MiniCPM-V 4.7 35B-A3B مقابل InternLumina U2: سفينتان صامتتان، إجابتان متعارضتان

لم يُعلَن عن MiniCPM-V 4.7 35B-A3B ولا عن InternLumina-U2 حين ظهرت أوزانهما. كلاهما مفتوح الأوزان، وكلاهما جاء من مختبرات صينية، وكلاهما أكبر إصدار متعدد الوسائط طرحته فرقُهما هذا العام، وكلاهما وصل إلى المنصة دون تدوينة، ولا عرض رئيسي، ولا يوم إطلاق. وهنا ينتهي التشابه. يقرأ MiniCPM-V 4.7 35B-A3B الصور ويجيب بالنص؛ أما InternLumina-U2 فيقرأ الصور، ويجيب بالنص، ويرسم أيضًا صورًا جديدة، ويعدّلها، ويُنتج أصولًا ثلاثية الأبعاد. أحدهما مصمم ليكون صغيرًا بما يكفي ليستقر على هاتف؛ أما الآخر فهو 16 مليار معامل من أبحاث الانتشار، ولن يقترب بأي شكل من أن يتّسع على هاتف. عند قراءتهما جنبًا إلى جنب، ليسا مدخلين في الفئة نفسها — بل هما إجابتان مختلفتان عن سؤال ما الغرض من نموذج الرؤية واللغة، نُشرتا خلال خمسة أسابيع من بعضهما البعض دون أن يراقبهما أحد.

ما يمكن معرفته هنا ينقسم انقساماً واضحاً. فكل ما يتعلق بجانب MiniCPM الوارد أدناه يأتي من المستودع وبطاقة النموذج وملف الإعداد، وكلها متاحة لأي شخص ليقرأها. أما كل ما يخص جانب InternLumina فيأتي من بطاقة النموذج الخاصة بالمختبر نفسه وشجرة الملفات التي نشرها؛ وقسم اختبارات الأداء في البطاقة نفسها موسوم بعبارة «نتائج أولية، جزئية» ولا يحمل أي أرقام على الإطلاق. لم يخضع أي من النموذجين لتقييم مستقل، ولا شيء في هذا المقال يُعد إطلاقاً: فلم تصف OpenBMB MiniCPM-V 4.7 بأنه إصدار إلا في 12 أكتوبر، وبحسب ما يظهره السجل العام، لم تصف Shanghai AI Laboratory InternLumina-U2 بأنه إصدار بعد.

سفينتان هادئتان، بفارق خمسة أسابيع

ظهر مجلد MiniCPM-V 4.7 لأول مرة على Hugging Face في 6 أكتوبر 2026؛ ويُبلغ الـhub الآن عن طابع زمني للإنشاء بتاريخ 7 أكتوبر، وكان آخر تعديل على المستودع في 12 أكتوبر. أُنشئ مستودع InternLumina-U2 في 1 سبتمبر. لا يأتي أيٌّ من التاريخين مصحوبًا بإعلان مرفق. لكن الوقت مرّ عليهما بشكل مختلف منذ ذلك الحين، والاختلاف هو أكثر ما يفيد في هذه المقارنة.

طُرح InternLumina-U2 في 1 سبتمبر كشيفرة برمجية فقط. كان ذلك الإصدار عبارة عن أداة استدلال وملف README ووعد — فالأوزان كانت "قريبًا"، وكان مستودع Hugging Face يحتوي على ملف .gitattributes واحد فقط، وكان التقرير الفني مُعلَّمًا بأنه قادم. لم يعد ذلك صحيحًا. يحمل المستودع الآن نقطتي حفظ كاملتين خاصتين بالعتاد، إحداهما تحت ascend/ والأخرى تحت nvidia/، ولكل منهما سبع شظايا safetensors، ووحدة الشيفرة البعيدة الخاصة بها، وخطة توازٍ ومُرمِّز. هبطت الأوزان بهدوء ولم يُحدِّث أحد القصة. وحتى كتابة هذه السطور، لا يزال المستودع عند 16 إعجابًا وصفر تنزيلات مسجلة، والتقرير الفني لم يصدر بعد.

