MiniCPM-V-4.7-1B-DSpark: نموذج مسودة بحجم 213M تم إطلاقه دون إعلان

MiniCPM-V-4.7-1B-DSpark هي نقطة حفظ تضم 213,547,777 معاملًا ولا تستطيع الإجابة عن سؤال. فهي لا تقرأ الصور، ولا تجري محادثة، وعند تشغيلها بمفردها لا تنتج شيئًا يستحق القراءة. مهمتها كلها أن تجلس أمام نموذج واحد — MiniCPM-V-4.7-1B — وتخمّن الرموز الخمسة عشر التالية كي يتمكن نموذج لغوي-بصري صغير من فئة الهواتف من التحقق من كتلة منها في تمريرة أمامية واحدة بدلًا من توليدها رمزًا تلو الآخر.

حجم الملف 0.85 غيغابايت بموجب Apache-2.0، وقد ظهر على Hugging Face في 04:26 UTC بتاريخ 8 أكتوبر 2026، في الدفعة نفسها التي ضمّت مسودة النموذج الشقيق الأكبر 35B-A3B. وبعد أربعة أيام، لا تزال البطاقة الأم تتعامل معه كحاشية: تظهر المسودة مرة واحدة، كصف في جدول الأوزان وخلف مفتاح تبديل مطوي بعنوان "الفك التخميني (DSpark)". لا توجد تدوينة على مدونة OpenBMB عنه، ولا تقرير تقني، ولا أي إدخال في توثيق المشروع نفسه على GitHub.

هذا الصمت هو الجزء المثير للاهتمام، بسبب ما يجعله هذا الملف تحديدًا ممكنًا. فهو أول أثر في عائلة MiniCPM-V 4.7 يمكن لشخص من خارج OpenBMB التحقق من ادعائه المحوري — وهو أن نموذج رؤية بحجم 1B يعمل بشكل مقبول على هاتف. كل ما يلي يبقي كومتين منفصلتين: ما هو ملف على القرص يمكنك فتحه، وما هو رقم طبعه المورّد بجانبه.

ما هو موجود فعليًا في المستودع

أربعة ملفات. هذا هو كل شيء: .gitattributes، README.md، config.json، وملف واحد model.safetensors يحتوي على 854,204,052 بايت من أوزان BF16. لا يوجد مُرمّز في المستودع، لأنه لا حاجة لوجود واحد — إذ تستعير المسودة مُرمّز الهدف، والمفردات في إعداداته هي نفس رموز النموذج الأصل البالغة 248,094 رمزًا بالضبط. لا يمكن لمسودة لا تتطابق رموزها واحدًا بواحد مع رموز الهدف أن تقترح أي شيء يقبله الهدف، لذا فإن مشاركة المفردات شرط وليست تسهيلًا.

يسجل Hub API أن المستودع أُنشئ في 2026-10-08T04:26:19Z وآخر تعديل في 2026-10-12T14:29:57Z، موسومًا للغة الإنجليزية والصينية، ومرخصًا بموجب Apache-2.0، مع ثلاثة إعجابات وتنزيل واحد في وقت كتابة هذا. الرقم الأخير هو الذي يجب التمسك به. تنزيل واحد، بعد أربعة أيام، على ملف صغير بما يكفي لجَلبه عبر اتصال هاتفي.

يقرأ حقل الهندسة المعمارية Qwen3DSparkModel مع model_type بقيمة qwen3، وهذا متماسك وليس غريبًا: العمود الفقري اللغوي لـ MiniCPM-V 4.7 ينحدر من سلسلة Qwen3، لذا فإن كتلة من خمس طبقات مقتطعة من العائلة نفسها هي ما تتوقعه. وما ليس نسخة أصغر من الأصل هو كيفية تحدث الكتلة إليه. يجهّز الإعداد dflash_config بـ projector_type: "dspark"، enable_confidence_head: true، confidence_head_alpha: 1.0، confidence_head_with_markov: true، markov_head_type: "vanilla" و markov_rank: 256. رأس الثقة هذا هو الجزء المأخوذ من طريقة DSpark: فهو آلية لتقدير مقدار ما يستحق التحقق من كتلة مقترحة، وهذا هو السبب الكامل وراء كشف إعداد الخدمة لمفتاح لإيقاف التحقق التكيفي.

