PAN 2 مقابل Gemma 4 12B: المحاكي والمستدل ليسا متنافسين

كل صفحة مقارنة على الإنترنت تريد فائزًا، وهذه الصفحة لا يمكنها أن يكون لها فائز بصدق، لأن PAN 2 وG​emma 4 12B لا تؤديان المهمة نفسها. PAN 2 هو محوّل انتشار فيديو بـ29 مليار معامل من معهد النماذج الأساسية في MBZUAI، يأخذ صورة ووصفًا للإجراءات ويعيد ما يصل إلى عشرين ثانية من فيديو بدقة 704×1248 تُظهر ما يحدث بعد ذلك. G​emma 4 12B Unified هو نموذج لغوي متعدد الوسائط خالٍ من المُرمِّز بـ11.95 مليار معامل من G​oogle DeepMind، يأخذ نصًا وصورًا وصوتًا ويعيد نصًا. أحدهما يُجسّد العواقب؛ والآخر يتحدث عنها. إذا وصلت بحثًا عن جدول قياسات مرجعية يرتبهما مقابل بعضهما، فلا يوجد أي جدول ولا يمكن أن يوجد — فليس بينهما أي تقييم مشترك. ما يوجد فعلًا هو قرار حقيقي، لأن الاثنين يُستخدمان بشكل متزايد في المسار نفسه: يكتب المُستدِل الخطة، ويُظهر لك المُحاكي ما تفعله الخطة. لذا فالسؤال المفيد ليس أيهما أفضل، بل أيهما تحتاجه مشكلتك فعلًا، وما الذي يكلّفك إياه الاحتفاظ بكلٍّ منهما.

عدم التطابق، بصراحة.

لدى Gemma 4 12B جدول تقييم عام بينما لا يوجد لدى PAN 2 جدول مماثل، وهذا التفاوت ليس إشارة إلى الجودة، بل إشارة إلى الفئة. تنشر Google نتائج MMLU Pro وGPQA Diamond وAIME وLiveCodeBench واثني عشر معياراً آخر للنصوص والرؤية لأن نماذج اللغة تُقاس على مقياس مشترك موجود منذ سنوات. أما بطاقة PAN 2 فتنشر Physics-IQ Verified وPhyGround وRBench ودراسة تفضيل بشري لأن نماذج العالم للفيديو تُقاس بأدوات ابتُكرت مؤخراً، ومعظمها من ابتكار المعامل التي تبني النماذج نفسها.

• المعاملات — PAN 2: 29 مليارًا في محوّل انتشار متعدد الوسائط واحد، مع مُشفّر نصي Qwen3.5-9B مجمّد وVAE من Wan 2.2 محمّل إلى جانبه. Gemma 4 12B: 11.95 مليار، و48 طبقة، وبدون مُشفّر، مع رقع صور خام وموجات صوتية تُسقَط مباشرةً في فضاء تضمين المُفكّك.

• المدخلات والمخرجات — PAN 2: إطار أول اختياري إلى جانب وصف منظّم لحالة العالم، ليكون الناتج ملف MP4. G​emma 4 12B: نص وصورة وصوت وفيديو كمدخلات، ونص كمخرجات، مع سياق من 256K رمزًا ودعم أصلي لمطالبات النظام.

• الترخيص — PAN 2: Apache-2.0 على شيفرته وأوزانه الخاصة، مع مكوّنات تابعة لجهات خارجية تخضع لشروطها الخاصة. G​emma 4 12B: Apache-2.0 بموجب شروط ترخيص G​emma 4.

• الأوزان على القرص — PAN 2: 86.17 GB موزعة على ستين ملفًا في مستودع IFM/PAN2، منها 67.37 GB للمحوّل نفسه و15.87 GB لمشفّر النص. G​emma 4 12B: نحو 12 مليار معامل من BF16، أي نحو ربع المحوّل وحده تقريبًا.

ما الذي يتفوّق فيه كلٌّ منها في الواقع، استنادًا إلى أدلته الخاصة

أرقام Gemma 4 12B هي الأكثر وضوحًا بين الاثنين، وهي محترمة بالنسبة إلى الحجم. فقيم MMLU Pro البالغة 77.2%، وGPQA Diamond البالغة 78.8%، وAIME 2026 دون أدوات عند 77.5%، وLiveCodeBench v6 عند 72.0%، وتقييم Codeforces البالغ 1659، كما أبلغت الجهة البائعة، تضعها بوضوح متقدمًا على الجيل السابق — إذ يسجل Gemma 3 27B نسب 67.6% و42.4% و20.8% و29.1% و110 في الصفوف نفسها. وفي مجال الرؤية تحقق MMMU Pro 69.1% وMATH-Vision 79.7%. وفي السياق الطويل، تسجل MRCR v2 مع ثماني إبر عند 128K نسبة 43.4%. هذه تقييمات Google لنموذج Google الخاص بها، وبطاقة النموذج تنص على ذلك؛ تعامل معها بوصفها ادعاءً موثقًا جيدًا من الجهة البائعة لا حكمًا مستقلًا.

