Ling-3.0-flash-VL مقابل InternLumina U2: كلاهما صدر، بسيليكون مختلف

كلا هذين النموذجين أصبحا الآن حقيقيين وقابلين للتشغيل والتنزيل، وهو ما لم يكن صحيحًا قبل أسبوعين — والفرق بينهما لا علاقة له تقريبًا بمعايير التقييم. Ling-3.0-flash-VL، من مختبر inclusionAI التابع لمجموعة Ant Group، وضع أوزان BF16 وFP8 على Hugging Face بين 4 و8 سبتمبر 2026، ونشر إلى جانبها وصفات تشغيل SGLang وvLLM، وحصل على درجة مستقلة قدرها 25 في مؤشر Artificial Analysis Intelligence Index v4.3. InternLumina U2، من فريق InternLM في مختبر شنغهاي للذكاء الاصطناعي، أصدر كود الاستدلال أولًا ثم أتاحأوزان النموذج المدرَّبة على Ascend على Hugging Face في 10 سبتمبر — سبع شرائح من ملفات safetensors في مجلد فرعي ascend/، ليرتفع بذلك إجمالي المستودع إلى ستة عشر ملفًا.

المفارقة تكمن في الغرض الذي صُمّم له هذان الإصداران من الأوزان. المسار المنشور لـ Ling-3.0-flash-VL هو مسار CUDA الذي يملكه الجميع بالفعل: عقدة بثماني مسرّعات تشغّل نسخة FP8، وحزم الخدمة هي ذاتها التي تشغّلها بالفعل. أما نقطة التحقق المنشورة لـ InternLumina U2 فهي نسخة Ascend، ويوضّح ملف README صراحةً أن تنزّل نقطة التحقق التي تطابق الطريقة التي تخطط لتشغيل الاستدلال بها — مع بقاء نقطة التحقق المدرّبة على NVIDIA مُدرجة كـ«قريبًا». نموذجان صدرا في الأسبوع نفسه، وواحد فقط منهما يعمل على العتاد الذي تقف أمامه معظم الفرق.

هذا يعيد تأطير المقارنة بصورة مفيدة. لم يعد الأمر مقالاً عن إصدار صادر مقابل برمجيات وهمية، وأي شخص ما زال يصف InternLumina U2 بأنها قيد انتظار الأوزان فهو يستند إلى README عمره أسبوع. إنه مقال عن تصميمين بصريين موحّدين مختلفين جداً وصلَا إلى منظومتين بيئيتين مختلفتين من السيليكون، وعن أي أجزاء من كل إصدار قد اكتملت فعلاً.

ما الذي يحتوي عليه كل إصدار الآن

Ling-3.0-flash-VL هو نموذج بمزيج الخبراء المتناثر يضم 124 مليار معلمة، يُنشّط نحو 5.5 مليار معلمة لكل توكن، على هيكل هجين من 42 طبقة يناوب بين Kimi Delta Attention وكتل MLA البوّابية بنسبة 5:1. يغذّي ذلك الهيكل مُرمِّز رؤية بدقة اعتباطية ومُسقِط MLP من طبقتين، مع تولّي VideoRoPE للموضع المكاني والزماني. وهو يستقبل النص والصور والفيديو ويعيد النص. ويتاح كل من BF16 (64 شظية) وFP8 (نحو 126 غيغابايت، مع إبقاء برج الرؤية عمدًا على دقة أعلى من أوزان الخبراء) علنًا بموجب رخصة MIT، والإصدار مكتمل بما يكفي بحيث قيّمه مجتمع المعايير المستقل — 25 على Intelligence Index v4.3، في المرتبة #2 من 64 ضمن فئته الحجمية مقابل وسيط فئة قدره 8. وما لا ينشره هو سعر لكل توكن لنموذج الرؤية، وتحمل أمثلته في API -rc1معرّفًا يترك مفتوحًا ما إذا كانت نقطة التفتيش المخدومة تطابق الأوزان المفتوحة.

