نيموترون 3.5 بولت E4B بذاكرة 4GB مقابل LFM2.5 2.6B Base: شخصية مكتملة في مواجهة صفحة بيضاء

أحد هذين النموذجين سيجري محادثة بمجرد تنزيله. أما الآخر فلن يجري محادثة حتى تدرّبه. هذا هو جوهر المقارنة بين NVIDIA-Nemotron-3.5-Bolt-E4B-4GB وLiquid AI LFM2.5-2.6B-Base، وكل اختلاف في ورقة المواصفات مترتب على ذلك ثانوي.

نموذج NVIDIA هو نموذج لغوي صغير حواري مُدرَّب لاحقًا: قالب محادثة، ومفتاح تبديل للاستدلال، وسلوك استدعاء الأدوات، وضبط الشخصية، وجدول معايير من 21 صفًا. أما نموذج Liquid فهو نقطة تفتيش أساسية مُدرَّبة مسبقًا، نُشرت صراحةً للضبط الدقيق المكثف، بلا سلوك محادثة ولا درجات معايير على بطاقته. ووضعهما في التصنيف نفسه «نموذج صغير مفتوح» خطأ في التصنيف يدفع الناس إلى تنزيل الملف الخاطئ ويخلصون إلى أن النموذج رديء.

الإجابة المختصرة، قبل التفاصيل

• تحتاج هذا الشهر إلى مساعد صوتي أو شخصية أو مساعد جهاز جاهز للعمل — استخدم NVIDIA-Nemotron-3.5-Bolt-E4B-4GB. فهو سلوك مكتمل جاهز، وليس مادة خامًا.

• لديك بيانات خاصة بمجالك، وميزانية للتدريب، وشرط أن يكون النموذج ملكًا لك — اختر LFM2.5-2.6B-Base. فهو أرخص في الضبط الدقيق ويضم نافذة سياق تبلغ 128K.

• أنت تريد أفضل نموذج محادثة صغير تصنعه Liquid — لا تريد أيًّا من هذين بمفرده. تريد LFM2.5-2.6B الخاضع للتدريب اللاحق، ثم تقرر ما إذا كان Base أو agent checkpoint هو نقطة انطلاقك.

• تريد مقارنة أداء مباشرة وجهًا لوجه — لا توجد واحدة. لا تنشر بطاقة Base أي درجات، ولم يُجرِ أي طرف ثالث الاختبار بينهما ضد بعضهما. وأي مقالة تُعلن فائزًا استنادًا إلى مقياس أداء مشترك فإنها تختلق ذلك المقياس.

لماذا يُشكّل عدم التطابق جوهر القصة

أطلقت Liquid AI عائلة LFM2.5-2.6B في ثلاثة أجزاء: نموذج Base مُدرَّب مسبقًا، ونقطة تحقق لوكيل مُدرَّبة لاحقًا، ونموذج مسوّدة للفك الترميزي التخميني. وBase هو المرحلة الأولى في ذلك المسار، وليس منتجًا. وتقول بطاقته إنه "لا يُوصى به إلا للمهام التي تتطلب ضبطًا دقيقًا مكثفًا" — أي المساعدات الخاصة بلغة أو مجال معيّن، والتدريب على بيانات خاصة، وأعمال مشابهة. وتتنبأ نقطة التحقق الأساسية بالرمز التالي ببراعة، لكنها لم تُدرَّس قط للإجابة عن سؤال، أو اتباع تعليمات، أو إصدار استدعاء أداة ضمن مخطط.

إن E4B من NVIDIA هو الطرف المقابل لتلك السلسلة. انطلق من Gemma-4-E4B-it، الذي كان قد خُضع مسبقًا لضبط التعليمات، ثم دربته NVIDIA بعده مرة أخرى بالتعلّم المعزّز من المكافآت القابلة للتحقق والتغذية الراجعة البشرية. توثّق البطاقة مجالات المكافأة، ونسبة الدفعات بين وضعي الاستدلال/عدم الاستدلال، وعقوبات الطول المطبّقة للتحكم في الإسهاب. ومهما كان صحيحًا أيضًا، فقد شُكّل النموذج نحو مهمة معينة.

إذن، السؤال المنصف ليس «أيُّهما أكثر ذكاءً»، بل «أي مرحلة من خط المعالجة تحتاج إلى شرائها».

