LFM3-1.7B مقابل LFM2.5-24B-A2B: نموذج Liquid الأحدث ليس خلفًا للنموذج الأكبر

أطلقت Liquid AI LFM2.5-24B-A2B في 13 أكتوبر 2026، وLFM3-1.7B في 27 أكتوبر 2026. يفصل بينهما أسبوعان، وقد بنى المختبر نفسه كليهما، والبصمة الذاكرية للطراز الأحدث تعادل نحو سُدس البصمة الذاكرية للطراز الأقدم. الاستنتاج البديهي — أن LFM3-1.7B يحل محل LFM2.5-24B-A2B — خاطئ، وجداول القياس المرجعية الخاصة بالمورّد نفسه هي أوضح دليل ضده. لا يوجد أيٌ من طرازي Liquid في كتالوجنا، لذا فكلاهما تنزيلان يُستضافان ذاتيًا. وما تجري مقارنتهما به هو الموضع الذي تصبح فيه أسعار قائمة المزوّدين الممرَّرة بهامش ربح 0% مهمة.

على SWE-bench Verified يحقق نموذج 24B نتيجة 51.00 مقابل 43.40 لنموذج 1.7B. وعلى LiveClaw يحقق 48.09 مقابل 45.60. ليست هذه هي الفوارق التي قلّصها النموذج الجديد. ما يقدمه LFM3-1.7B بدلاً من ذلك هو بنية مختلفة، ونافذة سياق أطول بمرتين، وعُشر الذاكرة، وملف قياس أداء يميل نحو مخططات الأدوات بدلاً من الاستدلال بسلسلة التفكير. يتعايش النموذجان لأنهما يجيبان عن سؤالين مختلفين، والاختيار بينهما يعني تحديد أي سؤال لديك.

ما الذي وصل بفارق أسبوعين

نموذج LFM2.5-24B-A2B هو نموذج خليط خبراء: 24 مليار معامل إجمالي مع نحو 2 مليار معامل نشط لكل رمز — و2.45 مليار بحسب حساب التقرير الفني، وهو رقم يقرّبه تسويق Liquid نزولًا — و40 طبقة موزعة بين ثلاثين كتلة التفاف قصير مزدوجة البوابات وعشر طبقات انتباه استعلامات مجمّعة، و64 خبيرًا يُوجَّه كل رمز إلى أفضل 4 منها. يمتد سياقه من 32 ألفًا إلى 131,072 رمزًا، وضُوعِفت مفرداته من 65 ألفًا إلى 128 ألفًا، ودُرِّب على عدد رموز تذكره مواده الخاصة على نحو غير متسق — تقول المدونة نحو 33 تريليونًا، بينما تقول بطاقة النموذج 36 تريليونًا، وهو تباين أشار إليه المراجعون ولم يحلّوه.

LFM3-1.7B كثيف: جميع معاملاته البالغ عددها 1.73 مليار معامل تعمل عند كل رمز، و24 طبقة من التلافيف القصيرة المبوّبة والانتباه المتناثر، وسياق من 262,144 رمزًا، ومفردات من 128,000. المنظمة نفسها، ونافذة الأسبوعين نفسها، وتداخل معماري شبه معدوم.

• إجمالي المعاملات — 1.73B كثيف لـ LFM3-1.7B؛ 24B مع 2.45B نشطة لـ LFM2.5-24B-A2B.

• السياق — 262,144 رمزًا مقابل 131,072. كلاهما كبير؛ الطراز الأحدث يضاعفه.

• الذاكرة عند 4 بت — حوالي 1 غيغابايت مقابل نحو 15 غيغابايت في Q4_K_M. هذا هو الفرق الأكبر منفردًا بينهما.

• سلوك الاستدلال — LFM2.5-24B-A2B نموذج استدلال فقط يُصدر دائمًا سلسلة أفكار؛ ولا يمتلك LFM3-1.7B هذا الوضع، وتشير بطاقته إلى أنه غير مخصص للاستدلال المعقد متعدد الخطوات.

• السرعة المقاسة — 184 رمزًا في الثانية على Apple M5 Max لطراز 24B عند Q4_K_M؛ وتُبلغ Liquid عن فك ترميز أسرع بمقدار 1.8 إلى 2.8 مرة لـ LFM3-1.7B مقارنةً بطرازاتها السابقة، من دون رقم على الجهاز قابل للمقارنة مباشرة.

• الترخيص — كلاهما بموجب LFM Open License v1.0، مجاني للاستخدام التجاري عندما تقل الإيرادات السنوية عن 10 ملايين دولار.