InternLumina U2 هو نموذج خليط خبراء متناثر بعدد معلمات يبلغ 16 مليارًا، مع حوالي مليار معلمة نشطة، مبني على بنية أساسية لنموذج لغوي انتشاري LLaDA-2.0 MoE، ويغطي ست عائلات مهام في نموذج واحد: أسئلة وأجوبة نصية، وتوليد الصور من النص، وفهم الصور، وتحرير الصور، وفهم الفيديو، والفهم ثلاثي الأبعاد. شيفرة الاستدلال لكل ذلك متاحة علنًا على main. نقطة الحفظ المدرّبة على Ascend متاحة الآن علنًا على Hugging Face. لا يزال غير منجز، وفقًا لخريطة الطريق الخاصة بالمستودع نفسه: نقطة الحفظ المدرّبة على NVIDIA، وشيفرة التدريب (مستودع منفصل)، والتقرير الفني. تضع خارطة الطريق علامة صح على أربعة مربعات وتترك اثنين مفتوحين — شيفرة الاستدلال، وأوزان Ascend، ومنظومة التدريب والاستدلال على Ascend منجزة؛ وشيفرة التدريب والتقرير الفني ليسا كذلك.

ثمة تفصيل عملي واحد يقع بين هاتين الفقرتين. يتطلب تشغيل مسارات الرؤية الخاصة بـ U2 أوزان مُرمِّز AToken عند atoken_inference/checkpoints/atoken-sod.pt، ويتوقع برنامج التشغيل الصادر دليل نقاط حفظ مقسّمة مع الاحتفاظ بأصول النموذج معًا. الكود حقيقي ويُثبَّت على Python 3.11 وPyTorch 2.6.0، وعلى مسار CUDA، flash-attn 2.7.2. يتواجد دعم Ascend على فرع منفصل يدعى ascend-npu-support ويحتاج إلى CANN بالإضافة إلى بناء torch_npu مطابق في مكان سلسلة أدوات CUDA. لا شيء من ذلك مخفي؛ كله موثّق. إنه ببساطة طريق أطول من pip install وسلسلة نموذج.

إجابتان على سؤال «ما هو الرمز البصري؟»

تختلف المعماريتان عند نقطة أعمق من عدد المعاملات، وهذا الاختلاف هو أكثر ما يثير الاهتمام في وضعهما جنبًا إلى جنب.

Ling-3.0-flash-VL يحافظ على العقد القياسي. تتحول الصورة إلى سلسلة من الرموز عبر مُشفّر الرؤية والمُسقِط، وتدخل تلك الرموز إلى جذع محوّل، ويعمل كل شيء بشكل انحداري تلقائي. لا تكمن الجِدّة في كيفية تمثيل الرؤية، بل في مدى انخفاض تكلفة تشغيل الجذع — 5.5 مليار معامل نشط لكل رمز من أصل 124 مليارًا إجمالًا، وهذا هو السبب الكامل وراء ظهور النموذج على حدود الذكاء مقابل المعاملات النشطة. يمنح VideoRoPE الموضع المكاني والزماني ترميزًا واحدًا متسقًا، لذا لا يحتاج الفيديو إلى آليات منفصلة.

يغيّر InternLumina U2 التمثيل نفسه. فهو يستخدم مُرمِّز AToken من Apple، حيث يوصَف كل موضع بصري بواسطة ثماني دفاتر ترميز تكميلية — النسيج المحلي، والنص المضمَّن، والهندسة، والتفاصيل عالية التردد كتدفقات منفصلة بدلًا من متجه واحد مدموج. يحتفظ كل دفتر ترميز بتضمينه الخاص عند الدخول، وتُدمَج التضمينات الثمانية لكل موضع وتُسقَط إلى رمز واحد في العمود الفقري. عند الخروج، يكون التنبؤ بما يسميه الفريق الانحدار الذاتي المتوازي مكانيًا بعمق دفاتر الترميز: يزيل العمود الفقري للانتشار الضوضاء من العديد من المواضع المكانية المقنَّعة دفعة واحدة، ثم يتنبأ رأس انحدار ذاتي متعدد دفاتر الترميز بالرموز الثمانية لكل موضع بالترتيب. يعمل الفهم والتوليد عبر الآلية نفسها — وهو الادعاء الفعلي. وحجة الفريق هي أن دفتر ترميز واحدًا يحدّ من مقدار المعلومات التي يمكن أن يحملها رمز بصري واحد، في حين أن الهجائن بين المتقطع والمتصل تقسّم الفهم والتوليد عبر تمثيلات ومسارات فك ترميز مختلفة، وأن الانتقال إلى النمط المتقطع بالكامل مع دفاتر ترميز متعددة هو السبيل للحصول على نموذج موحَّد حقًا بدلًا من مجموعتين مركّبتين معًا.

