NVIDIA Nemotron Labs Dory 1.0 4B مقابل LFM2.5 2.6B Base: أحدهما مكتمل، والآخر ليس كذلك عن قصد

إنّ NVIDIA Nemotron Labs Dory 1.0 4B وLFM2.5-2.6B-Base كلاهما صغيران، وكلاهما نصيان فقط، وكلاهما قابلان للتنزيل بصيغة GGUF، وكلاهما من النماذج التي تشغّلها بنفسك — وهما يقعان عند طرفين متقابلين من مسار ما بعد التدريب. يأتي Dory مكتملًا تمامًا: ضبط دقيق بإشراف على مجموعة منسّقة من NVIDIA، ثم تعلّم معزّز متعدد البيئات باستخدام GRPO، مع بقاء الاستدلال مفعّلًا بشكل دائم في مسار الخدمة. يأتي LFM2.5-2.6B-Base غير مكتمل عمدًا، ويوصف في بطاقته الخاصة بأنه نقطة تفتيش مدرّبة مسبقًا «يُنصح به فقط للمهام التي تتطلب ضبطًا دقيقًا مكثفًا». وتوفّر Liquid AI النسخة المكتملة من ذلك النموذج بشكل منفصل باسم LFM2.5-2.6B، مدرّبة لاحقًا لأحمال العمل الوكيلية. لذا فالتأطير الصادق ليس «أيّ نموذج من فئة 4B أفضل؟»، لأن نقطة تفتيش أساسية ونموذج استدلال مكتمل لا يتنافسان على الموضع نفسه في حزمتك التقنية. السؤال المفيد هو: لأيّ نصف من المسار تشتري؟

ما هي حقيقة كل قطعة أثرية

N​VIDIA N​emotron Labs Dory 1.0 4B هو نموذج كثيف بحجم 4 مليارات معامل، نشرته N​VIDIA على Hugging Face بأربع تكميمات — BF16 وMXFP8 وNVFP4 وتصدير Q5_K_M GGUF — بموجب ترخيص OpenMDW 1.1. وتُعرِّف بطاقته الإصدار بأنه "GA (10/16/2026)" وتصف معمارية ذات حلقات وتكرار كامن: كتلة إدخال من 8 طبقات، وكتلة تكرارية من 20 طبقة تُطبَّق عددًا متغيرًا من المرات، وكتلة إخراج من 8 طبقات، مع انتباه هجين متداخل بنافذة منزلقة وانتباه كامل. يمتد السياق إلى 256 ألف رمز، واللغة هي الإنجليزية فقط، وتم طرح الإصدار بالكامل دون أي إعلان مصاحب من N​VIDIA. وتشير البطاقة إلى أن الاستدلال دائمًا مفعّل في مسار خدمة vLLM، وهو تصريح عن القصد بقدر ما هو عن الآلية: هذا ليس متنبئًا نصيًا خامًا سيكمل مستندك، بل نموذج مهيأ للتفكير قبل أن يجيب.

LFM2.5-2.6B-Base هو نقطة تفتيش مُدرَّبة مسبقًا بحجم 2.69 مليار معامل من Liquid AI، صدرت بموجب ترخيص LFM الخاص بالشركة (الموسوم lfm1.0) وتم تحديثها في منتصف أغسطس 2026. وهي نقطة التفتيش الخام التي اشتُقّ منها بقية خط 2.6B. البنية عبارة عن هجين من 22 كتلة التفاف قصير مزدوجة البوابات و8 طبقات انتباه استعلام مجمّع، دُرِّبت على ما يقرب من 34 تريليون رمز مع تمديد سياق أثناء التدريب إلى 128K، على مفردات من 128,000 رمز و16 لغة. البطاقة صريحة بشأن الجمهور: مساعدون متخصصون بالمجال، عمل خاص بلغة معينة، تدريب على بيانات خاصة. لا يوجد سلوك قالب دردشة يُذكر، لأنه لا يوجد ضبط تعليمات فيه.

كلاهما نصٌّ مدخلًا ونصٌّ مخرجًا. وعند هذا الحد تقريبًا تنتهي أوجه الشبه.

تباين المواصفات، جنبًا إلى جنب

• المعاملات — Dory 1.0 4B هو نموذج كثيف بحجم 4B. LFM2.5-2.6B-Base يبلغ 2.69B. الفجوة أصغر مما توحي به الأسماء، وكلاهما يستوعبه مسرّع استهلاكي واحد بأريحية عند تكميم معقول.