المواصفات، وسبب وجود كل رقم هناك

من جانب المسودة، بناءً على البطاقة والإعدادات، وكلاهما متوافقان:

• معلمات المسودة — 213,547,777، جميعها BF16، في نقطة تحقق بملف واحد بحجم 0.85 GB

• عمق المسودة — 5 طبقات، جميعها بانتباه كامل، حجم مخفي 1,024، حجم وسيط 3,584، تنشيط SiLU

• هندسة الانتباه — 8 رؤوس استعلام مقابل رأسَي مفتاح/قيمة، بُعد الرأس 256، انتباه الاستعلام المجمّع

• الرموز لكل تمريرة أمامية — 15، مدرجة في الإعداد باسم block_size: 15

• نطاق الموضع — RoPE theta 10,000,000 مع تضمين دوّار بأبعاد 256، و max_position_embeddings المضبوط على 262,144، بما يطابق نافذة النموذج الأصلي البالغة 256K

• انقر على الطبقات — [3, 7, 11, 15, 19]، من أصل 24 طبقة في الطبقة الأصلية (num_target_layers: 24)

• المفردات — 248,094، مرتبطة بمُرمِّز الهدف، مع رمز قناع مخصص عند 248,076 لخطوة صياغة المسودة شبه الانحدارية الذاتية

سطران من تلك السطور يستحقان أكثر من نظرة عابرة. الأول هو طبقات الالتقاط. لا تقرأ المسودة الطبقة النهائية للنموذج الأب؛ بل تقرأ حالات مخفية من خمس طبقات موزعة عبر عمق النموذج الأب وتُسقطها عبر dspark مُسقِط. حالات منتصف الشبكة أرخص في المواءمة وما زالت تحمل معلومات كانت الطبقة الأخيرة قد اختزلتها بالفعل في لوجيتات الرمز التالي. الثاني هو بُعد الرأس 256 مقابل حجم مخفي 1,024. هذا رأس واسع عن قصد في نموذج ضيق، والإعداد يضبط tie_word_embeddings: false — فمصفوفة التضمين تُحفظ منفصلة بدلاً من مشاركتها مع إسقاط الإخراج، لذا يشمل عدد المعاملات كليهما.

خلاصة الأمر أنه نموذج مسودة بحجم يقارب خُمس حجم الهدف، وبشكل مختلف تمامًا. وللمقارنة، مسودة النموذج الشقيق 35B-A3B تضم 389,223,169 معاملًا، وتستعين بالطبقات [3, 11, 19, 27, 35] من أصل 40. مسودتان، واحدة لكل هدف، لأن المسودة لا تكون صالحة أبدًا إلا للمفردات والتمثيل الوسيط الذي دُرّبت عليه.

جدول القبول هو بطاقة نموذج، وليس قياسًا

إليك كل الأرقام التي نشرتها OpenBMB حول مدى جودة أداء هذا الزوج، معبَّرًا عنها بالرموز المقبولة لكل خطوة تحقق، مقيسةً بإنهاء EOS طبيعي و max_new_tokens=8192:

• الرؤية، MMMU — 3.452 رمزًا مقبولًا لكل خطوة

• الرؤية، MathVista — 4.333

• الرؤية، استدلال CharXiv (التحقق) — 4.452

• الرؤية، OCRBench — 4.752

• نص، رياضيات — 5.891

• نص، كود — 5.347

• نص، عام — 3.370

يمتد المدى من 5.891 نزولاً إلى 3.370، بمعامل يبلغ نحو 1.75 بين أسهل فئة وأصعبها. وهذا الترتيب غير مفاجئ على نحو يكشف شيئًا عن الأرقام: فالرياضيات هي أكثر الأسطح انتظامًا التي ينتجها نموذج اللغة، والنص العام أقلها، ويتتبع معدل نجاح النموذج المُسوِّد مدى قابلية مخرجات النموذج الهدف للتنبؤ بدلاً من جودتها.

ثلاثة تحفظات مكانها ذلك الجدول، ولا تذكر البطاقة أيًّا منها من تلقاء نفسها.

إنه مُبلَّغ عنه ذاتيًا، وهناك تنزيل واحد فقط مقابل المستودع. لم يُنتج أحد خارج OpenBMB رقم قبول لهذه النقطة المرجعية يمكن لأي شخص آخر الاطلاع عليه. الأرقام هي أرقام المورّد، مقيسة في بيئة اختبار المورّد، على مجموعة مهام المورّد.

