LFM3-Omni-2B مقابل Qwen3.8-Omni-Flash: واحد منهما فقط يستطيع التحدث

ضع LFM3-Omni-2B وQwen3.8-Omni-Flash في الغرفة نفسها، والفارق الذي يحسم معظم المنتجات ليس في ورقة الاختبارات المعيارية. كلاهما يقبل الصوت. كلاهما يقبل الفيديو. غير أن واحدًا منهما فقط يستطيع الإجابة بصوت مسموع. يعيد نموذج علي بابا نصًا ولا شيء غيره — فوثائقه الخاصة صريحة في أن الردود المنطوقة تتطلب نموذجًا مختلفًا ضمن سلسلة Qwen — بينما يصدر نموذج Liquid AI ذو 2.17 مليار معلمة كلامًا مباشرة بتردد 24 كيلوهرتز، أو يمزج الكلام والنص في استجابة واحدة.

كل ما تبقّى بشأن هذين الطرازين هو درس في المقياس. {{1}}Qwen3.8-Omni-Flash{{/1}} نموذج مغلق على واجهة برمجة تطبيقات {{2}}Alibaba{{/2}} منذ {{3}}18 سبتمبر 2026{{/3}}، مبنيّ على مزيج خبراء قوامه {{4}}125 مليار معامل{{/4}} مع نحو {{5}}6 مليارات{{/5}} نشطة، ويحمل سياقًا من {{6}}مليون رمز{{/6}}. {{7}}LFM3-Omni-2B{{/7}} أوزان مفتوحة، و{{8}}2.17 مليار معامل{{/8}}، وسياق {{9}}32K{{/9}}، وأُعلن عنه في {{10}}27 أكتوبر 2026{{/10}} بوصفه واحدًا من ستة نماذج في منشور عائلة {{11}}LFM3{{/11}} — مع مستودعه متاحًا للعموم منذ {{12}}21 أكتوبر{{/12}} ودون منشور إطلاق خاص به. أحدهما تستأجره بالرمز؛ والآخر تنزّله وتدفع ثمنه عبر العتاد.

المنتجان ليسا نفس المنتج

إذا جُرِّد الأمر إلى الغرض من كل منهما، فإن Qwen3.8-Omni-Flash محرّك فهمٍ ذو نافذة هائلة: ينسخ الصوت نصًا، ويلخّص، ويستدل عبر ساعات من الوسائط، ويستدعي الأدوات، ويعيد النص. أما LFM3-Omni-2B فهو نقطة نهاية حوارية تُصادف أنها ترى وتسمع: يستقبل سؤالًا بالصوت، وينظر إلى إطار، ويجيب بالصوت، على جهاز.

النتيجة هي أن بناء مساعد صوتي على Qwen3.8-Omni-Flash يعني بناء مرحلتين إضافيتين — التعرف على الكلام عند الإدخال، والتركيب عند الإخراج — والدفع مقابل ثلاثة نماذج حيث تفرض عليك Liquid رسومًا مقابل نموذج واحد. أما بناء محلّل اجتماعات مدته ساعتان على LFM3-Omni-2B فيعني تغذيته على شكل أجزاء، لأن نافذة 32K ليست ساعة من الصوت، ولا تنشر Liquid معدل تحويل الصوت إلى رموز يمكنك من خلاله حساب الحد قبل تجربته.

السياق هو الفجوة الأوسع على الورقة

• السياق — Qwen3.8-Omni-Flash بسعة 1 مليون توكن، مع حد أقصى للمدخلات يبلغ نحو 991 ألفًا ومخرجات تصل إلى 131 ألفًا؛ وLFM3-Omni-2B بسعة 32 ألف توكن تشمل المدخلات والمخرجات معًا.

• حدود الوسائط — توثّق Alibaba ما يصل إلى ثلاث ساعات من الصوت وساعتين من الفيديو في طلب واحد، مع إدخال صوتي بـ113 لغة ولهجة؛ وتوثّق Liquid صوتًا أحادي القناة بتردد 16 كيلوهرتز وفيديو تُؤخذ عيّناته بمعدل إطارين في الثانية، من 4 إلى 384 إطارًا.

