Nemotron Sports Tennis مقابل InternLumina U2: المقارنة التي لا يمكن لأي من النموذجين أن يخسرها

اسأل أيهما أفضل — NVIDIA NemotronLabs AI for Media - Sports Tennis أم InternLumina U2 — والجواب الصادق أن السؤال لا يُحسم. ظهر المستودعان معًا على Hugging Face في سبتمبر 2026، وكلاهما نموذجان متعددّا الوسائط قائمان على مزيج الخبراء، بناهما مختبران ممولان جيدًا، ولا يشتركان تقريبًا في أي شيء آخر. نموذج NVIDIA متخصص بحجم 31B يقرأ نقطة تنس واحدة ويجيب عن أسئلة بشأنها. أما InternLumina U2، القادم من فريق InternLM في مختبر شنغهاي للذكاء الاصطناعي، والمنشور باسم internlm/InternLumina-U2، فهو نموذج موحّد بحجم 16B يفهم الصور والفيديو والثلاثي الأبعاد، كما يولّد ويحرّر الصور. لا يتشاركان أي معيار تقييم، ولا مستخدم مستهدف، ولا ملف تعريف للنشر. إن مقارنتهما ليست شبيهة باختيار هاتف بقدر ما هي شبيهة بالاختيار بين سماعة طبية وطابعة ثلاثية الأبعاد.

ما يجعل اقترانهما جديرًا بالكتابة عنه على أي حال هو نمط يشترك فيه كلا النموذجين: لم يخضع أيٌّ منهما لتقييم مستقل، وكلاهما يوصفه مورده الخاص بأنه شيء غير مكتمل. هذه هي المقارنة الحقيقية — لا أيُّ النموذجين يفوز، بل مقدار ما يمكنك التحقق منه فعليًا من أيٍّ منهما اليوم.

وظيفتان مختلفتان تحملان الكلمة نفسها

"متعدد الوسائط" يغطي كلا هذين ولا يخبرك بشيء. إليك التقسيم:

• ما الذي يستقبله — Sports Tennis: فيديو (mp4 حتى دقيقتين)، صوت (wav/mp3)، صور، نص. InternLumina U2: نص، صور، فيديو، و3D. نموذج التنس هو الوحيد من بين الاثنين الذي يمتلك ماديًا مسارًا صوتيًا، موصولًا عبر مُشفّر كلام Parakeet يقرأ صوت الجمهور والارتطام إلى جانب الإطارات.

• ما الذي يعطيه — Sports Tennis: نص فقط. InternLumina U2: نص وصور مُولَّدة أو مُحرَّرة، عبر تمثيل بصري منفصل بالكامل مؤلَّف من 8 دفاتر تشفير مبنية على AToken.

• ما الذي يسأله المستخدم — الرياضة/التنس: «ماذا حدث في هذه النقطة؟ وأين كان اللاعب واقفًا؟ وهل سقطت الكرة داخل الملعب؟». InternLumina U2: «صِف هذا المخطط، ثم ارسم لي نسخة جديدة منه».

• البنية — Sports Tennis: مزيج MoE هجين من Mamba2-Transformer، بإجمالي 31B مع نحو 3B نشطة لكل رمز، يرث عموده الفقري ومُرمِّزاته من Nemotron 3 Nano Omni. InternLumina U2: MoE متناثر بحجم 16B مع 1B معاملات نشطة، بُني كنموذج لغوي انتشاري متعدد الدفاتر الرمزية بدلاً من نموذج انحداري تقليدي.

• السياق — تنشر Sports Tennis ما يصل إلى 256k من التوكنات. ولا تعلن بطاقة InternLumina U2 عن أي رقم للسياق.

• الترخيص — يُصدر Sports Tennis بموجب OpenMDW-1.1، مع الإشارة في البطاقة إلى الاستخدام التجاري وغير التجاري. InternLumina U2 هو Apache 2.0.

الشيء الذي يجعلهم في الواقع غير قابلين للمقارنة

لا توجد لوحة نتائج مشتركة، ومن الجدير أن نكون دقيقين بشأن السبب بدلًا من ترك الأمر مجرد هزّة كتف غامضة.