طول القبول خاصية للزوج، لا للنموذج. فالنموذج الهدف الذي يكرّر نفسه يمنح نموذجه المُسوِّد فوزًا سهلًا، لذا فإن ارتفاع الرقم هنا ليس دليلًا على أن MiniCPM-V 4.7-1B جيد في أي شيء. إنه دليل على مدى قابلية مخرجاته للتنبؤ، وهو سؤال مختلف له إجابة مختلفة.

وهو ليس تسريعًا. فنموذج المسودة الذي يقترح 15 رمزًا ويُتحقق من 3.4 منها لا يزال يحرّك عدة رموز في كل تمرير أمامي للنموذج الهدف، لكن التحقق من كتلة من 15 رمزًا يكلّف أكثر من توليد رمز واحد، وكل اقتراح مرفوض يُدفع ثمنه ويُهمل. يتطلب تحويل طول القبول إلى رقم زمني فعلي كلفة التحقق وحجم الدفعة والعتاد، ولا توفر البطاقة أيًا منها. وصفة الخدمة الوحيدة التي توفرها تضبط --max-num-seqs 1، وهي تهيئة مضبوطة لتعمل لا لتكون سريعة.

عند قراءته مقارنةً بنظيره، يصبح الجدول أكثر فائدة. تسجّل مسودة 35B-A3B نتيجة 7.387 في الكود و5.098 في MMMU؛ بينما تسجّل مسودة 1B هذه 5.347 و3.452. الأهداف الأصغر مع مسودات أصغر تقبل عددًا أقل بكثير من الرموز في كل خطوة، وهو نوع التفصيل العابر للعائلات الذي لا تستطيع بطاقة واحدة عرضه بينما تستطيع بطاقتان.

التدريب، والتفصيل الذي يشرح التصميم بأكمله

تتألف الوصفة من أربعة أسطر: مليونان من متتاليات التدريب، وستّ حقبات، وAdamW، وهدف مركّب يجمع بين الإنتروبيا المتقاطعة، وحدّ L1، وخسارة ثقة. السطر الأهم هو ذاك المتعلق بمصدر بيانات التدريب — إذ وُلّدت الاستجابات بواسطة MiniCPM-V-4.7-1B نفسه، من مزيج من المُوجّهات البصرية والنصية.

هذا هو التقطير الذاتي، وهو يحدد الحد الأدنى لتكلفة بناء نموذج مسودة كهذا. لا يمكنك تدريب واحد دون تشغيل النموذج الهدف على نطاق واسع أولًا، عبر كلا الوسيطتين، ما يعني أن الملف الناتج البالغ 0.85 GB الذي يمكنك تنزيله هو البقايا الرخيصة لعملية مكلفة. كما يفسر لماذا يقترن نموذج المسودة واحدًا بواحد بدلًا من أن يكون مشتركًا: فالسلوك الذي يحاكيه هو سلوك هذا النموذج، ومخرجات هدف مختلف ستدرّب نموذج مسودة مختلفًا.

الورقة البحثية الخاصة بالطريقة نفسها، arXiv 2607.05147، ليست ملكًا لـ OpenBMB. فهي ورقة بـ33 مؤلفًا قُدّمت في 6 يوليو 2026، وتصف DSpark بأنها إطار لفك الترميز التخميني يقرن عمودًا فقريًا متوازيًا بوحدة تسلسلية خفيفة الوزن، ويجدول طول التحقق انطلاقًا من احتمالات بقاء البادئة المقدَّرة. وتذكر نشرها داخل نظام خدمة DeepSeek-V4، وتتخذ خط أساس إنتاجيًا يُسمى MTP-1، وتزعم أن التوليد لكل مستخدم أسرع بنسبة 60 إلى 85 بالمئة عند إنتاجية مماثلة. تلك الادعاءات تخص الورقة وتخص ذلك النشر. ولا شيء منشور يربطها بمسودة بخمس طبقات و213M على نموذج رؤية بحجم 1B، وجدول القبول أعلاه هو الجسر الوحيد الذي عرضه أي أحد.

