Nanbeige4.3-33B مقابل Gemma 4 31B: ماذا يعني حقًا فارق قدره 33 نقطة في جدول المورّد؟

في جدول القياسات الخاص بـ Nanbeige4.3-33B، يسجّل Gemma 4 31B قيمة 0.0 على Terminal-Bench 4.0. هذا هو الصف الذي ينبغي البدء به، لأنه يخبرك كيف تقرأ كل رقم آخر في هذه المقارنة. إن Gemma 4 31B هو إصدار مفتوح الأوزان من Google DeepMind بـ30.7 مليار معامل، متاح للتنزيل بموجب Apache 2.0 منذ 2 أبريل 2026، وتنسب إليه مواد Google الخاصة 86.4 على استخدام الأدوات في τ²-bench و80.0 على LiveCodeBench v6. نموذج كهذا لا يفشل في كل مهمة طرفية موجودة. إن الصفر هو ما تحصل عليه عندما يعجز معيار ما عن التمييز بين «لم يستطع» و«لم تُمنَح له حلقة أدوات عاملة أصلًا».

في المقابل، يبلغ عمر Nanbeige4.3-33B يومين فقط. أُنشئ مستودعه في 24 أكتوبر 2026 عند 02:49 UTC، وبطاقة الطراز الخاصة به هي الإعلان الوحيد الذي أصدرته Nanbeige، والجدول المكوّن من 20 صفًا في تلك البطاقة هو المصدر الوحيد لكل رقم يتداول حاليًا عنه. يظهر Gemma 4 31B في ذلك الجدول كأحد ثلاثة أعمدة مقارنة. لم يُشغّل أي مختبر مستقل هذين الطرازين في مواجهة بعضهما، ولم تقم أي من الشركتين بقياس أداء الأخرى خارج هذا الجدول الواحد. لذا فإن النسخة الصادقة من هذه المواجهة ليست لوحة نتائج، بل جدال حول أي الصفوف تصمد أمام التدقيق وأيها يقيس إطار الاختبار نفسه.

ما هو كل نموذج في الواقع

يفصل بين الإصدارين ستة أشهر ونصف، والافتراضات التصميمية تكشف عن ذلك.

• المعلمات — يبلغ Nanbeige4.3-33B حجم 33.1 مليار معلمة كثيفة (33,118,977,024 في BF16)، وكل معلمة نشطة في كل رمز. ويبلغ Gemma 4 31B حجم 30.7 مليار معلمة كثيفة. لا يُعد أي منهما مزيجًا من الخبراء، لذا يتناسب معدل الإنتاجية مع العدد الكامل للأوزان لدى الطرفين.

• السياق — يأتي Nanbeige4.3-33B مزودًا أصليًا بـ524,288 رمزًا. ويأتي Gemma 4 31B مزودًا بـ262,144. كلاهما كبير على نحو غير معتاد بالنسبة لفئة المعاملات؛ وطول سياق Nanbeige ضعف ذلك.

• نوع المدخلات — Nanbeige4.3-33B نصّي إدخالًا وإخراجًا، باللغتين الإنجليزية والصينية. أما Gemma 4 31B فيقبل الصور إلى جانب النص، وقد دُرِّب مسبقًا على أكثر من 140 لغة، ويأتي مزوّدًا باستدعاء دوال أصلي ووضع تفكير قابل للتهيئة.

• الترخيص — كلاهما بموجب Apache 2.0. هذه مقارنة نادرة تكون فيها مسألة الترخيص محسومة قبل أن تبدأ.

• الأوزان على القرص — يبلغ Nanbeige4.3-33B حوالي 66 غيغابايت بصيغة BF16 ونحو 20 غيغابايت عند 4 بت. ويقع Gemma 4 31B في النطاق نفسه. لا يصلح أي منهما لأجهزة الحواسيب المحمولة؛ فكلاهما نموذجان لمحطة عمل واحدة أو عقدة واحدة.

الشيء الوحيد الذي لا يقترب من التكافؤ هو التوزيع. فلدى Gemma 4 31B واجهة برمجة تطبيقات مُدارة، ونقطة نهاية تُدرجها Artificial Analysis حاليًا بتكلفة صفر، وتغطية مستقلة. أما Nanbeige4.3-33B فلديه أوزان، وبطاقة نموذج، و—بحسب ما تقوله البطاقة نفسها— لا يوجد مزوّد استدلال يقوم بتشغيله. هذا التباين ليس حكمًا على الجودة، لكنه يغيّر ما تعنيه تكلفة «تجربته».