MiniCPM-V 4.7 سار في الاتجاه المعاكس. وصل في أكتوبر كأوزان دون بطاقة نموذج — لم يكن في المجلد README ولا وسم ترخيص ولا اختبارات معيارية، وهو بالضبط ما سجّله تقريرنا السابق. بعد عشرة أيام، بات يمتلك الثلاثة الأولى جميعها وما زال يفتقر إلى الأخير كليًا: رخصة Apache-2.0، وبطاقة كاملة تتضمن أدلة استخدام، وقسم ادعاءات يحوي أرقامًا، لكن دون جدول تقييم يستطيع القارئ اقتباسه. لذا فإن الملخص الدقيق لكليهما هو أن التوثيق وصل بعد الأوزان، في كلتا الحالتين، دون أي إعلان بينهما.

ما هو InternLumina-U2 في الواقع

تصف البطاقة نموذجًا خليط خبراء بمعاملات 16B ومعاملات نشطة 1B — مكتوبًا بالصيغة 16B-A1B — بُني كنموذج لغوي كبير انتشاريّ متعدد دفاتر الشيفرة. العبارة المهمة هي "منفصل بالكامل": رهان InternLumina-U2 المركزي هو أن اللغة والرؤية ينبغي أن تشتركا في مفردات رمزية واحدة بدلًا من أن تعيشا في مكدّسات منفصلة للفهم والتوليد، وأن عنق الزجاجة في النماذج الموحّدة السابقة كان المفردات البصرية نفسها. وجوابه هو تمثيل بصري منفصل بثماني دفترات شيفرة مبني على AToken، وهو ما يسمح للأوزان نفسها بأن تفسّر صورة وتولّد صورة.

النطاق واسع بحكم التصميم: أسئلة وأجوبة نصية، وتوليد الصور من النص حتى 1024×1024، وفهم الصور للصور الطبيعية والمخططات البيانية الكثيفة، وتحرير الصور القائم على التعليمات مع وضع dual-CFG اختياري، وفهم الفيديو عبر إطارات مُعيّنة، وفهم ثلاثي الأبعاد لأصول GLB وGLTF. المسار ثلاثي الأبعاد هو الشاذ بينها والأكثر إثارة للاهتمام — تُصيَّر الأصول إلى مشاهد لونية وعمقية عبر خط أنابيب Blender مُضمَّن قبل الترميز، وهي طريقة ذكية لإعادة استخدام نموذج صور في الهندسة دون تعليمه الهندسة.

هناك تفصيلان هندسيان يجدر التنبيه إليهما لأنهما غير معتادين. أولًا، توجد نقطتا الحفظ معًا في مستودع واحد، مقسّمتان حسب المسرّع: إصدار Ascend مدرّب على وحدات NPU من Huawei وإصدار NVIDIA مدرّب على وحدات GPU. ويشكّل ذلك تحوطًا متعمدًا ضد قيود التصدير والإمداد، ويعني أن سؤال "أي نقطة حفظ" يجب على مستخدمي InternLumina-U2 الإجابة عليه قبل أي شيء آخر. ثانيًا، تشير البطاقة إلى أن النموذج مرخّص بموجب Apache-2.0 دون أي تحفظات — متسامح حقًا، على النقيض من عدة إصدارات متعددة الوسائط صدرت في 2026 بموجب شروط بحثية فقط.

ما هو MiniCPM-V 4.7 35B-A3B الآن

تسمّيه بطاقة الطراز أول MoE في سلسلة MiniCPM-V، ويؤكد ملف الإعدادات ذلك: 256 خبيرًا، مع 8 خبراء نشطين لكل رمز، و40 طبقة، ونافذة سياق من 262,144 رمزًا، ومفردات من 248,144 رمزًا. تعمل الرؤية عبر وحدة SigLIP2 مزوّدة بضغط مبكّر intra-ViT من LLaVA-UHD v4 ووضع ضغط رموز مختلط 4x/16x — الوضع الافتراضي 16x للإنتاجية، و4x عندما تحتاج إلى تفاصيل دقيقة، ويُختار عند الاستدعاء. يفهم الصور المفردة، ومجموعات الصور المتعددة، والفيديو؛ ويجيب بالنص؛ ولا يولّد الصور.