Sports Tennis مضبوط ضبطًا دقيقًا على مجموعة بيانات تنس خاصة بـ NVIDIA — 1,312,129 مثالًا لسؤال وجواب عبر 43,084 مقطعًا على مستوى النقطة من 239 مباراة، موسومة وفق 38 فئة من فئات التعليق، جُمعت كلها في 2025. مجموعة الاختبار الخاصة به هي قسم محجوز من 12 مباراة، و2,689 مقطعًا، و80,872 سؤالًا. كل واحد من تلك العناصر مملوك لـ NVIDIA نفسها. لا تمتلك أي جهة خارجية البيانات، لذا لا يمكن لأي جهة خارجية إعادة إنتاج أي نتيجة — ومن قبيل المصادفة، لم تنشر NVIDIA أي نتيجة يمكن إعادة إنتاجها. توثّق البطاقة بروتوكول التقييم بالتفصيل ثم لا تُبلِغ عن أي نتيجة منه. لا شيء عن الدقة، ولا شيء لكل فئة، ولا شيء على الإطلاق.

يقف InternLumina U2 على الجانب المقابل من ذلك الجدار نفسه. إنه ينشر أرقامًا، لكنها جزئية بشكل صريح. تقول بطاقة النموذج ذلك في سطر واحد: "نتائج أولية وجزئية. ستظهر جداول المقارنة الكاملة في التقرير الفني القادم." ما هو موجود هو مجموعة متفرقة من الأرقام المعلنة من البائعين عبر قدرات مختلفة جدًا — ChartQA 86.52 وCharXiv-DQ 83.65 في المستندات، وMathVision 33.22 وDynaMath 56.37 في الرياضيات البصرية، وVideoMME 51.26 وMVBench 59.74 في الفيديو، و3D MM-Vet 41.8، وDPG-Bench 87.10 وGenEval 0.81 في التوليد، وImgEdit 3.83 في التحرير. ويُظهر جدول صفحة المشروع نفسه أن النموذج متخلف عن منافس مسمّى واحد على الأقل في مقياس رئيسي واحد على الأقل: GenEval 0.81 مقابل 0.89 لـ LLaDA2.0-Uni.

إذن، أحد النموذجين لديه تقييم موثّق ولا نتائج، والآخر لديه نتائج وتقييم ناقص بشكل صريح. ولا يمنحك أيٌّ منهما رقمًا يمكنك أن تضعه إلى جانب الآخر. وأي صفحة ترتّب هذين الاثنين فقد اختلقت ترتيبها.

حيث يتداخلان حقًا، وما يظهره ذلك

يُعد فهم الفيديو المجال الوحيد الذي يدّعيه كلاهما، وحتى في ذلك المجال، فإن التداخل أرق مما يبدو. يُبلّغ InternLumina U2 عن درجات VideoMME 51.26 و MLVU 57.03 و MVBench 59.74 — وهي درجات فهم الفيديو العام، حسب ما أفاد به المورّد. لا يُبلّغ Sports Tennis عن أي شيء، لكن بطاقته تصف مهمة أضيق وأعمق بكثير: استدلال على مستوى النقاط خلال شوط كامل مع الصوت، عبر 38 فئة تعليق توضيحي دقيقة تشمل ميكانيكا التسديد، وتمركز الملعب، والحركة، وحالة النتيجة.

الاستنتاج المعقول هو أن InternLumina U2 سيكون المختص العام الأفضل وأن Sports Tennis سيكون قارئ التنس الأفضل، لكن هذا استنتاج مستمد من شكل المهمة، لا من البيانات. وقد يكون خاطئًا بسهولة في أي من الاتجاهين. أما ما ليس استنتاجًا فهو أن معيارًا عامًا للفيديو ومعيارًا خاصًا للتنس على مستوى النقاط لا يمكن وضعهما على المحور نفسه، وأن مولّدًا موحّدًا بحجم 16B ومتخصصًا بمُرمِّز مجمّد بحجم 31B لم يُبنَيا للإجابة عن السؤال نفسه.

تشغيل أيٍّ منهما يُعد مشروعًا من نوع مختلف

النشر هو النقطة التي تكف فيها الفجوة عن كونها فلسفية.

يذكر Sports Tennis حدًا أدنى صارمًا يتمثل في وحدة معالجة رسومات واحدة بذاكرة تبلغ نحو 80 غيغابايت عند BF16، مع أوزان تبلغ حوالي 62 غيغابايت، وتم اختباره على A100 وH100 وH200 وB200 وGB200 NVL72 وRTX PRO 6000 SE وL40S وDGX Spark وJetson Thor وRTX 5090. لا توجد نقطة تحقق مُكمّمة، لذا فإن متطلب 80 غيغابايت غير قابل للتفاوض نحو الانخفاض اليوم. كما أنه بالإنجليزية فقط.