كلا هذين الموقفين متماسكان، وهما يحملان تكلفتين متعاكستين. يمكن لتمثيلات متعددة الدفاتر الرمزية أن تحتفظ بتفاصيل بصرية أدق؛ كما أنها تضرب ميزانية الرموز لكل صورة في عدد الدفاتر الرمزية وتجعل فك التشفير أكثر تعقيدًا بكثير، وهو على الأرجح جزء من سبب اختيار مقياس 16B-A1B. إن تناثر Ling يمنح استدلالًا رخيصًا لكل رمز؛ كما يعني سعة نشطة أصغر لكل تمريرة أمامية، وهي المقايضة التي يوضحها بهدوء الوسيط الفئوي البالغ 8 على مؤشر الذكاء — إذ يتجاوز هذا الوسيط بسهولة عند 25 مع Ling-3.0-flash-VL، لكنه لا ينافس النماذج الحدودية الكثيفة في الاستدلال الخام.

تتداخل أسطح المهام جزئيًا فقط

وضع كليهما تحت تصنيف «النموذج متعدد الوسائط» يبالغ في تقدير أوجه التداخل بينهما. ومعرفة أين ينتهي هذا التداخل تحول دون الكثير من المقارنات الشرائية الخاطئة.

• المدخلات — يستقبل Ling-3.0-flash-VL النصوص والصور والفيديو، حتى 40 صورة لكل طلب، ويعيد نصًا؛ يستقبل InternLumina U2 النصوص والصور والفيديو والأصول ثلاثية الأبعاد، ويعيد نصًا أو صورًا مولّدة أو صورًا معدّلة.br /> • توليد الصور — لا يستطيع Ling-3.0-flash-VL توليد الصور أو تعديلها إطلاقًا؛ الادعاء المركزي لـ InternLumina U2 هو أنه يفعل كليهما، حتى 1024×1024، من نفس الأوزان التي تقرأ الصور.br /> • ثلاثي الأبعاد — ليس لدى Ling-3.0-flash-VL مسار ثلاثي الأبعاد؛ يوفر InternLumina U2 خط أنابيب قائمًا على Blender يقوم بمعالجة أصول GLB و GLTF إلى 64 زوجًا من العروض الملونة والعمقية ليستنتج منها النموذج.br /> • الفيديو — يتعامل Ling-3.0-flash-VL مع الفيديو من خلال الترميز الزمني VideoRoPE؛ يأخذ InternLumina U2 عينات من 64 إطارًا.br /> • السياق والمخرجات — يقيس Ling-3.0-flash-VL نافذة سياق تبلغ 262K رمزًا مقابل 256K التي تنص عليها بطاقة النموذج الخاصة به، ومخرجات قصوى قصيرة نسبيًا؛ لم ينشر InternLumina U2 أيًا من الرقمين.br /> • المعاملات النشطة — ينشط Ling-3.0-flash-VL حوالي 5.5B لكل رمز؛ ينشط InternLumina U2 حوالي 1B، وهو خُمس هذا المقدار.

اقرأ تلك القائمة وستكون الخلاصة أن هذين بديلان لوظيفة واحدة بالتحديد — قراءة صورة والإجابة عن أسئلة بشأنها — ومتكاملان في كل مكان آخر تقريبًا. إذا كنت بحاجة إلى نموذج يولّد صورة أو يحرّرها، فإن Ling-3.0-flash-VL ليس مرشحًا ولن يغيّر أي معيار تقييم ذلك. وإذا كنت بحاجة إلى نموذج واحد يقرأ مخططًا، ويولّد نسخة مختلفة، ويستنتج فوق أصل ثلاثي الأبعاد، فإن InternLumina U2 موجّه لذلك ولا يتناول ذلك Ling-3.0-flash-VL.

