بان 2 ضد Qwen3.8-27B: الخصم موجود بالفعل داخل النموذج

معظم مقارنات النماذج لها حدّ فاصل واضح: نقطتا تفتيش، مورّدان، اختر واحدًا. لكن هذه المقارنة ليست كذلك، لأن Qwen يدخل في بنية PAN 2 من ثلاثة مواضع في آنٍ واحد. فـ PAN 2 يحمّل Qwen3.5-9B بوصفه مشفّر النص المجمّد الخاص به، وهو المكوّن الذي يحوّل وصفًا منظّمًا لحالة العالم إلى ميزات التكييف التي يستهلكها محوّل الانتشار ذو الـ29 مليار معامل. كما أن درجات PhyGround في التقرير التقني الخاص بـ PAN 2 نفسه يحكمها Qwen3.8-27B، وهو النموذج الذي تقارنه به هذه الصفحة اسميًا. وQwen3.8-Flash هو أحد أربعة مفكّرين مفاهيميين يقيس التقرير أداءهم لكتابة تعليقات PAN 2 أصلًا. لذا فالإطار الصادق ليس PAN 2 مقابل Qwen3.8-27B. بل إنه نموذج عالم فيديو من معهد أسس النماذج التابع لـ MBZUAI، نُشر بهدوء ولم يحصل على إطلاق قط، قائمًا على مكوّنات Qwen، ويُقيَّم جزئيًا بواسطة حكم من Qwen، ويُقارن بنموذج لغة-رؤية ذي 27 مليار معامل من Alibaba هو منتج كامل بحد ذاته. والسؤال المثير للاهتمام هو أيّ من تلك العلاقات ينبغي أن يهمّك عند اختيار ما ستَنشره.

ما يعنيه الحمض النووي المشترك وما لا يعنيه

هذا لا يعني أن النموذجين قابلان للمقارنة. يُخرج PAN 2 فيديو؛ ويُخرج Qwen3.8-27B نصًا. لا شيء في المُرمِّز المشترك يغيّر ذلك، ولا يوجد أي معيار قياس يُرتّبهما مقابل بعضهما. أي شخص يعرض نتيجة مواجهة مباشرة إنما يعرض انطباعًا.

ما يعنيه ذلك فعلاً هو أن المقارنة مفيدة على نحو غير معتاد بشأن المصدر. فعندما يقرأ PAN 2 التعليق التوضيحي الخاص بك، فإنه يقرأه عبر مُرمِّز Qwen حمّلته MBZUAI دون تعديل من مستودعه الخاص، وتنص بطاقة الطراز صراحةً على أن أوزان Qwen3.5-9B تُستخدم كما صدرت ولم تُجرِ MBZUAI عليها ضبطًا دقيقًا. وميزانية الرموز التي يفرضها مدقّق التعليمات — حد مرن قدره 1,480 رمزًا وحد صارم قدره 1,536 — هي ميزانية Qwen3.5-9B، وليست ميزانية PAN 2. وعندما يدّعي التقرير رقمًا من PhyGround، فقد أُنتج ذلك الرقم بطلبٍ إلى Qwen3.8-27B أن يقيّم الفيديو المولّد على مقياس من خمس نقاط. المُقيّم هو المنافس.

ليس ذلك فضيحة. إن استخدام نموذج مفتوح قوي كمُقيِّم آلي ممارسة معيارية، والإفصاح عن ذلك أفضل مما تدبّره معظم المختبرات. لكنه يعني أن سلسلة الأدلة الخاصة بـ PAN 2 تمر عبر عائلة نماذج Alibaba في ثلاث نقاط منفصلة، وإذا كنت تقيّم PAN 2 فينبغي أن تعرف أي أرقامه هي قياسات لـ PAN 2 وأيها قياسات لـ PAN 2 كما يراها Qwen.

