MiniCPM-V 4.7 35B-A3B مقابل UI-Mate-27B: أحدهما يقرأ الشاشة، والآخر يضغط على الزر

الجملة الأولى الصادقة بشأن MiniCPM-V 4.7 35B-A3B مقابل UI-Mate-27B هي أنهما ليسا منافسين. فقد رُفع كلاهما إلى Hugging Face دون إعلان، وكلاهما يحمل رخصة متساهلة، وكلاهما مُدرَّب على بنى Qwen الأساسية، وكلاهما يوصَف في توثيقه الخاص بأنه قوي في فهم ما يظهر على الشاشة — ولهذا يُصنَّفان معًا. لكن أحدهما نموذج رؤية-لغة عام يقرأ صورة ويجيب بنص، والآخر وكيل واجهة رسومية يقرأ لقطة شاشة ويصدر إجراءات فأرة ولوحة مفاتيح متوافقة مع pyautogui. يستطيع MiniCPM-V 4.7 35B-A3B أن يخبرك بما يقوله مربع حوار. أما UI-Mate-27B فيستطيع إغلاقه. وكل ما تبقّى في هذه المقارنة يتبع ذلك الفرق الواحد، والسؤال المفيد ليس أي النموذجين يفوز — بل أي نصف من المهمة ينقصك.

كلا النموذجين أيضًا في وقت مبكر. ظهر UI-Mate-27B في 14 أغسطس 2026، وصدرت ورقة بحثية بعده بيومين، ولم ينشر المختبر أي منشور إطلاق؛ وكان لديه صفر تنزيلات على Hugging Face عندما كتبنا عنه أول مرة، ولا توجد حتى الآن أي واجهة API مستضافة في أي مكان. وصل MiniCPM-V 4.7 في 6 أكتوبر دون أي بطاقة على الإطلاق، ولم تنشر OpenBMB بطاقة نموذج ولا وسم ترخيص ولا قسم ادعاءات حتى 12 أكتوبر. لم يخضع أي منهما لتقييم مستقل. كل رقم أداء في هذا المقال مذكور إلى جانبه من أبلغ عنه، وفي كلتا الحالتين يكون المُبلِّغ هو مختبر النموذج نفسه.

الجسد نفسه، وظيفتان مختلفتان

ابدأ بما يجعل هذا الاقتران يبدو طبيعيًا. كلاهما نموذجان متعددا الوسائط مفتوحا الأوزان من الحجم المتوسط إلى الكبير، بترخيص Apache-2.0. وكلاهما يقع في سلالة المنبع نفسها — فـ UI-Mate-27B مضبوط بدقة انطلاقًا من Qwen3.6-27B، وحزمة اللغة في MiniCPM-V 4.7 35B-A3B هي MoE متناثرة من عائلة Qwen3.5. وكلاهما يستهدف المجال التطبيقي الواسع نفسه: الشاشات والمستندات وحالة التطبيقات؛ وقد أُطلقا في صمت.

ثم انظر إلى ما يُخرجه كلٌّ منهما. يعيد MiniCPM-V 4.7 رموزًا نصية. أما UI-Mate-27B فيعيد إجراءً مُهيكلًا — نقرةً، أو ضغطة مفتاح، أو تمريرًا، أو انتظارًا، أو إشارة إتمام مهمة — ضمن فضاء إحداثيات مُوحَّد بأبعاد 1000×1000، يعيد الوكيل المرجعي قياسه إلى دقة لقطة الشاشة الفعلية، بحيث تصمد التوقعات أمام فروق تحجيم العرض بين الأجهزة. وتنص بطاقة النموذج صراحةً على أن UI-Mate هو "نقطة تحقق لوكيل لا نموذج دردشة مرئية مستقل"، وأنه ينبغي استخدام أداة التشغيل المرافقة لأي غرض حقيقي.

هذا التمييز يحدد معظم عمليات النشر الحقيقية. إذا كان خط الأنابيب لديك هو "اقرأ هذه اللقطة وأخبرني ما الخطأ فيها"، فإن VLM العام هو الأداة الصحيحة، ويكون الوكيل مبالغًا فيه مع نمط فشل أسوأ. وإذا كان خط الأنابيب لديك هو "اجعل التطبيق ينفذ الأمر"، فإن VLM وحده يتركك تكتب طبقة الإجراءات بالكامل بنفسك — تعيين الإحداثيات، وتحليل الإجراءات، والتعافي من الأخطاء، ومنطق إعادة المحاولة — وهو الجزء الذي أنفقت عليه UI-Mate ميزانية التعلم المعزز الخاصة بها.