• الإخراج — نص فقط مقابل نص، أو كلام بتردد 24 kHz، أو نص وكلام متداخلان.

• الحجم — نموذج مزيج من الخبراء بحجم 125B مع نحو 6B نشط، مستضاف، مقابل 2.17B كثيف يعمل على هاتف.

• الأوزان — المغلقة مقابل المفتوحة، بموجب ترخيص LFM Open License v1.0.

• السعر — 0.15 دولار لكل مليون رمز إدخال، و0.016 دولار للمخزّن مؤقتًا، و0.47 دولار لكل مليون رمز إخراج لـ Qwen3.8-Omni-Flash؛ لا يوجد سعر لكل رمز لـ LFM3-Omni-2B لأنه لا يوجد ما يمكن قياسه.

سياق المليون رمز ليس زينةً في ورقة مواصفات. إنه الفرق بين «لخّص هذا الاجتماع» و«لخّص هذا الاجتماع، ثم أجب عن أسئلة حول الساعة الثالثة». كان تأطير علي بابا لإطلاق المنتج فاتورةً لا نتيجةً: أرخص بنسبة 98% لكل ساعة من الإدخال الصوتي مقارنةً بـ Qwen3.5-Omni-Plus، وأرخص بنسبة 93% لكل ساعة من الصوت والفيديو، وهي أرقام مستخلصة عبر تسعير عينة مدتها دقيقتان ثم ضربها. التوفير حقيقي، وهو أيضًا حساب البائع نفسه.

ما الذي تشتريه الأموال فعليًا

بسعر 0.15 دولار للإدخال و0.47 دولار للإخراج، تصبح ساعة من التفريغ الصوتي رخيصة بما يكفي ليتوقف معظم الفرق عن حساب تكلفتها. هذا هو جوهر تخفيض السعر، وهو أقوى حجة لاستئجار الخدمة: التكلفة الحدية للطلب تقارب الصفر، وطرف آخر يملك وحدات GPU.

يعكس LFM3-Omni-2B المنحنى. فالأوزان مجانية، والتكلفة الحدية لكل طلب هي بطارية مستخدمك، والتكلفة الثابتة هي وقت الهندسة اللازم لإطلاق نموذج بحجم 2.17B داخل تطبيق. إذا كان لديك فريق للجوال بالفعل، فهذا ليس رقمًا كبيرًا. وإذا لم يكن لديك، فهو المشروع بأكمله.

وهنا أيضًا يثبت الراوتر قيمته بدلًا من أن يكون مجرد شعار. فنماذج النصوص من عائلة Qwen3.8 موجودة بالفعل في كتالوج OrcaRouter بالسعر المدرج وهامش ربح 0%، ما يعني أن أي تخفيض سعر من المورّد يصبح ساريًا لدينا في اليوم نفسه الذي يُطرح فيه؛ أما Qwen3.8-Omni-Flash نفسه فليس في الكتالوج، وكذلك LFM3-Omni-2B. لكن ما يمنحك إياه الكتالوج هو القدرة على إبقاء الجزء المستضاف من الحل الهجين — مهمة معالجة دفعات الصوت الطويل، والخيار الاحتياطي عندما يكون الهاتف دون اتصال — خلف مفتاح واحد وفاتورة واحدة، مع تحويل تلقائي عند تعطّل أي مزوّد.

الاختبارات المعيارية: رقم واحد مشترك، وأداتا اختبار

RealWorldQA هو المعيار الوحيد الذي تذكره كلتا البطاقتين، والفارق 21 نقطة: Qwen3.8-Omni-Flash عند 87.7، وLFM3-Omni-2B عند 66.54 في وضع الرؤية و64.68 عندما يُطرح السؤال صوتيًا.

