Liquid AI d1-ultra مقابل Liquid AI d1-3B: نقطة نهاية مستأجرة بـ 0.042 دولار لكل مليون، أو نقطة استعادة بحجم 2.87 جيجابايت تملكها

Liquid AI d1-ultra يُحتسب سعره بـ 0.042 دولار لكل مليون رمز إدخال، ويعمل على مسرّع يملكه شخص آخر في مركز بيانات يملكه شخص آخر. Liquid AI d1-3B لا يُحتسب له أي مقابل لكل استدعاء، ويعمل على Jetson Orin Nano على مكتب. هاتان الجملتان تصفان نموذجين أصدرتهما Liquid AI بفارق ثمانية أيام — d1-3B كنقطة تفتيش مفتوحة الأوزان أُعلن عنها في 7 أكتوبر 2026، وd1-ultra كنموذج متاح عبر واجهة برمجية فقط في 15 أكتوبر — وهما تصفان المهمة نفسها: سلّم النموذج حالةً مؤلّفة من نص أو صور أو كليهما، وسلّمه مجموعة من الأسئلة محدّدة الأنواع، واحصل على إجابات معايَرة من تمريرة أمامية واحدة دون توليد رمز إخراج واحد. لا يكتب أيٌّ منهما نصوصًا نثرية. ولا يبثّ أيٌّ منهما تدفقيًا. والفرق بينهما ليس "أيّهما أذكى" في المجرّد، لأن الإجابة الصادقة تعتمد كليًا على عدد المرات التي تسأل فيها يوميًا. وبالنسبة لنموذج لا تزال أنماط فشله غير موثّقة، فإن النظير المفيد هو سجل ما سبق أن ساء في أماكن أخرى: فحوادث الذكاء الاصطناعي الموثّقة وإخفاقات الوكلاء المرتبطة بنماذج من هذه الفئة مجموعة في أرشيف OrcaRouter لحوادث الذكاء الاصطناعي حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محلّ خلاف.

هذا التأطير هو السبب في أن هذه المقارنة تستحق أكثر من ورقة مواصفات. يقع d1-3B وd1-ultra عند طرفين متقابلين لقرار جعلته Liquid AI الآن صريحًا في وثائقها الخاصة: يمكنك استئجار النموذج الأكثر قدرة في العائلة حسب الرمز، أو يمكنك بدلًا من ذلك امتلاك نموذج بـ3.12 مليار معلمة والدفع بالسيليكون والكهرباء وساعات الهندسة. كلاهما منتجان حاليان. d1-ultra هو أحدث ما أطلقته الشركة، وd1-3B هو ما ينبغي لمعظم القراء على الأرجح أن يبدأوا به. أيّهما مناسب لخط معالجة معيّن هو سؤال حسابي له نقطة تقاطع حقيقية، ويمكن الإجابة عنه بأرقام منشورة — وهذا ما يأتي في ما يلي.

ملاحظة واحدة حول المصادر قبل الأرقام، لأنها تهم أكثر من تنسيقها. كل ما يرد أدناه تقريبًا هو من تقارير Liquid AI نفسها: بطاقات النماذج، ومنشور الأوزان المفتوحة بتاريخ 7 أكتوبر، ومنشور d1-ultra بتاريخ 15 أكتوبر. لم نُعِد بشكل مستقل إنتاج أي معيار تقييم لنموذج قرار لهذا المقال، وبحسب ما يمكننا تحديده لم يفعل ذلك أحد آخر أيضًا. وحيثما يكون رقم ما ناتجًا عن حساباتنا على عدد منشور بدلًا من كونه قياسًا من أي جهة، فإن الجملة التي تتضمنه توضح ذلك.