Qwen3.8-27B، بشروطه الخاصة

نموذج علي بابا كيان من نوع مختلف تمامًا: نموذج لغوي سببي بـ27 مليار معامل مزوّد بمُرمِّز رؤية، مبني على بنية Qwen3.5 بتخطيط هجين — ستة عشر تكرارًا من ثلاث كتل Gated DeltaNet تليها كتلة Gated Attention واحدة، بإجمالي 64 طبقة، وبُعد خفي مقداره 5,120، ومفردات مُحشّاة بحجم 248,320 رمزًا. السياق الأصلي 262,144 رمزًا، وقابل للتوسيع إلى مليون. وهو مرخّص بموجب Apache-2.0، وأُتيح على Hugging Face في 5 أغسطس 2026، ولديه 7.4 مليون تنزيل شهريًا.

أرقام المورّد قوية، والبطاقة من أكثر البطاقات اكتمالاً في مجال الأوزان المفتوحة: GPQA Diamond ‏89.2، وHLE ‏30.8، وLiveCodeBench v6 ‏90.3، وSWE-bench Pro ‏61.7، وTerminal-Bench 2.1 عند 73.0، وOSWorld-Verified ‏84.3، وOmniDocBench 1.5 عند 91.1، وCharXiv reasoning ‏83.7، وIFBench ‏79.5، وCoWorkBench ‏70.7. وفي MathVision تُبلغ عن 90.0 دون سلسلة التفكير و94.6 معها. تلك تقييمات علي بابا الخاصة مقابل خطوط أساس علي بابا الخاصة، وهو التحفّظ نفسه الذي ينطبق على كل جدول مورّد في هذا الموقع، بما في ذلك جدول PAN 2.

• الوسائط — Qwen3.8-27B: نص وصورة وفيديو كمدخلات؛ نص كمخرجات. PAN 2: إطار أول اختياري مع وصف نصي منظّم كمدخلات؛ MP4 كمخرجات.

• الحجم — Qwen3.8-27B: نموذج كثيف بحجم 27B، و64 طبقة، وحوالي 27.8 مليار معامل safetensors. PAN 2: محوّل انتشار بحجم 29B بسعة 67.37 GB بصيغة BF16، بالإضافة إلى مشفّر Qwen3.5-9B مجمّد بسعة 15.87 GB وVAE من Wan 2.2.

• السياق — Qwen3.8-27B: 262,144 رمزًا أصليًا، وحتى مليون رمز. PAN 2: تعليق نصي واحد بحد أقصى 1,536 رمزًا من رموز مُرمِّز النص، وإطار بداية واحد.

• الرخصة — Qwen3.8-27B: Apache-2.0. PAN 2: Apache-2.0 على أوزانها الخاصة، مع مكونات تابعة لجهات خارجية خاضعة لشروطها الخاصة.

• الخدمة — Qwen3.8-27B: Transformers وvLLM وSGLang وTokenSpeed، إضافةً إلى نقطة نهاية مُستضافة على Qwen Cloud تُدرجها Alibaba ضمن الميزات القادمة قريبًا. PAN 2: Diffusers وvLLM-Omni وملف generate.py الخاص بالمستودع، على عتادك أنت، ولا شيء مُستضاف في أي مكان.

لماذا يُعد اختيار المُشفّر السطر الأكثر أهميةً في بطاقة PAN 2

إن تجميد مُرمِّز نصي بحجم 9B وتدريب العمود الفقري للانتشار وحده قرار هندسي مبرَّر، وهو السبب في أن نصف الانتشار في PAN 2 يبلغ 29B بدلًا من 40. كما أنه يضع سقفًا صارمًا لما يمكن إبلاغه إلى PAN 2. يكتب المُفكِّر المفاهيمي وصفًا نصيًا؛ ويحوّله Qwen3.5-9B إلى سمات؛ ويُنتج نموذج الانتشار الصورةَ انطلاقًا من تلك السمات. وأي شيء يعجز Qwen3.5-9B عن تمثيله، يعجز PAN 2 عن محاكاته، مهما بلغ جودة الوصف النصي.

