ليكويد إيه آي d1-omni-600M وd1-3B: أي نصف من عائلة d1؟

تم رفع Liquid AI d1-omni-600M و Liquid AI d1-3B إلى Hugging Face خلال ثماني ساعات من بعضهما البعض في 5 أكتوبر 2026، وأُطلقا معًا في الإعلان نفسه في 7 أكتوبر، وهو ما يجعل السؤال المعتاد — أيهما أحدث، وأيهما أفضل — سؤالًا خاطئًا. إنهما طرفا مقايضة متعمّدة. فـ Liquid AI d1-3B هو المنتج المكتمل: 3.12B معلمة، و48.57 على مؤشر القرار 0.2.1 المقيَّم من المورّد، وجداول اختبارات أداء، وزمن استجابة مقيس وصولًا إلى Jetson Orin Nano، ومكانة وُصفت في منشور الإصدار بأنها أعلى جودة قرار في فئته الحجمية. أما Liquid AI d1-omni-600M فهو التجربة: 587M معلمة، و15.95 على المؤشر نفسه، ومدخلات صوتية لا يملكها طراز 3B، وبطاقة نموذج تقول صراحة إنه إصدار بحثي مبكر بلا أرقام استدلال لأنه لا يزال قيد التطوير النشط. الاختيار بينهما ليس قرارًا يتعلق بالجودة. إنه قرار يتعلق بما إذا كنت تحتاج إلى الوسائط الإضافية في أسفل العائلة أو إلى الدقة الإضافية في أعلاها، وتصطف الأرقام خلف هذا الانقسام بدل أن تطمسه.

كل ما يلي مستمد من بطاقتي النموذج ومن منشور الإصدار الصادر في 7 أكتوبر، مع احترام التسمية الواردة في منشور الإصدار نفسه: صفوف d1 في Decision Index تم تقييمها بواسطة Liquid AI باستخدام المُقيّم الرسمي بدلاً من تقديمها إلى لوحة الصدارة العامة، ولم يتم إعادة إنتاج أي شيء هنا بشكل مستقل.

عمودان فقريان لم يكونا ليتقاربا أبدًا

لم تُصغّر عائلة d1 وصفةً واحدة. تنطلق نقطتا التفتيش من طرفين متقابلين من كتالوج نماذج Liquid وتلتقيان في المنتصف.

Liquid AI d1-3B مبني على أساس LFM2.5-VL-3B، النموذج اللغوي البصري المخصص للفك الترميزي فقط من إصدار أغسطس 2026. صُنع أساسه عبر حساب متوسط أوزان LFM2.5-2.6B مع العمود الفقري النصي لـ LFM2.5-VL-3B، ثم الضبط الدقيق لنقاط التحقق تحت بذور عشوائية ومزيجات بيانات مختلفة قبل دمجها مرة أخرى. وهو يحمل مُرمِّز رؤية SigLIP2 NaFlex المحسَّن للأشكال بسعة 400 مليون، وسياقًا من 32,768 رمزًا، ومفردات من 128,000 رمزًا، وست عشرة لغة موثّقة.

Liquid AI d1-omni-600M يأتي من الاتجاه الآخر. جذعه هو LFM2.5-Encoder-350M، وهو مُشفِّر ثنائي الاتجاه، جرى ضبطه الدقيق على مهام القرار أولًا ثم توسيعه على مراحل — مُشفِّر FastConformer من 17 طبقة مع محوّل للصوت، حيث جرى لاحقًا ضبط مُشفِّر الصوت الدقيق مقابل عمود فقري نصي مُجمَّد، ثم برج SigLIP2 مأخوذ من LFM2.5-VL-450M مع محوّل وتحديثات LoRA للعمود الفقري من أجل الرؤية. دُمج النموذج النهائي من تحديثات LoRA وحُسب متوسطه مع نقطة التفتيش السابقة. وينتهي بإجمالي 587M معلمة: جذع مشترك ورأس قرار بسعة 381M، ومُشفِّر رؤية بسعة 94M ومُشفِّر صوت بسعة 112M.

