LFM3-Omni-2B مقابل Moondream 3: اختبار قياسي واحد مشترك، ووظيفتان مختلفتان

ضع LFM3-Omni-2B وMoondream 3 جنبًا إلى جنب، وستبدو أوراق المواصفات وكأنهما شقيقان. فكلاهما نموذجان متعددان الوسائط صغيران موجهان إلى الهواتف والحواسيب المحمولة والكاميرات والروبوتات. وكلاهما يحمل سياقًا بطول 32K. وكلاهما يشغّل نحو ملياري معامل على كل رمز. وكلاهما يوفّر أوزانًا مفتوحة يمكنك تنزيلها اليوم. ابحث عن مواجهة مباشرة بينهما فلن تجد شيئًا، وهذا بالضبط سبب استمرار إجراء هذه المقارنة الثنائية.

ثم تقرأ بطاقتي النموذجين بعناية، فينهار التشابه بطريقة يسهل التحقق منها. المعيار الوحيد الذي تذكره كلتا البطاقتين هو DocVQA، حيث يسجّل LFM3-Omni-2B نتيجة 92.47 ويسجّل Moondream 3.1 9B A2B نتيجة 88.6. وكل ما يقيسانه عدا ذلك منفصل. أحد النموذجين يُرجع جملًا منطوقة. والآخر يُرجع مربعات إحاطة. وهما ليسا إجابتين على السؤال نفسه.

ملاحظة حول الأسماء، لأن الدليل مربك. صدر Moondream 3 Preview في 18 سبتمبر 2025، وصدر Moondream 3.1 9B A2B في 7 يوليو 2026؛ كل رقم إصدار Moondream في هذا المقال يأتي من بطاقة 3.1، وهي نقطة الحفظ التي يمكنك تنزيلها. نُشر LFM3-Omni-2B في 27 أكتوبر 2026 بوصفه واحدًا من ستة نماذج في عائلة LFM3 من Liquid AI. كلاهما جديد تمامًا بالمعنى الوحيد المهم هنا: لم يقيّم أيًّا منهما أحد من خارج الشركة التي بنته.

ما الذي يُرجعه كل نموذج فعليًا

الفرق الأعمق ليس في عدد المعاملات، بل في عقد المخرجات.

يوفر Moondream 3.1 خمس مهارات بأشكال ثابتة: query، caption، detect، point وsegment. يعيد الكشف 200 مربع كحد أقصى، ويشير إلى 64 نقطة كحد أقصى، ويعيد التقسيم 50 قناع COCO-RLE كحد أقصى، وكلها بإحداثيات مُطبَّعة من 0 إلى 1 بصيغة JSON. إنه أداة قياس مكاني بواجهة ضيقة وقابلة للتنبؤ. يمكنك توصيل مخرجاته مباشرةً بأداة أتمتة واجهة المستخدم أو مخطط روبوت دون طبقة تحليل LLM، لأن المخرجات منظمة بالفعل.

لا يملك LFM3-Omni-2B مثل هذا العقد. فهو يستقبل النصوص والصور والفيديو مع مساره الصوتي أو بدونه، والصوت بتردد 16 كيلوهرتز، ويولّد نصوصًا، أو كلامًا بتردد 24 كيلوهرتز، أو كليهما بشكل متشابك. لا يوجد مسار إخراج للإحداثيات. وإذا أردت الحصول على موقع منه، فسوف تسأل بالصياغة النثرية وتحلّل الإجابة، وهذا صنف موثوقية مختلف عن مخطط يضمن مربعًا.

هذا الفرق الواحد يحسم عددًا من عمليات النشر أكثر مما يحسمه أي صف في اختبار قياسي. إن تبديل معرّف نموذج بآخر ليس ترحيلًا، بل هو إعادة كتابة لكل ما يستهلك الاستجابة.

ورقة المواصفات، جنبًا إلى جنب

• المعاملات — إجمالي 2.17B لـ LFM3-Omni-2B، وكلها مقيمة في الذاكرة وتشارك في الحساب، مقابل إجمالي 9.0B لـ Moondream 3.1 مع 2.0B نشطة لكل رمز.

• الذاكرة في وضع السكون — حوالي 4.4 غيغابايت بصيغة BF16 بحساب 2.17 مليار معامل، مقابل نحو 18 غيغابايت بصيغة FP16، وحوالي 6 غيغابايت في INT4 المجتمعي، وحد أدنى قدره 10 غيغابايت من NVIDIA لنسخة fp8 المطروحة.