ما هو كل نموذج في الواقع، اعتبارًا من منتصف أكتوبر 2026

Liquid AI d1-3B هو نموذج قرار مفتوح الأوزان يضم 3.12 مليار معلمة، مُدرَّب انطلاقًا من LFM2.5-VL-3B، وهو نموذج رؤية-لغة قائم على فك الترميز فقط. يحمل مُرمِّز رؤية SigLIP2 NaFlex 400M، ونافذة سياق من 32,768 رمزًا، ومفردات من 128,000 رمز، ويتخذ النص أو JSON أو الصور أو مزيجًا منها كحالة له، ويجيب عن سؤال واحد أو أكثر — Choice أو Score أو noul، وهي البدائية نعم/لا التي تُعيد احتمالًا بين 0 و1 — في تمريرة أمامية واحدة. توجد الأوزان على Hugging Face بموجب LFM Open License، الذي يصفه البائع بأنه مجاني للاستخدام بما في ذلك الاستخدام التجاري عندما تقل الإيرادات السنوية عن 10 ملايين دولار. ويُذكر دعم llama.cpp منذ اليوم الأول، مع إصدارات NVFP4 على Apple وAMD وQualcomm وNVIDIA.

Liquid AI d1-ultra is the same shape of product pointed at a harder problem. It is API-only — there are no weights, no GGUF, no MLX or ONNX export, and the vendor's documentation index lists it in a row whose only downloadable artifact is the word "API". It was built, per the announcement, on "a larger open-weight model with a series of Liquid-specific heavy customizations," which is the entire architectural disclosure: no parameter count, no context window and no latency figure appear on the vendor's pages. Third-party gateway listings put the context window at 32,768 tokens and one listing has described it as roughly 8.3B total parameters with about 1.5B active per token, but those are catalogue entries, not vendor statements, and we treat them as unconfirmed. The model string is d1-ultra, on the same endpoint as d1: https://api.liquid.ai/decisions/v1/systemone.

سبب كون تلك الفقرات غير متوازنة إلى هذا الحد ليس تحريريًا. إنه المقارنة بأكملها. d1-3B موثّق بمستوى من التفصيل يتيح لك تحديد حجم العتاد قبل تنزيل أي شيء. d1-ultra موثّق بمستوى من التفصيل لا يتيح لك سوى استدعائه، ولا شيء أكثر.

الرقمان القياسيان لا يقعان على المسطرة نفسها

كل مقال ثانوي عن هذين الرقمين سيضع 65 إلى جانب 48.57 ويجعلك تستنتج النتيجة البديهية. اقرأ التسميات أولاً، لأن الرقمين نُشرا بموجب أداتين مختلفتين.

• رقم d1-3B — 48.57، على التقسيم العام لـ Decision Index v0.2.1، في منشور الإصدار الصادر في 7 أكتوبر. وتضيف الشركة المورّدة أن النموذج متقدم على كل ما هو دون 10B ومتساوٍ مع Decider 35B-A3B، وهو نموذج يبلغ اثني عشر ضعف حجمه.

• نتيجة d1-ultra — 65، الموصوفة في منشور 15 أكتوبر بأنها تتصدر مؤشر Artificial Analysis Decision Index بفارق ثماني نقاط على الأقل، مع الادعاء بأن d1-ultra يتفوق على Jev 1.14 في جميع المهام. وقد أفادت التغطية الصحفية لهذا الإعلان بأن Jev 1.14 حصل على 57، وهو ما يتسق مع فارق ثماني نقاط.

هناك أمران صحيحان ويستحقان أن يُقالا بصراحة. أولًا، المؤشر الكامن خلف الرقم 65 الخاص بـ d1-ultra يخص طرفًا ثالثًا، لكن الرقم وصلنا عبر إعلان Liquid AI نفسه وعبر كتابات صحفية عنه — لم نتمكن نحن أنفسنا من تحميل جدول عام يعرض 65 — لذا فهو في هذه المقالة منقول عن المزوّد. ثانيًا، ليس مضمونًا أن تكون نتيجة تقسيم عام بنسخة 0.2.1 ونتيجة مؤشر بلا إصدار على المقياس نفسه، ولدى مؤشر v0.3 تقسيم رؤية خاص لم يقدّم الإصدار المفتوح نتائج مقابله صراحةً. تعامل مع الفجوة على أنها اتجاهية — فالنموذج المدفوع أفضل بدرجة معتبرة — لا كقياس مقداره 16.4 نقطة. لم يُخضع أحد، بمن فيهم نحن، هذين النموذجين لإطار اختبار مشترك.

