MiniCPM-V 4.7 مقابل Gemma 4 12B: أحدهما ينشر نتائج الاختبارات، والآخر ينشر صورة لها

افتح بطاقة نموذج MiniCPM-V 4.7 ومرّر للأسفل إلى قسم التقييم. ستجد ثلاث صور: مخطط حدود الأداء مقابل زمن الاستدلال، ومقارنة شاملة بين الرؤية واللغة، ومقارنة شاملة للغة. ولن تجد جدولًا. الآن افتح بطاقة Gemma 4 12B ومرّر إلى الموضع نفسه. ستجد MMLU Pro وAIME 2026 وLiveCodeBench v6 وGPQA Diamond وCodeforces ELO وMMMU Pro وMATH-Vision ومعدل خطأ في تحليل المستندات، كل منها مصحوب برقم يمكنك نسخه إلى جدول بيانات. كلا النموذجين مفتوحا الأوزان، وكلاهما بترخيص Apache 2.0، ويُطرح كلاهما كنموذجين متعددي الوسائط يمكن تشغيلهما على أجهزة تملكها — وواحد فقط منهما سيتيح لك التحقق من عمله. إن حالات فشل الذكاء الاصطناعي الموثقة وحوادث الوكلاء التي تقف وراء إصدارات مثل هذا الإصدار مجموعة في the OrcaRouter AI Incident Archive حيث تحمل كل مدخلة مصادرها الخاصة ودرجة خطورتها ودرجة ثقتها وإشارة إلى كونها محل نزاع.

هذا التباين هو المقارنة الفعلية. إن MiniCPM-V 4.7، الذي أصدرته OpenBMB في 12 أكتوبر 2026، وGemma 4 12B، الذي أصدرته Google DeepMind في 3 يونيو 2026، ليسا من النوع نفسه من الأشياء، والفرق ليس في الحجم. بل في مقدار ما يرغب كل مورّد في وضعه في النص من ادعائه الخاص.

ما سيخبرك به كل مورّد، بالأرقام

تنشر بطاقة Gemma 4 12B نتائجه مقابل خمسة من أشقائه وسلفه، مع تسمية أداة التقييم حسب المعيار. وبالنسبة لنسخة 12B Unified تحديدًا، تذكر الشركة المصنعة 77.2 على MMLU Pro، و77.5 على AIME 2026 دون أدوات، و72.0 على LiveCodeBench v6، و78.8 على GPQA Diamond، وتصنيف ELO في Codeforces قدره 1659، و69.0 على Tau2 بمتوسط ثلاث تشغيلات، و83.4 على MMMLU، والرقم الذي يضع بأصدق صورة ما يعنيه نموذج 12B — 5.2 على Humanity's Last Exam دون أدوات. ومن جهة الرؤية، تذكر 69.1 على MMMU Pro، و79.7 على MATH-Vision، و0.164 متوسط مسافة التحرير على OmniDocBench 1.5، حيث الأقل أفضل.

تلك أرقام المورّد. لا يلزم أن يوافق عليها أي طرف مستقل، وعلى نموذج بهذا الانتشار الواسع لن يصمد بعضها عند التعامل مع منظومة تقييم مختلفة. لكنها قابلة للتكذيب، وهي الخاصية المهمة. إذا حصلت على 62 في MMLU Pro من تقييمك الخاص، فأنت تعلم أن هناك خطأ في إعدادك أو في البطاقة.

تقدم بطاقة MiniCPM-V 4.7 أربعة ادعاءات رقمية في النص، ولا تتضمن أي جدول قياسات أداء على الإطلاق. يفكّ ترميز variant ‏35B-A3B بمعدل 13 رمزًا في الثانية أو أكثر باستخدام نحو 3 غيغابايت من الذاكرة على iPhone 17 Pro Max. ويوفر Lookahead Expert Scheduling تسريعًا بمقدار 5× على الأجهزة الحقيقية. ويتفوق variant ‏1B على Qwen3.5 0.8B في الدرجة الإجمالية وكفاءة الاستدلال. وفي وضع Instruct، يحقق 35B-A3B درجة إجمالية أعلى في وقت استدلال أقل من Qwen3.6 35B-A3B. كل ما عدا ذلك — كل محور من محاور المقارنة — موجود داخل صور المخططات.