الاختبارات المعيارية: نتيجة مستقلة واحدة مقابل صفحة من أرقام المورّد

جودة الأدلة ليست متقاربة، ومن الجدير أن نكون دقيقين في بيان السبب بدلاً من الجزم بفائز.

حصول Ling-3.0-flash-VL على 25 في Intelligence Index v4.3 هو تشغيل من طرف ثالث على بروتوكول منشور، مع وسيط الفئة عند 8 للسياق، إضافة إلى إنتاجية مقاسة تبلغ 142.9 رمزًا ناتجًا في الثانية مقابل وسيط نظير عند 105.1 وزمن 2.21 ثانية حتى أول رمز. وتزعم بطاقة المورّد الخاصة به بشكل منفصل 42 على بروتوكول v4.1.1 المتقاعد، وهو مقياس مختلف ولا يمكن وضعه إلى جانب 25 كما لو أن النموذج قد تراجع؛ أُعيد إصدار المؤشر في سبتمبر 2026 وأُعيد تقييمه على جميع الأصعدة. كما يفيد المورّد بفوز 1,441 مقابل 1,440 في Image-to-WebDev Arena على GPT-5.4 تحت الاسم المستعار "linthium" — بفارق نقطة واحدة داخل ضوضاء Elo، وهو مُبلَّغ من المورّد.

أرقام InternLumina U2 هي أرقام المختبر نفسه، ومصنّفة كأولية وجزئية، ولا تزال جداول المقارنة الكاملة والتقرير الفني معلّقة. وهي الآن توجد في جدول على README الخاص بالمستودع بدلاً من لوحة صدارة للتقييم المعياري، ولا يمكن التحقق منها بشكل مستقل بعد لأن أي طرف ثالث لم ينشر تشغيلاً. كما يذكرها المختبر:

• الفهم — ChartQA 86.52، CharXiv-DQ 83.65، HallusionBench 62.15، MMMU-Pro 36.13، MathVision 33.22، DynaMath 56.37br /> • الفيديو — Video-MME 51.26، MVBench 59.74، MLVU 57.03br /> • التوليد والتحرير — GenEval 0.81، DPG 87.10، TIIF Short 84.60، TIIF Long 85.95، ImgEdit 3.83br /> • المصادر — كل رقم يخص InternLumina U2 هو من إبلاغ المورّد وأولي؛ وكل رقم يخص Ling-3.0-flash-VL هو من إبلاغ المورّد باستثناء Intelligence Index، الذي يُحتسب وفق Artificial Analysis

اثنان من هذه يستحقان إشارة. GenEval عند 0.81 يتخلف عن 0.89 لمنافس مُسمّى وفق جدول المختبر نفسه — وهي حالة نادرة لمورّد ينشر خسارة، وسبب للثقة ببقية الجدول أكثر قليلًا. وImgEdit عند 3.83 بلا معنى دون الجدول المرفق، وهو جزء مما سيضمّه التقرير الفني المنتظر. تعامل مع قائمة InternLumina U2 على أنها نتائج يعتزم المختبر الدفاع عنها، لا نتائج يمكنك اتخاذ إجراءات بناءً عليها. لاحظ أيضًا أن درجاته في الفهم ودرجة مؤشر Ling-3.0-flash-VL ليستا كميتين قابلتين للمقارنة: إحداهما مجموعة من أرقام مورّد خاصة بمهام محددة، والأخرى مؤشر مركّب من طرف ثالث.

