Liquid AI d1-3B مقابل Qwen 3 8B: هل ينبغي نقل عبء عمل تصنيف بحجم 8B إلى نموذج قرار؟

في مكان ما داخل معظم مكدسات الإنتاج يوجد Qwen 3 8B يُدفع له ليجيب بنعم أو لا. فهو يراجع تعليقًا، أو يوسم تذكرة دعم، أو يقرر ما إذا كان مقطع مُسترجَع ذا صلة، أو يقيّم مخرجات نموذج آخر وفق معيار تقييم — وهو يفعل ذلك بتوليد نص يقوم شيء ما في المراحل اللاحقة بتحليله. إن Liquid AI d1-3B، نموذج القرار بحجم 3.12B الذي أطلقته Liquid AI بأوزان مفتوحة في 7 أكتوبر 2026، موجود ليقوم بهذه المهمة تحديدًا دون توليد أي شيء: حالة تدخل، ومجموعة من الأسئلة المُسمّاة تدخل، وتخرج الاحتمالات والوسوم ودرجات الثقة في تمريرة أمامية واحدة وبصفر رموز إخراجية. أما Qwen 3 8B فهو حصان العمل مفتوح الأوزان لدى المزوّد، الصادر في أبريل 2025 — بنحو 8.2B من المعاملات الكثيفة، و119 لغة، مع إمكانية تفعيل التفكير أو تعطيله لكل طلب، وخلفه ستة عشر شهرًا من النشر المجتمعي. والسؤال الذي يطرحه هذا الاقتران فعليًا ضيق وعملي: بالنسبة لشريحة حركة المرور لديك التي تُعد تصنيفًا، هل يكون نموذج عام بحجم 8B أرخص طريقة للحصول على وسم في 2026، أم أن شكل تلك المهمة قد تغيّر من تحته؟

ما الذي تدفع فعليًا مقابل {{1}}8B{{/1}} ليقوم به

ضع عقدَي الإخراج جنبًا إلى جنب، وستجد أن عدم الكفاءة بنيوي لا تراكمي.

استدعاء تصنيف Qwen 3 8B هو عملية توليد. تكتب مطالبة تصف المدخل، ويقوم النموذج اختياريًا بالاستدلال حول المدخل — وفي هذا النموذج يمكنك تشغيل هذا الاستدلال أو إيقافه لكل طلب، وهو المفتاح الأكثر فائدة الذي يمتلكه لهذا النوع من العمل — ثم يكتب ردًا. ذلك الرد نص. إذا طلبت JSON فستحصل عادةً على JSON، وأحيانًا ستحصل على JSON داخل جملة، أو مقدمة، أو شرح زائد في النهاية لم ترده. التسمية التي تهمك موجودة في مكان ما في تدفق الرموز، ويستخرجها محلل. تتم محاسبتك على كل رمز يكتبه النموذج، بما في ذلك الرموز التي تتخلص منها.

ليس لدى Liquid AI d1-3B أي تدفق رموز. تُعلَن الأسئلة بنوع: noul لأسئلة نعم/لا، ويُجاب عنها بصيغة P(yes) بين 0 و1؛ choice لاختيار تسمية واحدة من مجموعة خيارات مُسمّاة، ويُجاب عنها بالتسمية زائد درجة ثقة زائد احتمال لكل خيار؛ score لموضع على مقياس مرتّب من اثنين إلى عشرة، ويُجاب عنه بالمستوى المتوقع مع توزيعه ومفتاحه. تحمل الاستجابة إجماليًا جاريًا يقرأ output_tokens: 0لا يوجد شيء لتحليله لأنه لم يُكتب شيء، وهناك مُوصِّل خامprobabilities عندما تريد التوزيع غير المقرَّب بدلًا من argmax.

