LFM3-1.7B مقابل Gemma 4 12B: عندما يتفوق النموذج الأصغر بسبع مرات في اختبار برمجي

LFM3-1.7B هو نموذج نصي يضم 1.73 مليار معامل، نشرته Liquid AI على Hugging Face في 26 أكتوبر 2026 وأعلنت عنه في اليوم التالي ضمن إطلاق عائلة LFM3. Gemma 4 12B هو نموذج كثيف يضم 11.95 مليار معامل، أصدرته Google DeepMind في 3 يونيو 2026، ويقرأ الصور والصوت بالإضافة إلى النص. وفي معيار البرمجة الوحيد الذي ينشره كلٌّ من المورّدين — LiveCodeBench v6 — يسجّل النموذج الأصغر 73.46 بينما يسجّل الأكبر 72.0. اقرأ ذلك مرتين، فهو السبب كله وراء وجود هذه الصفحة، وهو أيضًا أسهل رقم على الإنترنت يمكن إساءة قراءته. لا يضيف التوجيه هامشًا إلى سعر القائمة لدى المزوّد. هامش ربح 0% اطّلع على التسعير الممرَّر في صفحة التسعير لدينا.

كلا الرقمين مُبلَّغ عنهما من المورّد. ولم يُعِد إنتاجهما أي مُقيِّم مستقل. أُنتجا من فرق مختلفة، وعلى أُطُر اختبار مختلفة، وبفارق أشهر، ولم تنشر Liquid أي ملاحظة منهجية تشرح كيف جُهّز تشغيلها على LiveCodeBench. لذا فالصيغة الصادقة للجملة أعلاه ليست "نموذج بحجم 1.7B يتفوق على نموذج بحجم 12B في البرمجة." بل هي: يُبلِّغ مورّدان عن درجات شبه متطابقة على معيار يتشاركان اسمه، والفارق البالغ تسع نقاط على GPQA Diamond في الاتجاه المعاكس يوحي بأن النموذجين لا يقتربان من التكافؤ على الإطلاق.

ما هو القابل للمقارنة حقًا، وما هو غير القابل للمقارنة

معظم صفحات "X مقابل Y" تضع جدولي مورّدين جنبًا إلى جنب وتسمّي ذلك مقارنة. وهذا لا ينجح إلا إذا تداخل الجدولان. بين منشور إطلاق LFM3 من Liquid وبطاقة نموذج Gemma 4 من Google، يظهر على الجانبين بالضبط اسمَا معيارين من معايير القياس بتعريفات متوافقة: LiveCodeBench v6 وGPQA Diamond. أما كل ما عدا ذلك فيقدّمه أحد المورّدين دون الآخر، والخلية الفارغة ليست صفرًا.

على هذين المحورين المشتركين، تكون النتيجة انقسامًا واضحًا. يسجّل LFM3-1.7B في LiveCodeBench v6 نتيجة 73.46 مقابل 72.0. ويسجّل Gemma 4 12B في GPQA Diamond نتيجة 78.8 مقابل 63.37 — بفارق 15.4 نقطة، وهو ليس ضجيجًا في تقييم يضم بضع مئات من الأسئلة.

هذا النمط يستحق أن يُسمّى بدلًا من أن يُطمَس في المتوسط. يقيس LiveCodeBench نموذجًا وهو يُكمل مسائل برمجة تنافسية، وهي مهارة ضيّقة ومشبعة بالأنماط يمكن لنموذج صغير مدرَّب على البيانات الصحيحة أن يُتقنها. أما GPQA Diamond فيقيس الاستدلال العلمي بمستوى الدراسات العليا، وهو يعتمد على اتساع المعرفة — وهو تحديدًا ما يوفّره لك عدد المعاملات. يمكن لنموذج بحجم 1.7B أن يكون منافسًا في الأول ويخسر في الثاني، وذلك نتيجة متسقة لا تناقض.

يقوّض البائع أفضل رقم له.

إليك الجزء الذي ينبغي أن يغيّر طريقة قراءتك لـ 73.46. مرّر إلى أسفل بطاقة نموذج LFM3-1.7B، ويكتب Liquid بلغة واضحة إن النموذج مصمم للوكلاء المحليين واستدعاء الأدوات والمخرجات المهيكلة، وأنه غير موصى به للبرمجة الوكيلية أو الاستدلال المعقد متعدد الخطوات بسبب صغر حجمه.