هذا ليس خداعًا. فالرسوم البيانية تحمل معلومات، ويمكن القول إن مخطط الحدود ملخص أفضل لمقايضة السرعة بالجودة من جدول درجات على معايير مختلفة قيست بأحجام دفعات مختلفة. لكن الرسم البياني لا يمكن اقتباسه، ولا يمكن إعادة اشتقاقه، ولا يمكن مقارنته برسم بياني لبائع آخر من دون أن يقرأ شخص ما مواضع البكسلات. وعندما يكون التقييم العام الوحيد لنموذج ما صورةً، فالموقف الصحيح هو التعامل مع النموذج كغير مُقاس حتى يقيسه أحدهم.

تعمل البنيتان المعماريتان على حل مشكلتين مختلفتين.

إذا تجاوزتَ قراءةَ أقسام التقييم، وجدتَ أن التصاميم تتباعد تباينًا حادًّا، وهو إشارة أنفع من أي درجة منفردة.

Gemma 4 12B خالٍ من المُرمِّز. لا يوجد برج رؤية منفصل ولا مُرمِّز صوتي منفصل: تُسقَط رقع الصور الخام والموجات الصوتية مباشرةً في فضاء التضمين الخاص بالنموذج اللغوي عبر طبقات خطية خفيفة. السبب المعلن من جوجل هو زمن الاستجابة والضبط الدقيق بتمريرة واحدة — نموذج واحد، وتدريب واحد، وجميع الوسائط. المقابل هو أن الشركة تراهن على أن محوّلًا بفك ترميز فقط يمكنه أن يتعلم الرؤية بما يكفي دون واجهة أمامية بصرية مخصصة. وتشير نتيجتها البالغة 69.1 في MMMU Pro، مقابل 76.9 لنظيرها 31B الذي يحمل مُرمِّز رؤية بنحو 550 مليون معامل، إلى أن هذا الرهان يُكلِّف شيئًا في الاستدلال البصري الدقيق.

يسير MiniCPM-V 4.7 في الاتجاه المعاكس. فهو يحتفظ ببرج رؤية مخصص بعرض مخفي 1152، و27 طبقة، وبلاطات بحجم 980 بكسل، ويوجّه جهده الهندسي نحو جعل ذلك البرج منخفض التكلفة. والضغط المبكر داخل ViT المستعار من LLaVA-UHD v4 يقلّص الرموز البصرية داخل المُرمِّز بدلاً من بعدها، كما يتيح مفتاح خفض العينات المختلط 4×/16× للمستدعي الاختيار بين التفاصيل والتكلفة لكل طلب. وعلى جانب اللغة، فإن 35B-A3B عبارة عن خليط من 256 خبيرًا يُنشّط 8 خبراء لكل رمز، موزعة بنمط 3:1 من الانتباه الخطي إلى الانتباه الكامل عبر 40 طبقة.

النتيجة العملية لهذا التصميم هي أن مسار الفيديو في MiniCPM صريح على نحو غير معتاد. تكشف البطاقة عن max_num_frames بقيمة 128، ومعامل stack_frames الذي يركّب الإطارات الفرعية في شبكة بين الإطارات الرئيسية، وتوجيهًا منفصلًا لعدد الشرائح للصور (36) مقابل الفيديو (1). إذا كنت تبني شيئًا يقرأ تسجيلات الشاشة أو فيديو المحاضرات، فإن هذا المستوى من التحكم في ما يجري أخذ عينات منه هو الميزة. يتعامل Gemma 4 12B مع الفيديو أيضًا، كتسلسلات من الإطارات، لكن بطاقته توثّق التنسيق لا اقتصاديات أخذ العينات.

الصفوف التي تحسم الأمر فعلياً

• المعاملات — إجمالي 35.21B، و8 من 256 خبيرًا نشطًا، بالإضافة إلى نموذج شقيق كثيف بحجم 1.55B مقابل نموذج كثيف بحجم 11.95B

• الوسائط المُدخلة — نص، وصورة، وفيديو، مع الإشارة صراحةً إلى OCR وتحليل PDF، مقابل نص، وصورة، وفيديو وصوت أصلي

• السياق — 262,144 رمزًا مقابل 262,144 رمزًا على طراز 12B، و128K على أشقاء سلسلة E

• الترخيص — Apache 2.0، الأوزان قابلة للتنزيل مقابل Apache 2.0، الأوزان قابلة للتنزيل

• تقييم منشور — مخططات الحدود والمقارنة، وأربع ادعاءات نصية مقابل جدول رقمي كامل عبر ثمانية نماذج شقيقة