لماذا يهم هذا الملف أكثر مما يوحي حجمه

الادعاء الرئيسي في عائلة MiniCPM-V 4.7 هو ادعاء خاص بالتشغيل على الجهاز. تأتي بطاقة 1B مزوّدة بمخطط للأداء مقابل زمن الاستدلال، ومخطط للأداء الإجمالي لإصدار 1B instruct، وتسجيل شاشة غير محرّر تم التقاطه على iPhone 17 Pro Max، وجملة وصفية تقول إن متغيّر 1B يتفوّق بفارق كبير على Qwen3.5 0.8B في كلٍّ من النتيجة الإجمالية وكفاءة الاستدلال. كما تُدرج عائلة تكميم — int4 وAWQ وGPTQ وGGUF، إضافةً إلى دعم FP8 — وأهدافًا للأجهزة منذ اليوم الأول تشمل iOS وAndroid وHarmonyOS وRockchip وHoumo وIntel وAMD وArm.

كل واحد من هؤلاء ادعاء من مورّد لا رقم خارجي مرفق به، وأحدها غير مرتب داخليًا: نص البطاقة يسميه نموذج 1B، بينما يذكر الشريط الجانبي في Hub أن حجم النموذج يبلغ 2B parameters. نقطة تفتيش DSpark مختلفة في نوعها عن كل ذلك. فهي بحجم 0.85 GB، برخصة Apache-2.0، وتأتي مع أمر تشغيل — ما يعني أن طرفًا خارجيًا يملك GPU استهلاكيًا يمكنه تشغيلها هذا الأسبوع وإنتاج أول رقم مُقاس خارجيًا لهذه العائلة. ليس درجة معيار أداء، بل شيء شبه مفيد بالقدر نفسه: طول قبول مُعاد إنتاجه.

إذا حقّق أحدهم 3.45 على MMMU و3.37 على النص العام، فإن البطاقة موثوقة، وقصة التشغيل على الجهاز تحصل على أول نقطة بيانات خارجية لها. وإذا جاء القبول أقل بشكل ملموس، فإن الجدول قيس في ظروف لا تعيد الوصفة المنشورة إنتاجها، ويرث مخطط الأداء لكل زمن استدلال ذلك الشك. وأي من النتيجتين تساوي أكثر من مخطط بائع آخر، وهذا هو الجزء الوحيد من العائلة الذي يكون فيه الحصول على نتيجة رخيصًا.

تشغيله، وما تكلفة تجربته

تأتي البطاقة بوصفة واحدة، وهي vllm serve الفعلية، وليست مجرد كلام عام. فهي تحمّل الطراز الهدف openbmb/MiniCPM-V-4.7-1B، وتقدّمه تحت الاسم MiniCPM-V-4.7-1B، وتضبط --max-model-len 40960 و--max-num-batched-tokens 40960، وتثبّت --attention-backend FLASH_ATTN و--mm-encoder-attn-backend FLASH_ATTN، وتمرّر وسيطًا لمعالج متعدد الوسائط بقيمة {"downsample_mode": "4x"}، وتثق بالوسائط المتعددة لكل طلب، وتوجّه إعدادًا تخمينيًا إلى نقطة تفتيش DSpark مع "method": "dspark"، و"num_speculative_tokens": 15 مع إيقاف التحقق التكيّفي. وتترك الوسائط الافتراضية لقالب المحادثة التفكير معطّلًا.

هناك تفصيلان في ذلك السطر يستحقان القراءة مرتين. --max-num-seqs 1 يعني أن الإعداد المنشور يخدم تسلسلاً واحداً في المرة الواحدة، لذا تصف الوصفة إعداداً لزمن وصول أحادي التدفق، لا إعداداً للإنتاجية. ووضع خفض العينات البصري 4x هو الأرخص بين الاثنين اللذين تعلن عنهما البطاقة الأصلية — إذ تقدم البطاقة نفسها مخططاً مختلطاً 4x/16x يقايض التفصيل بالسرعة، وتختار الوصفة الجانب من تلك المقايضة الذي يفضّل السرعة.

الغلاف العتادي هو عكس تسويق عائلة النماذج. النموذج المستهدف بحجم 1B يبلغ نحو 2 جيجابايت بصيغة BF16 بالإضافة إلى ذاكرة KV المؤقتة، وتضيف المسودة 0.85 جيجابايت فوق ذلك، لذا فهذه مهمة على وحدة معالجة رسومات واحدة — بطاقة استهلاكية، أو محطة عمل بذاكرة موحدة كافية — وليست مهمة على هاتف. المسار على الجهاز في وثائق النموذج الأصل يمر عبر بنى مُكمَّمة وأطر غير موجودة في هذه الوصفة، ونقطة تفتيش DSpark كما نُشرت هي مُخرَج من جانب الخادم بصيغة BF16.

