LFM3-1.7B مقابل MiniCPM5-2B: اختبار لوحة نتائج Liquid من 23 إلى 4

في 27 أكتوبر 2026، نشرت Liquid AI جدولًا مرجعيًا من 27 صفًا يضع LFM3-1.7B في مواجهة MiniCPM5-2B. ويفوز نموذج Liquid في 23 من تلك الصفوف، بينما يفوز MiniCPM5 في أربعة. وقد انتشر هذا العدد بسرعة، وهو ما يمثل مشكلة، لأن عدد مرات الفوز هو أقل ما يمكن استخلاصه إفادةً من جدول اختار فيه مورّد واحد المعايير، وكتب أداة الاختبار، وشغّل النموذجين معًا. هذا اختبار لما يخبرك به ذلك 23–4 فعليًا — ويبدأ باعتراف: إن المقارنة التي يردّ عليها Liquid بهدوء نُشرت على هذه المدونة قبل يوم، وقد امتنعت عن طرح هذه الحجة نفسها. قارن ذلك المقال بين نقطتي الحفظ الأساسيتين وخلص إلى أنه لا توجد لأي منهما تقييمات صالحة للاستخدام. وهذه هي النسخة التي تتضمن الأوزان بعد التدريب على الجانبين.

MiniCPM5-2B هو نموذج الاستدلال الكثيف بسعة 2.52B من OpenBMB، صدر في أوائل سبتمبر 2026 بموجب ترخيص Apache 2.0. أما LFM3-1.7B فهو نموذج النصوص والوكلاء بسعة 1.73B من Liquid AI، صدر في 27 أكتوبر 2026 بموجب ترخيص LFM Open License v1.0. وهما من الفئة الوزنية نفسها، ويتنافسان على الموضع نفسه على الأجهزة، لكنهما صُمّما لمهام مختلفة بوضوح.

مورّدان، وأداتا اختبار، وجدول واحد

لا يوجد عدّ 23–4 إلا لأن Liquid أعادت تشغيل منافسها. وهذا أمر مشروع وصارم على نحو غير معتاد بالنسبة لعملية إطلاق — فمعظم المورّدين يقارنون برقم من لوحة صدارة عامة ويتركون بنية الاختبار غير معلنة. لكن إعادة تشغيل منافس على منصة الاختبار الخاصة بك لا تُنتج نتيجة محايدة، والدليل الفاضح يقع في الصفوف التي يظهر فيها المعيار نفسه على بطاقات كلا المورّدين.

خذ BFCL V4. تحصل Liquid على 62.65 لـ MiniCPM5-2B. وتذكر بطاقة OpenBMB الخاصة 66.6. خذ Humanity's Last Exam: تحصل Liquid على 8.20 لـ MiniCPM5، بينما تدّعي OpenBMB 8.9. هذه الفجوات صغيرة — في حدود أربع نقاط على مقياس من 0 إلى 100 — وهي تشير إلى أن الفرق الناتج عن أداة الاختبار متواضع في المعايير القياسية. الآن خذ SWE-bench Verified، حيث تذكر OpenBMB 46.4 لـ MiniCPM5-2B وتذكر Liquid 43.40 لـ LFM3-1.7B. ضع هذين الرقمين جنبًا إلى جنب، ويفوز MiniCPM5. ضع صف MiniCPM5 الخاص بـ Liquid بجوار صف LFM3 الخاص بـ Liquid، ويفوز LFM3. المعيار نفسه، والنموذجان نفسهما، والإجابة معاكسة، لأن الأرقام جاءت من أدوات اختبار مختلفة.

هذه هي المشكلة برمتها في مثال واحد. لم ينشر أي من المورّدين إعدادات منصة الاختبار، ولا سياسة إعادة المحاولة، ولا هيكلة المطالبات. وإلى أن يُشغّل أحدهم النموذجين معًا عبر منصة اختبار واحدة لا يتحكم بها، فإن كل صف يقارن بين مورّدين مختلفين في هذه المقارنة ليس إلا رمية عملة متخفية في زيّ قياس.

حيث تكون الفجوة أكبر من أن تكون مجرد ضجيج من أداة الاختبار.

