LFM3-VL-2B مقابل UI-Venus 2.9B: نموذج 2.9B الذي هو في الواقع 9B
- OrcaجديدOrcaCyber: GLM 5.3 Flash Abliterated2026-10-2779 tok/s
- OrcaجديدOrcaCyber: Qwen3.8 Flash Next Abliterated2026-10-26$0.80 / $1.60 لكل مليون رمز · 283 tok/s
- OrcaجديدOrcaCyber: MiMo V2.6 Flash Abliterated2026-10-26$0.80 / $1.60 لكل مليون رمز · 82 tok/s
- MoonshotجديدMoonshotAI: Kimi K3.1 Pro2026-10-2455الذكاء
- OrcaجديدOrcaCyber: DeepSeek V4.1 Flash Abliterated2026-10-23$0.80 / $1.60 لكل مليون رمز · 119 tok/s
- minimaxجديدMiniMax: M3.1 Flash2026-10-1943الذكاء
- OrcaجديدOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 لكل مليون رمز · 44 tok/s
- deepseekجديدDeepSeek: DeepSeek V4.1 Flash 10172026-10-1745الذكاء
- DeepSeekجديدDeepSeek: DeepSeek V4.1 Flash2026-10-1740الذكاء
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 لكل مليون رمز · 113 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952الذكاء
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856الذكاء
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 لكل مليون رمز · 701 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238الذكاء
- OpenAIOpenAI: GPT-6 Sol2026-09-2248الذكاء
- AnthropicAnthropic: Claude Opus 5.52026-09-2258الذكاء
- xiaomiXiaomi: MiMo-V2.6-Flash2026-09-2138الذكاء
- xiaomiXiaomi: MiMo-V2.6-Pro2026-09-2146الذكاء
- xAIGrok 4.72026-09-2146الذكاء
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 لكل مليون رمز · 160 tok/s
لا يوجد نموذج يُسمى UI-Venus 2.9B. نقطة التحقق عند inclusionAI/UI-Venus-2-9B هي UI-Venus-2-9B — الإصدار الثاني من وكيل UI-Venus التابع لـ Ant Group، بـ 9 مليارات معامل، مبني على Qwen3.5-9B. اسم الدليل يُقرأ كعدد عشري وليس عددًا عشريًا. وبالمقارنة مع LFM3-VL-2B عند 1.92 مليار معامل، فإن هذا يجعلها مقارنة 2B مقابل 9B تحمل لافتة 2B مقابل 2B.
الخطأ مهم لأنه يغيّر السؤال. إذا كان كلا النموذجين بحجم 2B تقريبًا، فستقارن صفوف المعايير وتختار الأفضل. أما عند 9B مقابل 2B، فالنموذج الأصغر لا ينافس على العتاد نفسه، والنموذج الأكبر ليس نموذجًا بصريًا عامًا على الإطلاق. UI-Venus-2-9B هو وكيل واجهات رسومية مدرَّب على تشغيل الهواتف والمتصفحات وأسطح المكتب انطلاقًا من لقطات الشاشة. أما LFM3-VL-2B فهو نموذج لغوي بصري عام يصادف أنه يتضمن فئة واجهات رسومية ضمن معاييره الـ62. والتقاطع أضيق مما توحي به التسمية.
كيف شُوِّه الاسم
اصطلاح التسمية لدى Ant Group هو العائلة-الإصدار-الحجم. يُقرأ UI-Venus-2-9B على أنه UI-Venus، الجيل 2، 9B من المعاملات. أي فهرس أو رادار يقسّم عند الواصلات ويبحث عن علامة عشرية يقرأ «2-9» على أنها «2.9»، وهكذا ينتهي نموذج 9B مُصنّفًا بجانب نماذج 2B. وينتج الاصطلاح نفسه UI-Venus-2-27B، الشقيق الأكبر، وقد نُشرا معًا في أواخر أغسطس 2026.
ليس هذا خطأً تجميليًا. عدد المعاملات هو أول مرشح في كل قرار نشر، والقارئ الذي يصل متوقعًا نموذجًا بحجم 2.9B سيتفاجأ بنقطة تحقق BF16 بحجم 18.8 GB لا تناسب الجهاز الذي كان يضعه في اعتباره. بيانات المستودع الوصفية نفسها لا لبس فيها: بنية Qwen3.5-9B، وBF16، ووضع الصورة والنص إلى النص.