المواصفات، بُعدًا بُعدًا

• المعاملات — NVIDIA-Nemotron-3.5-Bolt-E4B-4GB هو نموذج بإجمالي 8B مع 4B من المعاملات الفعّالة ضمن معمارية Gemma-4-E4B؛ أما LFM2.5-2.6B-Base فهو 2.69B من المعاملات الكثيفة ضمن مكدّس هجين من 30 طبقة يتألف من 22 كتلة التفاف قصير ثنائية البوابات و8 كتل انتباه مجمّعة الاستعلامات.

• نافذة السياق — 64 ألف رمز إدخال و64 ألف رمز إخراج لـ Bolt؛ و131,072 رمزًا لأساس LFM.

• الوسائط — نص مُدخل ونص مُخرج لكليهما. لا يقبل أيٌّ منهما الصور أو الصوت.

• المفردات — 128,000 رمزًا لـ LFM2.5-2.6B-Base؛ لا تنشر NVIDIA حجم مفردات خاصًا بـ E4B، الذي يرث مُرمِّز Gemma.

• التدريب المسبق — 34 تريليون توكن لقاعدة LFM، مع مرحلة تدريب وسيطة توسّع السياق إلى 128K. لا تنشر NVIDIA عدد توكنات التدريب المسبق لـ E4B لأنها لم تُدرّب النموذج مسبقًا؛ بل أجرت تدريبًا لاحقًا على Gemma.

• التدريب اللاحق — عمل موسّع على RLVR والتغذية الراجعة البشرية لـ Bolt، مع أنماط استدلال صريح ومحادثة. لا شيء منها لقاعدة LFM، بحكم التصميم.

• الدقة المنشورة — Q4_K_M GGUF بسعة 6.18GB وBF16 safetensors بسعة 15.88GB لـ Bolt؛ ملف BF16 safetensors واحد بسعة 5.39GB لقاعدة LFM، مع تحويلات GGUF وONNX وMLX منفصلة في مكان آخر ضمن العائلة.

• الترخيص — OpenMDW-1.1 لمساهمة NVIDIA مع مكوّن Gemma 4 بموجب Apache 2.0؛ LFM Open License 1.0، ترخيص مخصص بشروط تجارية، لنموذج Liquid.

• اللغات — 34 في البيانات الوصفية لـ E4B، مع تسمية سبع منها بوصفها لغات أساسية بعد التدريب؛ و16 لقاعدة LFM.

• الإصدار — 23 أكتوبر 2026 لـ E4B؛ نُشرت عائلة LFM2.5-2.6B في 4 أغسطس 2026.

فجوة المعاملات حقيقية، لكنها لا تُترجم إلى فجوة التنزيل التي يتوقعها الناس. طراز 2.69B Base هو تنزيل BF16 بحجم 5.39GB؛ أما E4B «4GB» فهو تنزيل رباعي البتات بحجم 6.18GB. إن مقارنة أعداد المعاملات بين بنية هجينة كثيفة وبنية متفرقة ذات معاملات فعّالة تخبرك بأقل مما تخبرك به مقارنة البايتات على القرص.

ما الذي تنشره كل بطاقة فعليًا

هنا يصبح عدم التماثل قابلاً للقياس.

تطرح NVIDIA 21 صفًا من نتائج الاختبارات المعيارية، وأربعة نماذج للمقارنة، وعمود Q4_K_M منفصل. النتائج مُشغَّلة من المورّد ضمن NeMo-Gym ومُعلَّم عليها صراحةً بأنها قد تختلف عن الأرقام التي يعلنها البائعون الآخرون عن أنفسهم. وهي تغطي الحفاظ على الشخصية، وهرمية التعليمات، وتوقيت استخدام الأدوات، والتأصيل، واسترجاع السياقات الطويلة، وإكمال المهام الوكيلية.

لا تتضمن بطاقة Base من Liquid أي جدول معايير على الإطلاق. وهذا ليس سهوًا، بل هو ما تمثله نقطة تحقق أساسية. أما الأرقام المتداولة بشأن LFM2.5-2.6B — IFBench 59.17 وToolSandbox 77.83 وBFCLv4 56.88 وLiveCodeBench v6 59.41 وAIME25 51.87 — فهي تخص نقطة تحقق الوكيل بعد التدريب، لا Base، وهي مُبلّغ عنها من الجهة البائعة. يُدرج Artificial Analysis النموذج LFM2.5-2.6B بمؤشر ذكاء 8، مع تمييزه كتقدير مع تقييم مستقل مرتقب؛ وليس لديه صفحة لـ Bolt E4B على الإطلاق.

إذن، بطاقة التقييم الصادقة هي: أحد النموذجين لديه جدول كبير من المورّد لم يخضع للتدقيق، والآخر ليس لديه جدول ولديه تقدير مستقل مرتبط بنقطة تحقق مختلفة في عائلته. لا يدعم أي من العمودين إجراء مقارنة مباشرة.