يترك ذلك فجوة ستصطدم بها معظم الفرق: النسخة المثيرة للاهتمام من MiniCPM-V 4.7-1B هي النسخة التي تعمل على الجهاز، والنسخة التي يمكنك تشغيلها اليوم دون امتلاك أدوات الهاتف هي نسخة من جانب الخادم. إذا كنت تحتاج فعلاً إلى استدلال متعدد الوسائط صغير الآن، فإن أقرب مكافئ مُستضاف هو نموذج مختلف — Qwen3 VL 8B Instruct متاح على OrcaRouter بسعر 0.18 دولار لكل مليون رمز إدخال و0.70 دولار لكل مليون رمز إخراج، مع نافذة سياق 128K ومدخلات نصية وصور وفيديو، بدون أوزان محلية وبدون وصفة تقديم تحتاج إلى إبقائها تعمل. MiniCPM-V 4.7 ليس نموذجاً مُستضافاً على OrcaRouter ولن تتظاهر هذه المقالة بغير ذلك؛ الصياغة الصادقة هي أن هاتين طريقتان لأداء مهمة واحدة، وواحدة فقط منهما قابلة للقياس من الكتالوج بعد ظهر اليوم.

الموضع الذي يثبت فيه شيء مثل DSpark جدواه هو حالة النموذج غير المُثبت، وهذه مسألة توجيه لا مسألة نموذج. إن نموذج مسودة لم يكرره أحد هو بالضبط نوع المكوّن الذي تريده خلف نقطة نهاية يمكنك الرجوع منها إلى بديل احتياطي. تشغيل أكثر من 200 نموذج خلف مفتاح واحد، مع تمرير أسعار المزوّدين المدرجة بهامش ربح 0%، ومع تجاوز الفشل تلقائياً عند تدهور أحد المسارات، يعني أن تجربة تقديم تسير بشكل خاطئ تكلفك إعادة محاولة بدلاً من انقطاع — ولأنه لا توجد أي هوامش ربح مضافة، فإن تغيير سعر المورّد لأي نموذج في الكتالوج يصبح ساريًا في اليوم نفسه بدلاً من دورة الفوترة التالية.

ما الذي سيجعل هذا قابلاً للتحقق؟

ثلاثة أشياء مفقودة، وواحد منها فقط يتطلب OpenBMB.

لم تُعلن الجهة المورّدة أي شيء. يضم المستودع بطاقة نموذج وترخيصًا ووصفة تدريب، لكن لا يوجد منشور مدونة، ولا تقرير تقني، ولا سطر واحد في وثائق المشروع على GitHub — التي كانت، عند الأسبوع الأول لعائلة النماذج، لا تزال تصف الجيل السابق بأنه الجيل الحالي. وبعد أربعة أيام من وصول نقطة التحقق، تضع بطاقة النموذج الأصلي 1B رابطًا لها كصف في جدول ولا شيء أكثر.

لم يكرّر أحد أرقام القبول، وعدد التنزيلات واحد. تلك هي الفجوة الأرخص سدًّا والأكثر أهمية، لأنها المكان الوحيد الذي قد يُحرّك فيه قياس خارجي قصة العائلة تحريكًا ذا معنى.

أما مسألة الجودة فلم تُمَسّ على الإطلاق. فلا توجد أي نتيجة MMMU، ولا نتيجة OCRBench، ولا رقم لفهم المستندات، ولا مؤشر إرساء لـ MiniCPM-V 4.7-1B في أي مكان في الإصدار — فجدول القبول هو جدول عن فك التشفير، وقراءة طول قبول مرتفع كإشارة على الجودة هي بالضبط الخطأ الذي تدعو إليه تلك الأرقام.

إذن: أثر حقيقي، ورخصة متساهلة، وأمر خدمة يعمل، ودليل جديد بحق عن نموذج لم يكن لديه أي دليل. الملف التالي الجدير بالتحديث لا يزال بطاقة نموذج الأصل.