• المُدخلات — نص، وصور، وفيديو بمعدل 2 إطار/ثانية مع أو بدون صوت، وكلام بتردد 16 كيلوهرتز مقابل الصور والنص فقط.

• المخرجات — نص، أو كلام بمعدل 24 كيلوهرتز، أو متداخل مع النص، أو JSON، أو إحداثيات وأقنعة مُطبّعة.

• السياق — 32,768 توكنًا عند احتساب الإدخال مع الإخراج مقابل 32,768 توكنًا نصيًا بالإضافة إلى ما يصل إلى 12 بلاطة صورة، أي نحو 2,304 توكنات رؤية.

• ميزانية الرؤية — حتى 2,048 رمزًا لكل صورة عند الدقة الأصلية مقابل التجزئة التكيفية إلى 12 قصاصة عند 384–1024 بكسل.

• الرخصة — LFM Open License v1.0، الاستخدام التجاري مرخّص فقط لمن تقل إيراداته السنوية عن 10 ملايين دولار، مقابل Moondream Model License 1.0، تجاري بأي حجم لكن دون خدمة استضافة للأغراض العامة.

• نُشر — 27 أكتوبر 2026 مقابل 7 يوليو 2026، حيث يعود تاريخ فرع 3 Preview إلى 18 سبتمبر 2025.

صف الذاكرة هو ما يتجاهله الناس، وعلى جهاز طرفي يكون هو الحجة كلها. فالمعلمات النشطة البالغة 2B في Moondream تجعله رخيصًا مثل LFM3-Omni-2B لكل رمز، لكن إجمالي 9B يجعله أكبر بما يصل إلى أربعة أضعاف في الذاكرة عند الدقة نفسها. المعلمات النشطة تحكم الحساب. أما إجمالي المعلمات فيحكم ما إذا كان الشيء يتسع أصلًا. النموذج الذي يعمل بالسرعة نفسها لكنه يحتاج 18 GB ليس منافسًا على خانة العتاد نفسها التي ينافس عليها نموذج يتسع في 4.4 GB.

المعيار الوحيد الذي يورده كلاهما

DocVQA هو الإجابة عن أسئلة المستندات، ويُقيَّم بـ ANLS، وعلى بطاقتَي الطرازَين يسجّل 92.47 لـ LFM3-Omni-2B مقابل 88.6 لـ Moondream 3.1. ويتقدّم طراز omni بـ 3.87 نقطة في مجال النموذج المتخصص في الرؤية نفسه.

ينبغي قراءة تلك النتيجة مع ثلاثة تحفظات، وكلها جوهرية. كلا الرقمين مُبلَّغ عنهما ذاتيًا من المختبرات التي بنت النماذج. ولم تنشر أي من المختبرين إطار التقييم أو صيغة المطالبة أو اختيار العينات. وفارق قدره 3.87 نقطة في معيار بهذا القدر من التباين بين أطر التقييم مثير للانتباه وليس حاسمًا. أما ما يثبته الصف فهو أضيق ولا يزال مفيدًا: لا ينهار LFM3-Omni-2B في النصوص المستندية الكثيفة، وهي المهمة التي تتوقع أن يخسرها نموذج من أي إلى أي بحجم 2.17B.

لا تمدّد القراءة نفسها إلى grounding. يُبلِّغ LFM3-Omni-2B عن نتيجة 73.55 في RefCOCO، ويُبلِّغ Moondream 3.1 عن نتيجة 87.1 في RefCOCO-M، وهذان ليسا القياس نفسه. تُشير بطاقة Liquid إلى أن الصناديق تُقرأ بصيغة الإحداثيات الأصلية لكل نموذج؛ ويُبلِّغ Moondream عن F1 عند عتبة IoU مقدارها 0.5. وطرح أحدهما من الآخر يُنتج رقمًا لا يعني شيئًا. والقول الأمين هو أن بطاقة Moondream مبنية حول grounding، بينما تتعامل معها Liquid كصف واحد من سبعة عشر صفًا.

حيث لا يكون Moondream 3 قريبًا

بعض ذلك خيار في طريقة الإبلاغ لا فجوة في القدرات، ويجدر بنا أن نكون دقيقين بشأن أيّهما. من شبه المؤكد أن نموذج omni بحجم 2.17B يستطيع تحديد منطقة تقريبية إذا طلبت منه ذلك بالكلمات. ما لا يستطيع فعله هو إرجاع 200 مربّع في مخطط بمعدل خطأ محدود، لأن لا شيء في تدريبه ولا في صيغة مخرجاته صُمّم لذلك. منتج Moondream بأكمله هو الضمان بأن تأتي الإحداثيات في شكل قابل للتحليل. هذا الضمان هو ما تشتريه، ولا يقيسه أي صف في أي اختبار معياري من مختبر آخر.