الترخيص، والعتاد، وما تكلفه المراهنة على كل منهما فعليًا

Ling-3.0-flash-VL مرخّص بموجب MIT في كلا صيغتَي الدقة، وهو أنظف ما يمكن أن تكون عليه الأوزان المفتوحة تقريبًا — لا شروط إضافية، ولا قيود على مجال الاستخدام، ولا غموض بشأن النشر التجاري. نسخة FP8 بحجم يقارب 126 غيغابايت تتّسع داخل عقدة من ثمانية مسرّعات من فئة 80 غيغابايت؛ أما BF16 فهي نحو ضعف ذلك. دعم التقديم موجود بالفعل في SGLang وفي تفرّع لـ vLLM تحافظ عليه Ant. الخطر المتبقي تجاري لا قانوني: فـ Ant لا تنشر سعرًا لكل رمز مقابل نموذج الرؤية، والوصول المجاني على Ling Studio ترويجي لا تعريفة، وArtificial Analysis تدرجه عند 0.00 دولار لكل مليون رمز إدخالًا وإخراجًا فقط لأن نقطة النهاية التي تستطيع رؤيتها هي المجانية.

InternLumina U2 هو Apache-2.0 على المستودع الرئيسي، مع استثناءين جديرين بالقراءة: الدليل المُضمّن VeOmni/ يحتفظ بترخيص Apache-2.0 الأصلي الخاص به، وatoken_inference/ مشتق من ml-atoken من Apple ويعاد توزيعه بموجب شروط Apple الأصلية. إن ادعاء البنية التحتية جدي — فهو يستهدف كلاً من وحدات معالجة الرسومات NVIDIA ووحدات NPU Ascend من Huawei مع محاذاة عددية على مستوى المشغّل بين الواجهتين الخلفيتين، ويذكر الفريق تدريبًا من البداية إلى النهاية على عنقود Ascend بألف بطاقة مع تحسين كفاءة التدريب بنسبة 1.85× بفضل المشغّلات المدمجة، وتقسيم HSDP المضبوط، ونقاط تفتيش التدرج. هذه هندسة حقيقية. كما أنها متعامدة مع ما إذا كان النموذج جيدًا: كفاءة التدريب على Ascend لا تقول شيئًا عن جودة المخرجات، ونقطة التفتيش الموجودة اليوم هي الموجهة لتلك المنظومة.

إذن، فالتباين العملي ليس بين المفتوح والمغلق. فكلاهما مفتوح، وكلاهما مرخّص بترخيص متساهل، وكلاهما يمكن تنزيله اليوم. بل إن أحدهما يفترض العتاد الذي من المرجح أن تملكه، والآخر يفترض العتاد الذي من المرجح ألا تملكه. إذا كان أسطولك من NVIDIA، فإن Ling-3.0-flash-VL عمل بعد ظهر واحد وInternLumina U2 انتظار. أما إذا كان أسطولك من Ascend — وهو أمر شائع بشكل متزايد في السوق الصينية التي بُني هذا النموذج من أجلها — فإن المعادلة تنقلب تمامًا، ويكون InternLumina U2 هو صاحب المسار المكتمل، بينما تفترض وصفات Ling-3.0-flash-VL وجود CUDA.

أسئلة يطرحها الناس فعليًا عن هذا الاقتران

هل أوزان InternLumina U2 قابلة للتنزيل حتى الآن؟

نعم، نقطة التحقق المدرَّبة على Ascend موجودة — سبعة أجزاء من ملفات safetensors منشورة تحت ascend/ على Hugging Face، إلى جانب ملفات الإعداد والمُرمِّز وملفات النمذجة. أما نقطة التحقق المدرَّبة على NVIDIA فهي مجلد فرعي منفصل ولا تزال مُدرجة على أنها "قريبًا"، بينما لا يزال كود التدريب والتقرير التقني غير متاحين حتى الآن.

هل يُعد Ling-3.0-flash-VL أفضل بشكل قاطع لأنه يمتلك تقييمًا مستقلًا؟

لا — فهو أفضل من حيث الأدلة وأسهل تشغيلًا على الأجهزة الشائعة، وهذا ادعاء مختلف. لا يستطيع Ling-3.0-flash-VL توليد الصور أو تعديلها، ولا معالجة الأصول ثلاثية الأبعاد، وليس له سعر منشور. إذا كانت مهمتك توليد الصور أو تعديلها أو الفهم ثلاثي الأبعاد، فإن InternLumina U2 يعالج ذلك بينما لا يعالجه Ling-3.0-flash-VL إطلاقًا، مهما كان عدد الاختبارات المعيارية التي يمتلكها نموذج Ling.