بعض الصفوف لا يمكن التخلص منها بالتفسير. التنقل الوكيلي في الويب هو الأوضح:

• WebArena-Verified — LFM3-1.7B 38.42 مقابل MiniCPM5-2B 9.11 على منصة اختبار Liquid.

• AutomationBench — 41.29 مقابل 4.71.

• RULER 128K — 65.56 مقابل 37.96.

• BFCL V4 — 71.39 مقابل 62.65.

فارق أربع نقاط هو مجرد سقالات. أما فارق تسع وعشرين نقطة على WebArena-Verified، أو فارق سبع وثلاثين نقطة على AutomationBench، فليس كذلك. تلك فروق في ما إذا كان النموذج قادرًا أصلًا على إبقاء خطة متعددة الخطوات متماسكة، وهي تتفق مع ما تقوله كل جهة مورّدة عن نفسها: فقد بنت Liquid نموذج LFM3 حول تدريب متوسط وكيلي مع آثار استدعاء الأدوات، بينما تشير وثائق OpenBMB الخاصة إلى أن MiniCPM5 ضعيف في المهام الطويلة متعددة الخطوات ومعرّض للتكرار. وصفان مستقلان للضعف نفسه، يصلان من اتجاهين متعاكسين، هما أقوى دليل في هذه المقارنة بأكملها.

يستحق الصف الخاص بالسياق الطويل اهتمامًا منفصلًا لأنه الصف الذي سيُساء فهمه. إن درجة RULER 128K البالغة 37.96 لدى MiniCPM5 هي درجة استرجاع عند 128K، وليست بيانًا بأن النموذج يتوقف عند 128K — فـ MiniCPM5-2B يدعم رسميًا 131,072 رمزًا. وهي تعني أنه عند هذا الطول، يجد MiniCPM5 قدرًا أقل مما تطلب منه العثور عليه. وتحصل LFM3 على 65.56 عند الطول نفسه. إذا كان عبء عملك هو «البحث في مستند طويل والإجابة»، فإن هذه الفجوة هي كل ما يحدد القرار.

الصفوف الأربعة التي يتفوق فيها MiniCPM5 — ولماذا تهم

يمنح جدول Liquid نموذج MiniCPM5-2B أربعة انتصارات: τ³-bench عند 69.44 مقابل 68.01، وGPQA Diamond عند 65.15 مقابل 63.37، وHLE عند 8.20 مقابل 7.17، وAA-Omniscience عند 9.13 مقابل 7.07. ثلاثة من الأربعة هي اختبارات معرفية. وتتراوح الهوامش بين نقطة ونقطتين، وهو ما يقع داخل حد الضوضاء لدى معظم مجموعات التقييم.

لكن النمط متسق مع تصميم MiniCPM5. فقد دربته OpenBMB كنموذج استدلال ذي وضع تفكير صريح، ضمن سلسلة شملت ضبطًا دقيقًا للتفكير العميق على 400 مليار رمز، ثم تعلمًا معززًا مع معلمين متخصصين قبل التقطير على السياسة إلى نقطة تحقق كثيفة واحدة. هذه وصفة تستهدف استخلاص المزيد من المعرفة المخزنة لكل معامل. أما تدريب LFM3 فيستهدف استدعاء الأدوات والالتزام بالتعليمات. وانتقال GPQA Diamond إلى MiniCPM5 بفارق 1.8 نقطة ليس مفاجئًا؛ بل هو فلسفتا التدريب تظهران حيث تتوقع ذلكما.

المقارنة الأكثر إثارة للاهتمام بكثير هي تلك التي لا يستطيع جدول Liquid إجراؤها. يمتلك MiniCPM5-2B مؤشر الذكاء Artificial Analysis Intelligence Index بقيمة 12. أما LFM3-1.7B، حتى 28 أكتوبر 2026، فلا يوجد له إدخال في Artificial Analysis على الإطلاق — لا مؤشر، ولا سرعة مقيسة بشكل مستقل، ولا رقم كمون محايد. لذا فإن النموذج الذي يخسر 23 من أصل 27 صفًا هو النموذج الذي يملك نقطة بيانات مستقلة، والنموذج الذي يفوز بها هو النموذج الذي يطلب أن يُؤخذ على الثقة. ينبغي أن يكون لهذا التباين وزن أكبر مما لعدد مرات الفوز.

