Molmo2-4B مقابل UI-Venus-2-9B: أحد هذين الاسمين يمثّل حجمًا، وهو خطأ

يُسمى النموذج UI-Venus 2 بسعة 9B. إنه ليس 2.9B، وليس نسخة 9B من نموذج 2.9B. السلسلة في اسم الملف هي رقم جيل ملتصق بعدد المعاملات — inclusionAI/UI-Venus-2-9B — وقد قُرئت بالاتجاه المعاكس من عدد كافٍ من خلاصات الرادار وصفحات القوائم بحيث باتت المقارنة مع Molmo2-4B تبدو وكأنها بين نموذجين صغيرين في الفئة الوزنية نفسها. لكنها ليست كذلك. UI-Venus-2-9B هو وكيل واجهة رسومية GUI بسعة 9B مُهيأ من Qwen3.5-9B، أي نحو ضعف حجم Molmo2-4B البالغ 4.85B، وكلاهما يؤديان وظيفتين مختلفتين تمامًا. إذا كنت تريد فعلاً النموذج الصغير للواجهة الرسومية من تلك العائلة، فهو UI-Venus-1.5-2B، وهناك ينتمي الرقم 2B. نموذجان متخصصان بعقود إخراج مختلفة يمثلان مشكلة توجيه. دون أي هامش ربح فوق سعر القائمة لدى المزوّد يغطي التحويل الاحتياطي الحالة التي يمر فيها أحدهما بوقت عصيب.

كلا النموذجين أقدم مما يوحي به الإطار. أعلن معهد ألن للذكاء الاصطناعي عن Molmo2-4B في 11 ديسمبر 2025، ونُشرت أوزانه في 14 ديسمبر. صدرت أوزان UI-Venus-2-9B في 26 أغسطس 2026 إلى جانب تقرير تقني، arXiv 2609.00028. ما تغيّر مؤخرًا في جانب Molmo هو الأدوات لا الأوزان: دُمج دعم Transformers الأصلي في 9 أكتوبر 2026 وصدر في v5.20.0 في 15 أكتوبر، وظهر ضبط دقيق للروبوتات، Molmo2-4B-tb، في 5 نوفمبر. لا يُعد أي منهما إطلاقًا، ولا يحوّل أي منهما Molmo2-4B إلى نموذج واجهة رسومية.

ما هي حقيقة UI-Venus 2 بنسخة 9B

إنه وكيل واجهة بحلقة مغلقة. المدخل لقطة شاشة، والمخرج إجراء مُستدل عليه — اضغط هنا، اكتب هذا، مرّر — وتستمر الحلقة حتى إنجاز المهمة. يجري التدريب على ثلاث مراحل عبر خمس عائلات من المهام (الإرساء، وCAPTCHA، والجوال، والويب، والحاسوب)، وينتهي بتقطير متعدد المعلمين على السياسة، يدمج المتخصصين في المجالات في سياسة واحدة. وتغطية البيئة هي جوهر الإصدار: أكثر من 170 تطبيقًا للجوال بالصينية والإنجليزية، ومجموعة ويب تضم أكثر من 4000 نطاق في 19 فئة، وتحكم في أنظمة سطح المكتب بُني من الصفر.

أرقام المورّد نفسه، وكلّها مأخوذة من بطاقة النموذج وتقريره الفني:

• إرساء واجهة المستخدم الرسومية — ScreenSpot-Pro 73.0، VenusBench-GD 77.1، OSWorld-G-R 78.5، UI-Vision 53.2.

• وكلاء الجوّال — AndroidWorld 80.2، وMobileWorld 65.8 عند الخطوات القياسية و75.2 عند ميزانية 100 خطوة، وMobileGym 52.7، وVenusBench-Mobile 46.5، وKnowUBench 56.5، وMemGUI 62.6.

• سطح المكتب — {{1}}OSWorld-Verified{{/1}} 70.8، و{{2}}DeskCraft{{/2}} 48.0، و{{3}}OSWorld 2.0{{/3}} بدقة ثنائية 0.0 مع درجة جزئية 7.5 عبر 108 مهام ضمن ميزانية 150 خطوة. ذلك الصفر جدير بالقراءة المتأنية؛ فهو مقياس ثنائي صارم، وليس خطأً مطبعيًا.