الجزء الذي يغيّر فاتورتك هو ما يحدث عند وجود عدة أسئلة. يمكن أن تحمل الحالة الواحدة الكثير منها: هل هذا طلب استرداد، أي فريق ينبغي أن يتولاه، ما مدى إلحاحه. تُقرأ الحالة وصورها مرة واحدة، ويُبلِغ Liquid عن ثلاثة أسئلة على حالة واحدة بتكلفة 1.3 ضعف زمن سؤال واحد بدلًا من 3 أضعاف. أما ما لا تختصره فهو تكلفة الإدخال — ملاحظة الفوترة لدى المورّد صريحة في أن كل سؤال يُفاتر كموجّه خاص به، بما في ذلك نصه وكل صوره. زمن استجابة أقل، ونفس توكنات الإدخال. تلك علامة نجمية صادقة على العنوان الرئيسي، وهي من النوع الذي لا تجده إلا بقراءة فقرة التسعير لا المقياس المرجعي.

ماذا يمنحك ستة عشر شهرًا من Qwen 3 8B

قبل أن تتعامل مع النموذج الأصغر على أنه ترقية، كن دقيقًا بشأن ما يقدّمه النموذج القائم بالفعل، فهو أكثر من مجرد عدد المعاملات.

• السياق — يشغّل Qwen 3 8B عدد 32,768 رمزًا أصليًا، ويمتد إلى 131,072 رمزًا تم التحقق منه عبر YaRN. أما Liquid AI d1-3B فيعمل بعدد ثابت قدره 32,768 رمزًا، مع عدم وجود مسار توسيع موثّق. وبالنسبة لحالة تكون فيها مستندًا طويلًا، فإن 8B هو الوحيد من بين الاثنين القادر على استيعابه.

• اللغات — 119 لغة ولهجة لـ Qwen 3 8B مقابل ست عشرة لغة موثّقة لـ Liquid AI d1-3B.

• التحكم في الاستدلال — يتيح لك Qwen 3 8B تشغيل التفكير أو إيقافه لكل طلب. لا يملك Liquid AI d1-3B وضع استدلال يمكن التحكم به، وهو إما تبسيط أو قيد اعتمادًا على ما كنت تستخدم التفكير من أجله.

• الاتساع — نموذج 8B يكتب، ويشرح، ويلخّص، ويترجم، ويكتب الأكواد. أما Liquid AI d1-3B فلا يفعل أياً من ذلك. وتنص بطاقته بوضوح: إنه ليس نموذج محادثة ولا يكتب النصوص.

• الدليل — يمتلك Qwen 3 8B ستة عشر شهرًا من الاختبارات المعيارية العامة والتكميم والضبط الدقيق والاستخدام الإنتاجي. وقد أنتجت Liquid درجة 48.57 الخاصة بـ Liquid AI d1-3B في Decision Index باستخدام المقيّم الرسمي بدلًا من تقديمها إلى لوحة الصدارة العامة، وهي حديثة العهد لا يتجاوز عمرها بضعة أيام ودون أي إعادة إنتاج من طرف ثالث.

• الرؤية — هذا الصف يسير في الاتجاه المعاكس. يتلقى Liquid AI d1-3B الصور، حيث يبلغ المورد عن 74.1 عبر أحد عشر معيارًا عامًا للصور تُقرأ كقرارات على مجموعة خيارات كل معيار، ويبلغ أن إزالة الصور تُقلص نفس الأسئلة إلى 45.1. يحتاج Qwen 3 8B النصي فقط إلى نموذج رؤية منفصل أمامه لأي من ذلك.

• السرعة — سؤال واحد في 8 مللي ثانية على RTX 4090، و16 مللي ثانية على Jetson AGX Thor، و50 مللي ثانية على Jetson Orin Nano، و64 حالة معبأة لكل تمريرة بمعدل 475 في الثانية على 4090. المصنف القائم على التوليد ليس لديه رقم مماثل، لأن زمن استجابته يعتمد على طول الإجابة.

الخلاصة الصادقة هي أن 8B هو الأداة العامة الأفضل، وأن نموذج القرار 3B هو الأداة المتخصصة الأفضل، والسؤال الوحيد المهم هو مقدار حركة المرور لديك التي تمثل الحالة المتخصصة.

حساب التكلفة، إذا أُجري بعناية

هنا إما أن تُسدد المقارنة تكلفتها بنفسها أو لا، لذا يجدر إجراؤها بهيكل حقيقي لا بشعار.