هذا هو المورّد، لا منافس، يخبرك بالحدّ الأقصى. وهو يقع بشكل محرج إلى جانب نتيجة LiveCodeBench التي تتفوق بفارق ضئيل على نموذج عامّ بحجم 11.95B، والتوفيق بين الأمرين هو أنهما يقيسان أشياء مختلفة. فحلّ مسألة برمجية تنافسية معزولة ليس المهمة نفسها كالإبقاء على مستودع في السياق وإجراء عشرين تعديلًا منسّقًا. يمكن أن يكون النموذج قويًا في الأولى وغير مناسب صراحةً للثانية، وLiquid تقول ذلك بدلًا من أن تدع المعيار يوحي بخلاف ذلك.

خذ كلام المورّد على محمله. إذا كان عبء العمل لديك هو البرمجة الوكيلية، فلا ينبغي أن تنتهي هذه المقارنة عند LFM3-1.7B. وإذا كان عبء العمل لديك هو استدعاء الأدوات، أو الاستخراج المهيكل، أو التصنيف، أو مساعد محلي على جهاز تملكه، فإن تحذير البطاقة لا ينطبق عليك، ويصبح حجم البصمة البالغ 1 GB هو الحجة كلها.

حيث إن 12B ببساطة فئة مختلفة من الأشياء

تُعد Gemma 4 12B متعددة الوسائط بطريقة لا يمكن إضافتها إلى LFM3-1.7B عبر الضبط الدقيق. تصف بطاقة Google إدخال الصور والصوت على أنه يُسقَط مباشرةً في المساحة نفسها التي تُسقَط فيها رموز النص، دون مشفرات منفصلة — والصوت أصلاً في 12B وفي الطرازات الشقيقة الأصغر منه. أما LFM3-1.7B فهي نصٌّ دخلاً ونصٌّ خرجاً. وتقع قدرة الرؤية لدى Liquid في LFM3-VL-2B، وهو نقطة تحقق منفصلة بمشفّر منفصل، ولا يكتسب نموذج نصي مشفّراً كهذا بمجرد ضبطه ضبطاً دقيقاً.

• المعاملات — 1.73B كثيف لـ LFM3-1.7B؛ 11.95B كثيف لـ Gemma 4 12B. النسبة هي 6.9 إلى 1.

• الوسائط — نص فقط مقابل النص والصورة والإدخال الصوتي.

• السياق — 262,144 رمزًا في كليهما. هذا هو الصف الوحيد الذي لا يتنازل فيه النموذج الصغير عن أي شيء، وهو إنجاز حقيقي للبنية الثلاثية الهجينة وليس مصادفة.

• البصمة — نحو 1 غيغابايت بدقة 4 بت مقابل قرابة 7 غيغابايت. على الهاتف، هذا الفارق هو الفارق بين إطلاق المنتج وعدم إطلاقه.

• اللغات — 16 لغة مُسمّاة مقابل أكثر من 140 لغة مُدرّبة مسبقًا بدعم قوي جاهز للاستخدام. بالنسبة لمنتج بخط لاتيني، نادرًا ما يكون هذا الفارق مؤثرًا؛ أما بالنسبة لنشر إقليمي فهو حاسم.

• الترخيص — ترخيص LFM المفتوح الإصدار 1.0 مجاني للاستخدام التجاري لمن تقل إيراداتهم السنوية عن 10 ملايين دولار، ويتطلب ترخيصًا مدفوعًا لمن يتجاوز ذلك. Gemma 4 12B مرخّص بموجب Apache 2.0 دون أي شرط متعلق بالإيرادات.

الفاتورتان ليستا مقومتين بالعملة نفسها

يمتلك Gemma 4 12B سعرًا سوقيًا لأن أطرافًا ثالثة تقدّمه. وتُفيد Artificial Analysis بأن الوسيط المُدمج يبلغ 0.10 دولار لكل مليون رمز إدخال و0.30 دولار لكل مليون رمز إخراج عبر المنصات التي تستضيف الأوزان المفتوحة — وهو وسيط بين المزوّدين لا سعر قائمة، ويتغيّر مع تغيّر العرض. وبهذا المعدل، لا يفكّر معظم الفرق أصلًا في تشغيل نموذج بحجم 12B بأنفسهم.

لا يوجد لـ LFM3-1.7B سعر كهذا. تذكر بطاقة Hugging Face بوضوح أن النموذج غير منشور من قِبل أي مزوّد استدلال، وهذا يتوافق مع ما نراه من جانبنا: لا يقوم OrcaRouter حاليًا بتوجيه LFM3-1.7B. إذا أردت استدعاءه، فستنزّل 3.46 GB من أوزان BF16 أو نسخة 4-bit بحجم 1 GB تقريبًا، وتشغّل vLLM أو SGLang أو llama.cpp أو MLX أو ONNX بنفسك. ستقدّمه واجهة API الخاصة بـ Liquid، كما ستقدّمه عدة منصات طرف ثالث أيضًا.