عمود المورّد وبطاقة Google الخاصة لا يتطابقان

يمكن التحقق من صفّين في جدول Nanbeige مقابل الأرقام التي نشرتها Google، ولا يتطابق سوى واحد منهما.

• AIME 2026 — تنسب Nanbeige إلى Gemma 4 31B نتيجة 89.2. وتذكر Google 89.2. تطابق تام.

• GPQA Diamond — تمنح Nanbeige الطراز Gemma 4 31B نتيجة 91.3، وهذا هو الصف الوحيد الذي يتفوق فيه Gemma على نتيجة Nanbeige الخاصة البالغة 89.5. أما الرقم المنشور من Google لهذا الطراز فهو 84.3. وهذا فرق بسبع نقاط، ولا تشرح أي من البطاقتين الإعدادات الكامنة وراءه.

يستحق هذا الصف الثاني الانتباه لأنه الموضع الوحيد الذي يمنح فيه جدول المورّد المنافس فوزًا. إذا جاء الرقم من إعادة تشغيل بأقصى جهد تفكير، فهو نتيجة مشروعة، وGemma يتقدّم فعلاً في أسئلة العلوم بمستوى الدراسات العليا. أما إذا جاء من تقييم مُهيَّأ بشكل مختلف، فإن الجدول يقارن بين نسختين مختلفتين من Gemma. وفي كلتا الحالتين، فإن عبارة «فوز Gemma في GPQA» التي تكررت في كل مقالة ثانوية هذا الأسبوع تستند إلى رقم لا تنشره Google.

بقية عمود Gemma أصعب في التدقيق لأن Google تُبلغ عن معايير تقييم مختلفة. يضع جدول Nanbeige نتيجة Gemma عند 18.6 في Tau3-Bench، بينما تضع بطاقة Google نتيجتها عند 86.4 في τ²-bench. هذان إصداران مختلفان من عائلة معايير التقييم، لذا لا يتناقضان — لكنهما ليسا مقارنة أيضًا، والفارق البالغ 68 نقطة بينهما تقدير معقول لمدى قدرة اختيار إطار الاختبار والإصدار على تحريك نتيجة نموذج واحد.

قراءة الأصفار بشكل صحيح

ثلاثة صفوف في عمود Gemma تقترب من الصفر: 0.0 في Terminal-Bench 4.0، و2.7 في DeepSWE، و3.3 في SWE-Atlas-QnA. هذه هي الصفوف التي تنتشر على وسائل التواصل الاجتماعي، وهي أقل الأرقام إفادةً في الجدول.

إن النتيجة القريبة من الصفر في اختبار أداء للوكلاء لها ثلاثة أسباب محتملة على الأقل: أن النموذج لا يستطيع إكمال المهمة، أو أنه لا يستطيع تشغيل الأدوات التي توفرها منصة التقييم، أو أن المنصة كانت مضبوطة على قالب محادثة وصيغة استدعاء أدوات مختلفين. وتنص بطاقة Nanbeige صراحةً على أن نتائجها الخاصة استخدمت Terminus 2 من أجل Terminal-Bench 2.1 وmini-swe-agent v2.4.6 من أجل Terminal-Bench 4.0 وDeepSWE وSWE-Atlas-QnA. ولا تذكر ما إذا كان Gemma 4 31B قد مُنح الهيكل نفسه مع صيغة استدعاء الأدوات الخاصة به، أم أُدخل في الصيغة الموجهة نحو XML الخاصة بـ Nanbeige. فهذه تنتج أرقامًا مختلفة جدًا، وواحد منها فقط يتعلق بالنموذج.

هذا ليس سببًا لرفض نتيجة Nanbeige. فقد بُني Nanbeige4.3-33B حول البرمجة الوكيلية — إذ توصي بطاقته بتنسيق استدعاء أدوات XML، وpreserve_thinking=true للاستخدام متعدد الجولات للأدوات، ودرجة حرارة 1.0 للمهام الوكيلية — لذا ليس مفاجئًا أنه يؤدي جيدًا داخل إطار اختبار مبني له. إنه سبب لمعاملة عمود Gemma على أنه حد أدنى بدلًا من اعتباره حكمًا نهائيًا.

لا تُسعّر معايير عدم التماثل: الصور

Gemma 4 31B يستقبل الصور. أما Nanbeige4.3-33B فلا. هذه الجملة الواحدة تحدّد عمليات نشر حقيقية أكثر مما يحدّده أي صف في الجدول.

