d1-2B: أطلقت Liquid AI نموذج قرار بحجم 1.9 مليار دون منشور للإعلان عنه

أُنشئ مستودع Hugging Face الخاص بـLiquidAI/d1-2B في الساعة 19:30 بتوقيت UTC يوم 24 أكتوبر 2026. وظهر شقيقه، d1-Omni-2B، بعد أربع وعشرين ثانية. وبحلول نهاية تلك الأمسية كان المستودعان مكتملين — 3.84GB من safetensors بصيغة BF16، ونحو أربعين ملفًا من شيفرة Transformers المخصصة، وجدول معايرة، وواجهة برمجة تطبيقات للأسئلة المكتوبة — ولم يقل أي شيء نشرته Liquid AI إن أيًا من النموذجين كان موجودًا. أول جملة من الجهة المصنّعة تسمّي d1-2B وصلت في 27 أكتوبر، ضمن إطلاق عائلة LFM3 — المنشور نفسه الذي نُشر على liquid.ai وعلى مدونة Hugging Face الخاصة — كعبارة واحدة ضمن فقرة عن نموذجَي قرار. ولم يصدر منشور مخصص منذ ذلك الحين. لذا فهذه ليست قصة إطلاق، والتعامل معها على هذا النحو سيختلق لحظة تسويقية لم تحدث قط. إنها قصة عن أثر نموذج مكتمل مع إعلان غير مكتمل، وعن الأمرين اللذين لا يزال بوسع القارئ فعلهما بهذا الشأن: قراءة المستودع، وإبقاء أرقام الجهة المصنّعة على مسافة حتى يشغّلها شخص من خارج المختبر.

الأيام الخمسة بين الأوزان والجملة

أُطلقت عائلة d1 مرتين، ولم يكن أيٌّ من الإطلاقين شبيهًا بهذا الإطلاق. في 7 أكتوبر، نشرت Liquid AI مقالة بعنوان «Open d1: Edge decision models for text, vision, and audio»، قدّمت فيها d1-3B بـ3.12B من المعاملات وd1-omni-600M بـ587M، مع ادعاء رئيسي وجدول لقياسات الأداء وأرقام زمن الاستجابة ومنشور مدونة ظل متاحًا منذ ذلك الحين. ولا يتضمن ذلك المنشور أي نموذج 2B.

سار خط 2B وفق جدول زمني مختلف. ظهر نقطة الحفظ الأساسية LFM3-Omni-2B في 21 أكتوبر. وفي 24 أكتوبر، عند الساعة 19:30 و19:30:24 بالتوقيت العالمي المنسق، أنشأت Liquid AI مستودعي d1-2B وd1-Omni-2B. ثم في 27 أكتوبر، أشار منشور إطلاق LFM3 إلى الزوجين بوصفهما "نماذج قرارات متخصصة مشتقة من نموذجي الرؤية وomni" — وهو وصف، لا إعلان. وفي اليوم نفسه، أُضيفت أربعة مستودعات مشتقة لـ d1-2B: نسخ MLX بدقة fp16 و8 بت و4 بت، بالإضافة إلى تصدير ONNX. ولم يكتب أحد منشورًا عنها هي الأخرى.

هذا مهم لسبب عملي. فالإعلان هو المكان الذي يلتزم فيه المورّد بتحديد موقعه: ما الغرض من النموذج، وكم يكلّف، وأي بيئة تشغيل يستهدف، وما لا يفعله. وتؤدي البطاقة جزءًا من هذا العمل، وتؤديه ببراعة غير معتادة. لكن الفجوات التي تركها المنشور الغائب حقيقية ومحددة، وهي مُدرجة في أسفل هذا المقال بدلًا من التستر عليها.

ما الذي سيخبرك به المستودع فعليًا

إذا جرّدنا الأمر من التأطير، فإن نقطة التحقق هي مصنّف متعدد الوسائط صغير ومكثّف المواصفات يرفض توليد النص. كل استدعاء يعيد إجابات محددة النوع مصحوبة باحتمالات وoutput_tokens: 0. تقول البطاقة ذلك صراحةً: d1-2B «ليس نموذج محادثة».

• المعاملات — 1.92B، تم توفيرها كملف safetensors واحد بصيغة BF16 بحجم 3.84GB.