المشكلة الأكثر إثارة للاهتمام في InternLumina U2 ليست الذاكرة، بل السيليكون. يستضيف المستودع نقاط تحقق مقسّمة حسب عتاد التدريب: مجلد ascend/ كامل يضم سبع شظايا safetensors مُدرَّبة على وحدات Huawei Ascend NPU، ومجلد nvidia/ مُعلَّم بـ"قريبًا". إذا كنت تشغّل عتاد NVIDIA — وهذا، بالنسبة لنموذجٍ يُعد شقيقه ضبطًا دقيقًا للتنس لـ Nemotron، يمثل معظم من يقرأ هذا — فإن نقطة التحقق التي تريدها هي التي لم تصل بعد. توجد شيفرة الاستدلال وتعليمات الإعداد في مستودع InternLM على GitHub بدلًا من Hub، ولا يزال التقرير الفني معلّقًا.

هذا يقلب التوقع المعتاد. فالنموذج الاحتكاري، غير الخاضع لاختبارات مرجعية، ذو الطابع الجهازي هو الذي يمكنك تنزيله وتشغيله الآن منذ اليوم الأول. أما نموذج البحث المفتوح بترخيص Apache-2.0 فهو الذي ينتظر بناءً مخصّصًا للعتاد.

أين يكون الراوتر مناسبًا — وأين لا يكون

لا يُستضاف أيٌّ من هذين النموذجين على OrcaRouter، ولا توجد طريقة صادقة للالتفاف على ذلك في الصياغة. فـ Sports Tennis لا يملك أي نقطة نهاية في أي مكان؛ وقد نشرت NVIDIA الأوزان فقط ولا شيء غيرها. ويشير مستودع InternLumina U2 نفسه إلى أن نقاط التحقق الخاصة بـ NVIDIA لا تزال معلّقة، لذا لا يوجد شيء يمكن تقديمه من جانبنا نحن أيضًا. وهذا قرار يتعلق بالاستضافة الذاتية في كلتا الحالتين، وليس قرارًا يتعلق بالتوجيه.

تظهر مسألة التوجيه عند طبقة أعلى. الفريق الذي يريد تقييم نموذج متخصص مثل Sports Tennis مقابل نموذج عام مثل InternLumina U2 لا يفعل ذلك بمعزل عن غيره — بل يفعله كمرشح واحد في خط أنابيب يحتاج أيضًا إلى تحويل الكلام إلى نص، ومعالجة المستندات، والتلخيص، ومنطق التطبيق المحيط بها. تلك المكوّنات مستضافة، وهي الأجزاء التي مفتاح API واحد يغطي أكثر من 200 نموذج مع تجاوز الفشل التلقائي عبر المزوّدين يوفّر فيها أسبوعًا من عمل التكامل. مفتاح واحد للنماذج التي يمكنك استدعاؤها، بحيث تكون النماذج التي يجب أن تشغّلها بنفسك هي الشيء الوحيد الذي تديره فعليًا.

السؤال المفتوح

عند وضعهما جنبًا إلى جنب، يُعدّ NVIDIA NemotronLabs AI for Media - Sports Tennis وInternLumina U2 مثالًا مقبولًا على طريقتين لإطلاق نموذج متعدد الوسائط بشكل سيئ في العلن. وثّق أحدهما تقييمه وحجب النتائج؛ ونشر الآخر النتائج ووصف تقييمه بأنه غير مكتمل. وكلاهما، اعتبارًا من سبتمبر 2026، ادعاءان لا يمكن دحضهما.

الشيء المثير للمتابعة ليس أيّهما يتبيّن أنه أقوى — فلن يُختبَرا أبدًا على الشيء نفسه. بل أيّ مختبر يسدّ فجوته أولًا. إذا نشرت NVIDIA أرقام التنس، فستكون قد حلّت المشكلة الأصعب، لأن معيارًا احتكاريًا محجوزًا من 12 مباراة لم تُشاهد هو الطريقة النزيهة الوحيدة لتقييم ضبط دقيق لمجال ما، وقد بنت NVIDIA هذا التقسيم بالفعل. وإذا طرحت InternLM نقاط تحقق NVIDIA والتقرير الفني، فستكون قد جعلت نموذجها بترخيص Apache-2.0 قابلًا للاستخدام فعليًا على العتاد الذي يملكه مستخدموها. وأيًا كان ما سيحدث، ستستحق هذه المقارنة أن يُعاد قراءتها — لأنه في الوقت الحالي، أكثر ما يمكن الدفاع عنه مما تدعمه بطاقة أي من النموذجين هو هزّة كتف.