Liquid AI d1-3B مقابل MiniCPM5-2B: الاحتمالات أم النثر، على مقياس الحاسوب المحمول

نموذجان مفتوحا الأوزان، وكلاهما صغير بما يكفي ليعمل على الجهاز الذي أمامك، وهما يختلفان حول ما ينبغي للنموذج أن يعيده. إن Liquid AI d1-3B هو نموذج القرار بحجم 3.12B من Liquid AI، وقد أُتيح بأوزان مفتوحة في 7 أكتوبر 2026: يقرأ حالة ومجموعة من الأسئلة المسماة، ويعيد وسمًا واحتمالًا لكل خيار ودرجة ثقة، في تمريرة أمامية واحدة، دون أن يولّد شيئًا. أما MiniCPM5-2B فهو نموذج كثيف بحجم 2.52B من ModelBest وOpenBMB، عُرض في المؤتمر العالمي للذكاء الاصطناعي في 19 يوليو ونُشر بهدوء على Hugging Face في أوائل سبتمبر 2026 تحت Apache-2.0 — مساعد للاستدلال والبرمجة واستدعاء الأدوات يكتب الإجابات، ويستدعي الدوال بصيغة XML، وقد تجاوزت تنزيلاته المليون بالفعل. النموذج الأصغر لديه نافذة سياق أكبر بأربع مرات وترخيص أكثر تسامحًا بكثير؛ أما الأكبر فلا يستطيع إنتاج أي رمز حتى لو أردت منه ذلك. وأي من هذين الشكلين ينتمي إلى خط المعالجة لديك يعتمد كليًا على ما إذا كان الشيء الواقع بعد الاستدعاء يريد رقمًا أم جملة.

الانعكاس الذي يستحق الملاحظة أولاً

تكاد تكون كل التوقعات الحدسية حول هذا الاقتران معكوسة، فابدأ من هناك.

MiniCPM5-2B هو النموذج الأصغر، وهو الذي يمتلك السياق الأطول: 131,072 توكن مقابل 32,768 لـ Liquid AI d1-3B. كما أنه الأكثر تسامحًا في الترخيص بين الاثنين — Apache-2.0، غير مقيّد، مع إصدار مجموعات بيانات التدريب إلى جانب الأوزان كجزء من عائلة UltraData. أما Liquid AI d1-3B فيُوزَّع بموجب ترخيص lfm1.0 الخاص بـ Liquid، وهو قابل للتنزيل والضبط الدقيق، لكنه ترخيص خاص بمورّد وليس ترخيصًا قياسيًا متسامحًا.

«Liquid AI d1-3B» هو النموذج الأكبر — 3.12B مقابل 2.52B إجمالًا، مع أن المقارنة تنقلب مرة أخرى عند المعاملات غير التضمينية — وهو النموذج الذي لا يستطيع الكتابة. يمتلك القدرة على الرؤية؛ أما MiniCPM فهو نصّي فقط. وقد دُرِّب تدريبًا لاحقًا من أجل شيء واحد تحديدًا؛ أما MiniCPM فقد دُرِّب تدريبًا لاحقًا من أجل أشياء كثيرة. وبينما يأتي MiniCPM5-2B برسم بياني للمقارنة يضعه في صدارة فئته الحجمية، يأتي Liquid AI d1-3B بدرجة مؤشر واحدة ومجموعة من جداول زمن الاستجابة.

لا شيء من ذلك يجعل أحدهما أفضل. إنه يعني أن كليهما موجّهان إلى مهمتين مختلفتين، والدليل الفاصل هو شكل الإجابة التي يعيدها كل واحد منهما.