إن الفرق بين النموذج القائم على فكّ الترميز فقط والنموذج ثنائي الاتجاه هو الجزء الذي ينبغي التمسّك به. يقرأ نموذج الـ3B حالةً وينتج قرارًا بالطريقة التي ينتج بها نموذج لغوي تسلسل رموز، باتجاه واحد في كل مرة. أما الـ600M فيقرأ الحالة كاملة دفعةً واحدة ويقرر، وهو ما تتوقعه من مُرمِّز لم يُبنَ أصلًا للتوليد. كلا النموذجين مُدرَّب على الإبلاغ عن إجابات من توزيع النموذج دون أي رموز مخرجات، لكن الآلية الكامنة تحته ليست من الفئة نفسها من النماذج، وفجوة الدقة أدناه هي الكلفة الظاهرة للتصميم الأصغر ذي الشكل المُرمِّزي.

فارق Decision Index كبير، والدرجات الفرعية أكثر إثارةً للاهتمام من الإجمالي.

على Decision Index 0.2.1، تُبلّغ Liquid عن 48.57 لـ Liquid AI d1-3B و15.95 لـ Liquid AI d1-omni-600M، مقابل 50.02 لـ Winnow-12B. هذه فجوة قدرها 32 نقطة بين نقطتَي تحقق صدرتا في اليوم نفسه عن المختبر نفسه، وقراءة الدرجات الفرعية الخمس توضّح من أين تأتي.

• المعرفة — 23.8 لـ Liquid AI d1-3B مقابل 8.3 لـ Liquid AI d1-omni-600M

• اللغة — 56.4 مقابل 12.9

• الاسترجاع — 52.8 مقابل 35.0

• الأدوات — 74.5 مقابل 15.1

• الفنون — 36.3 مقابل 6.8

الاسترجاع هو الموضع الوحيد الذي يصمد فيه النموذج الصغير، إذ يخسر أقل من ثلث نتيجة 3B بينما يخسر في الفئات الأربع الأخرى ما بين 60 و80 بالمئة. هذا النمط متسق مع ما عليه 600M: مُرمِّز مدرَّب ذو قدرة تمثيلية حقيقية لمطابقة حالة مع محتوى، وقدرة طبقية أقل بكثير مما يرثه 3B من مفكك تم تدريبه مسبقًا على لغة أكثر بكثير. إذا كان عبء عملك قرارًا على شكل استرجاع — هل تجيب هذه الفقرة عن هذا السؤال، وأي من هذه المستندات ذو صلة — فإن ملف 600M أقل سوءًا مما يوحي به مجموعه. وإذا كان عبء عملك قرار توجيه أدوات، فالفجوة البالغة 51 نقطة في ذلك العمود هي الرقم الذي يجب التحديق فيه.

يقدّم جدول القياس المعياري النصي رواية أكثر اعتدالًا من المؤشر، وهو أمر يجدر معرفته قبل استخدام أي من الرقمين لبناء حجة. على سبعة معايير عامة، يتقدّم 3B بمتوسط 82.9 بينما يبلغ 600M نحو 78.4. في الواقع، يخسر 600M بفارق طفيف على SQuAD 2.0 (74.0 مقابل 85.3)، وPubMedQA (61.3 مقابل 66.0)، وBoolQ (77.7 مقابل 86.7)، وXNLI (74.7 مقابل 85.0)، لكنه يفوز في كشف سمية Civil Comments (95.8 مقابل 93.0) وفي تحديد إعادة الصياغة PAWS-X (79.5 مقابل 76.9). صياغة Liquid نفسها هي أن 600M يتفوق على متوسط 77.1 لدى Decider 2B بربع عدد المعلمات. مجموعتا اختبارات معيارية، وحكمان ظاهريان مختلفان، وكلاهما مُبلَّغ عنه من المورّد — هذا ما تدعمه الأدلة ولا أكثر.

ما الذي يمتلكه 600M ولا يمتلكه 3B؟

السبب في تحمّل فجوة مؤشر قدرها 32 نقطة هو أن Liquid AI d1-omni-600M يفعل شيئًا واحدًا لا يستطيع Liquid AI d1-3B فعله، وهو ليس اختلافًا في الدقة.

