MiniCPM-V 4.7 مقابل LFM3-VL-2B: الدرجة الأعلى في الاختبار المعياري هي المستشعر الخاطئ

وضعت Liquid AI نموذج MiniCPM-V 4.7 1B في جدول المقارنة الخاص بها ثم تفوّقت عليه. في مجموعة من 62 اختبارًا أجرتها Liquid، يحقق LFM3-VL-2B متوسطًا قدره 71.4 مع تمكين الاستدلال و62.1 بدونه؛ بينما يحقق MiniCPM-V 4.7 1B متوسطًا قدره 57.5. هذا فارق قدره 13.9 نقطة في فئة النماذج الصغيرة، وهو الرقم الذي تتوقف عنده معظم منشورات المقارنة. وهو أيضًا الرقم الأقل فائدة في القرار، لأن النموذجين لا يتنافسان على المكانة نفسها. أحدهما نموذج كثيف بعدد 1.92 مليار معامل، صُمم ليكون الإجابة الكاملة. والآخر هو النصف الرخيص من نظام مكوّن من نموذجين، نصفه المكلف نموذج مزيج خبراء بعدد 35 مليار معامل.

تعتمد نسخة هذه المواجهة التي تهمّ على أيّ MiniCPM-V 4.7 تقصد. فالطراز 1B هو نموذج كثيف بمعاملات يبلغ عددها 1.55 مليار معامل، ويتّسع في ملف Q4_K_M بحجم 672 MB — أي 641 MiB، ومن هنا يأتي الرقم 641 MB على البطاقات. أما 35B-A3B فهو 35.2 مليار معامل مخزّنة مع نحو 3 مليارات معامل نشطة لكل رمز، وهو غير موجود في جدول Liquid إطلاقًا. ويقع LFM3-VL-2B بينهما، وهو وفق أرقام Liquid نفسها نموذج رؤية عام أفضل من MiniCPM الصغير وأضعف بكثير من MiniCPM الكبير. وكل ما يلي يتعلق بأي من هذه الحقائق ينبغي أن يحدّد معماريتك.

ثلاث فئات تتظاهر بأنها نموذجان

LFM3-VL-2B هو أثر واحد. يتكوّن من 1.92 مليار معامل، تشمل عمودًا فقريًا لغويًا بحجم 1.73B، ومشفّر رؤية داخلي بحجم 164M، ومُسقِط بحجم 25M، مع سياق من 128K رمزًا، وفيديو يُؤخذ منه إطاران في الثانية، ومجموعة أوزان واحدة تنفّذ الكشف والتعرّف الضوئي على الحروف والمخططات والوصف. أعلنت Liquid عن عائلة LFM3 في 27 أكتوبر 2026؛ ونُشر مستودع LFM3-VL-2B في 19 أكتوبر.

MiniCPM-V 4.7 هو نموذجان يتشاركان برج رؤية واحد. النموذج 1B هو عمود فقري كثيف ‎qwen3_5_text‎ بـ24 طبقة، وسياق من 262,144 رمزًا، وثلاث طبقات انتباه خطي مقابل كل طبقة انتباه كامل. أما 35B-A3B فهو نموذج متناثر بـ256 خبيرًا يوجّه ثمانية خبراء لكل رمز، ويحتفظ بالسياق نفسه البالغ 262,144 رمزًا، ووُجد لأن OpenBMB أرادت نموذجًا كبيرًا قادرًا على بثّ الخبراء من التخزين بدلًا من إبقائهم في الذاكرة. كلاهما بترخيص Apache-2.0. ظهرت الأوزان في 6 و7 أكتوبر 2026، وتلتها بطاقة النموذج في 12 أكتوبر، وأصدرت ModelBest بيانًا صحفيًا بالإنجليزية في 15 أكتوبر.

إذن، الصياغة الصادقة ليست «2B مقابل 1B». بل هي «نموذج واحد يجب أن يفعل كل شيء» مقابل «عائلة تختار فيها مقدار النموذج الذي يستحقه كل سؤال». إذا كان خط المعالجة لديك يطرح سؤالًا واحدًا لكل صورة، فإن شكل LFM3-VL-2B أبسط، وعند الطرف الصغير، أقوى. وإذا كان خط المعالجة لديك يطرح عشرة آلاف سؤال رخيص وسؤالًا واحدًا مكلفًا، فإن شكل MiniCPM أرخص بحكم التصميم.

ما يقوله جدول Liquid نفسه، وما تكلفة قراءته

مجموعة الـ62 معيارًا هي مجموعة Liquid، شُغّلت على vLLM 0.27.1، ومُعيّرة على مقياس من 0 إلى 100، مع تفعيل وضع الاستدلال لكل نموذج باستثناء الصفوف المعلَّمة بخلاف ذلك. أن تقوم جهة بائعة بقياس أداء منافس أمر طبيعي ويستحق القراءة، لكن أداة الاختبار هي أداة الجهة البائعة، ومجموعة المطالبات هي مجموعتها، والنتيجة الإجمالية هي نتيجتها. تعامل مع الصفوف على أنها ادعاءات.

