فقد شُحن LFM3-Audio-2B في 27 أكتوبر 2026 ضمن إطلاق عائلة LFM3 المكوّنة من ستة طرازات، ولم يحصل الفرع الصوتي إلا على فقرة واحدة من منشور Liquid عن العائلة إضافة إلى بطاقة طراز. لا يوجد إعلان مستقل بعنوان "Introducing LFM3-Audio"، ولا بند تسعير صوتي على موقع Liquid، وحتى وقت كتابة هذا النص لا توجد أي عملية تقييم مستقلة للنموذج في أي مكان. أما Dessa فتعاني المشكلة المعاكسة: نحو اثنتي عشرة تسجيلًا منتقى للمحادثات وتقريبًا لا مواصفات. ولم تمنح أي من الشركتين شخصًا خارجيًا ما يكفي لإعادة إنتاج نتيجة.

ما الذي نشره كل واحد منها فعلياً

إذا جرّدنا النص من الصفات، يصبح السجل قصيرًا. كل ما يلي مستمد من بطاقة نموذج Liquid، أو منشور عائلة النموذج، أو إعلان Block نفسه؛ ولم يُتحقق من أي منه بشكل مستقل.

• ما الذي تستلمه — LFM3-Audio-2B: نقطة تحقق BF16، وتحويلات GGUF وMLX بدقة 4 بت، ومُجزِّئ رموز، وأوزان برنامج ترميز في دليل audio_tokenizer منفصل. Dessa: استمارة قائمة انتظار ومجموعة من مقاطع الفيديو.

• الحجم — LFM3-Audio-2B: 2 مليار معامل، و2.1 غيغابايت في نسخة Ollama. Dessa: لم يُفصح عنه. تقول Block إنه يتسع على MacBook Pro M4 Max، ما يعني أن النموذج صغير بما يكفي لذاكرة موحدة سعة 128 غيغابايت، لكن هذا استنتاج وليس رقمًا.

• الإدخال والإخراج — LFM3-Audio-2B: نص أو صوت بتردد 16 كيلوهرتز كإدخال؛ ونص، أو كلام بتردد 24 كيلوهرتز، أو نص وكلام متداخلان كإخراج. Dessa: صوت كإدخال، وصوت كإخراج، دون أي وسيط نصي في أي مرحلة.

• السياق — LFM3-Audio-2B: 32K رمزًا تشمل الإدخال والإخراج. هذه ليست قيمة 256K المتكررة في بعض تغطيات LFM3؛ فتلك تخص النموذج النصي LFM3-1.7B. Dessa: غير منشور.

• الترخيص — LFM3-Audio-2B: رخصة LFM المفتوحة الإصدار 1.0، مجانية للاستخدام التجاري لمن تقل إيراداته السنوية عن 10 ملايين دولار. Dessa: لا توجد أوزان، لذا لا يوجد ترخيص لقراءته.

• معيار — LFM3-Audio-2B: جدول مورّد من ستة صفوف. Dessa: لا يوجد.

هذا الصف الأخير هو حيث تصبح المقارنة مثيرة للاهتمام. نشرت Liquid أرقامًا ولا شاهد مستقل. ونشرت Block شهودًا — صحفيين استمعوا إلى المقاطع نفسها — ولا أرقام. والقارئ الذي يحاول الاختيار بينهما إنما يختار أي نوع من الفجوات يتحمّل.

الميزة الوحيدة التي تتمتع بها Dessa والتي لا يمكن تنزيلها

صُمم Dessa للعمل ثنائي الاتجاه بالكامل: فهو يستمع بينما يتحدث. يمكن مقاطعة النموذج في منتصف الجملة، ويمكنه أن يُطلق "صحيح" أو "مم-هم" بينما لا تزال تتحدث، ويمكنه تعديل توقيته ليتوافق مع توقيتك. وتعتمد عروض Block التوضيحية على هذا بشدة — ضحك في منتصف جملته هو، وتغيير في مستوى الصوت عند الطلب، وإكمال عنوان فيلم لمتحدث نسيه. وقد وجدت The Verge، وهي تستمع إلى التسجيلات نفسها، أن المحادثات "محرجة بعض الشيء وغريبة بشكل مقلق"، وهو وصف منصف لنظام يتعلم التوقيت علنًا.

لا تدّعي LFM3-Audio-2B ذلك. فهي تعمل بنمط الطلب والاستجابة مع البث: يتيح لها مُشفّر صوتي سببي التعبئة المسبقة أثناء تحدثك، ومن هنا يأتي رقم Liquid الخاص بالزمن حتى أول رمز «يصل إلى 50 مللي ثانية»، كما يعيد LiquidCodec بث الكلام. بث الرد ليس مماثلاً لمعالجة المقاطعة. إذا كان منتجك يحتاج إلى محادثة يمكن مقاطعتها أثناء الكلام، فإن LFM3-Audio-2B يمثل بنية نموذج غير مناسبة، ولا يغيّر أي قدر من الضبط الدقيق الواجهة.