• التدريب اللاحق — تمتلك Dory الضبط الدقيق الخاضع للإشراف (SFT) إضافةً إلى التعلم المعزز متعدد البيئات عبر الرياضيات والبرمجة والعلوم واتباع التعليمات واستخدام الأدوات والمخرجات المهيكلة. ولا تمتلك LFM2.5-2.6B-Base أيًّا من ذلك، بحكم التصميم. إذا كنت بحاجة إلى نموذج يتبع التعليمات جاهزًا، فأحد هذين خيار خاطئ، وهو ليس الخيار ذا المعاملات الأقل.

• السياق — تصل Dory إلى 256 ألف رمز، مع التحقق من 262,144 موضعًا في vLLM ضمن أمر التشغيل الذي شحنته N​VIDIA. يدعم LFM2.5-2.6B-Base عدد 131,072 رمزًا، وصولًا عبر توسعة أثناء منتصف التدريب. نافذة Dory تقارب الضعف؛ أما ما إذا كان بإمكانك تحمّل ملئها فيعتمد على سلوك KV-cache الموضّح أدناه.

• اللغات — Dory باللغة الإنجليزية فقط، مع بيانات تدريب مسبق تغطي 43 لغة برمجة. يغطي LFM2.5-2.6B-Base 16 لغة طبيعية بما في ذلك الإنجليزية والعربية والصينية والفرنسية والألمانية والإيطالية واليابانية والكورية والبرتغالية والإسبانية والفيتنامية والتايلاندية والإندونيسية والهندية والروسية والبولندية. بالنسبة لأي شيء خارج الإنجليزية، يقرر هذا البُعد ذلك بنفسه.

• البنية — هجين من الالتفاف القصير والانتباه على جانب Liquid؛ وGPT معياري كامن متكرر الحلقات مع انتباه بنوافذ منزلقة متداخلة على جانب NVIDIA. وكلاهما خروج عن مكدس محوّلات عادي، وهما يخرجان في اتجاهين مختلفين.

• سلوك الحوسبة — عمق Dory معامل وقت تشغيل. يوفر عدد الحلقات 1 أو 2 أو 4 مقايضة بين الحوسبة والدقة دون الحاجة إلى نقطة تفتيش ثانية، وتوصي NVIDIA باثنتين كإعداد افتراضي. أما LFM2.5-2.6B-Base فعمقه ثابت؛ ورافعة التكلفة لديه هي التكميم، وفي العائلة الأوسع، مُسوِّد تخميني.

• الترخيص — OpenMDW 1.1 لـ Dory، وترخيص LFM الخاص بـ Liquid checkpoint. يسمح كلاهما بالاستخدام التجاري؛ وترخيص Liquid خاص بالشركة نفسها وليس نصًا مفتوح المصدر قياسيًا، وهو جدير بالقراءة بدلًا من الافتراض.

• الصيغ المطروحة — Dory: BF16 وMXFP8 وNVFP4 وGGUF. LFM2.5-2.6B-Base: أوزان BF16 على Hub، مع إصدارات GGUF وONNX وMLX متاحة في مكان آخر ضمن العائلة. منظومة Liquid أوسع هنا؛ فمستودعات Dory عمرها ساعات.

الضبط الدقيق هو المحور الذي يفصل بينها

إذا كان سبب نظرك إلى LFM2.5-2.6B-Base هو أنك تنوي التدريب عليه — مساعداً لنطاق معيّن، أو مجموعة نصوص خاصة، أو لغة يتحدثها النموذج الأساسي بالفعل — فإن Dory 1.0 4B بديل رديء لسبب لا علاقة له بالجودة. عادةً ما يكون الضبط الدقيق لنموذج استدلال خضع بالكامل لتدريب لاحق لأداء مهمة ضيقة أصعب من الضبط الدقيق لنقطة تحقق أساسية، لأنك تصارع السلوك الذي غرسته مرحلة التعلم المعزز بدلاً من تشكيل متنبئ فارغ. وتوصي بطاقة Liquid بنقطة التحقق الأساسية الخاصة بها للعمل المرتبط بنطاق أو لغة محددة لهذا السبب بالضبط، كما أن 34 تريليون رمز في مرحلة ما قبل التدريب عبر 16 لغة تشكّل نقطة انطلاق أوسع مما يوفره نموذج بالإنجليزية فقط.

لكن بطاقة Dory صامتة بشأن الضبط الدقيق بطريقة هي بحد ذاتها معبّرة. فهي توثّق مسار التدريب، وتنشر الصيغ، وتقدّم تعليمات الخدمة لمحرّكين اثنين؛ لكنها لا تقول شيئًا عن المحوّلات أو دعم LoRA أو وصفة للضبط الدقيق. تلك هي سمات نقطة تفتيش نُشرت لتُخدَم، لا ليُدرَّب عليها. وقراءة غياب الدليل على أنه دليل ستكون خطأً، لكن عدم التماثل جدير بأن نسمّيه: إحدى البطاقتين تسوّق نفسها لمن يقومون بالضبط الدقيق، والأخرى تسوّق نفسها لمن يقومون بالنشر.