• MMMU — LFM3-VL-2B ‏55.7 مع التفكير و48.6 بدونه، مقابل 51.0 لـ MiniCPM-V 4.7 1B في نفس مجموعة الأعمدة. لا تذكر صفحة OpenBMB الخاصة أي MMMU للطراز 1B، لذا فإن هذا الصف موجود فقط في تشغيل Liquid.

• OCRBench v1 — LFM3-VL-2B 86.3 مقابل 82.1 لـ MiniCPM-V 4.7 1B داخل جدول Liquid. يُبلغ OpenBMB عن 86.1 لطرازه 1B الخاص به، وهو فارق بمقدار 4 نقاط على الاختبار المعياري نفسه بالاسم، ومثال عادل على ما تفعله أداة تقييم مختلفة برقم.

• MathVista (mini) — 84.2 مع التفكير و68.5 بدونه لـ LFM3-VL-2B، مقابل 71.2 لـ MiniCPM-V 4.7 1B في الجدول نفسه. تقول صفحة OpenBMB إن 74.3 لذلك الطراز.

• استدلال CharXiv — 70.2 لـ LFM3-VL-2B مقابل 44.5 لـ MiniCPM-V 4.7 1B. وتزعم صفحة OpenBMB نسبة 48.8 للنموذج نفسه، لذا حتى اتجاه الفجوة يعتمد على أداة التقييم.

• LongVideoBench — 53.4 لـ MiniCPM-V 4.7 1B على صفحة OpenBMB. لا يتضمّن جدول Liquid أيّ صفّ لـ LongVideoBench على الإطلاق، لذا لا يوجد ما يمكن مقارنته به.

النمط ثابت: مع تشغيل الاستدلال، يكون النموذج الكثيف 2B أفضل في الاستدلال البصري متعدد الخطوات وتفسير المخططات، ومتكافئًا تقريبًا في التعرف الضوئي على الحروف العادي. ومع إيقاف الاستدلال، تتقلص الفجوة إلى نحو 4.6 نقطة، ما يخبرك بأن معظم الميزة تُشترى برموز زمن الاختبار لا بالمعاملات. وهذا يهم زمن الاستجابة أكثر مما يهم الجودة، وزمن الاستجابة هو المحور الذي تتجاهله هذه المقارنة عادةً.

الاختبار المستقل الذي يعكس الترتيب

في أواخر أكتوبر، نشر WebBrain اختبارًا قياسيًا من 100 حالة للقطات شاشة المتصفح، أُجري بالكامل دون اتصال في Q4_K_M GGUF على بطاقتي RTX 5060 Ti، مع مجموعة ثابتة من لقطات الشاشة ومُوجّه إنتاجي واحد ومعيار تقييم حتمي. سجّل MiniCPM-V 4.7 1B 37 نجاحًا صارمًا من أصل 100 ومتوسط درجة معيار تقييم قدره 68.2 بالمئة عند 1.30 ثانية لكل لقطة شاشة. وسجّل LFM3-VLD-2B — وهو نسخة شقيقة من نموذج Liquid، وليس نقطة التحقق الدقيقة LFM3-VL-2B — 4 نجاحات صارمة و44.7 بالمئة عند 2.20 ثانية.

التحذير مهم ويعمل في الاتجاهين. وفق تعبير regex الصارم للعناوين المرقمة، حصل MiniCPM على صفر نجاحات لأنه كتب عناوين الأقسام كتسميات نصية بدلًا من أرقام. أما رقم 37 نجاحًا فيأتي من إعادة تقييم المخرجات نفسها حسب اسم القسم. هذا إخفاق تنسيقي حقيقي، وإذا كان محلل المخرجات اللاحق لديك يتوقع عناوين مرقمة، فهو موجب للاستبعاد. لكن درجة المحتوى ليست متقاربة: 68.2 مقابل 44.7، وبزمن استجابة يبلغ 60 بالمئة، في مهمة — قراءة نافذة متصفح كثيفة — أقرب بكثير إلى الإنتاج من معيار مخططات.

هذا هو التقييم المستقل الوحيد الذي يملكه أيٌّ من النموذجين في هذه الفئة، وهو أداة اختبار واحدة على زوج واحد من وحدات GPU، ونموذج Liquid الذي اختبره هو نسخة VLD. ومع ذلك فهو أكثر إفادة من التجميعي البالغ 62 اختبارًا معياريًا، لأنه يقيس ما تفعله فعليًا بنموذج رؤية صغير: أن تنظر إلى شاشة وتجيب عن سؤال ثابت بسرعة.

الرخصة هي العامل الحاسم الصامت

يُطرح MiniCPM-V 4.7 بموجب Apache-2.0 دون أي شرط متعلق بالإيرادات. ويُطرح LFM3-VL-2B بموجب LFM Open License v1.0، التي تصفها Liquid بأنها مجانية للاستخدام التجاري لمن تقل إيراداتهم السنوية عن 10 ملايين دولار. وفوق هذا الحد، تتغير الشروط وعليك قراءتها.