الادعاء الذي نشرته Liquid قبل يومين من إصدار الأوزان المفتوحة هو أن نموذج القرار المستضاف لديها يضاهي أو يتجاوز GPT-6.1 Sol في أربعة من ستة تطبيقات حقيقية، بتكلفة أقل بمقدار 19x إلى 200x، ويجيب بشكل أسرع في كل مهمة. اقرأ المنهجية قبل تكراره: شُغّل كل تطبيق مرة واحدة لكل نموذج في 5 أكتوبر 2026، وأجابت نماذج الدردشة بصيغة JSON عند إعداد الاستدلال الافتراضي لديها، وحُسبت تكلفة d1 عند 0.04 دولار لكل مليون رمز إدخال. هذا الرقم 0.04 دولار هو سعر إدخال d1 المستضاف، وهو السعر الوحيد الموجود — لا يوجد سطر إخراج يُضاف.

الآن ابنِ نفس شكل التقدير لمصنّف Qwen 3 8B، وسيظهر عدم التماثل دون الاقتباس من سعر مزوّد أي جهة. لدى 8B بندان قابلان للفوترة حيث لدى نموذج القرار بند واحد، والسطر الثاني هو الذي ينمو: فالتصنيف الذي يستدل أولًا يدفع مقابل الاستدلال، والتصنيف الذي يحشو JSON الخاص به يدفع مقابل الحشو. تكلفة إدخال نموذج القرار محددة بالحالة والأسئلة. أما تكلفة إدخال 8B فليست محددة بأي شيء يمكنك التنبؤ به من الحالة وحدها.

عاملان موازنان يمنعان هذا من أن يتحول إلى هزيمة ساحقة. أولًا، يحاسبك نموذج القرار على كل سؤال وكأنه مُدخل مستقل، لذا فإن طرح خمسة أسئلة حول مستند طويل واحد يجعل الإدخال خمسة أضعاف — أما نموذج 8B فيطرح الأسئلة الخمسة كلها في نداء واحد ويدفع ثمن المستند مرة واحدة. وثانيًا، وهو الأكبر، لا يستطيع نموذج القرار الإجابة إلا عن الأسئلة التي دُرِّب لاحقًا على الإجابة عنها بهذا الشكل. وأي شيء يتطلب شرحًا أو ملخصًا أو حكمًا يُعبَّر عنه بالكلمات يعيدك إلى النموذج العام، وعمليًا، إلى الدفع مقابل كليهما.

ما هما بارعان فيه حقاً

انزع القياس المرجعي من الحساب، فيصبح الانقسام أنظف مما توحي به أعداد المعاملات.

Liquid AI d1-3B مخصص لـ نعم/لا، والاختيار من قائمة، والتقييم، عند حد أدنى من زمن الاستجابة لا تبلغه أي نماذج توليدية، على أجهزة تشمل Jetson Orin Nano عند 50 مللي ثانية وحاسوب محمول. كانت التطبيقات التي عرضتها Liquid في أكتوبر كلها نسخًا من هذا الشكل — مُسند SQL يجيب بنعم أو لا عن 150 تذكرة دعم، وحلقة ضغط سياق للوكيل تُبقي أو تقلّم أو تُسقط مخرجات كل أداة وتزيل 52% من الرموز، وتطبيق فحص يفرز الأجزاء الجيدة والمعيبة من أربعة خطوط إنتاج بدقة تتراوح من 85% إلى 97% في مهمة لم يُدرَّب عليها قط وفهمها من وصف قصير. ذلك العرض الأخير هو أوضح بيان للغرض من هذه الفئة: مهمة تكون الإجابة فيها واحدة من أشياء قليلة، وتكون الحالة صورة، ولم يُطلب أي تفسير قط.

Qwen 3 8B مناسب للعمل الذي يجب أن يعود على هيئة لغة، أو يغطي 119 لغة، أو يستوعب مستندًا يزيد طوله على اثنين وثلاثين ألف رمز، أو يفكر بصوت مسموع قبل الالتزام. وهو أيضًا الإجابة الصحيحة عندما لا يكون التصنيف واحدًا من الأشكال الثلاثة أعلاه — عندما تكون مجموعة التسميات مفتوحة النهاية، أو عندما تكون المعايير دقيقة ومتشعبة بما يكفي لأنك أردت التفكير، أو عندما يتعين على الاستدعاء نفسه التعامل مع الحالتين السهلة والصعبة دون أن توجّه بين نموذجين. وهو الخيار الآمن عندما يسأل مراجع عن الاختبارات المرجعية المستقلة الموجودة، لأن الجواب هو: الكثير منها، وتمتد إلى سنة ونصف.