ما هو MiniCPM-V 4.7 35B-A3B، حتى الآن

أول MoE من OpenBMB في سلسلة MiniCPM-V: 256 خبيرًا مع 8 نشطين لكل توكن عبر 40 طبقة، ونافذة سياق بحجم 262,144 توكن ومفردات من 248,144 توكن، أو ما يقرب من 3 مليارات معامل نشط من إجمالي 35.2 مليار معامل. تعمل الرؤية عبر وحدة SigLIP2 مع ضغط مبكر داخل ViT من LLaVA-UHD v4 ووضع ضغط توكنات مرئية مختلط 4x/16x قابل للاختيار — 16x افتراضيًا لزيادة الإنتاجية، و4x عندما يكون التفصيل الدقيق هو الهدف. يفهم الصور الفردية ومجموعات الصور المتعددة والفيديو، ويعيد النص.

الادّعاء الرئيسي في بطاقة النموذج هو أنّ هذا أول نموذج MoE مفتوح المصدر يقدّم استدلالًا سلسًا ودون فقدان على الجهاز — جدولة الخبراء الاستباقية (Lookahead Expert Scheduling)، وتكميم دقيق على مستوى الطبقات، وأخذ عينات تخمينية عبر مسودات DSpark منفصلة — بمعدل مُعلَن يزيد على 13 توكنًا في الثانية على iPhone 17 Pro Max. هذا الرقم مُبلَّغ عنه من المورّد، ولم يُعَد إنتاجه، وغير مُدقَّق. وهناك ادّعاء ثانٍ، وهو أنّ النموذج يتفوق على النتيجة الإجمالية لوضع Instruct لدى Qwen3.6 35B-A3B في زمن استدلال أقل، لكنه معروض داخل صورة مخطط بدلًا من جدول، لذا لا يمكن الاقتباس منه كرقم.

الأمر الملموس هو التوزيع. توجد جميع أوزان Base وFP8 وint4 وAWQ وGPTQ وGGUF؛ وهناك دعم لـ SGLang وvLLM وllama.cpp وOllama وOpenVINO؛ وتوجد تطبيقات iOS وAndroid وHarmonyOS؛ كما أن Rockchip وHoumo وIntel وAMD وArm مُدرجة لدعم السيليكون من اليوم الأول؛ وتوثّق بطاقة النموذج استدعاء الأدوات، مع مثال عملي على استدعاء الدوال في قسم الخدمة. هذه التفصيلة الأخيرة مهمة لهذه المقارنة: يمكن أن يكون MiniCPM-V 4.7 طبقة الإدراك والاستدلال داخل وكيل تقوم ببنائه، رغم أنه لن يتصرف من تلقاء نفسه.

ما هو UI-Mate-27B، حتى الآن

وكيل واجهة المستخدم الرسومية التأسيسي الخاص بالبائع، البالغ 27 مليار معامل، والذي نُشر في 14 أغسطس 2026 إلى جانب نظير له بحجم 9 مليارات ومتغيّر موجَّه بالعرض التوضيحي، UI-Mate-democua-27B. تمثل التدريب في الضبط الدقيق بإشراف ثم التعلم المعزز عبر الإنترنت في بيئات واجهة رسومية قابلة للتنفيذ — تعلّم النموذج عبر قيادة أجهزة سطح المكتب فعليًا، لا من لقطات شاشة ثابتة. تغطي مساحة أفعاله الفأرة ولوحة المفاتيح والتمرير والانتظار وتفاعل المستخدم وإشارات الإكمال، والأفعال الصادرة متوافقة مع pyautogui، لذا يمكن لمنظومة التشغيل تنفيذها مباشرة.

عامل التمايز الذي يستند إليه المورّد هو التنفيذ الموجَّه بالعرض التوضيحي: سجِّل سير عمل مرة واحدة فيكيّفه الوكيل مع الشاشة الحالية، مع اعتبار لقطة الشاشة الحية مرجعًا موثوقًا بدلًا من إعادة تشغيل نص برمجي ثابت. والمواد الداعمة مكتملة على نحو غير معتاد بالنسبة لإطلاق صامت — صفحة مشروع تتضمن فيديو عرض توضيحي وتطبيق macOS Apple Silicon، ومستودع GitHub يضم الموجِّه الرسمي ومحلّل الاستجابات وأداة التفاعل، ومسودة arXiv 2608.15930 المقدَّمة بعد يومين من رفع الأوزان.