لا يملك PAN 2 شيئًا مماثلًا ولا يدّعي ذلك. ادّعاؤه أضيق وأغرب: أن نموذج انتشار مشروطًا بوصف منظّم ومرتكز زمنيًا سيحاكي العواقب المادية والسببية لفعل ما على نحو يكفي كي يقارن وكيل بين خطط مرشحة قبل الالتزام بإحداها. ويتمثل الدعم لذلك الادعاء في دراسة من 300 حالة لفعل واحد عبر ست فئات قدرات، ودراسة متعددة الخطوات من 200 مطالبة تضم 456 خطوة، واختبار تفضيل بشري أعمى من 1,400 مقارنة. الثلاثة جميعًا من إنتاج الفريق نفسه. ولا ينطبق أي منها على أي مما يُقاس عليه G​emma 4 12B.

مسألة النشر هي النقطة التي تصبح فيها المقارنة مؤثرة.

هنا لم يعد النموذجان غير قابلين للمقارنة، لأن كليهما يجب أن يعمل على عتاد تدفع ثمنه.

يعمل Gemma 4 12B على وحدة GPU واحدة للمستهلكين أو لمحطات العمل بدقة BF16، وعلى متطلبات أقل بكثير عند استخدام التكميم. ويحظى بدعم من اليوم الأول في حزم الاستدلال القياسية، ومفردات من 262K، ومجموعة موثّقة من الإعدادات الافتراضية لأخذ العينات ووضع التفكير. إذا كان عبء العمل لديك هو فهم المستندات أو استدعاء الأدوات أو الاستدلال عبر سياق طويل، فهذا نشر ممل ومألوف، والقرارات المثيرة للاهتمام تتعلق كلها بصياغة الأوامر.

لا يتضمن PAN 2 نشرًا مملًا. فالعنوان الرئيسي لوصفة vLLM نفسها هو أن ثلاث عشرة ثانية من فيديو بدقة 704×1248 تستغرق نحو 119 ثانية على أربع وحدات معالجة رسومات B300، مع موازاة التوجيه بلا مصنّف (classifier-free guidance) عبر رتبتين، وموازاة تسلسل Ulysses عبر رتبتين. الإعداد الافتراضي هو ثماني وحدات H200 بدقة BF16. تشغّل أداة العينات خمسين خطوة مع التوجيه في كل خطوة — مئة تمريرة أمامية عبر محوّل 29B لكل مقطع — ولهذا فإن الموازاة ليست اختيارية. كما أن صيغة الشرط ليست نصًا حرًا: إذ يتوقع النموذج وصفًا منظمًا لحالة العالم، ويوفّر المستودع مهارة prompt-rewriter مع مدقق يفرض حدًا مرنًا قدره 1,480 رمزًا وسعة قصوى قدرها 1,536 مقابل ميزانية مشفّر النص.

هذه التفصيلة الأخيرة هي التي تحسم معظم التقييمات. لا يمكنك كتابة أمنية داخل PAN 2 والحصول على فيديو. عليك وصف الأحداث بالترتيب، وربط الأفعال بالفاعلين، وتحديد حركة الكاميرا، وبطاقة النموذج صريحة في أن دراسات حالة الوكيل اعتمدت على مطالبات مُحسّنة يدويًا. سيأخذ G​emma 4 12B بكل سرور فقرة نثرية ويعيد لك شيئًا مفيدًا من المحاولة الأولى. إذا أردت معرفة كيف يبدو PAN 2 عمليًا، فالإجابة الصادقة أنه يبدو كنموذج له عقد واجهة، لا كصندوق محادثة.

حيث ينتمي الاثنان إلى النظام نفسه

سبب تكرار هذه المقارنة هو أن عمل الوكلاء يحتاج الآن إلى النصفين معًا. فالوكيل الذي يخطط نصيًا ويتصرف في بيئة حقيقية يحتاج إلى مُستدلّ ليقرر ما يجب فعله، وإلى محاكٍ على نحو متزايد لمعاينة كيف سيبدو تنفيذ ذلك. يمكن أن يكون G​emma 4 12B هو المُستدلّ — فهو صغير بما يكفي ليُستضاف إلى جانب بقية مكونات الحزمة، ويتعامل مع الصور والصوت كمدخلات، ودرجاته في اتباع التعليمات واستخدام الأدوات هي محور تركيز النموذج. ويمكن أن يكون PAN 2 هو المحاكي، وبنيتُه المعمارية نفسها تفترض أن شيئًا مثل G​emma موجود أصلًا في الحلقة: يُعرَّف المُستدلّ المفاهيمي بأنه أي نموذج لغوي يتبع التعليمات، ويصنّف التقرير أربعة منها حسب عدد المرات التي تكتمل فيها خطة محاكاة من البداية إلى النهاية — Claude Opus 5.5 أولًا، ثم GPT-6 Astra بمستوى جهد متوسط، ثم Kimi K3، ثم Qwen3.8-Flash.