• الصوت — يستغرق Liquid AI d1-omni-600M ما يصل إلى 30 ثانية لكل طلب عبر مُشفِّر FastConformer الخاص به؛ أما Liquid AI d1-3B فلا يستغرق شيئًا

• خلط الأنماط — يقبل 600M النص مع الصور أو النص مع الصوت، ويرفع ValueError إذا وصلا معًا؛ بينما يأخذ 3B النص والصور

• نافذة السياق — 16,384 رمزًا عبر مواضع النص والصورة والصوت لطراز 600M، مع تقليص النص إلى 896 رمزًا عند وجود الصور؛ و32,768 رمزًا لطراز 3B

• حجم المفردات — 65,536 للـ600M، و128,000 للـ3B

• الدقة — توصي بطاقة 600M باستخدام float16 على GPU، وتحذر من أن bfloat16 غيّر أفضل إجابة في بعض الصفوف؛ ويأتي 3B مع 15 تكميمًا، بما في ذلك إصدار w8a8.

• اللغات — يدرج 600M ست عشرة لغة في مجموعة مختلفة عن الست عشرة الخاصة بـ3B، ويوصف الصوت الخاص به بأنه دُرِّب على محادثات بين متحدث بالإنكليزية ومساعد، وهي لا تمثل سوى شريحة ضيقة مما يحتوي عليه تدفق صوتي إنتاجي

ملاحظة التدريب الصوتي يسهل تجاوزها بنظرة عابرة، لكن لا ينبغي أن يكون ذلك. فالنموذج المدرَّب على محادثات تبادلية بالإنجليزية بين متحدث ومساعد لم يرَ سوى هندسة واحدة للمتحدثين، وبنية واحدة لتناوب الأدوار، وتوزيع واحد للهجات. أما نشره على صوتيات مراكز الاتصال أو التسجيلات الميدانية فهو مطالبة بسلوك لا تدّعيه البطاقة، ومنشور الإصدار صريح في أنه لا يوجد أي معيار مرجعي لاتخاذ القرارات الصوتية يُتحقَّق منه — وتصف Liquid ذلك بأنه "مشكلة مفتوحة حاليًا" وتدعو المجتمع إلى بناء واحد.

زمن الاستجابة: أحد الشقيقين يمتلك الجداول، والآخر يمتلك

بالنسبة لنماذج القرار، الرقم المهم هو زمن الاستجابة من طرف إلى طرف، لأنه لا يوجد فك ترميز لقياسه. تنشر Liquid مجموعة كاملة للـ 3B ولا شيء للـ 600M.

• سؤال واحد — 8 مللي ثانية على RTX 4090، 9 مللي ثانية على MI325X، 16 مللي ثانية على Jetson AGX Thor، 26 مللي ثانية على Jetson AGX Orin 64 GB، 50 مللي ثانية على Orin Nano، 30 مللي ثانية على Apple M5 Pro

• ثلاثة أسئلة على حالة واحدة — 21 مللي ثانية على RTX 4090 و20 مللي ثانية على AGX Thor، أي نحو 1.3 ضعف تكلفة سؤال واحد بدلًا من 3 أضعاف

• حالة بحجم 3.4 ألف توكن — 102 مللي ثانية على 4090، و220 مللي ثانية على Thor، و1,640 مللي ثانية على Orin Nano

• الإنتاجية المُحزّمة — 475 قرارًا في الثانية على RTX 4090، و1,106 قرارًا في الثانية على MI325X

• صورة بدقة 384 بكسل — 17 مللي ثانية على 4090، و18 مللي ثانية على MI325X

تلك الأرقام تصف Liquid AI d1-3B فقط. أما بالنسبة إلى Liquid AI d1-omni-600M، فتشير بطاقة النموذج إلى أن أرقام الاستدلال غير مُبلَّغ عنها لأن النموذج إصدار بحثي مبكر قيد التطوير النشط. ليس الأمر أن النموذج الصغير أبطأ — بل العكس شبه مؤكد، لأن خُمس عدد المعاملات لا يصبح أبطأ عند الدقة نفسها — بل إنه لا يوجد رقم أصلاً، واقتباس ميلي ثواني 3B للنموذج 600M سيكون تلفيقاً ذا مظهر معقول. ما يمكن قوله دون اختلاق أي شيء هو أنه عند دقة float16 التي توصي بها البطاقة، فإن 587M من المعاملات تقع في حدود 1.2 GB من الأوزان قبل التنشيطات، وهذا حسابٌ على عدد معاملات منشور وليس قياساً.

التتابع هو الجواب الحقيقي لمعظم أعباء العمل.