• الويب — WebVoyager 90.8، وOnline-Mind2Web 74.0، وREAL 76.9، وOdysseys 77.3 في المتوسط مع 62.0 كاملة.

• السلامة — معدل نجاح الهجوم 11.3% على OSHarm و48.8% على OSBlind، مقابل 25.3% و79.4% لنموذج Qwen3.5-9B الأساسي.

يوجد فحص مستقل واحد. يقيّم معيار PointerBench التشخيصي، المنشور في أكتوبر 2026، UI-Venus-2-9B بدرجات 64.2 في Sheets و25.8 في Text و73.6 في Pro، بمتوسط 54.5، ويصفه بأنه أقوى متخصص أصلي في الإرساء على واجهات المستخدم الرسومية، مع الإشارة إلى أن الإرساء على مستوى النص هو أضعف مجالاته. هذه نتيجة طرف ثالث على مزيج مهام مختلف، وهي تصحيح مفيد: العنوان الرئيسي لـ ScreenSpot-Pro ليس الصورة الكاملة.

ما هو Molmo2-4B في الواقع

نموذج رؤية-لغة عام الغرض بمخرجات نقطية. 4,850,869,200 معامل، وبرج رؤية SigLIP 2 so400m فوق Qwen3-4B-Instruct-2507، و36,864 موضعًا، و19.42 GB من أوزان float32 موزعة على أربع شظايا. يتعامل مع الصور والصور المتعددة والفيديو، ويعيد إحداثيات مقيسة إلى 0–1000 من عرض الصورة وارتفاعها، مع طوابع زمنية عندما يكون الإدخال فيديو. متوسط أداء المورّد الإجمالي هو 62.8 عبر 15 معيارًا أكاديميًا.

ما لا يمتلكه هو رقم GUI منشور. لا يظهر Molmo2-4B في جداول التقرير الفني UI-Venus، ولا في تقييم PointerBench، ولا بنتيجة ScreenSpot-Pro على بطاقته الخاصة. أقرب رقم GUI من عائلة Molmo ينتمي إلى نموذج مختلف: MolmoPoint-GUI-8B، وهو ضبط دقيق متخصص في GUI بحجم 8B ضمن سلسلة MolmoPoint لشهر مارس 2026، ويسجل 61.1 على ScreenSpot-Pro. إن الاقتباس من ذلك كنتيجة لـ Molmo2-4B سيكون خطأ في التصنيف، وهو الخطأ الأكثر احتمالاً الذي قد يقع فيه القارئ عند مقارنة هذين النموذجين.

التداخل أصغر مما توحي به التسمية

• الحجم — 4.85B كثيف لـ Molmo2-4B مقابل نموذج كثيف بحجم 9B مُهيأ من Qwen3.5-9B.

• المدخلات — صورة، وصور متعددة، وفيديو لـ Molmo2-4B؛ ولقطة شاشة لـ UI-Venus-2-9B، في حلقة، مع إعادة تغذية الإجراء السابق.

• المخرجات — نقاط متفرقة بإحداثيات مُطبَّعة لـ Molmo2-4B؛ وإجراء مُهيكل لـ UI-Venus-2-9B، يُحلَّل بواسطة إطار اختبار يقود الجهاز بعد ذلك.

• القوة — الإرساء على الصور الطبيعية والفيديو، والعدّ والتتبّع من أجل Molmo2-4B؛ وتحديد موضع العناصر والتنقّل متعدد الخطوات على الواجهات عالية الدقة من أجل UI-Venus-2-9B.

• إرساء واجهة المستخدم الرسومية المنشور — لا يوجد لـ Molmo2-4B؛ ScreenSpot-Pro 73.0 لـ UI-Venus-2-9B.

• الترخيص — أوزان بموجب Apache 2.0 مع تحفّظ يتعلق ببيانات طرف ثالث بالنسبة إلى Molmo2-4B؛ أما بطاقة نموذج UI-Venus-2-9B فلا تُدرج أي حقل للترخيص على الإطلاق، وهي ثغرة ينبغي معالجتها قبل أي استخدام تجاري.

