LFM3-VL-2B مقابل MiniCPM-V 4.7 1B: فجوة الـ14 نقطة التي تتقلص إلى 4 عند إيقاف التفكير

الفرق الأكثر أهمية بين LFM3-VL-2B وMiniCPM-V 4.7 1B ليس في أي من جدولي المعايير. إنه في سطر الترخيص. نموذج OpenBMB مرخّص بموجب Apache 2.0. أما نموذج Liquid AI فمرخّص بموجب LFM Open License v1.0، الذي يحمل شروطًا تجارية بدلًا من شروط تساهلية بسيطة. وبخلاف ذلك، فإن النموذجين متقاربان في الحجم بما يكفي ليكون أحدهما بديلًا مباشرًا للآخر — 1.92B مقابل 1.55B — وقد طرحا خلال ثلاثة أسابيع من بعضهما: نُشر MiniCPM-V 4.7 1B على Hugging Face في 6 أكتوبر وأُرّخ بـ12 أكتوبر في ملاحظات إصدار المورّد، بينما كان LFM3-VL-2B متاحًا في مستودع عام اعتبارًا من 19 أكتوبر وأُعلن عنه في 27 أكتوبر. وفي مجموعة Liquid الخاصة المؤلفة من 62 اختبارًا، يحقق النموذج الجديد متوسط 71.4 مقابل 57.5، بفارق 13.9 نقطة يتقلص إلى 4.6 نقاط بمجرد تعطيل الاستدلال في نموذج Liquid.

طرازان في الفئة الوزنية نفسها، لكن وفق قواعد مختلفة

MiniCPM-V 4.7 1B هو الأصغر من بين النموذجين بنحو 370 مليون معامل. وهو يجمع برجًا بصريًا على نمط SigLIP مع عمود فقري لغوي مشتق من Qwen3.5، ويستخدم ضغطًا للرموز البصرية بمقدار 4× أو 16× قابلًا للاختيار لكل طلب، ويزعم وجود نافذة سياق بحجم 256K في وثائق البائع. ويتوفر بإصدارات BF16 وint4 وAWQ وGPTQ وGGUF، مع نموذج مسودة DSpark مخصص للفك التخميني.

يجمع LFM3-VL-2B بين نموذج اللغة LFM3-1.7B ومُرمِّز رؤية داخلي جديد بسعة 164M ومُسقِط بسعة 25M، ضمن سياق موثّق يبلغ 128K، مع إدخال فيديو بمعدل إطارين في الثانية، ووضع موثّق لعدم التفكير.

• المعاملات — 1.92B لـ LFM3-VL-2B مقابل 1.55B لـ MiniCPM-V 4.7 1B، وفقًا لوثائق OpenBMB؛ وتقرّب شارة حجم النموذج على Hugging Face هذا الأخير إلى 2B.

• الترخيص — LFM Open License v1.0 مقابل Apache 2.0.

• السياق — 128 ألف رمز مقابل 256 ألفًا مُدّعاة، غير أن إعدادات الاستدلال تضبط السقف عادةً عند حدٍّ أدنى بكثير.

• مسار الرؤية — مُرمِّز داخلي بحجم 164M برمز واحد لكل كتلة رقعة 2×2، مقابل برج على نمط SigLIP بضغط 4×/16×.

• فيديو — إطاران في الثانية، أول نموذج رؤية LFM يقبل الفيديو مقابل المدعوم، مع أرقام LongVideoBench وMotionBench المنشورة من البائع.

• وضع الاستدلال — متاح ومُقاس بكلتا الطريقتين مقابل متاح ومُستخدم في تشغيل المعيار.

• متوسط الموردين في مجموعة Liquid المكوّنة من 62 اختبارًا معياريًا — 71.4 مع التفكير، 62.1 دون تفكير، مقابل 57.5.

تبلغ الفجوة الإجمالية 13.9 نقطة. اقرأ الحاشية أولًا.

جدول Liquid هو المُخرَج الوحيد الذي يمنح كلا النموذجين درجات على المعايير الـ62 نفسها ووفق التسوية نفسها، وهو السبب الذي يجعل هذه المقارنة ممكنة أصلًا. أما بطاقة OpenBMB الخاصة، فلا تُجري أي مقارنة مع LFM3-VL-2B، الذي لم يكن موجودًا حين صدر MiniCPM-V 4.7 1B.

الهامش الذي يهم: استُخدم وضع الاستدلال مع كل نموذج في الجدول باستثناء LFM2.5-VL-3B، الذي لا يدعمه، وإعداد "بلا تفكير" في LFM3-VL-2B. لذا فإن 71.4 و57.5 هما نتيجتان مع تفعيل الاستدلال، ما يجعل المقارنة أعدل من مقارنة LFM2.5. فالنموذجان يُقاسان في أفضل إعداد لهما، وعلى الأدوات نفسها، وفي المختبر نفسه.