ما الذي يعود عبر السلك؟

MiniCPM5-2B هو نموذج لغوي توليدي. إنه يستدل، ويجيب بالنثر، ويُصدر استدعاءات أدوات بأسلوب XML يحوّلها محلل minicpm5 المدمج في SGLang إلى tool_calls المتوافقة مع OpenAI دون محوّل مخصص. إن مرحلة ما بعد التدريب هي الجزء المثير في قصته: 400 مليار رمز من الضبط الدقيق الخاضع للإشراف للتفكير العميق، ثم التعلم المعزز بخوارزمية قائمة على ناقد مستعارة من JustRL II، ثم التقطير وفق السياسة الذي يطوي ستة عشر معلّمًا متخصصًا في التعلم المعزز — خمسة منهم وكيليون — ويعيد دمجهم في شبكة كثيفة واحدة. وتعزو البطاقة إلى التعلم المعزز والتقطير معًا متوسط زيادة قدره 10.96 نقطة في مهام الاستدلال والمهام العامة و6.96 في المهام الوكيلية، وتُبلغ عن متوسط قدره 53.9 عبر مجموعة المقارنة الخاصة بها، وهو أعلى من أكبر نموذج مُضمَّن في تلك المجموعة. هذه أرقام ModelBest، مُنتَجة داخليًا، ولم يُنشر أي إعادة إنتاج مستقلة بعد.

Liquid AI d1-3B يعيد بنية. سؤال noul يعود بصيغة P(yes) بين 0 و1. وسؤال اختيار يعود بالتسمية، وثقة، واحتمال لكل خيار. وسؤال درجة يعود بمستوى متوقع على مقياس مرتب من اثنين إلى عشرة مع توزيعه ومفتاحه. ويُبلغ كائن الاستخدام عن output_tokens: 0، وتوجد واجهة وصول خام إلى الاحتمالات إذا أردت المتجهات غير المعالجة. كان تدريبه اللاحق من نوع العمل المعاكس: حساب متوسط نقطتي تحقق معًا، وضبط دقيق لعدة بذور على خلطات بيانات مختلفة، ودمجها، ثم صرف الجهد على التدريب على المدخلات الطويلة، وخلط ترتيب خيارات الإجابة، وإزالة الطرق المختصرة من بيانات التدريب — لأن نموذج قرار يتعلم "الخيار B عادةً صحيح" بدلًا من قراءة الحالة أسوأ من عديم الفائدة.

أحدهما يطلب من نموذج أن يفكر ثم يقول شيئًا. والآخر يسأل نموذجًا عما يعتقده بالفعل.

جنبًا إلى جنب، مع وسم المصدر

كل رقم أدناه مُبلَّغ عنه من الجهة المورّدة. أرقام MiniCPM5-2B مصدرها بطاقة ModelBest الخاصة ومجموعة المقارنة الخاصة بها؛ وأرقام Liquid AI d1-3B مصدرها قيام Liquid بتشغيل مُقيّم Decision Index الرسمي بنفسها بدلًا من تقديمها إلى لوحة الصدارة العامة. لم يخضع أي من النموذجين لاختبار معياري مستقل من طرف ثالث حتى وقت إصدار الأوزان المفتوحة.

• المعاملات — Liquid AI d1-3B، بإجمالي 3.12 مليار مع مُشفّر رؤية SigLIP2 بحجم 400 مليون ومفردات من 128,000 رمز؛ MiniCPM5-2B، بإجمالي 2,516,756,480، و1,981,982,720 غير تضمينية، و42 طبقة، و16 رأس استعلام إلى رأسَي KV، ومفردات 130,560.

• السياق — 32,768 توكنز لـ Liquid AI d1-3B؛ 131,072 لـ MiniCPM5-2B.

• وسائط الإدخال — النصوص والصور لـ Liquid AI d1-3B؛ النصوص فقط لـ MiniCPM5-2B.

• المخرجات — الاحتمالات، والتسميات، ودرجات الثقة، والنتائج المُرتَّبة، مع صفر رموز إخراج، لـ Liquid AI d1-3B؛ والنص المُولَّد، والاستدلال، واستدعاءات أدوات XML لـ MiniCPM5-2B.

• النتيجة الرئيسية — Liquid AI d1-3B ‏48.57 في Decision Index 0.2.1، في المرتبة الأولى بين النماذج التي تقل عن 10B في جدول المورّد؛ MiniCPM5-2B بمتوسط 53.9 عبر مجموعة المقارنة الخاصة به، وهي مجموعة مختلفة تقيس أشياء مختلفة.