ملاحظة صراحة أخرى بشأن الأرقام. تنشر Liquid جدول تقييم كاملًا لـ النموذج المُدرَّب بعد التدريب المسبق LFM2.5-2.6B مقابل Gemma 4 E2B وE4B وQwen3.5-4B و9B، وهذا الجدول لا يمكن نقله إلى نقطة التحقق الأساسية — فالنموذج الأساسي الذي يُقيَّم على معايير اتباع التعليمات يقيس شيئًا مختلفًا عن نموذج مُدرَّب بعد التدريب المسبق يُقيَّم على المعايير نفسها. وتنشر NVIDIA جدول معايير لـ Dory مقابل Qwen3.5-4B وQwen3.5-9B وGemma 4 26B A4B وQwen3.6-35B-A3B، مقيسًا على أداة الاختبار الخاصة بها، دون أي إعادة إنتاج مستقلة. لا توجد نتيجة بأداة اختبار مشتركة لـ Dory وأيٍّ من نقطتي تحقق LFM، ولا توجد مواجهة مباشرة منشورة على الإطلاق.

تشغيلها على عتاد حقيقي

قصة الحوسبة الطرفية هي حيث يتباين الاثنان بشكل أكثر حدة في الممارسة العملية، وتفوز بها Liquid بوضوح. عائلة LFM2.5 مصممة للنشر على الأجهزة — النموذج الشقيق المدرَّب (instruct) بحجم 2.6B تم قياس أدائه عند 220 رمزًا في الثانية على Apple M5 Max و113 على Ryzen AI Max+ 395، في أقل من 2.5 جيجابايت من الذاكرة، مع رقم من فئة الهواتف يبلغ حوالي 30 رمزًا في الثانية كما يُزعم. هناك إصدارات ONNX و MLX في العائلة، ومُسوِّد تخميني بحجم 328M، DSpark، تقول الشركة إنه يوفر فك ترميز أسرع بنحو 2.6× مع مخرجات متطابقة. إذا كان هدفك حاسوبًا محمولًا أو حاسوبًا صغيرًا أو هاتفًا، فإن LFM2.5-2.6B-Base في الجانب الصحيح من هذا الخط، وDory ليس مصممًا بشكل واضح لذلك.

مسار الخدمة الخاص بـ Dory أضيق وأحدث. دعم vLLM قيد المراجعة في طلب سحب مفتوح، وإلى أن يتم دمجه، تخبرك البطاقة بتثبيت vLLM من ذلك الفرع باستخدام علامة نواة مُجمَّعة مسبقًا، ثم الخدمة باستخدام تجاوزات تحدد عدد الحلقات ووضع KV-cache. يوجد دعم llama.cpp في طلب سحب مفتوح ثانٍ، مع إيداع مثبّت وتعليمات بناء تستهدف ARM64 macOS الأصلي على Apple Silicon. أرقام السرعة المنشورة من NVIDIA هي تسريعات تكميم على DGX Spark وليست إنتاجية: 1.69× و1.84× لـ MXFP8 مقابل BF16 اعتمادًا على مزيج أطوال الإدخال/الإخراج، و2.17× و2.44× لـ NVFP4.

العامل الموازن، وهو عامل حقيقي، هو تصميم الذاكرة. يحتفظ التكرار القياسي بذاكرة KV مؤقتة منفصلة لكل حلقة، لذا يرتفع استهلاك الذاكرة مع كل تمريرة إضافية — وهو السبب المعتاد وراء كون المعماريات التكرارية عسيرة التقديم كخدمة. تدعم Dory وضع تخزين KV مؤقت للحلقة الأخيرة، يحتفظ بذاكرة مؤقتة واحدة لكل طبقة انتباه تكرارية ويعيد الكتابة فوقها في كل تمريرة، مما يبقي البصمة عند حجم الحلقة الواحدة تقريبًا لأي عدد من الحلقات. تقول N​VIDIA إن الدقة تظل قريبة من وضع لكل حلقة مع أطوال مخرجات شبه ثابتة. هذا الادعاء هو أثمن ما يمكن التحقق منه في بطاقة Dory، لأنه إذا صح، تصبح نافذة 256K في المتناول عند أكثر من حلقة واحدة، وإذا لم يصح، فإن ميزة العمق المرن أقل فائدة كثيرًا مما تبدو عليه.