الكمون: يُنشَر أحد الرقمين، ولا يُنشَر الآخر.

سرعة النموذج المفتوح موثّقة جيدًا على نحو غير معتاد، ما يجعل الإغفال في النموذج المدفوع أكثر بروزًا. تُفيد بطاقة d1-3B بأن سؤالًا واحدًا يستغرق 8 مللي ثانية على RTX 4090، و9 مللي ثانية على AMD MI325X، و16 مللي ثانية على Jetson AGX Thor، و26 مللي ثانية على Jetson AGX Orin 64 GB، و30 مللي ثانية على Apple M5 Pro، و50 مللي ثانية على Jetson Orin Nano، مع بلوغ الإنتاجية المجمّعة 1,106 قرار في الثانية على MI325X.

تلك أزمنة تمرير أمامي على عتاد مسمّى بالاسم، وليست أزمنة طلب من طرف إلى طرف، والتمييز ليس تنطعًا. آخر مرة نشرت فيها Liquid AI زمن استجابة مستضافًا لنموذج قرار — منشور 5 أكتوبر الذي قدّم d1 — كان من 200 إلى 300 مللي ثانية لقرار نصي، وهو ذهاب وإياب عبر API يشمل الاصطفاف والشبكة، ولا يقارَن بتمريرة 8 مللي ثانية على بطاقة محلية. وبالنسبة إلى d1-ultra لم تنشر الشركة أي رقم لزمن الاستجابة على الإطلاق، بأي من الشكلين. إذا كان خط أنابيبك مقيّدًا بزمن الاستجابة لا بالدقة، فإن هذا الغياب هو أهم شيء في هذه الصفحة: لا يمكنك حاليًا أن تعرف ما إذا كان النموذج المكلف سريعًا، والسبيل الوحيد لمعرفة ذلك هو قياسه بنفسك.

الحساب الذي لا تُجريه صفحات التسويق

هنا يتباين المنتجان تباينًا حقيقيًا، وهي حسابة يمكنك إجراؤها على منديل. تخيّل بوابة فرز لتذاكر الدعم تطرح سؤال noul واحدًا لكل تذكرة، بواقع 200,000 تذكرة شهريًا، مع نحو 1,200 رمز إدخال لكل سؤال بما في ذلك لقطة شاشة صغيرة. أي 240 مليون رمز إدخال شهريًا، وهذا هو الحجم الذي يجعل السعر لكل مليون رمز مفهومًا.

• على d1-ultra بسعر 0.042 دولار لكل مليون رمز إدخال، فإن ذلك يبلغ حوالي 10.08 دولار شهريًا. أما على d1-3B بتكلفة صفر لكل استدعاء، فهي 0.00 دولار شهريًا بالإضافة إلى تكلفة الأجهزة أياً كانت.

• نسخة Q8_0 بحجم 2.87 GB تتّسع بأريحية على Jetson Orin Nano. إذا كنت تشتري هذا الجهاز تحديدًا لهذا الحمل العملي، فإن فترة الاسترداد مقابل نقطة النهاية المستضافة تُقاس بالسنوات، لا بالأسابيع — وهذا هو الاستنتاج الصادق، وليس الاستنتاج الذي قد يطبعه بائع الأجهزة.

• اقلب المعادلة إلى الحجم. عند 200 مليون سؤال شهريًا — أي 240 مليار رمز إدخال — تبلغ فاتورة d1-ultra نحو 10,080 دولار شهريًا، بينما لا تزال النسخة المحلية تلتهم الكهرباء نفسها. عند هذه النقطة، يتوقف امتلاك نقطة التحقق عن كونه تفضيلًا فلسفيًا ويصبح بندًا في الميزانية.