لذا فإن مقارنة التكلفة ليست رموزًا مقابل رموز. بل هي فاتورة الضبط الدقيق والخدمة مقابل فاتورة لكل استدعاء. عند الحجم المنخفض تفوز واجهة API بلا منازع؛ وعند حجم مستمر على عتاد تملكه بالفعل، فإن نموذجًا بحجم 1 GB يترك بقية GPU حرة يمثل شكلًا اقتصاديًا مختلفًا تمامًا. هذا التفاوت — وليس فجوة النقاط الأربع في LiveCodeBench — هو السبب الحقيقي للنظر في النموذج الصغير.

ما هو الغرض الفعلي من كل واحد منها

اختر LFM3-1.7B عندما يكون هدف النشر هو القيد: هاتف، أو حاسوب محمول، أو وحدة GPU صغيرة واحدة عليها أيضاً أداء أعمال أخرى. سياق 256K غير معتاد فعلاً عند هذا الحجم، ومفردات اللغات الـ16 تغطي معظم المنتجات الإقليمية، ودعم الاستدلال عبر ستة مسارات يعني أنك لا تراهن على بيئة تشغيل واحدة. اقبل أنك تشتري نموذجاً لاستدعاء الأدوات والاستخراج، لا نموذجاً للاستدلال، وخطّط لاسترجاع المعلومات حول فجوة المعرفة التي تشير إليها الجهة المورّدة نفسها.

اختر Gemma 4 12B عندما تتطلب المهمة اتساعًا، أو عندما يكون الإدخال لقطة شاشة أو تسجيلًا، أو عندما تكون Apache 2.0 مهمة لعملية الشراء. فهو يسجل أعلى بـ15 نقطة في الاستدلال العلمي على مستوى الدراسات العليا، ويقرأ الصور أصليًا، ومتاح بسعر متوسط معلن من اليوم الأول. الثمن هو الذاكرة: 7 GB بدقة 4 بت تعني حاسوبًا محمولًا أو وحدة GPU متواضعة، وليس هاتفًا.

اختر كليهما عندما تكون لديك مسار ضيق مرتفع الحجم ومسار عريض منخفض الحجم. وجّه المسار العريض إلى مزوّد عام مستضاف واحتفظ بالنموذج الصغير على الجهاز للمكالمات الضيقة الحساسة لزمن الاستجابة. صُمم OrcaRouter للنصف الأول من هذا التقسيم — مفتاح واحد عبر أكثر من 200 نموذج، مع تمرير أسعار قوائم المزوّدين بهامش ربح 0% بحيث يصل تغيير السعر في اليوم نفسه، وتحويل تلقائي عند تراجع أحد المزوّدين. وهو لا يساعدك في استضافة LFM3-1.7B، لأننا لا نقدّم ذلك النموذج، وسيكون من غير الأمانة الإيحاء بخلاف ذلك.

ما الذي سيحسم الأمر؟

إن تقييمًا مستقلًا واحدًا لـ LFM3-1.7B باستخدام إطار اختبار لم تختره سيكون ذا قيمة أكبر من هذه الصفحة بأكملها. جدول الإطلاق الخاص بـ Liquid مفصل ومتسق داخليًا، وتتعامل هذه المدونة معه باعتباره بيانات أبلغ عنها المورّد لا بيانات موثّقة، وهو كذلك بالفعل. الأمور المحددة التي تستحق المراقبة هي: اختبار من طرف ثالث على LiveCodeBench أو SWE-bench يعيد إنتاج 73.46، وملف تعريف في Artificial Analysis يضع كلا النموذجين على مقياس واحد، وأي تقرير عن تعامل النموذج مع مهمة مستودع حقيقية — وهو الاستخدام نفسه الذي تحذّر منه البطاقة.

حتى ذلك الحين، القراءة القابلة للدفاع أضيق من العنوان الرئيسي. نموذج بحجم 1.73B بسياق 256K، وبصمة 1 GB، وملف قوي في استدعاء الأدوات، قد لحق بنموذج عام 12B في معيار برمجي منعزل واحد، ويتخلف عنه بفارق كبير في المعرفة. هذه ليست مفاجأة مدوية. إنهما نموذجان صُمّما لمهمتين مختلفتين، والسؤال المفيد هو: ما المهمة التي لديك؟