الفرق التي تنجح في هذا لا تختار. إنها تضع نموذج القرار أمام النموذج العام، على الجزء من حركة الطلبات حيث تكون الإجابة رقمًا، وتترك 8B يتولى كل ما يحتاج إلى جملة. المرشِّح هو 3B و8 مللي ثانية؛ ويبقى 8B للحمولة.

نشر الثنائي

يصل Liquid AI d1-3B كأوزان مع إنجاز عمل النشر مسبقًا: دعم llama.cpp من اليوم الأول، مجموعة NVIDIA الكاملة من DGX وصولاً إلى Jetson، تكميم NVFP4، نسخة 8-بت للأوزان والتفعيلات، وتحويلات GGUF على Hugging Face. يمتلك Qwen 3 8B أعمق نظام بيئي للاستضافة الذاتية بين أي نموذج في فئة الأوزان هذه. لا يوجد أي منهما في كتالوجنا، ولا شيء هنا يُعد ادعاءً بتوفره لأي منهما — المسار المستضاف لـ Liquid AI d1-3B هو API الخاص بالمورد ومنصات الطرف الثالث، حيث أن المستضاف d1 يتم تسعيره على رموز الإدخال فقط بسعر 0.04 دولار لكل مليون مع احتساب الصور بـ 1.5 رمز لكل رقعة 32×32 بكسل.

بمجرد وجود كليهما في خط الأنابيب نفسه، تتوقف مشكلة التوجيه عن كونها نظرية. لديك نموذج صغير تملكه، ونموذج بحجم 8B قد تستضيفه أو تستأجره، والاستدعاءات التوليدية التي تستأجرها بالتأكيد — وتحديد أي نموذج ينبغي أن يستقبل مدخلًا معينًا لكل طلب هو بالضبط القرار الذي وُجدت طبقة التوجيه لاتخاذه. نقطة نهاية واحدة عبر أكثر من 200 نموذج، أسعار قوائم المزوّدين تُمرَّر بهامش ربح 0% لذا يصبح تغيير سعر أحد البائعين ساريًا من جانبك في اليوم نفسه، التحويل التلقائي عند الفشل بحيث لا تتحول أمسية سيئة لدى المزوّد الأعلى إلى انقطاع لديك. عندما تُقاس حركة التصنيف لديك بمليارات الاستدعاءات سنويًا، فإن تلك الطبقة هي حيث تُجمع فعليًا الوفورات الناتجة عن نموذج قرار بحجم 3B.

الحكم

إذا كان نموذج 8B لديك يُسأل أسئلة مغلقة — هل هذا سام؟ هل هذا ذو صلة؟ إلى أي قائمة انتظار ينتمي هذا؟ ما مدى إلحاحه؟ — فأنت تدفع فاتورة سطرين لنموذج عامّ وزمن توليد لجيل مقابل وسم، وLiquid AI d1-3B بديل مباشر مع سجل أدلة أضعف وفرق حقيقي في الترخيص يجب وزنه. تقبّل سقف السياق 32K، واللغات الست عشرة، وحقيقة أن لا أحد خارج Liquid قد قيّمه بعد.

إذا كان يُطلب من 8B الخاص بك أن يشرح أو يلخّص أو يترجم أو يحتفظ بمستند طويل أو يستنتج قبل أن يقرر، فإن هذه المقارنة لا تنطبق عليك. أبقِ 8B، وفكّر في نموذج القرار فقط كمرشّح مسبق للطلبات التي يمكنك تحديدها مسبقًا باعتبارها النوع السهل.

الرقم المثير للمتابعة ليس نتيجة أيّ من النموذجين في الاختبارات المعيارية. بل هو مدى سرعة ظهور أول إعادة إنتاج مستقلة لـ d1 Decision Index، لأن تلك هي اللحظة التي تتوقف فيها المقارنة عن كونها ادعاءً من مورّد وتبدأ تكون حقيقة يمكنك التخطيط على أساسها.