المنطق نفسه ينطبق بالعكس على زمن الاستجابة. تطرح Moondream محرك Photon، وهو محرك استدلال يجمع النموذج في برنامج واحد لوحدة GPU، وتزعم الشركة المورّدة نحو 34 طلبًا في الثانية عند حجم دفعة 16 على H100 بزمن P50 يبلغ 59 مللي ثانية. هذه أرقام الشركة المورّدة، ولم يُعَد إنتاجها، لكن الهندسة الكامنة وراءها خاصة بنموذج واحد. ولا يملك LFM3-Omni-2B بعد قصة خدمة مكافئة.

حيث لا يكون LFM3-Omni-2B قريبًا

لا يمتلك Moondream 3.1 أي مسار صوتي. ليس مسارًا أضعف — بل لا يوجد على الإطلاق. مدخلاته صورة ونص، وهذا كل شيء. لذا فإن كل صف صوتي في بطاقة Liquid غير متنازع عليه: معدل خطأ الكلمات في التعرف التلقائي على الكلام الإنجليزي 6.36، والتعرف التلقائي متعدد اللغات 6.72، وUTMOSv2 للتحويل النصي إلى كلام الإنجليزي 3.80، وVoiceBench 64.73، وMMAR 51.40، وتقييم داخلي لاستدعاء الأدوات عند 52.20.

أرقام الفيديو المصحوب بمسار صوتي هي الجديرة بالتسليط الضوء عليها، لأنها السبب في وجود النموذج. Daily-Omni 70.09، وWorldSense 47.10، وAV-SpeakerBench 46.79 — جميعها مقاسة على فيديو مع مساره الصوتي، بدقة الاختيار من متعدد، وجميعها مُبلَّغ عنها ذاتيًا. تدّعي Liquid أن هذه الأرقام تتفوق على Qwen2.5-Omni-7B وعلى نماذج تصل إلى 10.7 مليار معامل، وهو ما يتحقق في جدولها الخاص: إذ يسجل Qwen2.5-Omni-7B القيم 61.32 و45.37 و43.24 في الصفوف الثلاثة نفسها.

ثمة تفصيل واحد على تلك البطاقة يستحق اهتمامًا أكبر مما حظي به. تعرض Liquid اختبارات الأداء البصري المعيارية نفسها مرتين — مرة عند كتابة السؤال، ومرة عند نطقه. ينخفض RealWorldQA من 66.54 إلى 64.68، وMMStar من 55.67 إلى 51.79، وPOPE من 89.34 إلى 83.78. وتمرير السؤال عبر مُرمِّز الصوت يكلّف ما بين نقطتين وست نقاط حسب المهمة. هذا هو ثمن مسار الكلام، مذكورًا بصراحة، وهو رقم أنفع من أي نتيجة رئيسية منفردة.

ماذا يحدث لـ Moondream 3 في 13 نوفمبر

هذا هو الجزء من المقارنة الذي يحمل موعدًا نهائيًا. أعلنت Prime Intellect في 13 أكتوبر 2026 أنها تستحوذ على Moondream، وأكّدت Moondream ذلك في 14 أكتوبر. ويذكر المنشور أنه في 13 نوفمبر 2026، أي بعد ثلاثين يومًا من الإعلان، تتوقف Moondream Cloud — سواء خدمة الاستدلال المستضافة أو منتج الضبط الدقيق Lens — عن العمل. ويجري ردّ الأرصدة المشتراة غير المستخدمة، ويُوجَّه العملاء إلى منصة الاستدلال التابعة للشركة المستحوذة.

ثمة ثلاثة أمور تالية، وأولها فقط مريح. تبقى الأوزان المفتوحة على حالها ولا يتغير الترخيص، لذا لا تتأثر الاستضافة الذاتية. يعمل Photon محليًا دون تكلفة على الإصدار 1.3.0 وما بعده دون مفتاح API. أما ما لا يبقى سليمًا فهو Lens: نقاط التحقق المضبوطة بدقة وLoRAs موجودة على الخادم، ولا يوجد مسار تصدير موثّق. إذا كان منتجك يعتمد على ضبط دقيق في Lens، فإن الترحيل ليس تغييرًا في الإعدادات، وستة عشر يومًا ليست وقتًا كافيًا لاكتشاف ذلك.

