
MiniCPM-V 4.7 مقابل LLaDA-UI: نموذج عام جاهز للهاتف في مواجهة وكيل واجهة مستخدم رسومية انتشاري
- OrcaجديدOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 لكل مليون رمز · 187 tok/s
- tencentجديدTencent: Hy4 Flash2026-11-16$0.02 / $0.07 لكل مليون رمز · 414 tok/s
- GoogleجديدGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 لكل مليون رمز · 87 tok/s
- AnthropicجديدAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 لكل مليون رمز · 138 tok/s
- orcaجديدOrca: OrcaC2 1.02026-11-0748 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 لكل مليون رمز · 90 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 لكل مليون رمز · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 لكل مليون رمز · 79 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 لكل مليون رمز · 116 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 لكل مليون رمز · 111 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 لكل مليون رمز · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 91 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 42 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447الذكاء
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 لكل مليون رمز · 210 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929الذكاء
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 لكل مليون رمز · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733الذكاء
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 لكل مليون رمز · 168 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740الذكاء
إن وضع MiniCPM-V 4.7 إلى جانب LLaDA-UI، يتبيّن أن الإطار البديهي — العام مقابل المتخصص — هو أقل الطرق فائدة لقراءة هذه المقارنة. إن MiniCPM-V 4.7، الذي وثّقته ورخّصته OpenBMB في 12 أكتوبر 2026، هو نموذج لغوي بصري قائم على مزيج متناثر من الخبراء بنحو 35.2 مليار معامل، وتقوم حجته كلها على الكفاءة: تزعم البطاقة أكثر من 13 رمزًا في الثانية على iPhone 17 Pro Max، ووضعية أداء مقابل زمن استدلال أفضل من Qwen3.6 35B-A3B. أما LLaDA-UI، وهو وكيل واجهة رسومية من inclusionAI قائم على مزيج من الخبراء بنحو 16.7 مليار معامل، فهو من نوع مختلف تمامًا — فهو لا يولّد الرموز من اليسار إلى اليمين إطلاقًا، بل يزيل الضوضاء عن كتلة منها دفعة واحدة. والسؤال الذي يطرحه المطوّر فعليًا أضيق من "أيهما أفضل": إنه أيّ من هذين الاثنين جرى قياسه على المهمة التي توظفه من أجلها، وبناءً على أي دليل.
قاعدتا الأدلة ليستا من النوع نفسه
كلا النموذجين مُقيَّم وفق معايير المورّد، ولم يُعَد إنتاج أيٍّ منهما بشكل مستقل. وبعد ذلك، تنقسم المقارنة.
• MiniCPM-V 4.7 — يتكوّن قسم التقييم في بطاقة نموذجه من خمس صور: الأداء الإجمالي في الرؤية واللغة، والأداء اللغوي، ومخطط المتغيّر 1B، ومخطط حدودي للأداء مقابل زمن الاستدلال، ومقارنة السرعة على الجهاز. يقدّم النصّ ادّعاءين، وكلاهما مقارن وليس مطلقًا. لا يوجد جدول درجات لكل اختبار معياري في التوثيق العام.
• LLaDA-UI — يقدّم التقرير الفني وورقة arXiv وصفحة المشروع معايير أداء مسماة مع خطوط أساس مسماة: ScreenSpot-Pro بنتيجة 52.9 مقابل 52.7 لدى Qwen3-VL-8B، وAndroidWorld بنتيجة 53.5 مقابل 47.9، وMobileWorld بنتيجة 25.6 مقابل 9.4، وWebVoyager بنتيجة 56.9 مقابل 45.2، حيث وُصفت ScreenSpot-V2 بأنها قريبة، وOSWorld-Verified الذي تصفه inclusionAI نفسها بأنه الفجوة المتبقية.
• ما يعنيه ذلك عمليًا — أحد النماذج ينشر أرقامًا على مستوى المهام يمكنك الجدال بشأنها، بينما ينشر الآخر درجة مركّبة لا يمكنك تفكيكها. "درجة إجمالية أعلى في زمن استدلال أقل" هي ادعاء بشأن مخطط، والأوزان الكامنة وراء الدرجة المركّبة غير منشورة. درجة ScreenSpot-Pro البالغة 52.9 هي ادعاء بشأن اختبار محدد ببروتوكول محدد.
• لا يتم التحقق من أيٍّ منهما بشكل مستقل — تأتي أرقام LLaDA-UI من صفحة المشروع الخاصة به وتقريره الفني؛ بينما تأتي أرقام MiniCPM-V 4.7 من مخططات رسمها المورّد. سيكون اعتبار أيٍّ منهما أمرًا محسومًا خطأً، لكن اعتبارهما على قدر متساوٍ من الإفادة سيكون خطأً آخر.
