نقدّم LFM3: ستة نماذج بحجم 2B، وعمود فقري واحد، ونافذة من 256 رمزًا ليست سياقًا

وصلت عائلة LFM3 من Liquid AI في 27 أكتوبر 2026 في صورة ست نقاط تحقق من فئة 2B بدلاً من طراز رئيسي واحد: LFM3-1.7B للنصوص، وLFM3-VL-2B للرؤية، وLFM3-Audio-2B للكلام، وLFM3-Omni-2B لكل شيء دفعة واحدة، إضافةً إلى نموذجَي قرار، d1-2B وd1-omni-2B. وتتفرع النماذج الستة جميعها من عمود فقري واحد مُدرَّب مسبقًا، LFM3-1.7B-Base، وهو ما أطلقته Liquid أيضًا. وتصوغ الشركة ذلك تحت مسمى "الذكاء المتخصص" — رفضٌ متعمَّد لطرح نموذج عام صغير والتنافس على المحور الخاطئ.

خلال يوم واحد من الإعلان، كان أحد الأرقام في المادة التقنية قد أُسيء قراءته بالفعل. تسرد هندسة LFM3 طبقات انتباه بنافذة منزلقة ذات نافذة من 256 رمزًا. هذه هي هندسة الانتباه لكل طبقة، وليست طول سياق النموذج. يأخذ نموذج النص سياقًا من 256 ألف رمز. أما القراء الذين تصفّحوا جدول الطبقات سريعًا واستنتجوا أن Liquid أطلقت نموذجًا لعام 2026 بذاكرة من 256 رمزًا، فهم يضعون في أذهانهم نموذجًا خاطئًا، ويجدر تصحيح ذلك قبل أن يصبح أي شيء آخر في هذا المقال منطقيًا.

ما هي البنية الهجينة الثلاثية فعليًا

يستبدل LFM3 المزيج ثنائي الاتجاه في LFM2 بثلاثة أنواع من الطبقات مكدّسة في هيكل مكوّن من 24 طبقة. ثلاث عشرة طبقة منها عبارة عن تلافيف قصيرة مبوَّبة، وخمس طبقات انتباه بنافذة منزلقة بعرض 256 رمزًا، وست طبقات انتباه عالمي كامل. وتتسع نواة الالتفاف من 3 إلى 7. ويأتي مع ذلك ثلاثة تغييرات أصغر: بوابة سيجمويد تعاير خرج كل رأس انتباه على حدة، وتضمينات دورانية جزئية في الطبقات العالمية تدوّر فقط النصف الأعلى ترددًا من كل رأس، وتطبيع ساندويتش يهيّئ كلاً من مدخل ومخرج كل كتلة.

الرهان هو أن الالتفافات القصيرة تحمل معظم البنية المحلية بكلفة منخفضة، وأن الانتباه المتناثر يتولى المسافة المتوسطة، وأن شريحة رقيقة من الانتباه العالمي تخيط نافذة 256K بأكملها معًا. ولهذا يبقى KV cache صغيرًا بما يكفي ليكون ذا أهمية — إذ تُبلغ Liquid عن ذاكرة تخزين مؤقت كاملة بسعة 128K رمزًا عند 1.6 غيغابايت، مقابل 4.3 غيغابايت لـ Qwen3.5-4B و5.6 غيغابايت لـ MiniCPM5-2B على القياس نفسه. ونموذج النص نفسه يتسع في نحو 1 غيغابايت بدقة 4 بت.

جرى التدريب على أربع مراحل: 22 تريليون رمز في مرحلة ما قبل التدريب، ثم مرحلة تدريب وسيط بحجم 3.5 تريليون رمز غنية بآثار الاستدلال الوكيلي واستدعاءات الأدوات، وقد وسّعت أيضًا السياق إلى 256 ألف رمز، ثم ضبط دقيق بإشراف على 1.75 تريليون رمز، وأخيرًا تعلّم معزّز مختلط مقترن بالتقطير على السياسة متعدد المجالات من ستة معلّمين متخصصين. يبلغ حجم المفردات 128 ألف رمز، وهي مشتركة مع LFM2.5-8B-A1B ومصممة لترميز النصوص غير اللاتينية بكفاءة أعلى من سابقتها.