ما الذي يفعله الراوتر وما لا يفعله هنا

لا يوجد أيٌّ من النموذجين في كتالوج OrcaRouter. إنّ NVIDIA Nemotron Labs Dory 1.0 4B أوزان فقط، ولا توجد له أي نقطة نهاية مستضافة في أي مكان يمكننا تأكيده، أما LFM2.5-2.6B-Base فهو نقطة تحقق للضبط الدقيق لا تُقدِّمها أي منصة على نحو معقول كما هي — فنظيره الخاضع للتدريب اللاحق هو الذي ينبغي أن يكون خلف API. كذلك لا توجد نماذج LFM2.5 مستضافة في كتالوجنا، لذا فإن العبارة الدقيقة هي العبارة المملة: في هذه المقارنة، كل شيء يعمل على عتادك.

وهذا هو بالضبط عندما تتوقف طبقة التوجيه عن كونها بنية تحتية اختيارية وتبدأ في كونها أداة اختبار. تشغيل تجربة ضبط دقيق على نقطة تفتيش أساسية وتجربة تقديم على نموذج 4B في حلقة يعني وجود مكدسين محليين، ومجموعتين من التكميم، ومجموعتين من أعلام التقديم، ولا توجد طريقة نظيفة لمقارنة أي منهما مع النماذج المستضافة التي تشكل خط الأساس الفعلي لتطبيقك. OrcaRouter موجود من أجل النصف الثاني: مفتاح API واحد يصل إلى النماذج المستضافة التي قد تقيس أداءك مقابلها بسعر القائمة لدى المزود مع هامش ربح 0%، بحيث لا تحتاج المجموعة الضابطة إلى SDK الخاص بها أو عقدها الخاص. تسمح لغة التوجيه DSL بأن تكون نقطة النهاية المستضافة ذاتيًا والنقاط المستضافة خلف استدعاء واحد، ويبقي تجاوز الفشل التلقائي تشغيل تقييم طويل قيد التنفيذ عندما تكون مجموعة وحدات معالجة الرسومات المحلية مشغولة. لن يخبرك ما إذا كان ضبط نقطة التفتيش الأساسية لـ Liquid أفضل من تقديم نموذج N​VIDIA النهائي. إنه يزيل تكلفة الإعداد لاكتشاف ذلك.

الاختيار بينهما

اختر LFM2.5-2.6B-Base إذا كنت تشتري نقطة انطلاق بدلًا من إجابة: لديك بيانات تدريب، أو تحتاج إلى لغة لا تتحدثها Dory، أو تريد التشغيل على Apple Silicon أو NPU، أو تريد مسار فك الترميز التخميني وبنيات ONNX و MLX التي تأتي مع العائلة. إنه النموذج الأصغر والأسرع والأكثر تعددًا للغات والأكثر ارتباطًا بالمنظومة البيئية، وهو صادق في أنه لم يكتمل بعد.

اختر NVIDIA Nemotron Labs Dory 1.0 4B إذا كنت تشتري سلوكًا جاهزًا للنشر: فأنت تريد نموذج استدلال مكتملًا يتضمن بالفعل تدريبًا على استدعاء الأدوات والمخرجات المنظمة، وأنت تعمل بالإنجليزية فقط، ويمتد سياقك طويلًا، وأنت مستعد لبناء vLLM أو llama.cpp من فرع اليوم مقابل مقياس حوسبة لا يمنحك إياه أي نموذج كثيف تقليدي. تقبّل أنك ستكون من أوائل الأشخاص خارج NVIDIA الذين يشغّلونه، وأن كل رقم على بطاقته هو رقم مورّد، وأن ادعاء ذاكرة KV المؤقتة للحلقة الأخيرة — الميزة الوحيدة التي تجعل التصميم بأكمله عمليًا — غير مُتحقَّق منه.

المقارنة التي ستكون مفيدة فعلاً هي Dory 1.0 4B مقابل LFM2.5-2.6B الخاضع للتدريب اللاحق، ولم ينشرها أحد. إذا انتهى نموذج Liquid التوجيهي بحجم 2.6B ونموذج N​VIDIA ذو العمق المرن بحجم 4B ضمن بضع نقاط من بعضهما على عبء العمل لديك، فإن العامل الحاسم يصبح فرق الذاكرة بين 2.69B و4B وفجوة النضج، وليس البنية المعمارية. تلك هي التجربة التي يجدر إجراؤها، وهي أرخص إجراءً مما كانت عليه الأسبوع الماضي.

لا شيء من ذلك افتراضي: تم جمع إخفاقات الذكاء الاصطناعي الموثقة وحوادث الوكلاء الكامنة وراء إصدارات مثل هذا في OrcaRouter AI Incident Archive، حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة النزاع الخاصة به.