الإنصاف ليس مرادفًا للاستقلال. فقد اختارت Liquid معايير القياس وشغّلتها بنفسها. والجدول مكتمل على نحو غير معتاد — فهو يتضمن صفوفًا على مستوى الفئات وصفوفًا لكل معيار، ويسمّي كل منافس — لكن لم يُعِد أي طرف ثالث إنتاج أي منه.

أوقف التفكير وسيفوز 1B في 24 من أصل 62

تنشر LFM3-VL-2B نتيجة ثانية للأوزان نفسها مع تعطيل الاستدلال. هذا العمود هو المثير للاهتمام، لأنه يُظهر من أين يأتي المجموع الكلي البالغ 13.9 نقطة في الواقع. من دون تفكير، تفوز LFM3-VL-2B في 35 اختبارًا معياريًا، وتفوز MiniCPM-V 4.7 1B في 24، وتتعادل 3 اختبارات. وينخفض متوسط الفارق إلى 4.6 نقاط.

الأكثر لفتًا للنظر هو ما يحققه 1B من انتصارات في ذلك التكوين. فهو يتفوق في معظم مجموعة الاستدلال الرياضي واستدلال الرسوم البيانية، وغالبًا بفارق كبير.

• We-Math (testmini، صارم) — 47.8 لـ MiniCPM-V 4.7 1B مقابل 20.1 لـ LFM3-VL-2B دون تفكير، و68.6 مع التفكير.

• LogicVista — 46.1 مقابل 30.2 بدون تفكير، و60.4 مع التفكير.

• MathVista (mini) — 71.2 مقابل 68.5 بدون تفكير، 84.2 مع التفكير.

• ChartQA (test) — 88.8 مقابل 81.4 بدون تفكير، و92.7 مع التفكير.

• CharXiv (وصفي) — 73.4 مقابل 65.5 بدون تفكير، 87.5 مع التفكير.

• DynaMath — 63.8 مقابل 57.7 بدون تفكير.

• MMMU (التحقق) — 51.0 مقابل 48.6 بدون تفكير، و55.7 مع التفكير.

نتيجة We-Math هي التي تستحق التوقف عندها: ميزة بمقدار 27.7 نقطة لـ 1B عندما لا يُسمح لأي من النموذجين بالاستدلال — وميزة بمقدار 20.8 نقطة لـ LFM3-VL-2B فور السماح له بذلك. We-Math هو معيار دقة صارم في الرياضيات البصرية متعددة الخطوات، والنتيجة لا تتغير تدريجيًا بين النموذجين، بل تنقلب. وهذا أوضح توضيح منفرد في الجدول لما يمنحه وضع الاستدلال.

الترجمة العملية: إذا عطّلت الاستدلال لتقليل زمن الاستجابة، وكان عبء عملك يتضمن أرقامًا في المخططات أو الرسوم البيانية، فإن الميزة الإجمالية للنموذج الأكبر لن تحميك. النموذج 1B هو الأداة الأفضل.

الحالات التي يتفوق فيها LFM3-VL-2B بغض النظر عن الوضع

والعكس صحيح أيضًا، والفئات ملموسة بالقدر نفسه. خمس منها شبه أحادية الجانب حتى في عمود «عدم التفكير».

• فهم واجهة المستخدم الرسومية — 83.1 مع التفكير، و81.5 دون تفكير، مقابل 45.3 لـ MiniCPM-V 4.7 1B. ScreenSpot-Pro: 55.5 مقابل 4.9؛ ScreenSpot-v2 Desktop: 94.6 مقابل 51.5.

• الإرساء البصري — 77.3 مع التفكير، و72.6 بدون تفكير، مقابل 51.1. ويصل متوسط RefCOCO إلى 90.5 مقابل 86.3.

• الاستدلال التجسيدي — 64.4 مع التفكير، و57.9 بدون تفكير، مقابل 45.3.

• الوكيلي — 42.5 مع التفكير، و32.9 بدون تفكير، مقابل 16.9. وهي أضعف فئة لجميع النماذج الأربعة في الجدول، وأوسع فجوة نسبية بين هذين الوضعين.

• متعدد اللغات — 84.4 مع التفكير، 76.2 بدون تفكير، مقابل 77.4. الفئة الوحيدة التي يخسر فيها نموذج Liquid بدون تفكير أمام 1B.

ScreenSpot-Pro عند 55.5 مقابل 4.9 هو أكبر فارق منفرد بين النموذجين في أي مكان ضمن المعايير الـ62. إذا كنت تبني أتمتة لواجهات المستخدم، فلا يوجد قرار تتخذه هنا؛ وإذا كنت تبني مدرّس رياضيات، ينعكس الترتيب. متوسط 13.9 نقطة هو نتيجة اصطناعية لحساب متوسط مجموعتين تتصرفان بشكل مختلف جدًا.