ثلاث ملاحظات تحذيرية، وجميعها تصب في الاتجاه نفسه. كل عدد رموز مذكور أعلاه هو العدد الذي اخترناه؛ سيختلف طول الحالة وعدد الصور لديك، وتُحتسب الصور كنص بمعدل 1.5 رمز لكل رقعة بحجم 32×32 بكسل، لذا فإن صورة واحدة بأبعاد 1024×1024 تساوي 1,536 رمزًا مدخلًا. ويُحاسَب كل سؤال كموجّه مستقل يتضمن نصه وكل صوره، لذا فإن طرح ثلاثة أسئلة على لقطة الشاشة نفسها يجعلك تدفع ثمن تلك اللقطة ثلاث مرات. ولا شيء من هذا يحسب تكلفة الهندسة: فالمسار المحلي يمنحك خيار التكميم، وبيئة تشغيل عليك إبقاءها محدثة، ومشفّر رؤية يلتهم الذاكرة قبل أن تفعل ذلك الأوزان البالغة 3.12B. إذا كنت تستدعي نموذجًا بضع آلاف من المرات في الشهر، فإن نقطة النهاية المستضافة أرخص من الاجتماع الذي تقرر فيه الاستضافة الذاتية.

حيث يتوقف كل منها عن كونه الإجابة الصحيحة

Liquid AI d1-3B هو الخيار الافتراضي الصحيح عندما يكون أي من هذه هو القيد الملزم: لا يمكن للبيانات مغادرة المقر أو الجهاز؛ أو أن قفزة الشبكة غير مقبولة؛ أو أن الحجم مرتفع بما يكفي لتصبح تسعير كل استدعاء هي التكلفة المهيمنة؛ أو أن الحالة عبارة عن إطار كاميرا مباشر أو لقطة شاشة تفضل عدم إرسالها إلى طرف ثالث. يدعم تأطير المورد نفسه الأول من هذه — الإصدار المفتوح موجه صراحةً إلى النشر على الحافة وعلى الأجهزة عبر أجهزة NVIDIA DGX و RTX و Jetson — كما أن 17,820 عملية تنزيل سجلتها نقطة التحقق في شهرها الأول تشير إلى أن الكثير من الناس وصلوا إلى الاستنتاج نفسه بسرعة.

Liquid AI d1-ultra هو الجواب الصحيح عندما يكون القرار نفسه هو الجزء الصعب. أسئلة كثيفة المعرفة، وادعاءات بصرية يلزم مطابقتها بالسياق الواقعي — ومن أمثلة الشركة نفسها عيوب لوحات الدوائر الكهربائية ومطابقة ادعاء تلف بصورة العميل — وحالات الذيل الطويل حيث لا تستحق ثقة نموذج بحجم 3B أن يُؤتمن عليها أصلاً. والادعاء المحدد الذي تقدّمه Liquid AI له ليس الدقة فحسب، بل المعايرة: فمعظم نماذج القرار مفرطة في الثقة، كما تقول التدوينة، وقد دُرّب d1-ultra بحيث تكون لاحتمالاته دلالة. وإذا كنت تعتمد على عتبة احتمال بدلاً من أخذ argmax — أي توجيه كل ما يتجاوز 0.8 إلى الحل التلقائي وما عداه إلى إنسان — فالمعايرة هي كل شيء، وهي أيضاً الادعاء في هذا الإصدار الأصعب على شخص خارجي أن يتحقق منه.

الحالات التي لا يكون فيها أي منهما صحيحًا تستحق التسمية أيضًا. إذا كانت إجابتك نصًا حرًا، أو تتبعًا متعدد الخطوات، أو ملخصًا، فإن نموذج القرار هو الأداة الخاطئة، ويقول المورّد ذلك في وثائقه الخاصة. إذا كنت بحاجة إلى الصوت في الحالة بدلاً من النصوص والصور فقط، فإن العضو الثالث في العائلة، d1-omni-600M، هو الذي يتولى ذلك — استخدام d1-ultra لهذه المهمة ليس ترقية، بل هو خطأ في التصنيف.