إذا كان وكيلك يقرأ لقطات الشاشة أو الفواتير أو المخططات أو النماذج الممسوحة ضوئيًا أو حالات واجهة المستخدم، فإن Nanbeige4.3-33B ليس مرشحًا عند أي نتيجة معيارية. ستحتاج إلى نموذج استخراج منفصل أمامه، له زمن استجابة وتكلفة وأنماط فشل خاصة به، وستكون جودة خط المعالجة حينها جودة نموذج الاستخراج لا جودة النموذج 33B. تنفذ Gemma تلك الخطوة بشكل مدمج، وتشير نتائج MMMU-Pro المنشورة من Google البالغة 76.9 وMATH-Vision البالغة 85.6 إلى أنها تنفذها بكفاءة لا بشكل شكلي.

وعلى العكس، إذا كان العمل نصيًا فقط — شيفرة، وسجلات، ومستندات طويلة، وآثار أدوات متعددة الجولات — فإن قدرة الصور تكون عبئًا زائدًا تدفع ثمنه في كل تمريرة أمامية. هذه هي الحالة التي بُني Nanbeige من أجلها، وهي تمثل حصة كبيرة من العمل الوكيلي.

512K مقابل 256K، وما الغرض من النافذة

نافذة Nanbeige البالغة 524,288 رمزًا تعادل ضعف نافذة Gemma البالغة 262,144، وكلا الرقمين كبير بما يكفي بحيث لا يهم الفرق إلا في أشكال محددة من العمل.

نافذة بسعة 256K تتسع تقريبًا لمقدار ما في مستودع متوسط الحجم من الشيفرة المصدرية، أو لعدة مئات من صفحات النص. أما نافذة بسعة 512K فتتسع لضعف ذلك. وبالنسبة لمستند طويل واحد مع إجابة طويلة، فإن كلتيهما كافيتان؛ أما بالنسبة لوكيل يراكم مخرجات الأدوات عبر مئات الأدوار، فإن النافذة الأكبر تمنحك أدوارًا أكثر قبل التلخيص أو الإخراج. وتوصي بطاقة Nanbeige بما يصل إلى 262,144 رمزًا جديدًا للاستدلال والدردشة، ما يشير إلى أن ميزانية الاستدلال العملية أقرب إلى 256K منها إلى 512K الكاملة. وعادةً ما يُضبط الحد الأقصى لمخرجات Gemma على 131,072.

لا ينشر أيٌّ من المورّدين هنا أيّ اختبار معياري لاسترجاع السياق الطويل، لذا لا توجد طريقة صادقة للقول أيّهما أفضل استخدامًا: 512K أم 256K. فحجم السياق ادّعاء بشأن السعة لا بشأن الجودة، وكلتا البطاقتين تكتفيان بذلك.

كم يكلف الاتصال بكل واحد

Gemma 4 31B هو الوحيد من بين هذين الاثنين الذي يمكنك استدعاؤه كخدمة اليوم. على OrcaRouter، يبلغ سعره $0.13 لكل مليون رمز إدخال و$0.38 لكل مليون رمز إخراج، مع الإدخال المخزن مؤقتًا بسعر $0.02 — وهو تمرير لسعر قائمة المزود دون إضافة أي هامش ربح، وهذا أيضًا سبب وصول أي تغيير في سعر البائع إلى كتالوجنا في اليوم نفسه الذي يُعلن فيه. تدرج Artificial Analysis حاليًا نقطة نهاية Google الخاصة بسعر $0.00 للإدخال و$0.00 للإخراج، وهو ما يعكس على الأرجح وبشكل شبه مؤكد طبقة ترويجية أو مجانية بدلًا من سعر مستدام؛ تعامل معه كقناة تجريبية، لا كبند في الميزانية.

لا يوجد لـ Nanbeige4.3-33B سعر لكل رمز يمكن الاقتباس به. فالأوزان مجانية بموجب Apache 2.0، وتنص بطاقة الطراز على أنه لا يوجد أي مزوّد استدلال ينشر النموذج. وتشغيله يعني أربع وحدات GPU بحجم توازٍ موترّي 4 وفق وصفات vLLM وSGLang الواردة في البطاقة نفسها، مع إبقائها مفتوحة سواء وصلت الطلبات أم لم تصل. وعليه، فإن التكلفة الحدّية للرمز هي تكلفة الكهرباء ومعدّل الاستفادة لديك، لا بطاقة أسعار. وأي مقارنة بين «مدخلات بسعر $0.13» و«مجاني» هي مقارنة بين فاتورة ونفقة رأسمالية.