تتمثل الأرقام الرئيسية في درجة WindowsAgentArena المبلَّغة من المورّد والبالغة 66.2، ودرجة OSWorld-Verified البالغة 77.0، وهما ستقعان في صدارة ما نُشر على ذلك المعيار هذا العام إذا ثبتت صحتهما. ولم يُعِد إنتاجهما أي شخص خارج المختبر. أما مشهد النشر فهو شحيح بالطريقة التي تكون عليها عادةً الإصدارات المبكرة للوكلاء: لا واجهة برمجة تطبيقات مستضافة، ومسار تقديم موصى به يتمثل في vLLM خلف نقطة نهاية متوافقة مع OpenAI، وتعليمات متعمدة باستخدام أداة الاختبار (harness) بدلًا من استدعاء نقطة التحقق الخام مباشرة.

ثمانية أبعاد، كلا الجانبين

• المخرجات — نص، من MiniCPM-V 4.7 35B-A3B؛ إجراءات مُهيكلة متوافقة مع pyautogui، من UI-Mate-27B.

• الإدخال — نص وصور وفيديو، مقابل لقطات شاشة مباشرة بالإضافة إلى تعليمات. لا يستقبل أيٌّ منهما الصوت.

• النموذج الأساسي — نموذج MoE متناثر من عائلة Qwen3.5 لنموذج MiniCPM، وQwen3.6-27B لـ UI-Mate.

• الحجم والشكل — إجمالي 35.2 مليار مع 3 مليارات نشطة عبر 256 خبيرًا؛ 27 مليارًا كثيفًا. النموذج المتناثر أقل تكلفة لكل رمز، والنموذج الكثيف أبسط في الخدمة.

• السياق — 262,144 توكنًا مقابل افتراضي قدره خمس لقطات شاشة محتفظ بها، وهو أكبر فرق معماري منفرد بينهما والسبب في أن أحدهما قادر على قراءة مجموعة مستندات طويلة بينما الآخر لا يستطيع.

• الترخيص — Apache-2.0 على كليهما، وهو ما يجعل الاختيار تقنيًا لا قانونيًا على غير العادة.

• ادعاء رئيسي، وكلاهما مُبلَّغ عنه من المورّد — أكثر من 13 رمزًا في الثانية على iPhone 17 Pro Max، مقابل WindowsAgentArena 66.2 وOSWorld-Verified 77.0. معايير قياس مختلفة، لا مقياس مشترك، ولم يُعَد إنتاج أيٍّ منهما.

• متاحة اليوم — ستة تنسيقات تكميم، وخمس بيئات تشغيل، وتطبيقات جوال، مقابل صفر تنزيلات عند أول تغطية، ولا واجهة برمجة تطبيقات مستضافة، وأداة اختبار ينصحك المورّد باستخدامها.

حيث تتداخل فعليًا

هناك مهمة واحدة يمكن لكليهما محاولتها: فهم لقطة شاشة لواجهة مستخدم بما يكفي للإجابة عن سؤال بشأنها. اسأل: «أي حقل فشل في التحقق؟» فيستطيع أيٌّ من النموذجين الإجابة بشكل معقول. اسأل: «أصلحه» فلن يُنتج إجراءً إلا UI-Mate-27B، وذلك فقط إذا كنت قد أعددت المنظومة — حلقة لقطات الشاشة، والمحلل، والمنفّذ، وإعادة تحجيم الإحداثيات، وسياسة إعادة المحاولة عندما يقع النقر في مكان غير متوقع.

التداخل العكسي أضعف لكنه حقيقي. دعم استدعاء الأدوات في MiniCPM-V 4.7 يعني أنه يمكنك بناء وكيل حوله — الإدراك والتخطيط على نموذج الرؤية، مع طبقة أفعال خاصة بك تُضاف عبر استدعاءات الدوال. هذه معمارية مشروعة وتمنحك سيطرة كاملة على فضاء الأفعال. وهي أيضًا، إلى حد كبير، إعادة اختراع لما أنفقت UI-Mate عليه التعلم المعزز بالفعل، وفعل ذلك من دون بيانات تدريب خاصة بواجهات المستخدم الرسومية. من الأفضل للفرق أن تختار الطبقة التي تريد امتلاكها بدلًا من اختيار النموذج الأفضل ظاهريًا في لقطات الشاشة.