• تقييم مستقل — لا يوجد مدخل لـ Artificial Analysis لأي من نسختي 4.7 حتى كتابة هذه السطور، مقابل صفحة لـ Artificial Analysis تتضمن تصنيف الذكاء ومعدل الإنتاجية

• الذاكرة عند BF16 — نحو 70 غيغابايت من الأوزان لـ 35B-A3B، وحوالي 3.1 غيغابايت لـ 1B مقابل نحو 24 غيغابايت

• صيغ مُكمّاة متوفرة — GGUF، وbitsandbytes، وAWQ، وGPTQ، وFP8، وint4 مقابل نقطة التفتيش الأصلية، بالإضافة إلى إصدارات GGUF وQAT المجتمعية من Google وأطراف ثالثة

• مسارات الخدمة التي يسمّيها المورّد — SGLang، وvLLM، وllama.cpp، وOllama، وTransformers، وOpenVINO مقابل Transformers، مع توفير النظام البيئي الأوسع من قبل المجتمع

• قصة التشغيل على الجهاز — تطبيقات iOS وAndroid وHarmonyOS إضافةً إلى دعم Rockchip وHoumo وIntel وAMD وArm منذ اليوم الأول، مقابل تصميم مُحسَّن للحواسيب المحمولة ووحدات معالجة الرسومات الاستهلاكية

ثلاثة أعباء عمل، ثلاث إجابات

فهم الشاشة والمستندات على نطاق واسع. هنا يتجه تصميم MiniCPM-V 4.7، وهنا تكون وثائقه أقوى. يصف وضع التخفيض بمعدل 4×، وإعداد 36 شريحة، وإدخالات دليل الوصفات الخاصة بـ OCR وتحليل PDF، وعناصر التحكم الصريحة في أخذ عينات الإطارات للفيديو، جميعها خط معالجة لتحويل المحتوى المعروض إلى نص منظم. كما أن Gemma 4 12B ذات مصداقية هنا أيضًا — فمسافة التحرير البالغة 0.164 على OmniDocBench هي رقم حقيقي لتحليل المستندات — لكن بطاقة المورّد تتعامل مع تحليل المستندات كقدرة واحدة بين قدرات كثيرة بدلًا من أن تكون المبدأ التنظيمي.

أي شيء يحتاج إلى أن يسمع. تستقبل Gemma 4 12B الصوت أصلاً، مع CoVoST عند 38.5 وFLEURS عند 0.069 على بطاقتها. أما MiniCPM-V 4.7 فلا تفعل ذلك. تعيش أعمال OpenBMB الصوتية في خط MiniCPM-o المنفصل، ولا تسرد بطاقة 4.7 أي نمط صوتي على الإطلاق. إذا تضمّن إدخالك كلامًا، فقد انتهت المقارنة قبل أن تبدأ — أحد النموذجين يحتاج إلى خطوة تفريغ نصي قبله والآخر لا يحتاج.

وحدة معالجة رسومات استهلاكية واحدة بميزانية ثابتة. إنّ Gemma 4 12B بدقة 4 بت يتسع ضمن أقل من 8 غيغابايت ويترك مساحة للسياق؛ أما 35B-A3B بدقة 4 بت فلا يتسع على بطاقة استهلاكية واحدة، وقصة الأداء الواردة في بطاقته نفسها تدور حول هواتف تُبقي 3 غيغابايت مقيمة في الذاكرة، وليس حول وحدة معالجة رسومات لديها 70 غيغابايت من أوزان الخبراء يجب ترحيلها إلى الصفحات. وإذا كان القيد هو "بطاقة واحدة تمتلكها بالفعل"، فإن 12B هو الإجابة، والنسخة 1B هي MiniCPM الوحيدة التي تنطبق.

الفجوة التي ينبغي للمشتري أن يأخذها في الحسبان عند التسعير

كلا النموذجين مجانيان للتنزيل، لذا فإن سطر الترخيص متعادل، والتكلفة الحقيقية هي كل ما يأتي بعده. بالنسبة إلى Gemma 4 12B، فقد أتيح للنظام البيئي أربعة أشهر ونصف للّحاق بالركب: نسخ مُكمَّمة من Google نفسها، وتحويلات GGUF المجتمعية، ونقاط حفظ QAT، وفهرسة مستقلة تتيح لك مقارنته بمئة نموذج آخر على المقياس نفسه. أما MiniCPM-V 4.7، فأنت في يومك الثامن مع بنية جديدة — نوع model_type جديد، وتخطيط انتباه جديد، وحد أدنى لإصدار Transformers — وتبدأ بطاقة المورّد نفسها بملاحظة حول عدم تطابق إصدارات CUDA الذي يُعطّل فك ترميز الفيديو عبر torchcodec.