هذه أيضًا هي الحجة العملية للإبقاء على موجّه في الحلقة حتى عندما يكون النموذج الجديد مستضافًا ذاتيًا. القرار الذي تواجهه معظم الفرق فعليًا ليس "استبدال Gemma" بل "إرسال 5% من حركة المرور إلى الشيء الجديد ورؤية ما سيحدث." إبقاء النظام الحالي قابلًا للوصول عبر مفتاح واحد، مع تجاوز فشل تلقائي إذا تعطّلت نقطة نهاية التجربة، يجعل ذلك تغييرًا في التوجيه لا عملية ترحيل.

عندما يكون Gemma 4 31B ببساطة هو الإجابة الصحيحة

أربعة شروط تحسم هذا دون جدول معايير.

• يتضمن عبء العمل صورًا أو ملفات PDF أو لقطات شاشة. Gemma، بلا جدال.

• تحتاج إلى أكثر من الإنجليزية والصينية. جرى التدريب المسبق لـ Gemma على أكثر من 140 لغة؛ بينما تذكر Nanbeige لغتين فقط.

• لا ترغب في امتلاك وحدات معالجة الرسومات. لدى Gemma نقطة نهاية مُدارة اليوم؛ ولدى Nanbeige أوزان ووصفة نشر.

• تحتاج إلى رأي ثانٍ بشأن الجودة. لدى Gemma مؤشر الذكاء Artificial Analysis Intelligence Index قدره 15، وهو متواضع لكنه مستقل. لا يوجد لدى Nanbeige أي إدراج هناك على الإطلاق، لذا فإن كل رقم يخصها هو بمثابة مورّد يصحّح واجبه بنفسه.

اقلب المعادلة، تصبح قضية Nanbeige واضحة بالقدر نفسه: عمل وكيلي نصي فقط، وأثر أدوات طويل، وفريق يملك GPUs، واستعداد لتشغيل صيغة أدوات XML التي يوصي بها. وعلى هذا النمط من العمل، يدّعي جدول Nanbeige الخاص تقدمًا بمقدار 33.7 نقطة على Terminal-Bench 2.1 — 80.9 مقابل 47.2 — وتقدمًا بمقدار 62.8 نقطة على DeepSWE. هذه الهوامش كبيرة بما يكفي لاحتوائها على إشارة حقيقية على الأرجح حتى بعد خصم ميزة الـ harness. لكنها ليست كبيرة بما يكفي للمراهنة على مسار إنتاجي دون تشغيل واحد منها بنفسك.

مسابقة خبز في فترة ما بعد الظهر تتفوق على هذه الطاولة

إذا كنت تختار بينهما بجدية، فإن الاختبار غير مكلف ولا يتطلب أن تصدّق أيًا من المورّدين. خذ عشرين مهمة حقيقية من سجلات الوكيل الخاصة بك. شغّل كل نموذج باستخدام صيغة استدعاء الأدوات وإعدادات التفكير الموصى بها لديه — XML لـ Nanbeige، واستدعاء الدوال الأصلي لـ Gemma — وقيّم إكمال المهام، لا التشابه مع مقاييس الأداء المرجعية. سجّل الرموز المستهلكة لكل مهمة مكتملة، لأن نموذجًا كثيفًا بحجم 33B وآخر كثيفًا بحجم 30.7B سيختلفان في درجة الإسهاب حتى عند أسعار متطابقة لكل رمز.

ما ستكتشفه في أمسية واحدة هو ما إذا كانت الأفضلية الوكيلية لدى Nanbeige ستصمد أمام ميزة أداتها الخاصة. وإلى أن ينشر أحد ذلك، فإن الملخص القابل للدفاع عنه أضيق نطاقًا من العناوين الرئيسية: فـ Gemma 4 31B هو النموذج الأقرب للجاهزية للنشر والوحيد الذي يملك تقييمًا مستقلًا؛ أما Nanbeige4.3-33B فهو الأكثر طموحًا، بنافذة أصلية تبلغ 512K ومجموعة من الأرقام الوكيلية المُبلَّغ عنها ذاتيًا، وهي أرقام لافتة وغير مدقَّقة وعمرها يومان فقط.