ما لا يستطيع عرض Dessa التوضيحي أن يخبرك به هو عدد المرات التي يتصرف فيها بهذه الطريقة عندما لا يكون أحد يختار المقطع. يقول Block إن التسجيلات حية وغير موجَّهة وتُضاف إليها الترجمة لاحقًا، وهو ما يستبعد أبشع أشكال التلاعب في العروض التوضيحية. لكنه لا يستبعد الانتقاء. الفريق الذي يسجّل محادثات كثيرة وينشر أفضلها قد أثبت أن محادثات جيدة موجودة، لا أن النموذج موثوق.

الأرقام التي نشرتها Liquid، وما قيمتها.

تحمل بطاقة نموذج Liquid ستة أرقام، أربعة منها بقيمة سلف. جميعها تقارن LFM3-Audio-2B بـ LFM2.5-Audio-1.5B، النموذج الذي يحل محله. لا يُذكر أي مجموعة اختبار أو إطار اختبار أو تباين.

• ASR الإنجليزي، معدل خطأ الكلمات — 6.23 مقابل 6.13. ثابت. الصف الوحيد الذي لم يتحرك، والفارق صغير بما يكفي ليكون مجرد ضوضاء معاينة.

• التعرف الآلي على الكلام متعدد اللغات، WER/CER — 6.03. لم يُنشر رقم سابق.

• التوليف الصوتي الإنجليزي، UTMOSv2 — 3.83 مقابل 3.22. تحرّك بمقدار 0.6 نقطة، وهو خارج نطاق الضوضاء بفارق واضح، على مقياس يُعدّ فيه 4.0 عادةً قريبًا من مستوى الأداء البشري.

• VoiceBench — 73.13 مقابل 55.17.

• فهم الصوت، MMAR — 50.60 مقابل 25.85. قرابة الضعف.

• استدعاء الأدوات من الكلام، تقييم داخلي — 58.50. لا يوجد رقم سابق.

بالمقارنة مع النماذج الأخرى في جدول Liquid نفسه، هذا نموذج صغير جيد وليس متصدرًا: يسجل Voxtral Mini 3B نسبة 5.51 في WER ويسجل NVIDIA Audex 2B نسبة 5.99، وكلاهما أفضل من 6.23؛ ويحقق Qwen2.5-Omni 3B فهم الصوت عند 54.41؛ ويحقق Gemma 4 E4B استدعاء الأدوات عند 72.40. الخلاصة الصادقة هي تعرّف تنافسي، وارتقاء واضح في جودة الصوت، واستدلال متين لفئة 2B — لا رقم قياسي في أي عمود.

لا يوجد لدى Dessa صف مكافئ، وغياب ذلك ليس تفصيلاً تقنياً. النموذج الكلامي البحت المدرَّب دون نص لا يملك واجهة أصلية لمخطط JSON أو ملف PDF أو استدعاء API. ويعترف Block بالأسئلة المفتوحة على صفحته: ما مدى كفاءة تعلم نموذج كلامي بحت للحقائق واللغات، وما إذا كان التعلم السياقي يصمد دون تدريب مسبق على النص. تمثل هذه الفروق الفرق بين محاور جذاب ومساعد عام، ولم تنشر أي من الشركتين الاختبار الذي يحسم الأمر.

الترخيص، والوصول، ومن يمكنه البناء على ماذا

رخصة LFM3-Audio-2B هي السبب العملي الذي يجعلها تفوز في معظم محادثات الشراء قبل أن يُناقش QUALITY. وتسمح رخصة LFM Open License v1.0 بالاستخدام التجاري لمن تقل إيراداته السنوية عن 10 ملايين دولار، وتشترط رخصة مدفوعة لمن يتجاوز ذلك الحد. الأوزان متاحة على Hugging Face؛ وقد دمج llama.cpp دعمها في PR #31257 في 27 أكتوبر؛ وتُدرج Ollama نسخة بحجم 2.1 غيغابايت؛ ويحتاج Transformers إلى الإصدار 5.20.2 أو أحدث مع trust_remote_code. شرط الكود المخصص هو النقطة التي يجب تثبيتها — إذ يُحمَّل النموذج من وحدته الخاصة ويقرأ أوزان الترميز من مجلد منفصل، لذا فإن بيئة غير مثبَّتة هي تذكرة دعم على وشك الحدوث.