إذا كان هذا هو شكل نظامك، فإن المقارنة ليست بين PAN 2 وGemma 4 12B على الإطلاق. بل هي PAN 2 مضافًا إليه محرك استدلال، واختيار محرك الاستدلال هو حيث تكمن التكلفة وتباين الجودة فعليًا.

هذا مكان يؤدي فيه الموجّه عملًا حقيقيًا لا عملًا تسويقيًا. النصف الخاص بالمحاكاة يجب أن يعمل على وحدات GPU الخاصة بك — فلا أحد يستضيف PAN 2، بما في ذلك MBZUAI — أما نصف الاستدلال فيمكن أن يكون استدعاء API محاسَبًا بالاستهلاك، والتبديل بين Claude Opus 5.5 وGPT-6 Astra وQwen3.8-Flash لمعرفة أيّها يُكمل خططك في أغلب الأحيان هو مسألة توجيه، لا مسألة شراء. Qwen3.8-Flash متاح على OrcaRouter، لذا يمكنك إجراء مقارنة أداء لثلاثة مخططين مقابل نشر PAN 2 الخاص بك عبر مفتاح API واحد مع التحويل التلقائي عند الفشل، بسعر قائمة المزوّد مع تمرير هامش إضافة بنسبة 0%. لا تستضيف OrcaRouter ‏PAN 2 ولا يمكنها توجيهه. يمكنها إبقاء النصف الرخيص من خط المعالجة مرنًا بينما يبقى النصف المكلف مثبتًا على العتاد.

ما الذي قد يغيّر هذه المقارنة؟

شيئان، لا وجود لأيٍّ منهما في 11 نوفمبر 2026. أولًا، تقييم مستقل لـ PAN 2 من شخص ليس مؤلفه — حتى ذلك الحين، فإن ادعاءات قدراته مُبلَّغ عنها من المورّد وينبغي قراءتها على هذا النحو. ثانيًا، نقطة نهاية مستضافة أو ملاحظة إصدار حقيقية لـ PAN 2 — والمنشور الوحيد على حساب المختبر على X ليس كذلك — وهو ما من شأنه أن يحوّل قرار الاستضافة الذاتية إلى مقارنة أسعار ويجعل قسم النشر في هذه الصفحة عتيقًا بين ليلة وضحاها.

لا يحتاج Gemma 4 12B إلى أي منهما. فهو نموذج مُشحون وموثّق ومنتشر على نطاق واسع، مع أكثر من 1.8 مليون تنزيل شهري على Hugging Face، وقد أتاح جدول تقييمه أشهرًا من الاستخدام المجتمعي لاكتشاف نقاط الضعف. ملف المخاطر الخاص بتبنيه يقترب من الصفر. أما ملف المخاطر الخاص بتبني PAN 2 فهو أنك تنفق أسبوعًا على البنية التحتية لنموذج يقول قسم القيود فيه إن نحو خطتين من كل ثلاث خطط محاكاة تحتويان على خطوة واحدة على الأقل لا تُنفَّذ. تلك الجملة ليست سببًا لتخطيه. بل هي سبب لمعرفة ما تشتريه قبل أن تستأجر وحدات GPU.

كيفية الاختيار

إذا كنت بحاجة إلى فهم النصوص أو الصور أو الصوت والرد عليها، فإن PAN 2 ليس مرشحًا لذلك، ولا يجعله أي قدر من ميزانية GPU كذلك. اختر Gemma 4 12B، أو أحد متغيرات Gemma 4 الأكبر إذا لم تكن أرقام 12B كافية. إذا كنت بحاجة إلى رؤية كيف سيبدو إجراء ما قبل تنفيذه — التلاعب الروبوتي، ومحاكاة المهام من منظور الشخص الأول، وتقييم الاستدلال الفيزيائي — فإن Gemma 4 12B لا يستطيع ذلك أيضًا، وPAN 2 واحد من النماذج المفتوحة الأوزان القليلة التي تحاول ذلك. إذا كنت بحاجة إلى وكيل يفعل الأمرين معًا، فالإجابة هي حزمة تقنيات، لا نموذج، والهندسة المثيرة للاهتمام تكمن في الواجهة بينهما: إن تنسيق التسميات التوضيحية المهيكل الذي يطلبه PAN 2 هو بالضبط المخرَج الذي سيتعين تعليم مُستدِلّ مثل Gemma 4 12B إنتاجه.