المواصفات التي تصمد فعليًا في المقارنة

حين لا يشغّل أيٌّ من المورّدين اختبار أداء الآخر، تكون الأرقام مملة وموثوقة:

• المعاملات — LFM3-1.7B بحجم 1.73B كثيف مقابل MiniCPM5-2B بإجمالي 2.52B، و1.98B غير تضمين.

• الطبقات — 24 هجينة (13 التفافية، 5 نافذة منزلقة، 6 عالمية) مقابل 42 طبقة محوّل قياسية مع انتباه الاستعلامات المجمّعة عند 16 رأس استعلام و2 رأس KV.

• السياق — 256K مقابل 131,072.

• ذاكرة KV المؤقتة عند 128K — 1.6 GB مقابل 5.6 GB، وفقًا لقياس Liquid لكليهما.

• البصمة عند 4 بت — نحو 1 GB مقابل نحو 1.1 GB في تقارير التجربة العملية.

• المفردات — 128K مقابل 130,560.

• الترخيص — LFM Open License v1.0، مجاني عندما تقل الإيرادات عن 10 ملايين دولار مقابل Apache 2.0 الذي لا يضع حدًا.

صف KV-cache هو الذي يحدد العتاد. فرق 3.5× عند نفس طول السياق هو الفرق بين وكيل طويل السياق يتّسع على هاتف وآخر لا يتّسع. كما يفسّر لماذا يمكن لـ LFM3 تقديم 256K بينما يقدّم MiniCPM5 131K: فمزيج الطبقات الثلاثي الهجين أقل تكلفة لكل رمز من السياق، وهو المغزى الكامل من بنائه.

بالنسبة لبعض الفرق، يُعدّ اختلاف الترخيص أهم من اختلاف الذاكرة. لا يتضمن Apache 2.0 حدًا للإيرادات، ولا اتفاقية تجارية للتفاوض عليها، ولا أي غموض بشأن إعادة التوزيع. أما ترخيص LFM Open License فهو مجاني دون 10 ملايين دولار من الإيرادات السنوية، ويتطلب محادثة إذا تجاوزتها. تحصل الشركة الناشئة التي تقل إيراداتها عن هذا الحد على كليهما مجانًا. أما الشركة التي تتجاوز الحد فتحصل على أحدهما مجانًا وعلى الآخر بعد مكالمة هاتفية، وهذا يمثل تكلفة شراء حقيقية بغض النظر عن أي النموذجين يحقق نتيجة أعلى.

دعم المنظومة هو المجال الذي لا يزال MiniCPM5 متصدرًا فيه.

أطلقت كلتا العائلتين دعمًا واسعًا لأوقات التشغيل منذ اليوم الأول، لذا فإن هذه الفجوة أصبحت أضيق مما كانت عليه قبل عام. تُدرج LFM3 كلاً من vLLM وSGLang وTransformers وllama.cpp وMLX وONNX وOllama وLM Studio، مع إصدارات BF16 وFP8 وNVFP4 وGGUF وMLX وONNX. وتُدرج MiniCPM5-2B أوقات التشغيل نفسها إضافةً إلى GPTQ وDSpark، وهو نموذج مسوّدة للفك التخميني يقترن بنقطة الحفظ الرئيسية.

الفرق العملي هو النضج وليس التوافر. فـ MiniCPM5-2B متاح للتنزيل منذ أوائل سبتمبر، وهذا يعني سبعة أسابيع من تقارير الأخطاء المجتمعية وتجارب التكميم ورقع الأطر التي لم تحظَ بها LFM3. النموذج الذي صدر أمس ستكون لديه حواف خشنة في تحويله إلى GGUF وتعبئته لـ Ollama. هذا ليس انتقادًا لـ Liquid؛ فهكذا يبدو اليوم الأول. وإذا كنت تحتاج إلى النموذج في الإنتاج هذا الأسبوع، فإن سبعة أسابيع من اصطدام الآخرين بالمشكلات أولًا أمر له قيمته.