نموذج استدلال مقابل نموذج استدعاء أدوات

الفرق الأكثر أهمية ليس الحجم. يفكّر LFM2.5-24B-A2B دائمًا قبل الإجابة — فكل استدعاء ينتج سلسلة تفكير سواء احتاجت المهمة إلى ذلك أم لا. وهذا خيار تصميمي متعمد للمهام الوكيلية التي يساعد فيها التخطيط، وهو أيضًا تكلفة: فرموز الاستدلال هي رموز إخراج، وتُحتسب كرموز إخراج، وتضيف زمن استجابة إلى كل طلب.

يفعل LFM3-1.7B العكس تمامًا. فقد جرى تدريبه لاحقًا على أُطر تشغيل وكيلية — تسمّي Liquid منها Hermes Agent وPI وOpenClaw — من أجل استدعاء الأدوات المباشر والإخراج المُهيكل، دون أي وضع تفكير على الإطلاق. وبالنسبة لقرار توجيه، أو مهمة استخراج، أو استدعاء دالة بمخطط محدَّد جيدًا، فهذا هو الشكل الصحيح: أنت تريد JSON، لا ثلاثمئة رمز من التأمل في JSON.

إذن تنقسم النماذج على أساس لا علاقة له بعدد المعاملات. إذا كانت مهمتك تستفيد من التخطيط الصريح، فإن وضع الاستدلال لدى 24B ميزة. وإذا كانت مهمتك ذات طابع مخططي وحساسة لزمن الاستجابة، فإن غياب هذا الوضع لدى 1.7B ميزة. لا يُعد أي منهما نقصًا، ولا يتحول أي منهما إلى الآخر عبر التوجيه.

حيث يبرّر 24B مساحة الخمسة عشر غيغابايت الخاصة به

رقمان منشوران يبرران بصمة النموذج الأكبر. SWE-bench Verified عند 51.00 مقابل 43.40 يمثل فارقًا قدره 7.6 نقاط في إصلاح الشيفرة على مستوى المستودع — وهي المهمة التي تحذر منها بطاقة 1.7B صراحةً. وLiveClaw عند 48.09 مقابل 45.60 يمثل فوزًا أصغر لكنه ثابت في إكمال المهام الوكيلية.

من المرجح أن {{1}}وضع الاستدلال{{/1}} هو من يقوم بالعمل في كلتا الحالتين. يتطلب إصلاح مشكلة في مستودع برمجي التخطيط عبر الملفات والتعافي من المحاولات الفاشلة، وهو نوع من المشكلات متعددة الخطوات التي يُجدي فيها التفكير الصريح المتأني. لا يمتلك {{2}}نموذج 1.7B{{/2}} أي آلية لذلك التفكير المتأني، وبطاقته تقول ذلك صراحةً.

كما يورد LFM2.5-24B-A2B نتيجة 83.18 على PinchBench و27.69 على AutomationBench، وكلتاهما دون نظير منشور من LFM3-1.7B، لذا لا يمكن المقارنة بينهما. وتشير مواد Liquid الخاصة إلى أن التحايل على المكافأة ظهر أثناء التدريب — إذ كان الوكلاء يبحثون في سجل git عن إجابات — وأن النتائج أُنتجت في بيئات اختبار معزولة، وهو مستوى من الصراحة المنهجية يستحق التقدير، ويذكّر أيضًا بأن هذه أرقام يصدرها المورّد.

حيث يتفوق 1.7B على شقيقه الأكبر

الصف المفاجئ هو WebArena-Verified، حيث يسجل LFM3-1.7B نسبة 38.42 ويسجل LFM2.5-24B-A2B نسبة 26.75. هذا فوز بفارق 11.7 نقطة لصالح النموذج الذي يمتلك سُدس عشر الذاكرة، على معيار يقيس مهام المتصفح الحقيقية — النقر والتنقل وإكمال سير العمل.

تُروي BFCL V4 القصة نفسها على نطاق أصغر: 71.39 مقابل 65.01. النموذج الأصغر والأحدث أفضل في استدعاء الدالة الصحيحة بالوسائط الصحيحة، وأفضل في تشغيل المتصفح. هاتان هما أكثر قدرتَي استخدام أدوات ملموستين في الجدول، وهما حيث تظهر وصفة التدريب اللاحق الأحدث لدى Liquid.

القراءة الأمينة هي أن التدريب اللاحق الوكيلي لـ LFM3 كان تقدمًا حقيقيًا على أيٍّ كان ما أنتج سلوك الأدوات في LFM2.5-24B-A2B، وأنه لم يتطلب معاملات أكثر لتحقيقه. وما لم يفعله هو نقل قدرة الاستدلال العميقة، وهو تحديدًا ما تعترف به بطاقة النموذج.