أداتا اختبار، رقمان لنفس المعيار

هذا هو الجزء الذي يجعل المقارنة بين البائعين محفوفة بالمخاطر، ويستحق قسمًا خاصًا به لأن كلا البائعين ينشران أرقامًا لاختبارات أداء تحمل الاسم نفسه.

تُبلغ OpenBMB عن نتيجة 74.3 في MathVista للنموذج MiniCPM-V 4.7 1B على صفحتها الخاصة. بينما تُبلغ إعادة تشغيل Liquid للنموذج نفسه على المعيار نفسه بالاسم عن 71.2. وتُبلغ OpenBMB عن 86.1 في OCRBench؛ فيما تُبلغ أداة الاختبار الخاصة بـ Liquid عن 82.1 في OCRBench v1. لا يكذب أيٌّ من المختبرين. فهما يستخدمان صيغ توجيه مختلفة، أو قواعد مختلفة لاستخراج الإجابات، أو مجموعات فرعية مختلفة، والفروق الناتجة البالغة 3.1 و4.0 نقطة ليست سوى تباين معتاد بين أدوات الاختبار.

النتيجة هي أنه لا يمكنك أخذ 74.3 الخاصة بـOpenBMB وطرح رقم 68.5 الخاص بـLiquid لـMathVista بدون تفكير لـLFM3-VL-2B للحصول على فوز بـ5.8 نقاط. كان ذلك تفسيرًا قابلًا للدفاع قبل 27 أكتوبر، عندما كان الاختبار المعياري المشترك الوحيد بين MiniCPM-V 4.7 1B وLFM2.5-VL-3B يُقاس على أداتين مختلفتين. ولم يعد قابلًا للدفاع الآن بعد أن نشرت Liquid كلا النموذجين داخل جدول واحد. استخدم الجدول، وتعامل مع كل رقم في صفحة بائع على أنه ينتمي إلى أداته الخاصة.

التعادل الذي يحسم بهدوء جدلاً قديماً

داخل الجدول نفسه نتيجة لم يروّج لها أحد في أيٍّ من الشركتين. يسجّل MiniCPM-V 4.7 1B متوسطًا قدره 57.5 عبر الاختبارات الـ62. ويسجّل LFM2.5-VL-3B متوسطًا قدره 57.6.

تزعم صفحة منتج OpenBMB أن نموذج 1B يتفوق على LFM2.5-VL-3B في OCR واستدلال المخططات وفهم الفيديو. وفي مجموعة اختبارات Liquid، فإن هذا الادعاء صحيح نصفه وخاطئ نصفه، والنتيجة الإجمالية تعادل تام:

• المستندات والتعرّف الضوئي على الحروف والرسوم البيانية — 73.0 لـ MiniCPM-V 4.7 1B مقابل 71.2 لـ LFM2.5-VL-3B. الادّعاء مدعوم، بفارق ضيّق.

• فيديو — 53.7 مقابل 41.3. الادعاء مدعوم بشكل قاطع.

• الرياضيات — 51.8 مقابل 40.6. الادعاء مدعوم، ولم يُذكر في الادعاء الأصلي.

• الإرساء البصري — 51.1 مقابل 68.3. الادعاء يفشل بشدة.

• فهم واجهة المستخدم الرسومية — 45.3 مقابل 66.0. يفشل الادعاء بشدة.

• Agentic — 16.9 مقابل 21.1. الادعاء غير صحيح.

إذن، نموذج بحجم 1.55B بترخيص Apache 2.0 يضاهي نموذجًا بحجم 3.1B من مختبر جيد التمويل ضمن مجموعة مشتركة من 62 معيارًا، ويفعل ذلك عبر الفوز ببعض الفئات فوزًا حاسمًا والخسارة في فئات أخرى خسارة حاسمة. هذه نتيجة حقيقية بشأن كثافة القدرات، وهي أيضًا تحذير من أن المتوسط يخفي شيئًا. وهذا يعيد المقارنة إلى LFM3-VL-2B: النموذج الذي يتفوق على كليهما هو الذي يرفع فيه وضع الاستدلال أضعف فئاته، لا النموذج الأفضل بشكل موحد.

الترخيص، والتنزيلات، وما يمكنك طرحه فعليًا

الفرق في الترخيص سيحسم عمليات نشر أكثر مما يحسمه أي صف أعلاه. لا يتطلب Apache 2.0 أي محادثة مع فريق قانوني. يحمل LFM Open License v1.0 شروطًا تجارية، ورغم أنه مفتوح بما يكفي كي تشحن Liquid كل نموذج في العائلة بموجبه، فإنه ليس الإذن نفسه.