تقديم كليهما، وأين يندرج الموجّه

لا يُستضاف أيٌّ من الطرازين في أي مكان، بما في ذلك هنا — فلا يظهر MiniCPM-V 4.7 35B-A3B ولا UI-Mate-27B في أي مكان في كتالوج OrcaRouter، ولا ينبغي قراءة أي شيء في هذه المقالة على أنه ادعاء بأننا نوجّه إليهما. كلاهما نقطتا تحقق تنزّلهما وتشغّلهما بنفسك، وبالنسبة إلى UI-Mate يعني ذلك أمرين: نحو 27B من الأوزان، ونقطة نهاية متوافقة مع OpenAI، لأن ملف README الخاص بالمورّد نفسه يوصي بتشغيله باستخدام vLLM، وتتوقّع منظومة الاختبار عنوان URL أساسيًا متوافقًا.

هذه النقطة الطرفية هي الجزء المثير في تخطيط التكلفة، لأن أداة التشغيل لا تهتم بأي نموذج يجيب ما دامت النقطة الطرفية تتصرف كما ينبغي. وتضع OrcaRouter أكثر من 200 نموذج مستضاف خلف مفتاح واحد بسعر قائمة كل مزوّد دون أي هامش ربح من جانبنا، مع تحويل تلقائي عند الفشل بين مسارات المزوّدين، ما يجعلها عنوان URL أساسيًا جاهزًا للاستبدال المباشر في جانب التخطيط لدى الوكيل — كما تتيح لك لغة التوجيه (DSL) تركيب نموذج رخيص للخطوات الروتينية ونموذج أقوى للقرارات المهمة في نداء واحد بدلًا من تكاملين. وأقرب شكل مستضاف يشبه الملف التعريفي لتكلفة نموذج MiniCPM هو Qwen3.6 35B A3B — بإجمالي 35B، و3B نشطة، وسياق 262K — بسعر 0.25 دولار لكل مليون رمز إدخال و1.48 دولار لكل مليون رمز إخراج. أما ما إذا كان ذلك يتفوق على الاستضافة الذاتية لبنية MoE متناثرة بحجم 70 غيغابايت، فهو سؤال يمكنك الإجابة عليه في ظهيرة واحدة، وهذا لا ينطبق على أي من النموذجين المذكورين في العنوان.

أي واحد تريد

اختر UI-Mate-27B إذا كنت بحاجة إلى نموذج يتصرّف — أتمتة سطح المكتب، بديل RPA، سير عمل تطبيقات طويل الأفق — وإذا كنت تقبل المقايضة التي تأتي معه: معيار أداء مُبلَّغ عنه من المورّد، لا إعادة إنتاج مستقلة، لا مسار مستضاف، وإطار اختبار يجب أن تتبنّاه بدل أن تستجوبه. الجانب الإيجابي هو أن كل شيء حول الإصدار موثّق جيدًا بشكل غير معتاد، من الورقة البحثية إلى الموجّه إلى المحلّل، ويوفّر لك الشقيق 9B نموذجًا أرخص لتبني نموذجًا أوليًا عليه.

خذ MiniCPM-V 4.7 35B-A3B إذا كنت بحاجة إلى الإدراك — مستندات طويلة، أساطيل لقطات الشاشة، فيديو — وأنت مستعد لامتلاك طبقة الإجراء بنفسك. تحصل على الترخيص المتسامح، وست تنسيقات تكميم، وخمس بيئات تشغيل، ونافذة 262 ألف، وقصة نشر من فئة الهاتف لم يتحقق منها أي شخص خارج OpenBMB.

ما الذي سيغيّر هذا: تشغيلٌ مُعاد إنتاجه على OSWorld أو WindowsAgentArena لـ UI-Mate، ما سيحوّل ادعاءه المحوري من تسويق إلى قياس؛ وجدول تقييم لـ MiniCPM-V 4.7، وهو غير موجود إطلاقًا. وإلى أن يصل أحد هذين، فإن القرار ينتمي إلى مخطط البنية المعمارية لديك لا إلى أيّ من لوحتي النتائج — مفكِّك ترميز أو يد، ويجب أن تعرف أيّهما ينقصك.