إدراج هذا ضمن حزمة تقنيات تشغّلها بالفعل

نادرًا ما يكون نموذج القرار هو خط الأنابيب بأكمله. إنه البوابة: الشيء الذي يقرر ما إذا كانت التذكرة عاجلة، وما إذا كانت الصورة عيبًا، وما إذا كانت الموافقة على استدعاء أداة ما. لا يزال هناك شيء يجب أن يكتب الرد، وفي المسار المحلي هذا الشيء هو نموذج ثانٍ يجب عليك الآن استضافته — وهذه هي التكلفة الحقيقية للتحول إلى الاستضافة الذاتية، وهي التكلفة التي لا تظهر أبدًا في المقارنة لكل رمز. النمط الذي ينجح فعلاً في الأحجام الصغيرة والمتوسطة هو نموذج محلي d1-3B للبوابة عالية التكرار ونقطة نهاية مستأجرة للحالة الصعبة النادرة، مع مفتاح OrcaRouter يحمل النماذج التوليدية التي تتفرع إليها تلك القرارات: واجهة API واحدة لأكثر من 200 نموذج، سعر القائمة من المزوّد يُمرَّر مع هامش ربح 0%، وتجاوز فشل تلقائي عبر المزوّدين بحيث لا تحوّل أمسية سيئة واحدة لدى المزوّد الأعلى قائمة الفرز الخاصة بك إلى تراكم. يجدر بنا أن نكون دقيقين بشأن ما يغطيه ذلك وما لا يغطيه — نحن لا نستضيف أي نموذج من Liquid AI، لذا فإن استدعاء القرار نفسه يذهب إلى واجهة API الخاصة بـ Liquid AI أو إلى نقطة التحقق المحلية، وOrcaRouter هو ما يقف خلفه.

بمجرد أن تتوقف عن التعامل مع نموذج القرار باعتباره ثابتًا، تتوقف المقارنة عن كونها ثنائية. تتيح لك لغة التوجيه DSL تركيب بوابة رخيصة وكاتب مكلف في استدعاء واحد، وتتيح ميزة fusion لمجموعة من النماذج أن تجيب معًا عندما لا يكون نموذج واحد جديرًا بالثقة بما يكفي. لا يُعد أي من هذين سببًا لاختيار d1-ultra بدلًا من d1-3B. بل كلاهما سببان لإعادة النظر في هذا الاختيار عند الحجم الذي تتحرك فيه الحسابات فعليًا.

ما الذي سيغيّر هذه الإجابة؟

ثلاثة أمور، بحسب ترتيب الأرجحية. معيار قياس مستقل يُخضع d1-3B وd1-ultra لنفس منظومة الاختبار على المهام نفسها — وعند هذه النقطة تصبح الفجوة بين 48.57 و65 قياسًا بدلًا من تخمين اتجاهي. وزمن استجابة منشور لـ d1-ultra، الذي بدونه ينبغي لأي خط أنابيب حساس لزمن الاستجابة أن يتعامل مع النموذج المستضاف كمجهول وأن يقيسه في مسار كناري أولًا. وإصدار مفتوح الأوزان في نهاية المطاف مبني على العمود الفقري الأكبر، وهو ما يجعله، بحسب تاريخ العائلة، أقل بُعدًا عن التصديق مما يبدو: فكل نموذج d1 آخر بدأ مستضافًا انتهى به الأمر قابلًا للتنزيل خلال يومين.

حتى ذلك الحين، تظل القاعدة العامة سارية. ابدأ بـ d1-3B لأنه مجاني للتجربة، وسريع على العتاد الذي قد تملكه بالفعل، وموثّق جيدًا بما يكفي لتقدير حجمه بشكل صحيح قبل أن تلتزم. انقل القرارات المحددة التي تعود غير مقنعة إلى d1-ultra. الفجوة بين الاثنين حقيقية؛ لكنها أضيق فقط مما يوحي به فرق السعر، وأضيق بكثير مما توحي به أرقام المؤشر عندما تُطبع جنبًا إلى جنب دون تسميات الإصدار الخاصة بها.