لا تملك Dessa مسارًا مماثلًا. فالوصول عبارة عن قائمة انتظار إضافة إلى وصول مبكر لمجموعة صغيرة من باحثي سلامة الذكاء الاصطناعي الذين يتقدمون ببريد إلكتروني مؤسسي. والأسباب المعلنة لـ Block — الفضول، والتفاعل بين البشر والذكاء الاصطناعي، والسلامة — تتسق مع إبقاء صوت يقرأ المشاعر داخل غرفة صغيرة. والمفاضلة هي أن الوصول المقيّد والتقييم المستقل يسحبان في اتجاهين متعاكسين. وإلى أن تنشر جهة خارجية أرقامًا، فإن السجل العام هو مقاطع البائع加上 انطباعات الصحفيين عن مقاطع البائع.

هناك تكلفة من الدرجة الثانية نادرًا ما تدخل في المقارنات. فالنموذج القابل للتنزيل تبعية تملكها: 2.1 غيغابايت، وعملية يجب إبقاؤها قيد التشغيل، وبلا اتفاقية مستوى خدمة، وعتبة ترخيص يجب مراقبتها مع نموّك. أما النموذج المدرج في قائمة الانتظار فليس تبعية على الإطلاق — بل هو نتيجة بحثية يمكنك الاستشهاد بها ولا يمكنك شحنها. وبالنسبة لفريق يختار مكدسًا صوتيًا، فهذان ليسا نقطتين على خط واحد. بل قراران مختلفان.

ما يحتاجه وكيل صوتي ولا يوفّره أيٌّ من النموذجين بمفرده

نادرًا ما تكون أنظمة الصوت الإنتاجية نموذجًا واحدًا. وسواء كانت الواجهة الأمامية ثنائية الاتجاه أو قائمة على الطلب والاستجابة، فإن المحادثة تظل تُحيل العمل إلى نماذج نصية عادية: بحث، أو استخراج، أو فحص سياسة، أو استدعاء استدلالي خلف وقفة معلّقة. وطبقة التفويض هذه هي حيث يكمن تباين التكلفة، وحيث تتحول ساعة تعثّر لدى مزوّد واحد إلى انقطاع في خدمتك.

لنكن دقيقين بشأن تغطيتنا الخاصة: LFM3-Audio-2B ليس على OrcaRouter، وDessa ليست واجهة برمجة تطبيقات على الإطلاق. ما يقدّمه OrcaRouter هو الطبقة النصية التي يفوّض إليها وكيل صوتي — أكثر من 200 نموذج خلف مفتاح واحد بسعر قائمة المزوّد دون إضافة أي هامش، وتجاوز فشل تلقائي عند تعثّر أحد المزوّدين، ولغة توجيه DSL تجمع عدة نماذج في استدعاء واحد، ودمج للنماذج عندما لا يكفي حكم نموذج واحد. إذا كنت تبني نموذجًا أوليًا باستخدام LFM3-Audio-2B محليًا، فإن نصف استدعاء الأدوات من الحلقة هو الجزء الذي يمكنك وضعه خلف تلك النقطة الطرفية اليوم؛ ويبقى النصف الصوتي على جهازك.

الاختبار الذي سيحسم الأمر

بالنسبة إلى LFM3-Audio-2B، فإن الأدلة الناقصة محددة: تشغيل مستقل لمقياس WER على مجموعة قياسية، وقياس لزمن الاستجابة على عتاد ليس M4 Max، وإعادة إنتاج لتحسّن UTMOS على يد شخص لا يعمل لدى Liquid. كما أن متابعة ASR المباشر في llama.cpp مهمة أيضًا، لأن النسخ على دفعات هو المسار المدعوم اليوم، والاقتصار على الإنجليزية هو القيد حين يصل البث المباشر.

بالنسبة إلى Dessa، القائمة أقصر وأصعب: مجموعة محادثات محتجزة للتقييم، وزمن استجابة من طرف إلى طرف يشمل أول رد مسموع، والتعافي من المقاطعة، ووضوح الكلام تحت الضوضاء، وميزانية للبيانات والحوسبة، وبعض مقياس للاحتفاظ بالحقائق. أي واحد من هذه كفيل بتحويل شريط عرض توضيحي إلى تقييم. وكلها معًا كفيلة بجعله منتجًا.

حتى ذلك الحين، الوصف الدقيق ضيّق ومفيد. إن LFM3-Audio-2B نموذج كلام بحجم 2B يمكنك تنزيله في دقيقة، ويتحدث أفضل من النموذج الذي يحل محله، ويستمع بقدر مماثل تقريبًا، وليس له شهود مستقلون بعد. أما Dessa فهو أكثر عرض صوتي إثارة للاهتمام هذا الشهر، دون أي وسيلة للتحقق منه. إذا كنت بحاجة إلى البناء هذا الربع، فإن جملة واحدة فقط من تلك الجمل تنتهي بعملية نشر.