Nemotron 3.5 Bolt 24GB مقابل LFM2.5 24B-A2B: طريقتان لاستيعاب وكيل في 24GB

إليك مشكلة تواجه أي شخص يقارن بين هذين.NVIDIA Nemotron 3.5 Bolt 74B-A9B 24GBوLFM2.5-24B-A2Bنشر كلاهما جدولي معايير يتضمنان نفس النماذج الثلاثة الأساسية — Qwen3.6 35B-A3B وGemma 4 26B-A4B وNemotron 3.5 Lightning 30B-A3B — ويختلف الجدولان حول الدرجات التي تسجلها تلك النماذج الأساسية. في PinchBench، تُدرج NVIDIA النموذج Qwen3.6 عند 88.07 وLightning عند 83.43. وتُدرج Liquid AI النموذجين نفسهما عند 89.93 و84.20. المعيار نفسه، الإدخالات المسماة نفسها، أرقام مختلفة، وكلاهما نُشر هذا الشهر.

هذا ليس فضيحة. هذا ما يبدو عليه تشغيل إطار اختبار بنفسك، وهو السبب في أن هذه المقارنة مكتوبة حول ما يمكن التحقق منه بدلًا من أن تكون حول نتيجة مواجهة مباشرة. النموذجان أيضًا، بمعنى ما، إجابتان عن السؤال نفسه تم حله من طرفين متعاكسين.

القيد الذي بُني كلا النموذجين في مواجهته

كلا الطرازين بسعة 24 غيغابايت. ولا يقول أي من المختبرين ذلك بهذه الكلمات نفسها، ويأتي الرقم مختلفًا في كل حالة.

‏Bolt بإجمالي 74B مع 9B نشطة. خضع بحث معمارية Star Elastic من NVIDIA لميزانية واحدة يجب تلبيتها — أقل من 24GB عند حجم دفعة 1 وسياق 128K — والناتج عن تلك القيد هو نقطة الحفظ (checkpoint) الناتجة، بأوزان الخبراء عند 2.0625 بت لكل عنصر. حد الذاكرة هو مدخل التصميم، وعدد المعاملات هو المخرج.

LFM2.5-24B-A2B هو 24B إجمالًا مع 2.45B نشطة، والذاكرة تتوقف على الملف الذي تختاره لا على البنية المعمارية. يتيح مستودع GGUF المنشور Q4_K_M بحجم 14.53GB، وQAD-Q4_0 المدرك للتكميم بحجم 13.58GB، وQ5_K_M بحجم 17.03GB، وQ6_K بحجم 19.69GB، وQ8_0 بحجم 25.49GB. إن الرقم 24 في اسمه هو عدد المعاملات، وليس حجم البصمة؛ فالبصمة قائمة خيارات.

هذا التمييز يحدد الكثير. لدى Bolt تكوين إصدار واحد بالضبط للاستدلال، ولا يوجد شيء لتكميمه لأن النموذج وصل مكمَّمًا. لدى LFM2.5-24B-A2B نقطة تحقق أصلية بصيغة BF16 بحجم 47.96GB لن تشغّلها على حاسوب محمول، ومجموعة من الإصدارات المجتمعية وإصدارات الطرف الأول التي قد تشغّلها، مع ترك الجودة لتقديرك.

ما الذي يتكوّن منه كل واحد منها في الواقع

• المعاملات — Bolt: 74B إجمالاً، 9B نشطة لكل توكن. LFM2.5-24B-A2B: 24B إجمالاً، 2.45B نشطة لكل توكن.

• الهندسة المعمارية — Bolt: طبقات فضاء الحالة Mamba-2 متشابكة مع خليط الخبراء والانتباه، وتوجيه LatentMoE، بالإضافة إلى مشفّر رؤية C-RADIO v4-H. LFM2.5-24B-A2B: 40 طبقة — ثلاثون كتلة التفاف قصير مزدوجة البوابات وعشر كتل انتباه استعلامات مجمّعة — مع 64 خبيرًا لكل كتلة MoE وتوجيه top-4.