يوضح هذا قيدًا تذكرها بطاقة النموذج بوضوح ويتجاهله معظم القراء: النموذج حساس لصياغة المطالبة، والأمثلة الخارجة عن توزيع التدريب اعتمدت على مطالبات مصقولة يدويًا، والإجراءات النصية لا تحدد التلاعب الماهر إلا بشكل تقريبي. هذه ليست ثلاث مشكلات منفصلة. إنها المشكلة نفسها منظورًا إليها بثلاث طرق — الواجهة بين وصف لغوي ومُرمِّز نصي ثابت، مع ميزانية قدرها 1,536 رمزًا ومفردات مجمّدة على أحد الجانبين.

قارن ذلك بكيفية تعامل Qwen3.8-27B مع المهمة نفسها. فهو المُستدِلّ والمُرمِّز في كائن واحد، بنافذة 262,144 رمزًا، وتحكّم أصلي في التفكير يمكن تعطيله لكل طلب، ومقبض reasoning_effort وpreserve_thinking للاحتفاظ بسياق التفكير عبر الأدوار. إذا كانت مهمتك هي وصف مشهد وخطة بتفصيل كافٍ بحيث يمكن لشيء لاحق أن يتصرف بناءً عليه، فإن Qwen3.8-27B مصمم لذلك وPAN 2 مصمم لاستهلاك المخرجات. إنهما ليسا متنافسين على الخانة نفسها؛ أحدهما في المنبع من الآخر.

اللاتماثل في النشر الذي لا يضعه أحد في جدول المقارنة

Qwen3.8-27B نموذج كبير يعمل كما يعمل أي نموذج كبير معتاد. سبعة وعشرون مليار معامل بدقة BF16 تعني نحو 55 GB من الأوزان، وهو ما يتّسع على مسرّع واحد بسعة 80 GB مع متسعٍ لذاكرة KV cache، كما تُدرج البطاقة أربع حزم خدمة، إضافةً إلى نقطة نهاية مستضافة متوافقة مع OpenAI في الطريق. ويمكنك أن تجعله يستجيب للطلبات في عصر اليوم نفسه الذي تقرّر فيه استخدامه.

PAN 2 هو 86.17 GB موزعة على ستين ملفًا، وتُحسب عمليات الخدمة بوحدات دقائق العقدة. خمسون خطوة لأخذ العينات مع توجيه خالٍ من المصنّف في كل خطوة تعني مئة تمريرة أمامية عبر محوّل بحجم 29B لكل مقطع. العنوان البارز في وصفة vLLM هو ثلاثة عشر ثانية من فيديو بدقة 704×1248 في نحو 119 ثانية على أربع وحدات GPU من طراز B300، مع موازاة التوجيه عبر رتبتين وموازاة تسلسل Ulysses عبر رتبتين أخريين؛ وتكوينها الافتراضي هو ثماني وحدات H200 بدقة BF16 مع موازاة رقع VAE عبر أربع رتب في وضع البلاط. سكربت الاستدلال الخاص بالمستودع أبسط وأكثر نهمًا: عامل واحد لكل GPU، يحمل كل منها نسخة كاملة من المحوّل البالغ 67.37 GB، ويأخذ كل منها طلبًا واحدًا من كل N طلبات.

ضع هذه بجانب بعضها، والاستنتاج العملي ليس متقاربًا. استدعاء Qwen3.8-27B هو طلب. ومقطع PAN 2 هو مهمة دفعية مرتبطة بحجز GPU. إذا كان لديك فيديو مدته عشرون ثانية لإنتاجه مرة واحدة، فإن PAN 2 يعني بعد ظهر كامل من الإعداد وثلاث دقائق من التصيير. وإذا كان لديك ألف خطة للمحاكاة، فأنت تشتري وقتًا على عقدة، والمقارنة التي تهم هي مع نماذج عالم الفيديو الأخرى، وليس مع نموذج لغوي.