النماذج الستة، وإلى أين يذهب سياقها

تؤكد Liquid صراحةً أن هذه نماذج شقيقة، وليست مستويات. يأخذ كل منها البنية الأساسية نفسها ويُدرَّب لاحقًا لشكل إخراج مختلف.

• LFM3-1.7B — نموذج نصي ووكيل كثيف، 1.73 مليار معامل، سياق 256 ألف، استدعاء أدوات أصلي ومخرجات منظمة.

• LFM3-VL-2B — رؤية-لغة، 1.9 مليار معامل، مع مُشفِّر رؤية داخلي تقول Liquid إنه يحتاج إلى نحو ثلث حوسبة SigLIP2.

• LFM3-Audio-2B — التعرف التلقائي على الكلام، وتحويل النص إلى كلام، وترجمة الكلام، وفهم الصوت، باستخدام مُرمِّز داخلي بالإضافة إلى LiquidCodec.

• LFM3-Omni-2B — أول نموذج شامل من Liquid: إدخال النص والصورة والفيديو والصوت، وإخراج النص أو الكلام.

• d1-2B — نموذج قرار مبني على فرع الرؤية يجيب عن أسئلة منظمة في تمريرة أمامية واحدة باحتمالات معايرة بدلاً من نثر حر.

• d1-omni-2B — واجهة القرار نفسها على فرع omni.

نوافذ السياق ليست موحّدة، وهذه هي التفصيلية التي أغفلتها معظم تغطيات الإطلاق. تنشر Liquid نافذة للنموذج النصي والنموذج الأساسي — 256K، للإدخال والإخراج معًا — ولا تنشرها لأي من النماذج الأربعة الأخرى. لا يذكر الإعلان ولا توثيق النماذج طول سياق لـ LFM3-VL-2B أو LFM3-Audio-2B أو LFM3-Omni-2B أو أيٍّ من نموذجي القرار. وقد تداولت كتابات خارجية 128K لنموذج الرؤية و32K لنموذج Omni، وقد تكون هذه الأرقام صحيحة فعلًا، لكنها اعتبارًا من 28 أكتوبر ليست على صفحات Liquid الرسمية. إذا كنت تخطط لوكيل يقرأ مستندات طويلة وينظر أيضًا إلى لقطات شاشة، فإنك حاليًا لا تستطيع تحديد سياق نموذج Omni من وثائق الجهة الأولى على الإطلاق. وهذه فجوة جديرة بالتسمية بدلًا من ملئها استنادًا إلى مدونة ملأتها من مصدر آخر.

جدول المعايير، بقراءة صادقة

كل رقم أداء أدناه هو رقم خاص بـ Liquid، وقد أُنتج باستخدام أداة الاختبار الخاصة بـ Liquid، ولم يُعَد إنتاجه أو التحقق منه بشكل مستقل. حتى 28 أكتوبر 2026، لا يوجد مدخل لـ LFM3 على Artificial Analysis — لا مؤشر ذكاء، ولا قياس للسرعة أو زمن الاستجابة من طرف محايد. وهذا الأمر يكتسب أهمية أكبر من المعتاد هنا لأن المقارنة التي يعتمد عليها الإطلاق هي مقارنة باستخدام أداة الاختبار نفسها، مما يجعل النتيجة تميل لصالح النموذج الذي ضُبطت أداة الاختبار من أجله.

يسجل LFM3-1.7B نسبة 49.37 في متوسط 27 اختبارًا معياريًا لدى Liquid. ويسجل LFM2.5-2.6B الخاص بالشركة 31.55 على المجموعة نفسها، ومن هنا تأتي عبارة "بارامترات أقل بنسبة 35%". الصفوف المثيرة للاهتمام ليست المتوسط:

• استخدام الأدوات — BFCL V4 71.39، ToolSandbox 80.36، τ³-bench 68.01، MCP-Atlas 32.57.