هذا ليس انتقادًا للنموذج. إنها الضريبة المعتادة على تبنّي أي شيء في أول أسبوعين من عمره، وهي السبب في أن الإصدار الهادئ الذي يُقيَّم بالمخططات فقط مرشح سيئ لمسار الإنتاج ومرشح جيد لاختبار جنبًا إلى جنب. والطريقة لجعل ذلك الاختبار غير مكلف هي إبقاء النظام الحالي قيد الخدمة أثناء تقييمك للقادم الجديد، وهذه مشكلة توجيه لا مشكلة نمذجة.

OrcaRouter يشغّل أكثر من 200 نموذج مستضاف خلف نقطة نهاية واحدة متوافقة مع OpenAI وبهامش إضافي 0%، سعر القائمة لدى المزوّد يُمرَّر مباشرة، لذا فإن كلفة تجربة نموذج ثانٍ هي تغيير في الإعدادات لا عقد ثانٍ. تتيح لغة التوجيه DSL الخاصة به حمل مسار أساسي ومسار احتياطي في استدعاء واحد، ويحافظ التبديل التلقائي عند التعطل على بقاء المسار الأساسي عاملًا عندما يمرّ المزوّد بساعة سيئة. ملاحظة التغطية هي الجزء المهم هنا: كتالوجنا يضم Gemma 4 26B-A4B وGemma 4 31B، وليس هذا النموذج 12B، ولا يضم MiniCPM-V 4.7 إطلاقًا. كلا النموذجين اللذين تتناولهما هذه المقالة هما نقطتا حفظ تشغّلهما بنفسك — فالموجّه هو ما يحيط بهما، وليس وسيلة لاستدعائهما.

ما الذي سيحسم الأمر؟

المقارنة الآن غير متكافئة على نحو يسهل وصفه ويسهل إصلاحه. لدى Gemma 4 12B أرقام يمكنك أن تجادل فيها. أما MiniCPM-V 4.7 فلديه ادعاءات لا يسعك إلا قبولها أو رفضها: 13 رمزًا في الثانية، و3 GB، وتسريع بمقدار 5×، وأفضل من منافس مسمّى وفق درجة إجمالية غير مسمّاة. كل واحد من هذه سيكون أكثر فائدة كصف في جدول، ومن الواضح أن OpenBMB قادرة على إنتاج واحد — فقد حملت البطاقات السابقة لهذه العائلة شبكات معايير قياسية.

لذا فإن الموقف المفيد غير متماثل عن قصد. إذا كنت بحاجة إلى قرار هذا الأسبوع، فإن Gemma 4 12B هو النموذج الذي يمكنك التنبؤ بسلوكه من الأرقام المنشورة، ودعمه للصوت قدرة لن يضيفها أي قدر من الصبر إلى MiniCPM-V 4.7. وإذا كنت تبني للهواتف، أو لـ HarmonyOS، أو للوحة Rockchip، أو لقراءة الشاشات والمستندات حيث يكون مسار خفض العينات بمعامل 4× هو الخيار الصحيح تمامًا، فإن هندسة MiniCPM-V 4.7 أكثر تخصصًا لمشكلتك من أي شيء أطلقته Google بهذا الحجم — وغياب الجدول سبب لقياسه بنفسك لا سبب لاستبعاده.

شيء أخير يجدر قوله بصراحة، لأنه الجزء الذي لا يتوافق مع تأطير أي من المورّدين. لا يتنافس أي من هذين النموذجين على المشتري نفسه الذي تستهدفه واجهة برمجة تطبيقات متقدمة. بل يتنافسان مع قرار عدم تشغيل نموذج محليًا على الإطلاق. أقوى حجة لدى Gemma 4 12B هي أن أربعة أشهر من النظام البيئي تعني أن المسار الممل ينجح؛ وأقوى حجة لدى MiniCPM-V 4.7 هي أن نموذجًا بحجم 1B بذاكرة 3 غيغابايت يعمل في مكان لا يستطيع نموذج 12B الوصول إليه. اختر القيد أولًا، ثم النموذج — وجدول المعايير، عندما يصل، لن يفعل سوى إعادة ترتيب النماذج داخل فئة اخترتها بالفعل.