يحكي التبنّي قصة مماثلة. على Hugging Face، جمع MiniCPM-V 4.7 1B نحو 155,000 عملية تنزيل وما يزيد قليلًا على 400 إعجاب منذ 6 أكتوبر. أما LFM3-VL-2B، في وقت كتابة هذه السطور، فيقف عند بضع مئات من عمليات التنزيل و16 إعجابًا، بعد أن كان متاحًا للعموم تسعة أيام وأُعلن عنه ليوم واحد. أعداد التنزيلات إشارة مشوّشة — فخطوط أنابيب CI ونسخ التكميم ترفعها — لكن فجوة بمقدار ثلاثة أُسّ عشريّة ليست تشويشًا. إنها تعكس أن أحد النموذجين يقف خلفه شهر من الأدوات والدروس التعليمية وعمليات التكميم المجتمعية، بينما يقف خلف الآخر يوم واحد.

تتبع الأدوات النمط نفسه. يسرد MiniCPM-V 4.7 1B كلاً من Transformers وSGLang وvLLM وllama.cpp وOllama وOpenVINO، إضافةً إلى تطبيقات أصلية لنظامي iOS وAndroid وHarmonyOS. أما LFM3-VL-2B فيأتي مع SGLang عند الإطلاق، وأوزان GGUF متاحة، ودعم llama.cpp لا يزال قيد المراجعة — دون أي إدخال فيديو في التنفيذ المعلّق، وفقًا لبطاقته الخاصة.

أي نموذج لأي مهمة

• أتمتة واجهة المستخدم، وقراءة الشاشة، والإدراك الروبوتي — LFM3-VL-2B، دون تردد، ووضع عدم التفكير مناسب. إن ScreenSpot-Pro عند 55.5 مقابل 4.9 ليس هامشًا يمكنك هندسته.

• الاستدلال البياني، والرياضيات البصرية، وأسئلة المخططات — MiniCPM-V 4.7 1B إذا كنت تشغّل دون استدلال، ومسابقة حقيقية إن لم تكن كذلك. تحقّق من We-Math على بياناتك الخاصة؛ ففجوة بمقدار 27.7 نقطة عند عدم التفكير هي من النوع الذي يظهر فورًا في بيئة الإنتاج.

• فيديو طويل — أقرب مما توحي به متوسطات الفئة. يتقدم LFM3-VL-2B في فئة الفيديو بنتيجة 61.2 مقابل 53.7، لكن MiniCPM-V 4.7 1B يفوز فعليًا في Video-MMMU بنتيجة 50.1 مقابل 49.6 حتى أمام إعداد التفكير.

• أي شيء يجب أن يجتاز الجانب القانوني دون مراجعة — MiniCPM-V 4.7 1B، على Apache 2.0 وحده.

• أي شيء يحتاج إلى حزمة استدلال ناضجة اليوم — MiniCPM-V 4.7 1B، للأسابيع القليلة القادمة على الأقل، حتى يدمج llama.cpp دعم LFM3-VL.

أين يقع جهاز التوجيه عندما لا يكون أيٌّ من الطرازين عليه

لا توجد أي من نقطتي التفتيش هاتين في كتالوج OrcaRouter؛ فكلتاهما أوزان تقوم بتنزيلها وتكميمها وتشغيلها. والاستخدام المثير للاهتمام لطبقة توجيه هنا ليس تقديمهما، بل التكوين حولهما. دمج النماذج يتيح لمجموعة من النماذج الإجابة عن السؤال نفسه معًا، كما أن الجمع بين نموذج متخصص محلي بحجم 1.55B في الرياضيات البصرية ونموذج مستضاف أقوى في الفئات التي يخسر فيها — مثل التأصيل والأعمال الوكيلية — هو تكوين يتفوق على أي من النموذجين منفردًا. ولغة DSL للتوجيه هي وسيلة التعبير عن أي مسار يتولى أي سؤال دون إعادة كتابة التطبيق في كل مرة تصدر فيها نقطة تفتيش.

الخلاصة الصادقة هي أن الرقم الرئيسي البالغ 13.9 نقطة حقيقي، وقد قيس على منظومة اختبار أحد المختبرات، لكنه مضلّل إذا اتُّخذ أساسًا لقرار شراء. إن LFM3-VL-2B هو النموذج الأفضل للشاشات والإسناد البصري بفارق لا يقترب منه أي نموذج آخر في فئته الحجمية. أما MiniCPM-V 4.7 1B فهو النموذج الأفضل للرياضيات البصرية دون استدلال، ويُطرح بترخيص لا يحتاج إلى تفاوض، ويعادل نموذجًا ضعف حجمه في المجموعة نفسها من الاختبارات. تتوقف الإجابة الصحيحة على أيّ من تلك العبارات يصف عبء العمل لديك — ولن يخبرك متوسط أي من المورّدين بذلك.