• الويب الوكيلي — WebArena-Verified 38.42، AutomationBench 41.29، BrowseComp-Plus 37.00، LiveClaw 45.60.

• البرمجة الوكيلية — SWE-bench Verified ‏43.40، SWE-bench Multilingual ‏23.00، Terminal-Bench 2.1 عند 12.92.

• اتباع التعليمات — IFEval 96.66، IFStruct 93.72، IFBench 73.03، Multi-IF 89.10.

• المعرفة — GPQA Diamond 63.37، وHLE 7.17 بدون أدوات و13.90 معها.

• سياق طويل — RULER 128K 65.56، AA-LCR 52.83.

إذا قُرئ الملف الشخصي بوصفه نمطًا لا رقمًا إجماليًا، فهو متماسك: التزام قوي جدًا بالتعليمات، واستدعاء أدوات محترم في الدور الواحد، وانخفاض حاد بمجرد أن تتطلب المهمة خطوات متسلسلة كثيرة. إن Terminal-Bench 2.1 عند 12.92 وSWE-bench Multilingual عند 23.00 ليست الأرقام التي تبني عليها وكيل برمجة مستقلًا. ولا يخفي Liquid ذلك — فبطاقة النموذج توجّه المستخدمين بعيدًا عن الاستدلال المعقد والبرمجة متعددة الخطوات، وهو تحديد موقع مباشر على نحو غير معتاد من بائع في يوم الإطلاق.

ادعاءات الكفاءة هي النصف الآخر من العرض الترويجي. عند Q4_0 وسياق 32K، تقول Liquid إن LFM3-1.7B كان أسرع نموذج على جميع أجهزة الاختبار الثلاث، بسرعة تتراوح بين 1.8× و2.8× مقارنة بالمنافس التالي، مع أقل بصمة ذاكرة. على وحدة NVIDIA B300 واحدة مع SGLang بصيغة BF16، قدّم 3.6 مليار رمز يوميًا عند 1,024 طلبًا متزامنًا. شغّلت الشركة أيضًا أكثر من 300,000 وكيل LFM3-1.7B بالتوازي على أرشيف بريد Enron كعرض توضيحي للتحمل. هذه أرقام مورد، غير مدققة، لكنها من النوع الذي يصعب تضخيمه بهدوء.

الترخيص وتكلفة تشغيله

الأوزان متاحة على Hugging Face في إصدارات BF16 وFP8 وNVFP4 وGGUF وMLX وONNX، مع دعم منذ اليوم الأول عبر vLLM وSGLang وTransformers وllama.cpp وMLX وONNX Runtime وOllama وLM Studio. الترخيص هو LFM Open License v1.0: استخدام تجاري خالٍ من رسوم الإتاوة لما يقل عن 10 ملايين دولار من الإيرادات السنوية، مع اتفاق منفصل إذا تجاوزتها. هذا الحد، وليس عدد المعاملات، هو المعيار الذي يحدد ما إذا كان LFM3 مجانيًا لشركة معينة.

تشغّل Liquid أيضاً واجهة برمجة تطبيقات مستضافة، وهناك يكون السجل العام أقل تفصيلاً مما يوحي به الإطلاق. يورد التوثيق معرّف الطراز وحداً قدره 256K للإدخال والإخراج معاً، لكن من دون جدول أسعار. وتشير تقارير طرف ثالث إلى أن السعر المستضاف لـ LFM3-1.7B يبلغ نحو $0.08 لكل مليون رمز إدخال و$0.20 لكل مليون رمز إخراج، مع تسعير أعلى للمتغيّرات الخاصة بالرؤية والصوت وomni والقرار؛ ولم تنشر Liquid تلك الأرقام على صفحاتها الخاصة، لذا تعامل معها على أنها مُبلَّغ عنها لا مؤكدة. أما الاستضافة الذاتية، في المقابل، فلا يوجد لها سعر لكل رمز على الإطلاق — فالتكلفة هي الجهاز، وبدقة 4-بت يمكن أن يكون ذلك الجهاز هاتفاً.