• المصدر — Bolt: مضغوط من Nemotron 3.5 Super VL 120B-A12B عبر بحث معماري موجَّه بواسطة الموجِّه، ثم كُمِّم باستخدام تقطير واعٍ بالتكميم. LFM2.5-24B-A2B: دُرِّب مباشرةً، انطلاقًا من عملية تدريب مسبق على 33 تريليون رمز، مرورًا بمرحلة تدريب متوسط من مرحلتين وخط أنابيب تدريب لاحق من خمس مراحل ينتهي بالتعلّم المعزّز داخل أُطر تشغيل الوكلاء.

• المدخلات — Bolt: نص وصور وفيديو كمدخلات، ونص كمخرج. LFM2.5-24B-A2B: نص فقط. هذا هو الخط الفاصل الأصعب بين الاثنين، وهو اختلاف معماري وليس اختلافًا في الضبط.

• السياق — Bolt: 262,144 توكن. LFM2.5-24B-A2B: 131,072 توكن، وهو ضعف ما كان عليه في الجيل السابق (32,768)، إلى جانب توسيع المفردات من 65,000 إلى 128,000 توكن.

• اللغات — يذكر LFM2.5-24B-A2B ست عشرة لغة، من بينها العربية والكورية والتايلاندية والهندية والروسية. وتذكر بطاقة نموذج Bolt اللغة الإنجليزية ولغات البرمجة باعتبارها أساسية، مع دعم الإسبانية والفرنسية والألمانية والإيطالية واليابانية أيضًا.

• ترخيص — Bolt: OpenMDW-1.1. LFM2.5-24B-A2B: LFM Open License 1.0. لا هذا ولا ذاك هو Apache 2.0، وكلاهما متساهل بما يكفي للعمل التجاري وغير مألوف بما يكفي ليستحق عشر دقائق مع محامٍ.

• دعم وقت التشغيل عند الإصدار — يدرج كلاهما llama.cpp وvLLM وتنسيقات الحافة الخاصة بكل منهما؛ كما توفر LFM2.5-24B-A2B إصدارات MLX وONNX وتذكر SGLang.

اقرأ جداول القياس بعناية.

جدول المورّد الخاص بـ Bolt يمنحه انتصارات في Terminal-Bench 2.1 بنتيجة 50.98 مقابل 44.38 لـ Qwen3.6 35B-A3B و37.22 لـ Gemma 4 26B-A4B، وفي BrowseComp بنتيجة 66.75 مقابل 48.74، وفي GPQA Diamond بنتيجة 86.43 مقابل 83.40. كما يطبع الصفوف التي يخسرها: دقة AA-Omniscience عند 16.90 مقابل 22.17 لـ Gemma، وPinchBench عند 87.82 مقابل 88.07 لـ Qwen. اختارت NVIDIA مجموعة النظراء كطرازات تتّسع في 24 غيغابايت بأربع بتات — وهي مجموعة يحدّدها القيد الذي صُمّم Bolt لمواجهته.

يُظهر جدول Liquid AI الخاص بـ LFM2.5-24B-A2B تسجيل LiveClaw عند 48.09 مقابل 38.19 لـ Qwen3.6 35B-A3B، وAutomationBench عند 27.69 مقابل 8.72، وToolSandbox عند 80.71 مقابل 75.02، في حين يتنازل عن GPQA Diamond عند 74.42، وHLE عند 7.40، وSWE-Bench Verified عند 51.00 لنماذج أكبر. أما رقم AA-Omniscience الخاص به فهو سلبي، سالب 24.90، وهو ما يعني في نظام تقييم ذلك الاختبار أنه يُعاقَب على الإجابات الخاطئة الواثقة بدلًا من أن يُقيَّم على الدقة وحدها.

يتفق الجدولان على شكل النتيجة حتى حيث تختلف الأرقام: كل نموذج قوي في استخدام الأدوات الوكيلية نسبةً إلى حجمه، وأضعف في الاستدعاء كثيف المعرفة. لا يمتلك أيٌ منهما مُدخَلًا في Artificial Analysis، ولا يوفّر أيٌ منهما نقطة نهاية مستضافة، لذا لا يوجد رقم من طرف ثالث لحسم التعادل، ولا سبيل لإجراء A/B عليهما على حركة المرور الخاصة بك دون تنزيل كليهما.