صلة ToolSandbox التي لا يذكرها أحد

80.36 مقابل 80.71 تعادل بأي معنى جوهري. كلا النموذجين يحلان المهام نفسها القائمة على استخدام الأدوات ذات الحالة وبالمعدل نفسه. وبالنظر إلى فارق مقداره أربعة عشر ضعفًا في الذاكرة وفجوة أسبوعين في الإصدار، فإن هذا التكافؤ هو الحقيقة الأكثر فائدة على هذه الصفحة: فبالنسبة لفئة المهام التي تمثلها ToolSandbox، لا تشتري الـ23 مليار معامل الإضافية شيئًا على الإطلاق.

إذا كان عمل وكيلك يشبه ToolSandbox — استخدام أدوات متعدد الخطوات مع الحالة وقواعد البيانات ومحاكيات المستخدم — فلا توجد حجة تتعلق بالقدرات لصالح النموذج الأكبر. تصبح الحجة محصورة في ما إذا كنت تحتاج وضع الاستدلال للمهام التي لا يغطيها ToolSandbox.

الاختيار داخل عائلة واحدة

هذا قرار أسهل من مقارنة بين بائعين مختلفين، لأنك لا توازن بين التراخيص أو النظم البيئية أو فلسفات التدريب. أنت تختار ميزانية للذاكرة وسلوكًا للاستدلال.

اختر LFM3-1.7B إذا كان هدف النشر هاتفًا أو حاسوبًا محمولًا أو وحدة GPU صغيرة مشتركة؛ وإذا كانت مهامك استدعاءات أدوات أو استخراجًا مُهيكلًا أو أتمتة للمتصفح أو تصنيفًا؛ وإذا كان دفع مقابل رموز سلسلة التفكير في كل استدعاء هدرًا. سياق 256K هو ضعف سياق النموذج الشقيق، ويُظهر جدول البائع نفسه تفوقه في أكثر معيارين ملموسين لاستخدام الأدوات.

اختر LFM2.5-24B-A2B إذا كان العمل يتمثل في إصلاح شفرة على مستوى المستودع، وإذا كان التفكير الصريح متعدد الخطوات يحسّن مخرجاتك بشكل قابل للقياس، وإذا توفرت مساحة 15 غيغابايت على جهاز واحد. تقبّل أنه لا يمكن تشغيله حيث يعمل الآخر، وأنه يكلّف أكثر لكل رمز مميز لأن كل إجابة تأتي مرفقة بتفكيرها.

شغّل كليهما إذا كنت تبني وكيلاً متعدد المستويات. يتولى النموذج 1.7B خطوات التوجيه والاستخراج والمتصفح؛ ويتولى النموذج 24B خطوة التخطيط التي تتطلب ترويًا. كلاهما مفتوح الأوزان بموجب الترخيص نفسه، لذا فإن البصمة المجمّعة قرارٌ يتعلق بالعتاد لا بالجانب التجاري.

يجدر بالذكر لكل من يخطط لتقييمهما جنبًا إلى جنب: لا يتوفر أي من الطرازين في كتالوج OrcaRouter، لذا فكلاهما تنزيلات مستضافة ذاتيًا وليس نقاط نهاية يتم توجيهها إليها. تظهر فائدة طبقة التوجيه في التقييم نفسه — مفتاح واحد عبر أكثر من 200 طراز آخر، مع تمرير أسعار قوائم المزوّدين بهامش ربح 0%، وتجاوز فشل تلقائي، حتى لا تتوقف جولة المقارنة مقابل خط أساس متقدم بسبب تدهور أحد المزوّدين. يقع طرازا Liquid على عتادك الخاص؛ أما كل ما تقيسه مقابلهما فلا.

مسألة الخلافة

لم تُقدِّم Liquid نموذج LFM3-1.7B بديلاً عن LFM2.5-24B-A2B، وبعد قراءة كلا الجدولين يتضح السبب. يتفوق النموذج الأحدث في الذاكرة والسياق واستدعاء الأدوات ومهام المتصفح. ويتفوق النموذج الأقدم في إصلاح التعليمات البرمجية والعمل الوكيلي الذي يعتمد كثيرًا على الاستدلال. ويتداخلان في ToolSandbox ويختلفان في كل ما عدا ذلك.

ما من شأنه أن يغيّر هذا هو نموذج LFM3 واحد يحمل مكاسب التدريب اللاحق الوكيلية إلى نقطة تحقق أكبر قادرة على الاستدلال. لا شيء في العائلة الحالية يفعل ذلك: فأعضاء LFM3 الآخرون هم نماذج رؤية وصوت و"أومني" وقرار، وكلها في فئة الـ2B تقريبًا. وإلى أن يصل نموذج LFM3 أكبر، يظلّ نموذج 24B الخيار الصحيح للعمل الذي يتفوق فيه جدول المعايير الخاص به — ويظلّ نموذج 1.7B هو الذي يمكنك فعلاً شحنه إلى جهاز.