أين يكون OrcaRouter مناسبًا — وأين لا يكون

LFM3 ليس في كتالوج OrcaRouter، ولن نتظاهر بغير ذلك. فهو برمجيات مفتوحة الأوزان تشغّلها بنفسك أو تستدعيها عبر واجهة API الخاصة بـ Liquid. ما يبرع فيه الموجّه هو الطبقة المحيطة به. نادرًا ما يكون نموذج متخصص بحجم 1.7B هو النموذج الوحيد في خط معالجة: فهو يتولى استدعاء الأداة أو التصنيف أو الاستخراج، بينما يتولى شيء أكبر الدور الذي يحتاج إلى حكم. يضع OrcaRouter تلك النماذج المستضافة خلف مفتاح واحد بهامش ربح 0% — يُمرَّر سعر قائمة المزوّد مباشرةً دون تغيير — لذا فإن مسار الترقية من LFM3 إلى نموذج رائد هو قاعدة توجيه بدلًا من عقد ثانٍ. يكتسب التبديل التلقائي عند الفشل أهميته القصوى تحديدًا لأعباء العمل التي يستهدفها LFM3، حيث يكون نموذج صغير واحد هو الحائل الوحيد بين الطلب والخطأ.

لغة التوجيه DSL هي الخيار الأكثر إثارة للاهتمام. إن تركيب نموذج متخصص مع نموذج عام في استدعاء واحد — عمل على نمط LFM3 يُوجَّه إلى نموذج صغير، وكل ما عدا ذلك يُحال إلى نموذج مستضاف — هو نمط النشر الذي بُنيت هذه العائلة من أجله. وحجة Liquid بأكملها هي أن نموذجًا بحجم 2B يتفوق على نموذج رائد في مهمة ضيقة بجزء يسير من التكلفة. والموجّه هو وسيلتك لاقتناص هذا التوفير دون المقامرة بخط الأنابيب عليه.

ماذا تشاهد

السؤال المطروح ليس ما إذا كان LFM3 جيدًا فيما يدّعيه، بل ما إذا كانت هذه الادعاءات تصمد أمام أداة تقييم لم تكتبها Liquid. وأرقام هذه العائلة في المهام الوكيلية هي أول ما ينبغي إعادة اختباره، لأن WebArena-Verified عند 38.42 وAutomationBench عند 41.29 يقعان أعلى بكثير مما تمكنت منه تاريخيًا نماذج بحجم 1.7B، ومعايير التقييم الوكيلية هي الأكثر حساسية لهيكلة التلقين وسياسة إعادة المحاولة. وتشغيل مستقل يقع في نطاق بضع نقاط من جدول Liquid سيجعل LFM3 الخيار الافتراضي لاستدعاء الأدوات على الجهاز، أما تشغيل يقع أدنى بعشر نقاط فسيجعله متابعًا جيدًا للتعليمات مع رواية وكيلية مبالغ في تقديرها.

إلى أن يوجد ذلك التشغيل، فالملخص الصادق هو هذا: LFM3 عائلة نماذج صغيرة جيدة الهندسة، وصريحة على نحو غير معتاد، بمزيج طبقات جديد فعلاً، وميزة ذاكرة حقيقية، وأوزان منشورة عند حد ترخيص عملي، ولا يوجد تحقق مستقل من أي معيار أداء رئيسي. نافذة الـ256 رمزًا في جدول البنية ليست طول السياق. كل ما عدا ذلك في الإطلاق يستحق أن يؤخذ على ظاهره حتى يثبت أحد خلاف ذلك — ويستحق أن تقيسه بنفسك قبل أن تضعه أمام المستخدمين.