لا تقرأ ذلك على أنه هزيمة من نظير إلى نظير. فقد قاسَت Alibaba نتيجة Qwen البالغة 87.7 على نموذج بحجم 125B مزوّد بميزانية استدلال؛ أما أرقام Liquid فقد قاستها Liquid باستخدام فك الترميز الجشع وقالب المحادثة الخاص بكل نموذج، كما أن نسختها المنطوقة تُغذّي السؤال صوتيًا لا نصيًا. الاسم نفسه للمعيار، لكن الظروف مختلفة وفئات النماذج مختلفة. الاستنتاج الاتجاهي سليم — فمن المتوقع أن يكون نموذج أكبر بعشرين مرة، مع تفعيل التفكير، أفضل في الإجابة عن الأسئلة المرئية — لكن الحجم ليس قياسًا لأي شيء.

بقية كل بطاقة غير مشتركة. يورد Qwen3.8-Omni-Flash درجة 92.6 في LiveCodeBench v6، و91 في GPQA Diamond، و67.2 في SpotSoundBench، و71.0 في WildClawBench-MM، و67.8 في OmniVideoBench. ويورد LFM3-Omni-2B نتيجة 70.09 في Daily-Omni، و47.10 في WorldSense، و46.32 في OmniBench، و48.25 في OmniBench speech، و51.40 في MMAR، ودرجة 52.20 في استدعاء الأدوات. ويكاد التداخل بين هاتين القائمتين يكون معدوماً، وهو ما قد تتوقعه من نموذجين صُمّما لمهمتين مختلفتين — ويذكّرنا بأن أياً من المزوّدين لم ينشر تقييماً مستقلاً.

زمن الاستجابة، والرحلة ذهابًا وإيابًا التي لا يقدّر لها أحد ثمنًا

يمرّ كل جواب في نموذج omni المستضاف برحلة ذهاب وإياب عبر الشبكة، وتقف خلفه قائمة انتظار. في الأعمال الدفعية، هذا غير ملحوظ. أما في المحادثة، فهو الفرق بين منتج يبدو حيًا وآخر يبدو وكأنه إرسال نموذج.

ميزة LFM3-Omni-2B هنا بنيوية لا مقيسة: فالصوت لا يغادر الجهاز أبدًا، والنموذج بحجم 2.17B، والمخرجات هي رموز كلامية تُولَّد في التمريرة نفسها مع النص. لا يوجد استدعاء ASR، ولا استدعاء تخليق، ولا تنسيق بينهما. أما ما إذا كان ذلك يتفوق على نقطة نهاية مستضافة جيدة التجهيز من حيث زمن الاستجابة الفعلي، فذلك سؤال تجريبي لم تُجب عنه Liquid — فهي لا تنشر أرقام زمن الاستجابة، ولا يوجد اختبار مستقل.

البيان الصادق هو أن المسار المحلي يزيل ثلاثة أنماط فشل (الرفع، والانتظار في قائمة الانتظار، والتنزيل) ويضيف نمطًا واحدًا (هاتف يعاني من خنق حراري).

من الذي يجب أن يختار ماذا

اختر Qwen3.8-Omni-Flash إذا كان إدخالك طويلًا، ومخرجاتك نصية، وكان مستخدموك لا ينتظرون واجهة صوتية. نسخ الاجتماعات، ومراقبة الوسائط، وتحليلات مراكز الاتصال، والبحث في الفيديو، وأي شيء يستفيد من نافذة مليون رمز وميزانية استدلال — هذه هي فئة الطرازات المصممة لذلك، والسعر يجعل القرار سهلًا. تقبّل أنك تستأجر، وأن الأوزان لن تكون ملكك أبدًا، وأن الواجهة الصوتية تعني إضافة طرازات بدلًا من تهيئة طراز واحد.

اختر LFM3-Omni-2B إذا كان التفاعل صوتيًا وكان الجهاز هو المنتج. فهو أصغر، ويرى أقل، ويتذكر 32K بدلًا من مليون، وترخيصه يتضمن بند إيرادات لا يتضمنه Apache 2.0. في المقابل، هو الوحيد بين هذين الاثنين القادر على إنهاء جملة بصوت.

هذه هي المقايضة بأكملها، ويجدر قولها بصراحة لأن معظم مقارنات هذين الطرازين تقضي طولها في الحديث عن درجات لم يكن سوى واحد منهما يحاول الفوز بها أصلاً. إذا كان منتجك يتحدث، فقد بُني أحد هذين الطرازين لك، أما الآخر فلم يُبنَ لك.