• الأساس — LFM3-VL-2B، على العمود الفقري LFM3: 24 طبقة، منها 13 التفافًا قصيرًا مُبوّبًا، و5 انتباه بنافذة منزلقة، و6 انتباه عالمي.

• السياق — 128K رمزًا ومفردات من 128,000 رمز، أي أربعة أضعاف نافذة d1-3B البالغة 32,768.

• الإدخال — حالة يمكن أن تكون نصًا أو أي قيمة JSON، أو صورًا أو مقطع فيديو، وأي عدد من الأسئلة المسماة، كل ذلك في وسائط على شكل قائمة. الفيديو هو القدرة التي لا يدرجها d1-3B.

• المخرجات — نعم/لا، أو اختيار من بين خيارات مسمّاة، أو درجة ترتيبية، أو قيمة أو تاريخ مقروء من مستند مع نطاقه، أو رقم مع فترة p10–p90، أو مربع إحاطة، أو كل نسخة من كائن مع عدد. كل منها يحمل احتمالًا.

• اللغات — ست عشرة: الإنجليزية، والعربية، والصينية، والفرنسية، والألمانية، والإيطالية، واليابانية، والكورية، والبرتغالية، والإسبانية، والفيتنامية، والتايلاندية، والإندونيسية، والهندية، والروسية، والبولندية.

• الترخيص — LFM Open License v1.0. يُمنح الاستخدام التجاري عندما تكون الإيرادات السنوية أقل من 10,000,000 دولار؛ ويحدّد نص الترخيص هذا الرقم كحدٍّ فاصل، وتكون حقوق الاستخدام التجاري فوقه مشروطة بعدم تجاوزه.

• السرعة — 5.7 مللي ثانية لاتخاذ قرار واحد على H100 PCIe و3.8 مللي ثانية على AMD MI325X، بواقع 1,132 و1,699 قرارًا في الثانية على التوالي عند تجميع 64 حالة في استدعاء واحد. وعلى Apple M5 Pro تبلغ مدة السؤال الواحد 18.6 مللي ثانية.

الادعاء الجدير بالنقاش: أنه يتفوق على النموذج الذي حلّ محلّه.

تُقدّم بطاقة Liquid AI ادعاءً مقارنًا واحدًا دون مواربة: إنّ d1-2B «يتصدّر نماذج d1 المفتوحة في المتوسط، وعلى لوحتنا التي تضم أكثر من مئة معيار قرار، متقدّمًا على d1-3B بحجم يقلّ عن ثلثيه». وهذا تصريح قويّ من نموذج بحجم 1.92B عن آخر بحجم 3.12B، وهو قابل للتحقّق، لأنّ البطاقة تعرض نماذج d1 المفتوحة الأربعة كلّها في جدول واحد، مُقيَّمةً على العناصر نفسها وبالمُقيِّم نفسه.

الرقم الأساسي هو 51.1 مقابل 49.0 في مجموعة Decision Index العامة، الإصدار 0.3 — بفارق 2.1 نقطة. وقبل أن يُقرأ ذلك كفوز نظيف، ينبغي وضع تحفظين إلى جانبه. أولًا، تُفيد بطاقة d1-3B الخاصة به بأن النتيجة 48.57 في Decision Index 0.2.1، والفرق بين 48.57 و49.0 يعود إلى إصدار المؤشر، لا إلى تحسّن في النموذج؛ وتذكر بطاقة d1-2B أن النماذج الأربعة جميعها أُعيد احتساب درجاتها على العناصر نفسها، وأن بعض أرقام d1-3B تختلف لذلك عن بطاقته الخاصة. ثانيًا، مجموعة الاختبارات العامة ليست سوى جزء صغير مما يحدد ترتيب لوحة الصدارة العامة: يصف المُقيِّم المستقل الذي أعاد بناءها 37 معيارًا عامًا بوزن 20% من الدرجة، على أن يأتي الباقي من اختبارات خاصة لا يشغّلها سوى المشرفين.