وظيفتان، وليس مقاسان
يستقبل LFM3-VL-2B النصوص والصور والفيديو بمعدل 2 إطار في الثانية، وينتج نصوصًا، ويدعم وضع تفكير، ويحمل سياقًا بسعة 128K عبر 16 لغة. وهو نموذج عام: إذ تظهر المستندات والمخططات والتوطين البصري والاستدلال المجسد وفهم واجهات المستخدم الرسومية والفيديو جميعًا كفئات على بطاقته. نشرته Liquid AI على Hugging Face في 19 أكتوبر 2026، وأعلنت عن العائلة في 27 أكتوبر، دون سعر API ودون مزوّد استدلال مُدرج.
يأخذ UI-Venus-2-9B لقطات شاشة ووصفًا للمهمة، ثم يعيد الإجراء التالي ضمن حلقة مغلقة من المراقبة والاستدلال والتنفيذ. يتم تدريبه على ثلاث مراحل: تدريب متوسط متعدد الوسائط على مسارات محاكاة عبر أكثر من 170 تطبيق جوال وأكثر من 4000 نطاق ويب، ثم تعلم معزز دون اتصال على مستوى الخطوة عبر مهام تحديد العناصر وCAPTCHA والجوال والويب والحاسوب، ثم تقطير على السياسة من عدة معلمين إلى سياسة واحدة. ويعمل على vLLM عبر نقطة نهاية متوافقة مع OpenAI ومحلل استدلال Qwen3. هذا وقت تشغيل لوكيل، وليس نموذج تعليق توضيحي.
النتيجة العملية: لا يمكنك تبديلهما. سيصف LFM3-VL-2B لقطة شاشة ويجيب عن أسئلة بشأنها. أما UI-Venus-2-9B فسيقرر أين ينقر تاليًا، وهو يتوقع أن تأتي البنية المحيطة به — محلّلات الإجراءات والمطالبات والأمثلة — من مستودع GitHub الخاص بالمشروع لتكون مفيدة بأي شكل.
المعيار الوحيد الذي يتماشى
يقدّم كلا النموذجين نتائج ScreenSpot-Pro، وهي الحالة النادرة التي تكون فيها المقارنة مشروعة. يحقّق LFM3-VL-2B نتيجة 55.5 مع التفكير و49.3 بدونه. ويحقّق UI-Venus-2-9B نتيجة 73.0. وهذا فارق قدره 17.5 نقطة لصالح النموذج الأكبر بنحو خمس مرات تقريبًا، وهو الرقم الأوضح منفردًا في هذه المواجهة.
لا تُوسّعه إلى بقية قصة واجهة المستخدم الرسومية. تسجّل UI-Venus-2-9B أيضًا AndroidWorld 80.2، وOSWorld-Verified 70.8، وWebVoyager 90.8، وOnline-Mind2Web 74.0، وVenusBench-GD 77.1. وتسجّل LFM3-VL-2B متوسط فئة GUI قدره 83.1 عبر مجموعة مختلفة من المهام، وحساب متوسط لفئة ما ليس مماثلًا لتحصيل درجة في معيار واحد. الفئات غير قابلة للمقارنة ولا ينبغي طرحها.
رقم واحد في بطاقة UI-Venus يستحق الإشارة إليه لأنه يتعارض مع العنوان الرئيسي: على OSWorld 2.0 يسجل النموذج 0.0 في المقياس الثنائي و7.5 في المقياس الجزئي. وأيًا كانت مشكلة أداة التقييم، فإن وكيلاً بحجم 9B يتصدر OSWorld-Verified ويسجل قريبًا من الصفر في المعيار اللاحق هو نموذج له حدود، والبطاقة تبلغ عن ذلك بصدق.
نوافذ السياق التي تقيس أشياء مختلفة
تشير بيانات UI-Venus-2-9B إلى سياق يصل إلى 256K رمزًا، والجزء المفيد هو ما يحويه ذلك السياق: سجلّ من لقطات الشاشة، حتى يتمكن الوكيل من تذكّر شكل الشاشة قبل أربع خطوات. وتشير بيانات LFM3-VL-2B إلى 128K، ولا تذكر بطاقته ميزانية رموز الصور أو الحد الأقصى لطول الفيديو. لا يخبرك أيّ من الرقمين بعدد لقطات الشاشة التي يمكنك الاحتفاظ بها في حلقة قبل أن يفقد النموذج الأولى. يتطلب كلاهما قياسًا على دقتك وعدد خطواتك.
لا يزال الاختلاف في النوع مهمًا. سجل طويل من لقطات الشاشة هو متطلب ذاكرة لوكيل يعمل لدقائق. أما سياق بحجم 128K على نموذج VLM عام فهو متطلب مستند أو فيديو. تبدو الأرقام قابلة للمقارنة، لكنها تجيب عن أسئلة مختلفة.