تُقاس الذاكرة والسرعة على كوكبين مختلفين.

كلا البائعَين ينشر أرقام زمن الاستجابة، وهي غير قابلة للمقارنة. اقرأها كادعاءات منفصلة عن إعدادات منفصلة.

• أضف RTX 5070 12GB — من 3.5 إلى 4.3 غيغابايت من ذاكرة VRAM، ومن 548 إلى 1,238 مللي ثانية حتى أول رمز، ومن 106.2 إلى 133.4 رمزًا في الثانية، وفق قياس NVIDIA باستخدام llama.cpp وCUDA عند حجم دفعة 1.

• Bolt على Jetson Orin Nano 8GB — من 4.2 إلى 4.9GB من VRAM، ومن 5.8 إلى 6.3 ثانية حتى أول رمز، ومن 13.0 إلى 15.5 رمزًا في الثانية. مدمج، لكنه ليس سريعًا بمستوى المحادثة.

• LFM2.5-2.6B على M5 Max — نحو 220 رمزًا في الثانية، لفك الترميز على CPU وفق ما أبلغت به الجهة المصنّعة.

• LFM2.5-2.6B على شريحة من فئة الهواتف — نحو 30 رمزًا في الثانية، وفقًا لما أفادت به الشركة المصنعة.

رقم M5 Max ليس مقارنة بوحدات معالجة الرسومات، ورقم Orin Nano ليس مقارنة بحاسوب محمول، ولم ينشر أي من البائعين أطوال المطالبات أو أحجام الدفعات أو إعدادات التكميم بصيغة تسمح بمقارنتها. الرقم الوحيد القابل للتحقق مباشرةً موجود على القرص: 6.18GB لـ Q4_K_M من Bolt مقابل 5.39GB لقاعدة LFM بتنسيق BF16.

التراخيص: كلاهما مفتوح، وليس أي منهما Apache

نموذج NVIDIA هو OpenMDW-1.1 بالإضافة إلى مكوّن Apache 2.0 الخاص بـ Gemma 4. إن OpenMDW متساهل ويسمح بالاستخدام التجاري، لكنه غير معتمد من OSI، ووراثة Gemma تعني أن شروط Apache تنتقل مع جزء من المكدس. تنص بطاقة NVIDIA على أن النموذج جاهز للاستخدام التجاري أو غير التجاري.

رخصة LFM Open License 1.0 الخاصة بـ Liquid هي رخصة مخصّصة بحدّ إيرادات سنوية قدره 10 ملايين دولار أمريكي للاستخدام التجاري. وهي ليست Apache أو MIT، وتشير بطاقة Base إلى ملف LICENSE بدلاً من تلخيص الشروط. بالنسبة لمشروع بحثي، نادرًا ما يكون هذا مهمًا؛ أما بالنسبة لمنتج يخضع لمراجعة قانونية، فهو أول ما يجب قراءته.

الفرق العملي ليس بين «المفتوح والمغلق». فكلاهما قابل للتنزيل، وكلاهما يسمح بالاستخدام التجاري ضمن شروطه. الفرق هو الشروط التي يتعين على مستشارك القانوني أن يجيزها، وما إذا كان النموذج الذي تشحنه يحمل في داخله ترخيص مورّد ثانٍ.

فاتورة الضبط الدقيق، وهي القرار الحقيقي

إذا اخترت قاعدة LFM، فإن التنزيل هو الجزء الرخيص. أنت تشتري 2.69B معامل من القدرة الخام المدرَّبة مسبقًا، ثم تدفع مقابل تعليمه مهمةً: جمع البيانات وتنظيفها، والضبط الدقيق الخاضع للإشراف، والتقييم، وحلقة التكرار التي تتبع ذلك. ما تروّج له Liquid هو أن 34 تريليون رمز وسياقًا بسعة 128K يجعلان نقطة البداية تلك قوية بما يكفي لتستحق هذا العمل.

إذا اخترت Bolt E4B، فأنت تشتري التدريب اللاحق الخاص بـ NVIDIA كنقطة انطلاق. نسخة BF16 بحجم 15.88GB، وتنشر NVIDIA وصفتين لتغييرها: تدريب كامل المعاملات على 8× H100 80GB باستخدام FSDP2 ومعدل تعلم 1e-5، أو LoRA على 2× H100 80GB ببُعد 16، وألفا 32، ومعدل تعلم 2e-4. تُجمّد كلتا الوصفتين برجي الرؤية والصوت، وهو تذكير بأن قاعدة Gemma 4 E4B متعددة الوسائط رغم أن إصدار Bolt نصي فقط.