لمشروع هواية، الفرق نظري. أما بالنسبة لمنتج، فهو أول ما سيسأل عنه محامٍ، وهو الصف الوحيد في أي جدول مقارنة لا يمكن لأي اختبار أداء تجاوزه. النموذج الأفضل بأربع نقاط في استدلال المخططات والذي يحمل شرطًا مرتبطًا بالإيرادات ليس بالضرورة الاعتماد الأفضل. وهنا أيضًا يؤدي اختيار Apache-2.0 على كلا حجمي MiniCPM-V 4.7 عملًا أكبر من أرقام اختبارات الأداء: فهو يزيل محادثة.

الإيقاع: الرقم الذي لا يورده أيٌّ من الجدولين

يُعدّ مراقب القطط esp32-eye أوضح مثال عام على كيفية استخدام MiniCPM 1B فعليًا. فهو يعمل بنسخة Q4_K_M GGUF خلف llama-server على جهاز MacBook، ولا يُستدعى أكثر من مرة كل 1.5 ثانية، مع تقييده بفحص فروق الخلفية بحيث لا تصل إليه معظم الإطارات أصلًا. وقد وجد البناء نفسه أن نسخة 1B غير موثوقة في التمييز بين أربع قطط متشابهة، فنقل مهمة تحديد الهوية إلى نسخة 35B بدلًا من تقديم تخمين.

هذا هو ملف تعريف النشر الذي لا تلتقطه جداول المقارنة. النموذج الذي تستدعيه كل 1.5 ثانية يجب أن يكون صغيرًا بما يكفي ليبقى مقيمًا في الذاكرة، وسريعًا بما يكفي ليصل الجواب قبل الإطار التالي، ومتساهلًا بما يكفي لتتمكن من شحنه. يحقق نموذج 1B الشروط الثلاثة جميعًا. أما LFM3-VL-2B فيبلغ حجمه 1.25 GB بترميز Q4 ويستغرق 2.2 ثانية لكل لقطة شاشة في الاختبار المستقل، وهو مناسب لخط معالجة يعمل صورةً بصورة، وبطيء جدًا بالنسبة لبوابة زمنية مدتها 1.5 ثانية على العتاد نفسه.

إذا كنت تريد نقطة نهاية مستضافة بدلاً من ملف محلي، فلا يوجد أي من النموذجين في كتالوج OrcaRouter اليوم، لذا فإن الإجابة الصادقة هي أن نموذج 1B يعمل حيث تضعه، ونموذج 35B يعمل على واجهة API الخاصة بـ OpenBMB. ما يقدمه الموجّه هو البنية المحيطة: مفتاح واحد عبر أكثر من 200 نموذج، هامش ربح بنسبة 0% على أسعار قائمة المزوّدين، وتجاوز تلقائي للفشل، وهي الطريقة التي تُبقي بها خط أنابيب مكوّنًا من نموذجين يعمل عندما يكون الجزء المكلف نقطة نهاية خارجية واحدة. إنه لا يجعل نموذجًا غير مستضاف مستضافًا، ويجدر قول ذلك بصراحة.

أيّ واحد تختار

إذا كنت تبني خط معالجة صور بنموذج واحد وتريد أقوى نموذج عام من فئة 2B على المعايير التي ينشرها كلا المختبرين، فإن LFM3-VL-2B هو الخيار المدافَع عنه، مع تدوين تحفّظ الترخيص. وإذا كنت تبني وكيلًا ينظر إلى الشاشات في حلقة متكررة، فإن اختبار المتصفح المستقل يضع MiniCPM 1B في المقدمة على مستوى النتيجة وزمن الاستجابة معًا، وانضباط التنسيق لديه هو ما ينبغي إصلاحه في المحلّل الخاص بك لا في النموذج.

إذا كنت بحاجة إلى نموذج يستطيع قراءة مستند من 262,144 رمزًا، ومشاهدة فيديو، والمنافسة بجدارة في MMMU، فليس أي من النموذجين الصغيرين هو الجواب: تلك هي فئة 35B-A3B، حيث تُبلغ OpenBMB عن 80.2 في MMMU، و91.2 في OCRBench، و68.9 في LongVideoBench، وكلها أرقام مُبلّغ عنها من البائع ولم يُعِد أحد إنتاجها بشكل مستقل. القرار الحقيقي ليس أي نموذج 2B يفوز. بل هو ما إذا كانت خطوط معالجتك تستطيع تحمّل طرح سؤال صغير بتكلفة زهيدة وسؤال صعب نادرًا — وإن كان الأمر كذلك، فإن التصميم ثنائي النماذج أرخص من أي نموذج واحد يحاول أن يكون جيدًا في كليهما.

معايرة أخيرة. فجوة 13.9 نقطة التي تنشرها Liquid حقيقية على مجموعة اختبارات Liquid، وفجوة 23.5 نقطة التي تنشرها WebBrain حقيقية على مجموعة اختبارات WebBrain، وهما تشيران في اتجاهين متعاكسين لأنهما تقيسان مهام مختلفة. من يقتبس إحداهما دون الأخرى يبيعك استنتاجًا. السؤال المفيد ليس أي النموذجين أفضل؛ بل كم مرة يوميًا تحتاج إلى أن تسأل، وكم أنت مستعد أن تدفع مقابل الإجابة.