ثمة غرابة أصغر جديرة بالتنبيه لمن يراجع المصادر هذا الأسبوع. لا تزال صفحة أسعار Moondream تدرج خطط Cloud، وأسعارًا لكل رمز، وفئة Team بسعر 350 دولارًا شهريًا، ولا تقول شيئًا عن الإغلاق. يقع الإعلان في صفحة مختلفة. القارئ الذي يتحقق فقط من صفحة الأسعار في 28 أكتوبر لن يعرف أن الخدمة تنتهي بعد ستة عشر يومًا.

ما تكلفة تشغيل كل واحد منها

تنشر Moondream أسعار الرموز: 0.30 دولار لكل مليون رمز إدخال و1.00 دولار لكل مليون رمز إخراج في الفئة الفورية، وتنخفض إلى النصف لتصبح 0.15 دولار و0.50 دولار في وضع الدفعات. ولا تنشر LFM3-Omni-2B أي سعر مستضاف على الإطلاق. وتقول Liquid إن العائلة متاحة على Playground وAPI، لكن منشور الإطلاق لا يحمل أي سعر، وبطاقة الطراز لا تحمل أي سعر. هذا التفاوت هو قصة التكلفة.

طبّق حسابات Moondream على استدعاء واقعي. تكلّف الصورة الواحدة ما يصل إلى 2,304 من رموز الرؤية عند التبليط الكامل؛ أضف إليها مطالبة من 50 رمزًا و100 رمز إخراج، فيصبح الاستدعاء الواحد 2,354 رمز إدخال و100 رمز إخراج، أي نحو $0.0008. وعند 10,000 استدعاء يوميًا، يعادل ذلك نحو $8 يوميًا، أو $242 شهريًا، وينخفض إلى نحو $121 شهريًا على مستوى الدفعات. وكون ذلك رخيصًا أم لا يعتمد كليًا على ما كنت ستنفقه على العتاد لولا ذلك، وهذه هي المقارنة التي يجبرك LFM3-Omni-2B على إجرائها لأنه لا يمنحك رقمًا لكل رمز توزنه به.

على عتادك الخاص، تنعكس المعادلة الحسابية. يبلغ حجم أوزان LFM3-Omni-2B نحو 4.4 GB بصيغة BF16 قبل التنشيطات ومفكك ترميز الصوت وذاكرة KV المؤقتة — وهو حساب مستمد من عدد المعاملات، لا قياس فعلي للبصمة، لأن البطاقة لا تنشر أي رقم للذاكرة. يحتاج Moondream 3.1 إلى بطاقة NVIDIA بسعة 10 GB لإصداره الجاهز، أو نحو 6 GB مع تكميم INT4 من المجتمع. أحد النموذجين يعمل على هاتف. والآخر يعمل على Jetson Orin أو أفضل.

يستحق OrcaRouter ذكر جملة واحدة هنا فقط لأن النسخة الصادقة ضيقة: فلا LFM3-Omni-2B ولا Moondream 3 موجودان في كتالوجنا، ولا شيء في هذه المقالة يزعم أننا نقدّم أياً منهما. ما نوجّهه فعلاً هو طبقة الرؤية المستضافة — Qwen3-VL-8B، على سبيل المثال — مع سعر القائمة من المزوّد يُمرَّر بهامش ربح 0% وتحويل تلقائي عند الفشل بين المزوّدين upstreams. إذا كانت حسابات الاستضافة الذاتية أعلاه هي ما يجعلك تتردد، فهذا هو الخيار الذي تغفله المقارنة، وهو عملية شراء مختلفة وليس خياراً أفضل.

قد يحسم الترخيص الأمر قبل أن يحسمه المقياس المرجعي.

الترخيصان يفرضان قيودًا على أشياء مختلفة، وأيّهما سيكون له أثر عليك يعتمد على طبيعة شركتك.

تحدد رخصة LFM Open License v1.0 عتبة قدرها 10,000,000 دولار من الإيرادات السنوية. إذا كانت الإيرادات أدنى من هذه العتبة، فإن الاستخدام التجاري مرخّص صراحةً. أما إذا تجاوزتها، فإن المادة 5 تنص بوضوح على أن الاستخدام التجاري للعمل أو لأي عمل مشتق غير مرخّص بموجب الاتفاقية إطلاقًا. لذا يمكن لشركة ناشئة بناء منتج على LFM3-Omni-2B مجانًا، بينما لا يمكن لشركة تجاوزت العتبة فعل ذلك دون اتفاق منفصل — بغض النظر عن مدى جودة النموذج.