ما الذي يجعل 49.0 رقمًا موثوقًا — رغم أن d1-2B نفسه لا يخضع لأي تحقق خارجي — هو أن جهة ما قد أعادت بالفعل إنتاج 3B على هذه النسخة نفسها. أجرى إفراين غاراي تشغيل d1-3B على عينة طبقية مكوّنة من 6,000 طلب من Decision Index 0.3 في منتصف أكتوبر، وحصل على 49.11، مقابل 49.04 الخاصة بـ Liquid نفسها على الصفوف ذاتها و48.99 على المجموعة الكاملة. وهذه إعادة إنتاج ضمن عُشر نقطة. وهي لا تتحقق من صحة 51.1 الخاص بـ d1-2B، الذي لم يشغّله أي طرف ثالث، لكنها تتحقق من صحة طريقة التقييم التي يقف خلفها الجدول الذي يقع فيه 51.1.

حيث لا يتفوق النموذج الأصغر

عبارة "يتصدّر في معظم المعايير الفردية" تؤدي عملًا خفيًا في تلك الجملة. وفي جدول التشغيل نفسه، لا يزال d1-3B يفوز بثلاثة من نحو عشرين صفًا تهم قرار النشر:

• قرارات سريعة — 59.3 لطراز 3B مقابل 58.8، وهو معيار القرارات الموجه نحو السرعة الوحيد الذي يتقدّم فيه النموذج الأكبر بفارق ضئيل.

• قرارات محددة النوع — 65.0 مقابل 61.3، بفارق 3.7 نقاط، وهي أوضح حجة منفردة لصالح النموذج الأقدم عندما يجب أن يكون الناتج قيمة محددة النوع بدلاً من تسمية.

• AI2D — 79.9 مقابل 76.7، معيار قراءة المخططات، حيث لا يزال برج رؤية أكبر يضمن دقة أعلى.

في كل مكان آخر ينعكس الترتيب، وأحيانًا بشكل حاد. VisualWebBench هو 96.2 لـ d1-2B مقابل 71.4 لـ d1-3B. ImajevBench v2.0-lite هو 75.5 مقابل 64.0. MMMU-Pro هو 26.4 مقابل 18.5 — وكلاهما منخفض بما يكفي بحيث لا ينبغي الوثوق بأي من النموذجين في الاستدلال المتعدد الوسائط الصعب، وهو أمر يستحق القول بصراحة بدلًا من تقديم فجوة الـ 7.9 نقاط على أنها انتصار. متوسطات الرؤية هي 70.2 و65.4.

ثلاث غيابات لا تستطيع البطاقة تعويضها

يظهر الإعلان الغائب في صورة مخرجات غائبة. لا يُعد أي منها عيبًا في النموذج؛ بل كل منها سبب يجعل اعتماد النموذج اليوم أصعب مما يوحي به خط القياس المرجعي الخاص به.

• لا يوجد GGUF. حصل كلٌّ من d1-3B وd1-omni-600M على مستودعات GGUF في 6 أكتوبر، بعد يوم من نشر أوزانهما، ثم تبع d1-3B ذلك بإصدار 8-بت لتنشيط الأوزان وأربعة متغيّرات MLX. يمتلك d1-2B إصدارات MLX وONNX اعتبارًا من 27 أكتوبر، لكن دون GGUF — لذا لا يوجد مسار llama.cpp منشور لرأس القرار، رغم أن النموذج الأساسي LFM3-VL-2B حصل على GGUF خاص به في 19 أكتوبر. إذا كانت منظومة الحوسبة الطرفية لديك تعتمد على llama.cpp، فهذه هي القصة كاملة.

• لا يوجد سعر ولا نقطة نهاية. لا تسرد البطاقة أي واجهة API مستضافة، ولا سعرًا لكل رمز، ولا مزوّد استدلال. وهذا ليس غير مألوف لإصدار أوزان مفتوحة، لكنه يعني أن السبيل الوحيد لاستخدام d1-2B هو تشغيله، ويتوقف قسم النشر في البطاقة عند مقتطف Transformers.

• لا يوجد تقييم أداء مستقل. اعتبارًا من 28 أكتوبر، يُظهر المستودع 44 تنزيلًا و13 إعجابًا. التقييم المستقل لنموذج القرار المتوفر يغطي d1-3B وd1-omni-600M، وليس هذا النموذج. كل رقم أداء أعلاه هو من Liquid AI نفسها.