الادعاء الذي يقدّمه OpenBMB بخط عريض هو أن هذا أول نموذج MoE مفتوح المصدر يتمتع باستدلال سلس على الجهاز بلا فقدان، ويتحقق ذلك عبر ثلاث تقنيات مسمّاة: Lookahead Expert Scheduling، والتكميم الدقيق على مستوى الطبقات، وأخذ العينات التخميني عبر مسودات DSpark المنفصلة. والرقم المرفق بذلك هو أكثر من 13 توكنًا في الثانية على iPhone 17 Pro Max. هذا الرقم مُبلَّغ عنه من المورّد، ولم يُعَد إنتاجه، وغير مُوثَّق بأي مؤهلات — لا تنسيق تكميم، ولا إصدار بناء، ولا مُوجِّه، ولا منهجية قياس. كما تزعم البطاقة أن النموذج في وضع Instruct يحصل على درجة إجمالية أعلى من Qwen3.6 35B-A3B في زمن استدلال أقل، وهذا الادعاء يقع داخل صورة مخطط بياني بدلًا من جدول، ما يعني أنه لا يمكن اقتباسه كرقم، ولا ينبغي التعامل معه كرقم.

ما ليس ادعاءً هو عمل التوزيع، وهو السبب العملي للاهتمام. توجد جميع أوزان Base وFP8 وint4 وAWQ وGPTQ وGGUF؛ ويُدعم SGLang وvLLM وllama.cpp وOllama وOpenVINO عبر إدخالات من اليوم الأول؛ وتوجد تطبيقات iOS وAndroid وHarmonyOS ضمن مستودع MiniCPM-V-Apps؛ وتُدرج Rockchip وHoumo وIntel وAMD وArm جميعها كشرائح من اليوم الأول. قبل ستة أسابيع، كان الانتقاد الموجّه لهذا النموذج أنه نقطة تحقق غير موثقة. لم يعد هذا الانتقاد صالحًا الآن — فهي نقطة تحقق موثقة بلا معايير أداء، وهي مشكلة مختلفة وأصغر.

الاثنان، بُعداً بُعداً

• ما الذي يفعله مع صورة — يقرؤها MiniCPM-V 4.7 35B-A3B ويجيب نصيًا؛ أما InternLumina-U2 فيقرؤها، ويجيب نصيًا، وينشئ صورة جديدة، ويحرّر صورة موجودة، ويفسّر أصولًا ثلاثية الأبعاد.

• البنية المعمارية — نموذج MoE متفرق تلقائي الانحدار بـ 35.2 مليار معامل مع 3 مليارات نشط، مقابل نموذج انتشار منفصل متعدد الدفاتر الرمزية 16B-A1B. عائلات مختلفة، وليست أحجامًا مختلفة من عائلة واحدة.

• الوسائط المُدخَلة — النص والصورة والفيديو مقابل النص والصورة والفيديو والثلاثي الأبعاد.

• الوسائط المُخرَجة — نص فقط مقابل نص بالإضافة إلى صور مُولَّدة وصور مُحرَّرة.

• الأوزان — نحو 70 غيغابايت بصيغة BF16 موزّعة على 16 شظية مقابل سبع شظايا لكل بناء عتادي، منشورة مرتين.

• الترخيص — Apache-2.0 في كليهما. هذا هو البُعد الوحيد الذي يتفق فيه الاثنان حقاً، وهو أمر مهم، لأن وجود ترخيص متساهل على نموذج توليدي بهذا الحجم ليس شائعاً.

• سيناريو النشر — عمليات بناء مُكمَّمة، وتطبيقات جوال، وخمس بيئات تشغيل للاستدلال مقابل وحدة تعليمات برمجية عن بُعد وبرنامج نصي shell، مقسّمة حسب المسرّع.

• الأدلة العامة — بطاقة من ادعاءات المورّد بلا جدول تقييم، مقابل بطاقة تصف صراحةً قسم الاختبارات فيها بأنه مبدئي ولا تطبع شيئًا فيه.

الفجوة بينهما ليست في الجودة، بل في النوع

سيكون من المُرضي إعلان فائز، وسيكون ذلك غير نزيه. لا يوجد مقياس أداء مشترك بين هذين النموذجين، ولم يقم أي طرف ثالث بتشغيل أيٍّ منهما، كما أن جدول التقييم الخاص بـ MiniCPM-V 4.7 نفسه غير موجود، بينما جدول InternLumina-U2 موسوم صراحةً بأنه جزئي. من يرتبهما اليوم إنما يرتب جودة التوثيق، لا جودة النموذج.

ما يمكن مقارنته بصدق هو مسار الأدلة، وهناك يفشل الاثنان في اتجاهين متعاكسين. يخبرك InternLumina-U2 بالكثير عن البنية المعمارية وبلا شيء تقريبًا عن النتائج — تصميم مثير للاهتمام دون قدرة مُثبتة. ويخبرك MiniCPM-V 4.7 بالكثير عن النتائج في نصوص نثرية، ويرفض نشرها كبيانات، مما يجعل الادعاءات صعبة الدحض وبالتالي صعبة الثقة. الأول أداة واعدة؛ والثاني أداة واعدة عليها طبقة تسويقية.