لأن كلا نقطتي التفتيش أُطلقتا معًا وتُعيدان النوع نفسه من الكائن — احتمالًا، أو تصنيفًا مصحوبًا بثقة، أو درجة مرتّبة — فإنهما تتكاملان بطريقة لا تفعلها أيّتان من نموذجين عشوائيين. يمكن لـ600M أن يفحص ويمكن لـ3B أن يحكم. قيّم العناصر الواردة باستخدام Liquid AI d1-omni-600M، وارفع تلك التي يضعها قرب منتصف مقياسه إلى Liquid AI d1-3B للحصول على حكم أدق. قواعد التصعيد هي الثقة والتوزيع اللذان يعيدهما 600M بالفعل، لذا لا يحتاج منطق التوجيه إلى نموذج إضافي. في عبء عمل تغلب عليه أغلبية ساحقة من العناصر السهلة، لا تصل معظم حركة المرور أبدًا إلى 3B ولا يُنفَق معظم المال أبدًا.

هذا النمط هو أيضًا السبب وراء استحقاق هذين النموذجين للتشغيل خلف موجّه. فعبر OrcaRouter، سيقع كلاهما خلف مفتاح API واحد بسعر سعر قائمة كل مزوّد مُمرَّرًا دون أي هامش ربح بنسبة 0%، بحيث يصبح التسلسل قاعدة توجيه بدلًا من تكامل ثانٍ، وأي تصعيد يفشل على مستوى المزوّد تُعاد محاولته على بديل احتياطي بدلًا من فشل الطلب. يكتسب التحويل التلقائي عند الفشل أهمية أكبر هنا مما هي عليه في نموذج مستقر، لأن أحد نصفي هذا الزوج هو نقطة تحقق يصف المورّد نفسه سلوكها بأنه قيد التطوير النشط.

لا شيء من ذلك يُعدّ ادعاءً بالتوافر، ويستحق هذا التمييز أن يُقال بوضوح: نقاط التحقق المفتوحة لـ d1 ليست ضمن فهرسنا. وسبيل المورّد هو تنزيل الأوزان وتشغيلها محليًا — فقد توفّر دعم llama.cpp من اليوم الأول عبر عتاد Apple وAMD وQualcomm وNVIDIA — أو الوصول إليها عبر واجهة برمجة التطبيقات الخاصة بالمورّد ومنصات الطرف الثالث.

الاختيار، في تمريرة واحدة

إذا احتجت إلى النصوص والصور، وكان لا بد أن تكون الإجابة صحيحة، فاختر Liquid AI d1-3B. فهو يمتلك مقاييس الأداء، وجداول زمن الاستجابة، والسياق الأوسع، والمفردات الأكبر، وعمليات التكميم، وهو العضو في الزوج الذي تُصنّفه Liquid في موقع الريادة في الجودة ضمن فئته الحجمية.

إذا كنت بحاجة إلى الكلام في مسار القرار، فاختر Liquid AI d1-omni-600M، لأنه الخيار الوحيد مفتوح الأوزان في هذه العائلة الذي يقبل الصوت على الإطلاق، وتقبّل أنك تتبنّاه بناءً على الإحساس وعرض تجريبي حتى ينشر أحدهم معيارًا لقرار صوتي أو تقسيم الرؤية المحتجز.

إذا كنت لا تعرف بعد أيٌّ من تلك يصف عبء عملك، فابدأ بالنموذج 3B وارصد الثقة التي يعيدها. الدرجات الفرعية هي الدليل: المهمة التي تقع في عمودي Tools أو Language سيقدّم لها النموذج 600M أداءً سيئًا، بينما الشيء ذو الطابع الاسترجاعي هو الموضع الوحيد الذي تكون فيه نقطة الحفظ الصغيرة أقرب مما يوحي به إجماليها. توجد هذه العائلة لتتمكن من مقايضة الدقة بالبصمة، والمقايضة لا تكون آمنة إلا إذا عرفت العمود الذي تشغله مهمتك.

عبر OrcaRouter، كلا النموذجين خلف مفتاح API واحد عند قاعدة توجيه بدلاً من تكامل ثانٍ، ويُعاد إجراء أي تصعيد يفشل على طبقة المزوّد عبر خيار احتياطي بدلاً من إفشال الطلب.