يوجد رقم مستقل واحد فعلاً لـBolt: مؤشر ذكاء قدره 21، وهو الرابع من أصل 67 نموذجاً في فئته، على نفس اللوحة التي تقيّم النماذج الكثيفة التي ينافسها. تُبلغ Liquid AI عن 184 رمزاً في الثانية على Apple M5 Max لـLFM2.5-24B-A2B، وتُبلغ NVIDIA عن 83.99 رمزاً في الثانية لـBolt على جهاز RTX Spark يعمل بـllama.cpp مع مُسوّد LiLiCorr المرفق به. هاتان السرعتان هما الرقمان الأكثر فائدة اللذان نشرتهما أي من المختبرين، وهما غير قابلتين للمقارنة — عتاد مختلف، وتنسيقات مختلفة، وإعدادات مُسوّد مختلفة.

أي جهاز يريده كل واحد

التداخل بين قصص العتاد أقل مما يوحي به تأطير الـ24GB.

تم بناء Bolt من أجل مكدس الحوسبة الطرفية الخاص بـ NVIDIA: حواسيب RTX Spark المحمولة التي تصل في 16 أكتوبر، وأجهزة الكمبيوتر GeForce RTX، وDGX Spark، وDGX Station، ومحطات عمل RTX PRO، مع نقطة التحقق المُكمَّمة الخاصة بـ llama.cpp على Spark وvLLM على DGX، ونقطة التحقق BF16 المخصصة لـ Ampere وHopper وBlackwell. النموذج المُسوِّد عبارة عن تنزيل منفصل بحجم 1.13B، وتثبّت وصفة vLLM المرجعية إصدارًا ليليًا، وحزمة نواة من مستودع مورّد، وعدد التسلسلات المخدومة يساوي واحدًا.

LFM2.5-24B-A2B هو الأكثر قابلية للنقل بين الاثنين على الورق، وهو يصرّح بذلك: إصدارات MLX لشرائح Apple Silicon، وONNX لبيئات التشغيل متعددة المنصات، وGGUF لاستدلال CPU، وFP8 لخدمة GPU، ومُسوّد DSpark مُدرَج على أنه قادم قريباً. نسخة مُكمّمة بحجم 13.58GB تترك هامشاً أكبر على بطاقة 24GB مقارنةً بملف Bolt الواحد بحجم 22.02GB بالإضافة إلى مُسقِط الرؤية الخاص به بحجم 1.73GB.

تلك الحسابات الأخيرة هي جوهر المسألة العملي. تستهلك أوزان Bolt ووحدة الإسقاط الخاصة به 23.75GB من أصل 24GB التي سُمّي النموذج تيمّنًا بها، تاركةً السياق والتزامن يتنافسان على ما تبقّى. أما LFM2.5-24B-A2B عند Q4 أو QAD-Q4 فيترك نحو عشرة غيغابايتات للغرض نفسه. إذا كان عبء عملك هو عمل وكيل طويل الأفق مع سياق مسترجَع كبير، فإن البصمة الأصغر للنشاط والتخزين ليست جائزة ترضية.

أين تندرج طبقة التوجيه

لا أحد من النموذجين من الأشياء التي نقدّمها، ويجدر قول ذلك بصراحة بدل تجميله: كتالوج OrcaRouter لا يضم Bolt أو LFM2.5-24B-A2B، لذا لا توجد هنا نقطة نهاية لأيّ منهما ولا سعر للمقارنة. ما يشترك فيه الاثنان هو أنهما النصف المحلي من منظومة، والنصف المحلي لا يكاد يكون وحيدًا أبدًا — فالوكيل الذي يشغّل نموذجًا بحجم 24GB على الجهاز الذي أمامه يظل يلجأ إلى شيء أكبر عندما تتجاوز المهمة قدرته.