ترخيص Moondream Model License 1.0 لا يتضمن حدًا للإيرادات. وهو يسمح بالاستخدام التجاري بأي حجم، والاستضافة الذاتية، والضبط الدقيق، والتكميم، وإعادة التوزيع، ويحظر نشاطًا تجاريًا واحدًا محددًا: تقديم خدمة نموذج مستضافة عامة الغرض للنموذج أو لأي عمل مشتق دون ترخيص تجاري كتابي منفصل. يُسمح بتضمين Moondream داخل منتج أضيق نطاقًا. أما إعادة بيع الاستدلال العام الغرض عليه فغير مسموح بها.

عند قراءتهما معًا، تكاد الوثيقتان تكونان متكاملتين. تُقيّد Liquid الوصول بناءً على مَن أنت؛ وتُقيّد Moondream الوصول بناءً على ما تبيعه. الشركة الكبيرة التي تخطط لإطلاق منتج استدلال مستضاف تواجه الحجب من كليهما، بطرق مختلفة.

من الذي يجب أن يختار ماذا

اختر Moondream 3.1 إذا كان المنتج يحتاج إلى إحداثيات. أتمتة الشاشة، والروبوتات، وتدقيق رفوف التجزئة، والعدّ، وأي شيء تكون فيه الإجابة مربعًا أو نقطة أو قناعًا ويستهلكه النظام التالي برمجيًا. البصمة الإجمالية البالغة 9B هي ثمن هذا الضمان، وإذا كنت تنشر على أجهزة من فئة Jetson فهذا ثمن يمكنك دفعه. خطط لترحيل الاستضافة الآن بدلًا من نوفمبر.

اختر LFM3-Omni-2B إذا كان المنتج يتضمن شخصًا يتحدث إلى جهاز، أو جهازًا يجب أن يسمع غرفة. كشك يجيب بصوت عالٍ، أداة ميدانية تكون فيها الأيدي مشغولة، كاميرا يجب أن تفهم فيديو مع مساره الصوتي، نقطة تحقق واحدة تحل محل نموذج ASR ونموذج VLM ونموذج TTS. درجات الرؤية محترمة وليست استثنائية، وسلسلة الأدوات عمرها يوم واحد، ومسار الكلام هو سبب قبول كليهما.

لا تختر أيًا منهما بعد، إذا كان القرار محوريًا. لم يُقيَّم أي شيء هنا بشكل مستقل. أدوات LFM3-Omni-2B تتطور بسرعة — يوجد إدخال في مكتبة Ollama بحجم 2.4 GB، وقد دمج llama.cpp دعمه في 27 أكتوبر، وهو اليوم نفسه الذي ظهرت فيه الأوزان — لكن قائمة Ollama تختلف حاليًا مع بطاقة الطراز في نقطتين ظاهرتين، إذ تعرض سياقًا قدره 125K و"Text, Image" كمدخلات مدعومة، مقابل 32K وأربع وسائط في البطاقة. هذه قائمة لم تلحق بالركب بعد، وليست عيبًا في الطراز، وهي من الأمور التي تُصلَح خلال أسبوع. كما أنها ليست شيئًا يُطرح في الإنتاج هذا الأسبوع.

ما الذي سيغيّر هذا؟

أمران. إن تقييمًا مستقلًا لـ LFM3-Omni-2B على الصفوف السمعية البصرية من شأنه أن يحسم ما إذا كانت نتيجة 70.09 على Daily-Omni تصمد أمام حزمة اختبار لم يخترها، وهذا هو الرقم الوحيد الذي تقوم عليه قضية omni بأكملها. وأما سرد تقديم الخدمة لفرع الكلام — فبطاقة الطراز توثّق توليد النص بالتفصيل وتقول أقل بكثير عن كيفية تقديم مفكك ترميز الصوت على نطاق واسع — فسيخبرك بما إذا كان طرح «طراز واحد يحل محل أربعة» يصمد عند مواجهة نشر إنتاجي.

حتى ذلك الحين، تتخذ المقارنة شكلًا واضحًا. يقيس Moondream 3 العالم ويمنحك أرقامًا. يستمع إليه LFM3-Omni-2B ثم يردّ عليك. المعيار الوحيد المشترك بينهما هو اختبار لقراءة المستندات، ويفوز به النموذج الشامل بفارق أقل من أربع نقاط. هذه ليست منافسة. إنها تذكير بأن "2B multimodal" يصف ميزانية ذاكرة، لا وظيفة.