وهناك أيضًا حدّ تذكره البطاقة عن نفسها: فالإجابات «تصبح أقل موثوقية بعد نحو 64 ألف رمز من الحالة»، أي نصف نافذة 128K المعلن عنها، والتقديرات موثوقة في الأعداد والدرجات لكنها أقل موثوقية في الكميات الحرة. النموذج الذي تخبرك بطاقته الخاصة أين يتدهور أكثر فائدة من نموذج لا يفعل ذلك، لكن عنوان 128K ينبغي قراءته كرقم سعة، لا كنطاق عمل.

كيف يبدو النشر الأول في الواقع

المسار العملي هو Transformers 5.19 أو أحدث مع trust_remote_code=True، وbf16 على GPU، واستدعاء system_one أو system_one_batch. لا توجد معاملات أخذ عينات لأنه لا يوجد أخذ عينات. المقبض الوحيد للضبط الذي يهم هو set_size، الذي يُعيّن افتراضيًا على الحجم المُدرَّب البالغ 16؛ ورفعه يمنح سرعة أكبر على حساب دقة النص.

توصية البطاقة نفسها هي الخطوة التي تتخطاها معظم الفرق: عايِر عتبة قرارك على بيانات من استخدامك الخاص. فاحتمال 0.62 لا يعني شيئًا بمعزل عن غيره. وإذا كنت توجّه تذاكر الدعم أو تضع علامات على المستندات، فإن العتبة التي تفصل بين "التصعيد" و"المعالجة التلقائية" يجب أن تُلاءَم على عيّنتك المُصنَّفة الخاصة، لأن معايرة المورّد ضُبطت على عيّنتهم.

الشكل الذي يناسب هذا هو خطوة في خط أنابيب، لا مساعدًا: الفرز، والإشراف، وتصنيف النوايا، والاستخراج من الاستمارات، وإعادة الترتيب، والفحص البصري. هذه هي بالضبط المواضع التي يستدعي فيها خط الأنابيب بالفعل عدة نماذج، وحيث تأتي عادةً الخطوات التوليدية المحيطة بالقرار من واجهة برمجة تطبيقات مستضافة. لا يقدّم OrcaRouter أي نموذج من Liquid AI اليوم — بما في ذلك هذا النموذج — لذا فإن تشغيل d1-2B يعني تشغيله بنفسك. ما يكون الموجّه مفيدًا لأجله هو بقية السلسلة: مفتاح واحد متوافق مع OpenAI لأكثر من 200 نموذج مستضاف، ولغة DSL للتوجيه تجمع الخطوات في نداء واحد، وتجاوز فشل تلقائي عند تعطل مزوّد، بحيث لا تبقى عقدة القرار على وحدة GPU لديك رهينة للعقدة التوليدية المجاورة لها.

ما الذي قد يغيّر هذه القصة؟

أربعة أمور، بترتيب تنازلي حسب حجم تأثيرها. من شأن ملف GGUF أن يضع d1-2B على قدم المساواة التشغيلية مع أشقائه وأن يجعل عرض الحوسبة الطرفية واقعيًا. ومن شأن منشور مخصص أن يخبر المشترين بالغرض الذي ترى Liquid AI أن النموذج مخصص له، بما يتجاوز قائمة خطوات سير العمل الواردة في بطاقة النموذج. ومن شأن تشغيل مستقل — يُفضّل أن يكون نفس عينة الصفوف البالغة 6,000 صف التي أعادت إنتاج d1-3B — أن يحوّل 51.1 من ادعاء مورد إلى قياس. ومن شأن سعر استضافة أن يجعل سؤال البناء مقابل الشراء قابلًا للإجابة أصلًا.

حتى ذلك الحين، يظل الملخص الصادق ضيّقًا ومفيدًا: يوجد نموذج قرار بحجم 1.92B، ومستودعه مكتمل بما يكفي لتقييمه، وتفوّقه في المقاييس على طراز 3B حقيقي في جدول نفس التشغيل الخاص بالمورّد وغير مُتحقّق منه في أي مكان آخر، كما أن الإعلان الغائب تركه دون التغليف — وقت التشغيل، ونقطة النهاية، والسعر — الذي تحتاجه معظم الفرق قبل أن تضع نموذجًا في خط أنابيب. إذا كنت تشغّل Transformers بالفعل وتريد مصنّفًا بنافذة 128K مع إدخال فيديو، فهو يستحق بعد ظهرٍ واحد. وإذا كنت تحتاج llama.cpp أو نقطة نهاية مُدارة، فانتظر.