• السرعة — 8 مللي ثانية لكل سؤال على RTX 4090، و26 مللي ثانية على Jetson AGX Orin 64 GB، و50 مللي ثانية على Jetson Orin Nano، و64 حالة معبأة لكل تمريرة بمعدل 475 في الثانية لـ Liquid AI d1-3B. سرعة MiniCPM5-2B دالة على عدد الرموز التي يولّدها، لذا لا يوجد رقم واحد يمكن وضعه في مقابلها.

• الترخيص — Apache-2.0، غير مُقيَّد، بيانات التدريب منشورة، لـ MiniCPM5-2B؛ lfm1.0 الخاصة بـ Liquid لـ Liquid AI d1-3B.

• الدليل — أكثر من مليون تنزيل على Hugging Face وشهر من التكميم المجتمعي لـ MiniCPM5-2B؛ يومان من الوجود ولا تشغيل من طرف ثالث لـ Liquid AI d1-3B.

المهمة التي يُجيدها كل واحد منهم فعلاً

هناك سير عمل يمكن لكلا النموذجين أداؤه، والاختلاف في كيفية أدائهما له هو الحجة بأكملها.

افترض أنك تفرز تذاكر الدعم، أو تقرر ما إذا كان مقطع مسترجع يجيب عن سؤال، أو تقيّم مخرجات نموذج لغوي كبير مقابل قائمة معايير. يستطيع MiniCPM5-2B فعل الثلاثة جميعًا — فهو نموذج استدلال صغير قادر، مع استدعاء الأدوات وسياق طويل، وستشغّله كما تشغّل أي مساعد آخر: تطلب وسمًا ثم تحلل أيّ شيء يعود. أحيانًا يعيد JSON نظيفًا. وأحيانًا يعيد JSON ملفوفًا بشرح حوله. وأحيانًا يعيد الإجابة الصحيحة في شكل خاطئ، وهذا الخطأ عيب في المحلل الخاص بك لا في النموذج.

لا يستطيع Liquid AI d1-3B فعل أي شيء آخر، وهذه هي النقطة بالضبط. في المهام الثلاث نفسها، يعيد احتمالاً وتسمية ولا شيء لتحليله، وتكلّف ثلاثة أسئلة حول حالة واحدة 1.3 ضعف وقت سؤال واحد، وينتقل نمط الفشل من «تعطّل التنسيق» إلى «كانت الثقة غير معايَرة» — وهو أمر قابل للقياس على الأقل، لأن الثقة موجودة هناك مباشرةً في الاستجابة.

حيث يتفوق MiniCPM5-2B تفوقًا قاطعًا هو كل ما يأتي بعد القرار. فهو يستوعب 131K رمزًا، لذا يمكن أن تكون الحالة شجرة ملفات مستودع كاملة أو مستندًا طويلًا بدلًا من الصفحة الأولى منه. وهو يكتب استدعاءات الأدوات بشكل أصلي. إنه نموذج يمكنك بناء وكيل صغير عليه، وقد جرى تدريبه لاحقًا صراحةً على العمل الوكيلي. كما أن ترخيصه Apache-2.0 يعني ألا يحدث نقاش المحامي التجاري المعتاد.

يتفوق Liquid AI d1-3B تفوقًا كاسحًا في الحد الأدنى لزمن الاستجابة والنمط. فالجهاز الذي ينفّذ قرارًا في 50 مللي ثانية دون وحدة معالجة رسومات ليس كجهاز يشغّل MiniCPM5-2B؛ إذ ينتميان إلى فئتين مختلفتين من العتاد رغم تشابه عدد المعاملات. ونموذج 3B يرى — إذ تذكر الشركة تحقيق 74.1 في أحد عشر اختبارًا معياريًا عامًا للصور تُقرأ كقرارات، مقابل 73.9 لنموذج الرؤية واللغة الذي بُني منه، وتذكر أن إزالة الصور تُسقط الأسئلة نفسها إلى 45.1، وهذه طريقتهم في إظهار أن الإجابات تأتي من البكسلات. الفحص البصري لخط الإنتاج ليس مهمة يمكن إسنادها إطلاقًا إلى 2B النصي فقط.