هذا حدّ أدنى للضبط الدقيق أثقل من أساس LFM البالغ 2.69B، ومهمة أخف بكثير لبناء السلوك. إن E4B يؤدي بالفعل الشخصية والتسلسل الهرمي للتعليمات وتوقيت الأدوات؛ فأنت تكيّف نموذجًا عاملًا، لا تنشئ واحدًا.

إذا كنت تبني منتجًا بدلًا من نموذج

يجب أن يكون الافتراضي هو نقطة الحفظ النهائية. يحتاج المساعد الصوتي، أو NPC، أو واجهة كشك، أو وكيل جهاز إلى سلوك من اليوم الأول، وE4B هو الوحيد من بين هذين الاثنين الذي يمتلك أيًا منه. عيوبه موثقة ومحددة: Tau2-Bench 55.10 مقابل 75.06 لدى Qwen3.5 4B، وRULER 86.99 مقابل 95.15، وLongBench v2 50.50 مقابل 59.93. إنه نموذج حواري يستطيع استدعاء الأدوات، وليس وكيلًا قادرًا على التخطيط.

نسخة LFM الأساسية هي الخيار الصحيح للشراء فقط عندما يكون النموذج نفسه هو المنتج: مساعد متخصص في مجال معين بلغة أو مفردات تعالجها النماذج العامة بشكل سيئ، أو ضبط دقيق على بيانات خاصة، أو أساس بحثي تنوي امتلاكه. في هذه الحالة، يُعدّ غياب سلوك المحادثة ميزة، لأنك لا تدفع مقابل سلوك ستستبدله.

هناك حالة ثالثة لا تتناولها أي من البطاقتين: أن ترغب في مقارنتهما على مهمتك الخاصة. افعل ذلك باستخدام مجموعة تقييم محجوزة وإعدادات فك ترميز نفسها، لا باستخدام جداول البائعين. توصي بطاقة E4B بدرجة حرارة 1.0 وtop_p 0.95 في وضعي التفكير كليهما؛ وتنشر Liquid إعداداتها الخاصة بنسخة نقطة التحقق المُدرَّبة لاحقًا. مطابقة تلك الإعدادات هي الحد الأدنى لاختبار عادل، وحتى عندئذٍ فأنت تقارن نموذجًا مُدرَّبًا لاحقًا بنموذج أساسي، وهذا ليس اختبارًا عادلًا على الإطلاق.

حيث ينتهي دور النموذج المحلي ويبدأ باقي المكدس

أيًا كانت نقطة التفتيش التي تختارها، فستكون ضمن تطبيق يحتاج أيضًا إلى نماذج لا يستطيع تشغيلها. نموذج أساسي بحجم 2.6B أو نموذج حواري بحجم 4B يتولى طبقة الاستجابة الفورية المحلية؛ لكنه لا يتعامل مع مستند بطول 200K رمز، أو مهمة برمجة صعبة، أو طلب يحتاج إلى حكم نموذج متقدم. توجيه تلك الطلبات عبر API واحد — أكثر من 200 نموذج، هامش ربح 0% على سعر قائمة المزود، تجاوز فشل تلقائي عبر المزودين — يُبقي النموذج المحلي المسار السريع دون فرض عقد ثانٍ للنموذج البطيء.

أي تنزيل هو الخاص بك؟

اختر E4B إذا كنت بحاجة اليوم إلى نموذج صغير يتحدّث ويتبع التعليمات ويستدعي الأدوات، ويمكنك أن تتعايش مع تنزيل بحجم 6.18GB ومع نقاط الضعف الموثّقة في السياق الطويل والقدرات الوكيلية. واختر LFM2.5-2.6B-Base إذا كنت تبدأ مشروع ضبط دقيق، وتريد نافذة سياق 128K ومُرمِّزًا لغويًا يدعم 16 لغة، وتملك البيانات والقدرة الحاسوبية لتعليم النموذج مهمّته.

الخطأ الذي يجب تجنّبه هو تنزيل نسخة Base، وتوجيهها كما لو كانت روبوت محادثة، ثم الاستنتاج أن نموذج Liquid بحجم 2.6B أسوأ من نموذج NVIDIA بحجم 4B. إنه ليس أسوأ. بل هو أبكر في خط الأنابيب. المقارنة التي من شأنها أن تحسم فعليًا سؤال العائلة هي Bolt E4B مقابل LFM2.5-2.6B المدرَّب لاحقًا، ولم ينشر أحد تلك التجربة بعد.