كيف تقرر، وأين يستحق جهاز التوجيه مكانه

لا يوجد أي من النموذجين في كتالوج OrcaRouter — فكلاهما أوزان مفتوحة تشغّلها بنفسك، ونفضّل قول ذلك بصراحة بدلًا من الإيحاء بخلافه. الموجّه يهم عند الحدود. والطريقة الصادقة لإجراء هذا التقييم هي وضع النموذجين خلف نقطة نهاية واحدة وإرسال حركة مرور حقيقية إليهما، والطريقة الصادقة لتشغيل أي منهما في الإنتاج هي ألّا تدع نموذج 2B يكون الشيء الوحيد القادر على الإجابة.

هذا هو الغرض من التجاوز التلقائي عند الفشل. وجّه طلبًا إلى LFM3-1.7B، ودعه يتولى استدعاء الأداة أو الاستخراج الذي دُرّب عليه، ثم انتقل إلى نموذج مستضاف عندما يتبين أن المهمة تحتاج إلى خطوات أكثر مما يستطيع نموذج بحجم 2B تحمّله. ولأن OrcaRouter يمرّر سعر القائمة الخاص بالمزوّد كما هو دون هامش ربح (0%)، فإن المسار المكلف لا يكلّف سوى ما يتقاضاه المزوّد عند استخدامه فعليًا — ولا يلتهم الموجّه التوفير الناتج عن التوجيه إلى نموذج محلي صغير. لغة التوجيه DSL تتيح لك التعبير عن ذلك كقاعدة بدلًا من إعادة كتابة: المتخصص أولًا، والعام عند الفشل أو عند بلوغ عتبة ثقة معينة.

دمج النماذج هو الخيار غير المستغل هنا. عندما يختلف نموذجان بحجم 2B حول تصنيف ما، فإن جعل كليهما يجيب ثم التوفيق بين إجابتهما غالبًا أرخص من التصعيد إلى نموذج بحجم 27B، ومعدل الاختلاف نفسه إشارة مفيدة إلى أي المدخلات صعبة. مع وجود نموذج غير مُتحقق منه على أحد جانبي خط أنابيبك، فإن هذا النوع من التحقق المتقاطع أرخص من الثقة بجدول مورّد.

ما الذي سيحسم الأمر؟

بعد ثلاثين يومًا من الآن، ينبغي لشخص ما أن ينشر LFM3-1.7B وMiniCPM5-2B عبر أداة تقييم واحدة مع إيداع الإعدادات إلى جانب النتائج. إذا حافظ LFM3 على نتيجة قريبة من 38 في WebArena-Verified و65 في RULER 128K، فسيكون عدّ 23–4 صحيحًا تقريبًا لأسباب خاطئة، وستكون الفجوة الوكيلية حقيقية. وإذا انخفض نحو أرقام MiniCPM5، فإن جدول الإطلاق كان يقيس السقالات.

حتى ذلك الحين، فإن الموقف القابل للدفاع أضيق مما يوحي به تسويق أيٍّ من المورّدين. فإذا كان عبء عملك متعدد الخطوات، أو يعتمد على استدعاء الأدوات، أو يتناول مستندات طويلة، فإن LFM3-1.7B هو الخيار الأرجح، وميزة الذاكرة تجعله الوحيد بين الاثنين الذي يتّسع للعمل على عتاد محدود الموارد مع هامش احتياطي. أما إذا كان عبء عملك قائمًا على استرجاع المعرفة، أو الاستدلال في دورة واحدة، أو كان يحتاج إلى ترخيص لا لبس فيه وإلى نموذج مرتبط به تقييم مستقل، فإن MiniCPM5-2B هو الخيار الأكثر أمانًا، والصفوف الأربعة التي يفوز بها تشير في هذا الاتجاه تحديدًا. ونتيجة 23–4 ليست خاطئة بقدر ما هي غير مستحقة — وعدد النماذج في جدول إطلاق ليس هو الشيء نفسه بنتيجة.