ما هو كل نموذج في الواقع
الفجوة المعمارية أوسع مما توحي به أعداد المعاملات، وهي تحدّد معظم الفروق العملية في المراحل اللاحقة.
• الأساس — تعتمد MiniCPM-V 4.7 على qwen3_5_moe_text كعمود فقري يضم 256 خبيرًا، و8 نشطين لكل رمز، و40 طبقة، ونمط انتباه خطي إلى كامل بنسبة ثلاثة إلى واحد؛ وتستند LLaDA-UI إلى LLaDA2.0-mini-base، وهو نموذج لغوي انتشاري مُقنّع.
• التوليد — MiniCPM-V 4.7 ذاتي الانحدار، رمز واحد في كل مرة؛ وLLaDA-UI يفكّ الترميز كتلةً كتلةً، فيزيل الضوضاء عن كتلة كاملة من مواضع الإخراج على نحو متوازٍ ويعيد البناء في ظل شروط ثنائية الاتجاه داخل تلك الكتلة.
• المعاملات — 35.2 مليار إجمالي لـ MiniCPM-V 4.7 مع 8 من 256 خبيرًا نشطًا لكل رمز؛ حوالي 16.7 مليار إجمالي لـ LLaDA-UI كمزيج من الخبراء.
• السياق — 262,144 رمزًا كأقصى موضع لـ MiniCPM-V 4.7؛ توثّق بطاقة LLaDA-UI قيمة --max-length افتراضية تبلغ 8192 لسكربت الاستدلال الخاص بها، مع احتياج لقطات الشاشة الكبيرة إلى رفعه.
• الرؤية — يستخدم MiniCPM-V 4.7 برجًا من 27 طبقة بعرض 1,152 عند رقعة 14 وحجم صورة 980 مع ضغط رموز مختلط 4x/16x؛ ويستخدم LLaDA-UI شبكة ViT بدقة أصلية مهيأة من SigLIP مع تضمينات دورانية ثنائية الأبعاد ودمج مكاني بنسبة أربعة إلى واحد في شبكة MLP من طبقتين، وذلك صراحةً للحفاظ على نسبة العرض إلى الارتفاع للقطات شاشة الهاتف وسطح المكتب والويب.
• الإخراج — يُنتج MiniCPM-V 4.7 نصًا، مع فهم الصور والفيديو في جانب الإدخال؛ وتُنتج LLaDA-UI إحداثيات مُطبَّعة ضمن نطاق من 0 إلى 999 وتسلسلات استدلال وإجراء موسومة يُقصد تنفيذها.
• الترخيص — Apache-2.0 لـ MiniCPM-V 4.7، مُعلن عنه في 12 أكتوبر؛ ولا يُذكر أي ترخيص في أي مكان على صفحة مشروع LLaDA-UI أو بطاقة النموذج.
تلك النقطة الأخيرة ليست حاشية إذا كنت تشحن. أحد هذين يمكنك وضعه في منتج تجاري اليوم دون محادثة؛ والآخر لا يمكنك.
فك الترميز هو حيث يكمن الانقسام الحقيقي
الانتشار القائم على الكتل هو السبب في وجود LLaDA-UI كخط عمل منفصل بدلاً من كونه مجرد عملية ضبط دقيق أخرى. في حلقة وكيل انحداري ذاتي، يعتمد كل رمز إجراء على كل رمز يسبقه، لذا تنتظر إحداثيات النقر في نهاية الاستجابة على الاستدلال الذي يسبقها. وفي وكيل انتشار، تُحسَّن الكتلة كوحدة واحدة، والنتيجة العملية التي تسوّقها inclusionAI هي زمن الاستجابة: في اختبار API مقترن، تُبلغ صفحة المشروع عن 4.8 إلى 6.4 ثانية مقابل 17 إلى 53 ثانية لـ Qwen3-VL-8B، ويوصف ذلك بمتوسط تسريع قدره 3.58x على الويب، و6.83x على سطح المكتب، و8.95x على مدخلات الجوال، مع إصدار رموز أكثر في كل نداء. وعلى مدخلات MobileWorld، المتوسطات المُبلَّغ عنها هي 5.9 ثانية مقابل 53.0.