ذلك الصف الأخير ليس تفصيلًا. نموذج بحجم 9B مشتق من Qwen3.5-9B بلا حقل ترخيص في بطاقة النموذج الخاصة به ليس شيئًا يمكن لمراجعة قانونية أن توافق عليه استنادًا إلى README. ولا تساعد بيانات التعريف الخاصة بالبطاقة نفسها في ذلك: فشعار Safetensors الخاص بها يقرأ "1.47M params"، وهو حجم غير معقول لنقطة حفظ بهذا الكبر ويبدو كأثر من البيانات الوصفية للشرائح. اسأل القائمين على الصيانة عن كليهما قبل أن تخطط بناءً عليه.

إذا كنت تريد الإرساء على واجهة المستخدم الرسومية من سلسلة Molmo

المسار الصادق ليس Molmo2-4B. فعمل Ai2 الخاص بواجهات المستخدم الرسومية يقع ضمن عائلة MolmoPoint، حيث يسجّل MolmoPoint-GUI-8B نتيجة 61.1 على ScreenSpot-Pro مقابل 73.0 لـ UI-Venus-2-9B، والرقمان على الأقل مصدرهما الاختبار المرجعي نفسه. وحتى مع ذلك، فالمقارنة تجري عبر أدوات تقييم مختلفة: هياكل إجراءات مختلفة، ومعالجة مسبقة مختلفة للقطات الشاشة، وفي حالة UI-Venus ثمّة افتراض موثّق بأن الاستدلال معطّل وأن درجة الحرارة مضبوطة على الصفر من أجل التوطين المباشر للنقاط. إن فجوة قدرها 12 نقطة على اختبار مرجعي شديد الحساسية لخيارات أدوات التقييم هي إشارة، وليست حكمًا.

ما يبرع فيه Molmo2-4B فعليًا داخل مكدس وكيل هو خطوة الإدراك التي لا تتعلق بزر. العثور على الكائن الذي وصفه المستخدم في إطار كاميرا، والإشارة إليه عبر فيديو، وعدّ الحالات، وتتبّع شيء عبر الزمن — هذه هي المخرجات التي دُرّب النموذج عليها، ولا شيء منها عنصر واجهة مستخدم في لقطة شاشة بدقة 4K. غالبًا ما ينتهي الأمر بالفرق إلى تشغيل نوعي النماذج: متخصص للواجهة، وعام للمشهد.

هذه مشكلة توجيه أكثر منها مشكلة نمذجة. فالنموذجان لديهما عقود مخرجات غير متوافقة ومواصفات عتاد مختلفة، وتشغيلهما خلف مفتاح واحد يغطيهما معًا — مع التحويل التلقائي عند تدهور إحدى نقطتي النهاية ودون هامش ربح يزيد على سعر القائمة لدى المزوّد — يزيل الجزء من المنظومة الذي لا علاقة له بالرؤية. يجدر القول بصراحة أيضًا إن أياً من هذين النموذجين ليس في كتالوج OrcaRouter؛ فكلاهما أوزان تستضيفها بنفسك، وطبقة التوجيه تحيط بهما بدلاً من أن تكون تحتهما.

النسخة المختصرة

إذا كانت المهمة هي "تشغيل هذا التطبيق"، فإن UI-Venus-2-9B هو المتخصص، ولا يقدّم Molmo2-4B شيئًا في ذلك المعيار. وإذا كانت المهمة هي "الإشارة إلى الشيء في هذه الصورة أو هذا الفيديو"، فلا يقدّم UI-Venus-2-9B شيئًا، وMolmo2-4B هو سبب وجود هذه المقارنة. وإذا كان ما أردته فعلًا هو نموذج واجهة رسومية صغير يعمل بتكلفة منخفضة، فلم تكن المقارنة الصحيحة هذه أبدًا — بل هي UI-Venus-1.5-2B بحجم 2B، مقابل أي نموذج عام مدمج يمكنك وضعه إلى جانبه.