النشر: 4 جيجابايت مقابل 19 جيجابايت
يحتوي LFM3-VL-2B على 1.92 مليار معامل، أي نحو 3.84 غيغابايت من الأوزان بصيغة BF16 بحسب الحساب، وقد نُشرت بالفعل إصدارات GGUF وMLX 4-bit وONNX. أما UI-Venus-2-9B فيبلغ نحو 18.8 غيغابايت بصيغة BF16 ويُقدَّم عبر vLLM؛ ثمة GGUF مجتمعي، لكن مسار التقديم لدى المورّد يفترض وجود GPU يتسع للنسخة الكاملة من نقطة التحقق. هذان لا يتنافسان على الخانة نفسها. أحدهما مرشح للحوسبة الطرفية؛ والآخر وكيل من جانب الخادم.
هذا الفرق، وليس فجوة الاختبارات المعيارية، هو ما يجعل الاقتران مثيرًا للاهتمام. الفريق الذي يريد فهم واجهة المستخدم الرسومية (GUI) على جهاز لديه خيار واحد فقط هنا. أما الفريق الذي يريد وكيل GUI بنتائج قريبة من أحدث ما وصلت إليه التقنية فلديه الخيار الآخر، ويحتاج إلى وحدة معالجة رسومات (GPU) لتشغيله.
سؤال الترخيص الذي لم يُجب عنه أحد
يستخدم LFM3-VL-2B ترخيص LFM Open License v1.0: لا يُرخَّص الاستخدام التجاري إلا ما دام المرخَّص له يبقى دون 10 ملايين دولار من الإيرادات السنوية. هذا تقييدي لكنه واضح، والنص منشور.
UI-Venus-2-9B أقل وضوحًا. يشير مستودع الشيفرة الخاص بالمشروع إلى ترخيص Apache 2.0؛ بينما تنص بطاقة النموذج على أن ترخيص الأوزان معلّق بانتظار التأكيد النهائي لأن البيانات الصادرة من الجهات الأصلية متعارضة. وحتى 28 أكتوبر 2026، لم يُحسم ذلك. الترخيص المعلّق ليس عائقًا أمام البحث، لكنه عائق حقيقي أمام نشر تجاري يحتاج إلى معرفة شروطه قبل الإطلاق. على أي شخص يخطط للبناء على UI-Venus-2-9B أن يحصل على الإجابة كتابةً بدلًا من استنتاجها من وسم في المستودع.
أين يمكن أن يتناسب OrcaRouter، إن كان له مكان أصلاً
لا يوفّر OrcaRouter أيًا من نقطتي التحقق، وهذا المقال لا يزعم أننا نفعل ذلك. ما لدينا هو لغة توجيه DSL يمكنها تركيب عدة نماذج في استدعاء واحد — وهذا مفيد هنا لأن البنية الطبيعية ليست «اختيار نموذج واحد». يمكن لنموذج VLM عام صغير قراءة الشاشة وتحديد ما إذا كانت المهمة سؤالًا حول مستند أم تفاعلًا؛ ويمكن لمتخصص أكبر في واجهات GUI تنفيذ خطوات التفاعل. والتوجيه بينهما حسب نوع المهمة هو إعداد، وليس تكاملًا ثانيًا.
هذا استخدام أكثر صدقًا للمقارنة من التظاهر بأن النموذجين بديلان. إنهما مرحلتان من المسار نفسه، مع فارق في عدد المعاملات قدره 5× بينهما.
أيّ واحد تريده فعلاً؟
• LFM3-VL-2B إذا كانت المهمة تقتضي الفهم لا التنفيذ، أو إذا كنت بحاجة إلى إدخال فيديو أو مستند، أو إذا كان على النموذج أن يعمل في حدود 4 غيغابايت. اقبل الترخيص المقيّد بالإيرادات وحقيقة أن لا أحد خارج Liquid قد قيّمه.
• UI-Venus-2-9Bإذا كانت المهمة هي تشغيل واجهة من طرف إلى طرف، وإذا كان بإمكانك توفير 19 GB من ذاكرة GPU ومكدس تقديم vLLM، وإذا كان بإمكانك الانتظار حتى يتم تأكيد ترخيص الأوزان. تقبّل أنه متخصص مزوّد بمنظومة اختبار، وليس مساعدًا عامًا.
• لا هذا ولا ذاك إذا كان ما أردته هو نموذج بحجم 2.9B. فهذا النموذج غير موجود، والخياران الحقيقيان كلاهما أكثر تخصصًا مما يوحي به الاسم.
التصحيح هو الدرس المستفاد. عدد المعلمات في اسم المجلد ليس مواصفة، وقد أخفى في هذه الحالة اختلافًا في الحجم بمقدار خمسة أضعاف ومهمة مختلفة كليًا. اقرأ حقل البنية المعمارية قبل الـ slug.