تلك أرقام قياسها المورّد، ومقترنة، وغير مخزّنة مؤقتًا، على منصة الاختبار الخاصة بالمختبر نفسه، وينبغي قراءتها على هذا الأساس. لكن الاتجاه يستحق أن يُؤخذ بجدية حتى مع هذا التحفّظ، لأن حلقات الوكيل تضاعف زمن الاستجابة. وكيل واجهة يخطو عشر خطوات يدفع تكلفة كل خطوة عشر مرات، وفارق عشر ثوانٍ لكل خطوة هو الفرق بين عرض توضيحي ومنتج.
يشنّ MiniCPM-V 4.7 هجومًا على المشكلة نفسها من الطرف المقابل. فهو يُبقي على فك الترميز الانحداري الذاتي ويجعل كل خطوة زهيدة الكلفة عبر جدولة الخبراء — إذ يقوم متنبئ عبر الطبقات بتحميل الخبراء مسبقًا الذين يُرجّح أن تحتاجهم الطبقة التالية، مع إعطاء الأولوية لأولئك الذين اختارهم الموجّه الفعلي بالفعل، مع توضيح بطاقة النموذج صراحةً أن التنبؤ لا يوجّه سوى الجلب المسبق، وأن التوجيه الخاص بالنموذج نفسه لا يزال يحكم الحساب. أضف إلى ذلك تكميمًا طبقيًا وأخذ عينات تخمينية DSpark، فيصبح الادعاء أكثر من 13 رمزًا في الثانية لنموذج MoE بـ35 مليار معامل على هاتف محمول. آلية مختلفة، والهدف نفسه: جعل الحلقة سريعة بما يكفي ليتمكن جهاز من تشغيلها.

ما يجيده كل واحد منها، مصوغًا بأضيق قدر تسمح به الأدلة
• اختر LLaDA-UI عندما تكون المهمة واجهة — النقر، والكتابة، والتنقل في تطبيق جوال، أو نافذة سطح مكتب، أو صفحة ويب. وهي الواحدة من بين الاثنتين التي لديها درجات منشورة في الإرساء والتنقل، واصطلاح إحداثيات موثّق، وطلبات أمثلة مُحزَّمة للجوال وسطح المكتب والويب.
• اختر MiniCPM-V 4.7 عندما تكون المهمة هي الفهم — وصف صورة فوتوغرافية، أو قراءة مستند، أو تحليل ملف PDF، أو الإجابة عن سؤال حول فيديو، أو التشغيل على عتاد تملكه. إنه أحد النموذجين اللذين يحظيان باهتمام موثّق بكل من OCR وتحليل PDF والإسناد البصري في كتاب الوصفات الخاص به، مع دعم جاهز عبر SGLang وvLLM وllama.cpp وOllama، ومع متغيّرات مُكمَّمة منشورة للتنزيل.
• التداخل أصغر مما يبدو — بطاقة MiniCPM-V 4.7 تُدرج الإرساء البصري كدليل إرشادي لكنها لا تنشر أي درجة للإرساء البصري على الإطلاق. بطاقة LLaDA-UI تدور حول مهمة واحدة. إذا كان عبء عملك هو أتمتة واجهة المستخدم الرسومية، فأنت تقارن متخصصًا مُقاسًا مقابل عامٍ غير مُقاس؛ وإذا كان عبء عملك هو فهم المستندات والصور، فأنت تقارن عامًا مُوثَّقًا مقابل نموذج لم يُبنَ أبدًا للقيام بذلك.
• احتكاك النشر يسير في الاتجاه المعاكس — يوفّر MiniCPM-V 4.7 نقاط حفظ GGUF وAWQ وGPTQ وint4 وFP8، إضافةً إلى مسار OpenVINO ودعم مزعوم منذ اليوم الأول لشرائح Rockchip وHoumo وIntel وAMD وArm. أما مسار الخدمة في LLaDA-UI فيتطلب رقع الانتشار متعدد الوسائط SGLang الخاصة بالمختبر، وسكربتserve_llada_ui.sh الخاص به؛ وتذكر بطاقة الطراز بصراحة أن الخادم لا يمكن تشغيله من تثبيت SGLang القياسي.
سؤال التكلفة الذي لا ينشره أحد
لا يمتلك أيٌّ من النموذجين سعرًا علنيًا لكل توكن، لأن أيا منهما ليس نقطة نهاية مستضافة تُستأجر مقابل كل مليون توكن. أنت تستضيف كليهما، ما يعني أن التكلفة هي عتادك وزمن الاستجابة لديك. وهذا يعيد تأطير الاختيار: فنقطة تفتيش بمعاملات تبلغ 16.7 مليار وبحجم نحو 32 غيغابايت بصيغة BF16 تمثل التزامًا أصغر بدرجة جوهرية من نقطة بمعاملات تبلغ 35 مليارًا وحجم 70 غيغابايت، وإذا كانت مهمة الوكيل لا تحتاج إلا إلى النموذج الأصغر، فإن النموذج الأكبر لا يمنحك أي شيء في عبء العمل هذا.