هل يتعارض الرقم 42 المذكور في بطاقة نموذج Ling-3.0-flash-VL مع الرقم 25 الوارد من Artificial Analysis؟

ليس بشكل مباشر. فقد قيس الـ42 مقابل بروتوكول مؤشر الذكاء v4.1.1، وقيس الـ25 مقابل v4.3؛ وأُعيدت صياغة المؤشر في سبتمبر 2026 وأُعيد احتساب الدرجات على نحو شامل، والنسختان مبنيّتان على مجموعات تقييم مختلفة. وما يمكن قوله هو أن الـ42 لم يُعَد إنتاجه بشكل مستقل، بينما أُنتِج الـ25 بشكل مستقل.

حيث يمكن استدعاء أي من هذه

لا Ling-3.0-flash-VL ولا InternLumina U2 موجودان في كتالوج النماذج لدينا، والقول بخلاف ذلك ادعاء يستطيع القارئ التحقق منه في عشر ثوانٍ. يمكن الوصول إلى Ling-3.0-flash-VL عبر منصة Ant نفسها، التي تنشر نقطة نهاية متوافقة مع OpenAI وأخرى متوافقة مع Anthropic، وعبر وصول تجريبي مجاني على Ling Studio، وعبر الأوزان المفتوحة إذا استضفتها بنفسك. يمكن الوصول إلى InternLumina U2 عبر نقطة تفتيش Hugging Face ومشغّل الاستدلال الخاص بالمستودع، على العتاد الذي تستهدفه نقطة التفتيش تلك.

ما نوجّهه فعليًا هو النموذج الرؤيوي الذي يُقارَن به هذا الاقتران غالبًا في الممارسة: DeepSeek V4 Flash Vision Exp، متاح على الكتالوج بنافذة سياق تبلغ 1M رمز وبسعر منشور، على نفس نقطة النهاية المتوافقة مع OpenAI مثل بقية الكتالوج. عندما يُصدر مختبر أوزانًا مفتوحة، يمكن لطبقة التوجيه عادةً أن توفّر النموذج دون انتظار استقرار خدمة الاستضافة الخاصة بالمختبر — وهو الفرق العملي بين كون النموذج قابلًا للاقتباس وكونه قابلًا للاستدعاء. هذا الفرق سارٍ بالنسبة إلى Ling-3.0-flash-VL، وهو في الوقت الحالي أكاديمي بالنسبة إلى InternLumina U2، الذي تكون قصة إصداره مسارًا عتاديًا لا مسألة استضافة.

الحكم منقسم حقًا، وهو ينقسم حسب العتاد والمهمة لا حسب الجودة. إن Ling-3.0-flash-VL هو الإصدار المكتمل: رخصة MIT، وصيغتا الدقة معًا، وتقييم من طرف ثالث، وموجّه أولًا إلى CUDA، ومحصورة قدراته في الفهم. أما InternLumina U2 فهو التصميم الأكثر طموحًا والإصدار الأقل اكتمالًا: نُشرت نقطة حفظ لمنظومة عتاد واحدة، وواجهة موحّدة من ست مهام تشمل التوليد والثلاثي الأبعاد، ولا يزال هناك تقرير تقني مستحق. إذا كنت بحاجة إلى نموذج رؤية على عتاد NVIDIA هذا الأسبوع، فالخيار يفرض نفسه. وإذا كان تصميم الدفاتر الرمزية المتعددة في InternLumina U2 هو ما يثير اهتمامك، فالشيء الذي ينبغي متابعته هو نقطة حفظ NVIDIA — والموقف الصادق حتى ذلك الحين هو أن جدول معايير الأداء الخاص به، بما في ذلك الصف الذي يخسره، يصف نموذجًا لم يُشحن نصفه الثاني بعد.