هذا هو الجزء الذي نتولاه نحن. مفتاح واحد عبر أكثر من 200 نموذج مستضاف بسعر قائمة المزوّد مع عدم إضافة أي هامش ربح، تحويل تلقائي عند الفشل بحيث يُعاد محاولة المزوّد الذي يتعثر في منتصف الطلب بدلًا من عرض ذلك على من ينتظر، ولغة DSL للتوجيه تعبّر عن سلسلة احتياطية كتهيئة بدلًا من شيفرة التطبيق. إذا كنت تختار بين نقطتي التحقق هاتين، فإن القرار يُتخذ على عتادك الخاص وفي إطار الاختبار الخاص بك — أما التصعيدات والاستعلامات الجانبية والتقييمات المحيطة بذلك فهي الجزء الذي يمر عبر بوابة.

كيف تختار دون لوحة نتائج مشتركة

أربعة أسئلة تحسم الأمر أسرع مما يفعل أي جدول.

هل يحتاج الوكيل إلى الرؤية؟ إن كان يقرأ لقطات الشاشة أو ملفات PDF أو الفيديو، فإن Bolt هو الوحيد بين الاثنين القادر على ذلك، وينتهي السؤال عند هذا الحد. أما إن كان يعمل بالنصوص واستدعاءات الأدوات، فالقدرة متعددة الوسائط عبء تحمله بلا طائل.

ما مقدار السياق الذي يحتاجه الدور فعليًا؟ إن ربع مليون رمز مقابل 131,072 لَفرق حقيقي في العمل على مستوى المستودعات أو المستندات، وهو البعد الوحيد الذي جلَب فيه ضغط Bolt مكسبًا لا يظهر في أي عمود من أعمدة المعايير.

ما هو الجهاز؟ وحدة معالجة رسومات NVIDIA منفصلة بسعة 24 جيجابايت، مع تحمّل لـ vLLM الليلي المثبّت، تفضّل Bolt. أما Mac، أو أسطول مختلط يجب أن يعمل فيه البناء نفسه في أكثر من مكان، فيفضّل النموذج الذي يوفّر MLX وONNX إلى جانب GGUF الخاص به.

وبأرقام مَن تصدّق؟ لقد نشر كلا المختبرين جداول يفوز فيها نموذجهما الخاص في معظم الصفوف. الموقف الصادق هو أن كلاً منهما قوي ضمن مجموعة أقران اختارها بنفسه، وأن الاختلاف بين الجدولين على خطوط أساس متطابقة يذكّرنا بتباين إطار الاختبار، وأن رقم معيار أداء من المختبر الذي بنى النموذج هو ادعاء بشأن القدرة لا قياس لها.

الإجابة المختصرة

يمنحك Bolt البصر، وسياقًا يبلغ ربع مليون رمز، وأحكم ضغطٍ شحنه أحد عند هذا الحجم، ويتقاضى ثمنه في صورة غيغابايتين ونصف من الهامش المتاح ووصفة NVIDIA إلزامية. أما LFM2.5-24B-A2B فيمنحك قابلية النقل، ومجموعة عمل أصغر، وست عشرة لغة، ويتقاضى ثمنه في صورة الوسائط والسياق.

كلاهما صدر خلال أربعة أيام من بعضهما البعض في أكتوبر 2026 — LFM2.5-24B-A2B في 13 أكتوبر، وBolt في 15 أكتوبر — ما يعني أن أياً منهما ليس لديه سجل حافل مستقل بعد، ولم يُقَس أيٌّ منهما مقابل الآخر على عتاد مشترك، وأي شخص يدّعي وجود فائز إنما يقرأ جداول المورّد لا نتائج اختبار أداء. نزّل كليهما، وشغّل مجموعة التقييم الخاصة بك، واحتفظ بالذي يُنجز المهمة. فذلك هو التقييم الوحيد هنا الذي لم ينشره بالفعل أحد المختبرين.

تلك الفجوة بين ما تقيسه لوحة النتائج وما يواجهه النشر هي سبب أهمية السجل: فحالات فشل الذكاء الاصطناعي الموثقة وحوادث الوكلاء المرتبطة بنماذج من هذه الفئة مجموعة في the OrcaRouter AI Incident Archive، حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته وتصنيف ثقته وعلامته كمتنازع عليه.