الحالة الهجينة هي حيث تستحق طبقة التوجيه وجودها. شغّل النموذج الصغير المصمم لغرض محدد محليًا للقيام بأعمال الواجهة الروتينية، وسلّم الإطارات الصعبة حقًا — لقطة شاشة كثيفة، مستند غير معتاد، سؤال يحتاج إلى معرفة عالمية من نموذج أكبر — إلى نقطة نهاية مستضافة. OrcaRouter يضع أكثر من 200 نموذج مستضاف خلف مفتاح واحد مع سعر القائمة لكل مزود يُمرَّر بهامش ربح 0٪ وتحويل تلقائي عند تعثر مزود، كما تتيح لغة التوجيه الخاصة به لنداء واحد توزيع حالة صعبة على أكثر من نموذج عندما تحتاج الإجابة إلى أن تكون صحيحة لا رخيصة. لا يتم تقديم MiniCPM-V 4.7 ولا LLaDA-UI من خلاله — فكلاهما نقطتا تحقق مفتوحتا الأوزان تشغّلهما بنفسك، والموجّه هو ما يقف على الجانب الآخر من عملية التسليم تلك.

ثلاثة أسئلة تستحق الإجابة قبل أن تلتزم
هل ميزة السرعة لدى LLaDA-UI حقيقية على عتادك؟ أرقام 3 إلى 9x هي قياسات مقترنة وغير مُخزَّنة مؤقتًا على أداة الاختبار الخاصة بالمختبر مقابل خط أساس واحد. الانتشار القائم على الكتل له خصائص ذاكرة مختلفة عن فك التشفير الانحداري الذاتي، والسرعة المقاسة على وحدة معالجة الرسوميات الخاصة بالبائع لا تنتقل تلقائيًا إلى وحدتك. هذا هو الرقم الوحيد الأجدر بإعادة إنتاجه قبل أن تبني عليه.
هل يمكن توجيه MiniCPM-V 4.7 إلى مهمة واجهة على الإطلاق؟ من المحتمل — فهو نموذج لغوي بصري مزوّد بأدوات تأسيس موثّقة — لكن بطاقة النموذج لا تنشر أي معيار قياسي لوكلاء GUI، ولا اصطلاح إحداثيات، ولا مفردات إجراءات. وبناء وكيل GUI عليه اليوم يعني أن تعرّف صيغة الإخراج بنفسك وتأمل أن يحترمها النموذج. لقد عالجت LLaDA-UI تلك المشكلة عن قصد، باستدلال موسوم مع مخرجات إجراءات ومفردات خاصة بكل منصة.
أيّهما سيظل مدعومًا بعد ستة أشهر؟ أطلقت OpenBMB عائلة كاملة حول MiniCPM-V 4.7 — نسختان أساسيتان، وخمس صيغ تكميم، ونموذجا مسودة من DSpark، وكتاب وصفات، ومستودع للنشر الطرفي — في أقل من أسبوع، وبشروط Apache-2.0. لدى LLaDA-UI تقرير تقني، وورقة على arXiv، وصفحة مشروع، ومستودع شفرة، ولا ترخيص معلن. إن اتساع البنية التحتية المحيطة مؤشر معقول على مدى عزم مختبر ما على إبقاء شيء ما على قيد الحياة.
الحكم
هذان ليسا بديلين، والتوصية الصادقة تنبع من ذلك وليس من أعداد المعاملات. إذا كنت تبني أتمتة واجهات، فإن LLaDA-UI هو الأكثر اكتمالاً رغم كونه النموذج الأصغر — مقيسًا على المهمة، مع صيغة إخراج موثقة ومسار خدمة، ويحمل مخاطر الترخيص التي تحتاج إلى حلها قبل الإطلاق. إذا كنت تبني أي شيء يتضمن النظر إلى الصور أو قراءة المستندات أو التشغيل على هاتف، فإن MiniCPM-V 4.7 هو صاحب المنظومة والترخيص المتساهل وقصة النشر، ومزاعمه بشأن الكفاءة قوية تمامًا بقدر ما يمكن لمخطط غير معاد إنتاجه أن يمنحها. الفرق التي تحتاج كليهما تشغلهما معًا، وطبقة التوجيه هي أرخص جزء من ذلك الترتيب.