تشغيلها، والطبقة المحيطة بها

كلاهما قصتا استضافة ذاتية، وقد أُنجزت أعمال النشر لكليهما. يأتي Liquid AI d1-3B بدعم llama.cpp منذ اليوم الأول، ومنظومة NVIDIA الكاملة من DGX إلى Jetson، وتكميم NVFP4، وبناء 8-بت للأوزان والتنشيط، وتحويلات GGUF منشورة بالفعل. MiniCPM5-2B هو معمارية LlamaForCausalLM بسيطة لا تتطلب نوى مخصصة، وشريحة safetensors واحدة بصيغة BF16، وبناءات GGUF وMLX في العائلة الأوسع، وتفضيل موثق لـ SGLang عند الحاجة إلى محلل استدعاء الأدوات. لا يوجد أي منهما في كتالوجنا، وهذا المقال ليس ادعاءً بتوفر أي منهما.

البدائل المستضافة هي واجهة برمجة التطبيقات الخاصة بالمورّد والمنصات التابعة لجهات خارجية. تقدّم Liquid النسخة المستضافة d1 بسعر محسوب على رموز الإدخال فقط بواقع 0.04 دولار لكل مليون، مع احتساب الصور كإدخال بواقع 1.5 رمز لكل رقعة بحجم 32×32 بكسل، ودون أي بند للإخراج على الإطلاق؛ ولا يمتلك MiniCPM5-2B واجهة برمجة تطبيقات من الطرف الأول، وهو أمر طبيعي لإصدار مفتوح الأوزان بترخيص Apache-2.0.

ما يصبّ فيه كلاهما هو المشكلة المعمارية نفسها. نموذج محلي بحجم 2B أو 3B يتولى التصنيف أو التوجيه أو فحوصات الحماية يقف أمام استدعاءات التوليد التي لا تستضيفها أنت، وهذا المزيج — استدلال مملوك إلى جانب استدلال مستأجر — هو ما توجد طبقة توجيه لاستيعابه. نقطة نهاية واحدة عبر أكثر من 200 نموذج، أسعار قوائم المزوّدين تُمرَّر بهامش ربح 0% بحيث يصبح أي تغيير في سعر أحد البائعين سارياً في اليوم نفسه، تحويل تلقائي عند الفشل حين يتدهور أحد المصادر. امتلاك النموذج الصغير يجعل مسألة التوجيه أصعب لا أسهل، لأن الحد الفاصل بين عتادك وعتاد غيرك أصبح الآن قراراً عليك اتخاذه لكل طلب.

اختر حسب نوع الإجابة

إذا كان ما تحتاجه هو تصنيف أو احتمال أو تقييم، وكانت مجموعة الخيارات معروفة مسبقًا، فإن Liquid AI d1-3B هو الأداة الأكثر صدقًا — فقد بُني لهذا الطلب، ولن تأتي الإجابة مشوّهة البنية. اقبل ترخيص المورّد، وسياق 32K، وأثر الأدلة الذي مضى عليه يومان كثمن لذلك.

إذا كان ما تحتاجه هو نموذج صغير يمكنه الاستدلال، واستدعاء الأدوات، والاحتفاظ بمستند طويل، والإجابة بالكلمات، فإن MiniCPM5-2B هو النموذج الأقدر بفارق كبير، ويأتي مع ترخيص Apache-2.0 وخلفه اختبارات من الآخرين توازي مليون تنزيل.

الفرق التي ستحقق أكبر استفادة من أي من الإصدارين هي التي تشغّل كليهما: نموذج قرار في المقدمة، حيث تكون الإجابة رقمًا وتكون أجزاء من الثانية مهمة، ونموذج توليدي صغير خلفه، للأجزاء من المهمة التي تحتاج إلى اللغة. إنهما ليسا متنافسين. إنهما مرشّح ومتحدث.