تتبع القراءة العملية ذلك. إذا كنت تحتاج إلى نموذج يستوعب لقطات الشاشة أو المستندات أو الفيديو ويعيد نصًا، وتريد تشغيله بنفسك، فإن MiniCPM-V 4.7 هو النموذج الذي يوفّر وصفة خدمة، وست بيئات تشغيل، وأوزانًا مُكمَّمة يمكنك تنزيلها اليوم. وإذا كنت تحتاج إلى نموذج واحد يفهم الصور ويولّدها بالمفردات نفسها — لخطوط تحرير الصور، أو البيانات الاصطناعية، أو البحث في فضاءات الرموز الموحّدة — فإن InternLumina-U2 هو الوحيد من بين الاثنين الذي يحاول ذلك، ومجلد نقطة التحقق الثاني الذي ظهر بعد إصدار الكود في سبتمبر هو أول إشارة إلى أن البحث ما زال يتقدّم.

ما الذي يعنيه هذا إذا كنت تحاول فقط إطلاق شيء ما

كلا هذين ملفان تقوم بتنزيلهما وتقديمهما بنفسك. لا يظهر MiniCPM-V 4.7 35B-A3B ولا InternLumina-U2 في الكتالوج المستضاف لدى OrcaRouter، لذا لا شيء هنا يمثل طريقًا لاستدعائهما كنقطة نهاية، ولا ينبغي قراءة أي مقال منا على أنه يقول خلاف ذلك. ما يفيد فيه الموجّه في هذه الحالة هو النصف الآخر من المهمة: لحظة احتياج خط أنابيبك إلى نموذج لا تريد استضافته. يضع OrcaRouter أكثر من 200 نموذج مستضاف خلف مفتاح واحد، يمرر سعر قائمة كل مزوّد مباشرةً دون أي هامش ربح لنا، ويتحول تلقائيًا عند تدهور مزوّد — لذا يمكن لفريق يشغّل MiniCPM-V 4.7 محليًا لفهم المستندات بالجملة أن يصعّد الصفحات الصعبة إلى نموذج مستضاف دون عقد ثانٍ أو SDK ثانٍ.

أقرب نموذج مستضاف لهذا الشكل هو Qwen3.6 35B A3B — أيضاً بإجمالي 35B و3B نشطة، وأيضاً بسياق 262K، وأيضاً نص وصورة وفيديو كمدخلات مع نص كمخرجات — متاح بسعر 0.25 دولار لكل مليون رمز إدخال و1.48 دولار لكل مليون رمز إخراج، بالتكلفة. هذه مجموعة ضابطة مفيدة حقاً: إذا كان قرارك بين الاستضافة الذاتية لنموذج MoE متناثر متعدد الوسائط بحجم 70 GB واستدعاء نموذج مكافئ، فإن الخيار الثاني قابل للقياس بعد ظهر اليوم والأول ليس كذلك.

ما الذي قد يغيّر هذه المقارنة؟

ستحسم وثيقتان معظم الأمر. جدول قياس أداء من OpenBMB سيحوّل MiniCPM-V 4.7 من ادّعاء إلى نقطة بيانات، ونموذج المسودة DSpark — الجزء الوحيد من العائلة الذي له أي أرقام منشورة، في صورة عدد الرموز المقبولة لكل خطوة — هو أرخص مسار خارجي إلى أول رقم مستقل. وتقرير تقني من مختبر شنغهاي للذكاء الاصطناعي سيؤدي المهمة نفسها لـ InternLumina-U2، وسيكون أول مرة يرى فيها أحد مفرداته ذات الدفاتر الترميزية الثمانية تُقيَّم مقابل أي شيء.

حتى ذلك الحين، الموقف الصادق هو هذا: أحدهما يمكنك نشره، والآخر يمكنك فقط دراسته. من المرجح أن تتوقف هذه الجملة عن كونها صحيحة خلال شهر، وهذا هو السبب في أن أياً من النموذجين لا يستحق أن يُدرج في خانة البرمجيات الوهمية — فهما ببساطة في مرحلة أبكر من حياتهما العامة مما توحي به الكتابات عنهما.