المكان الوحيد الذي يلتقي فيه الاثنان حقًا

الاستخدام المقصود لـ PAN 2 هو الاستدلال بالمحاكاة: يتخيل الوكيل نتيجة كل إجراء مرشح، ثم يلتزم بأفضلها. وتحتاج تلك الحلقة إلى مخطط يولّد إجراءات مرشحة ومحاكٍ يجسّد عواقبها. وQwen3.8-27B مخطط جدير بالثقة — متابعة قوية للتعليمات عند 79.5 في IFBench، وعمل مكتبي طويل الأفق عند 70.7 في CoWorkBench، وبرمجة طرفية وكيلية عند 73.0 في Terminal-Bench 2.1 — وهو موجود بالفعل في الحلقة، إذ استخدمته MBZUAI للحكم على PhyGround وQwen3.8-Flash كأحد كتّاب التعليقات التوضيحية الأربعة.

إذا بنيت تلك الحلقة، فالمخطط هو الجزء الذي يمكنك شراؤه بالتوكن، أما المحاكي فهو الجزء الذي لا يمكنك شراؤه. Qwen3.8-27B متاح على OrcaRouter، لذا يمنحك مفتاح API واحد مخططًا مع تحويل تلقائي عند الفشل، وقواعد توجيه تحدّد أين يذهب كل طلب، وسعر القائمة لدى المزوّد مع هامش ربح 0% يُمرَّر — بما في ذلك تخفيضات أسعار Alibaba نفسها في اليوم الذي تُطلَق فيه. لا تستضيف OrcaRouter ‏PAN 2 ولا يمكنها توجيهه؛ فلا أحد يستضيف PAN 2. هذا الانقسام ليس قيدًا على الموجّه، بل هو شكل السوق: نماذج اللغة المستضافة سلعة، أما نماذج العالم الفيديوية المستضافة فلا وجود لها بعد.

ثمة سبب ثانٍ، أقل جَلَبَةً للانتباه، لتوجيه المخطط بدلًا من تثبيته. يصنّف تقرير PAN 2 أربعة نماذج استدلال حسب إكمال الخطة كاملةً، والترتيب ليس ما سيتوقعه معظم الناس — Claude Opus 5.5 أولًا، وGPT-6 Astra بجهد متوسط ثانيًا، وKimi K3 ثالثًا، وQwen3.8-Flash رابعًا. قيس ذلك الترتيب على مطالبات MBZUAI، وفق سياسة التسميات التوضيحية الخاصة بهم ومُدقّقهم. وسيختلف ترتيبك. إن القدرة على إعادة تشغيل المقارنة دون إعادة توصيل مكدّسك التقني تستحق أكثر من أي اختيار فردي لنموذج فيها.

ماذا نفعل بهذه المقارنة؟

إذا جئت إلى هنا لتختار واحدًا، فالإجابة الصادقة هي أن السؤال مشوّه البنية. Qwen3.8-27B نموذج عام للرؤية واللغة يمكنك تقديمه اليوم على مسرّع واحد أو استئجاره حسب التوكن الأسبوع المقبل. أما PAN 2 فهو نتاج بحثي يُظهر العواقب، ويحتاج إلى عقدة متعددة وحدات GPU، وليست له نقطة نهاية مستضافة، وحتى 11 نوفمبر 2026 لم يُطلقه مؤلفوه أنفسهم قط — فمنشور واحد من فقرتين على حساب المختبر على X هو كل الإعلان. يعود مستودعه على Hugging Face إلى 7 أكتوبر، ومستودعه على GitHub إلى 5 نوفمبر، وأكثر ما حدث له علنًا وأكثره جوهرية هو دمج دعم Day-0 من vLLM-Omni في 10 نوفمبر.

المقارنة الجديرة بالقيام بها أضيق نطاقًا. إذا كانت خطّتك التشغيلية تحتاج إلى مُخطِّط، فإن Qwen3.8-27B خيار قوي وموثّق جيدًا ومتاح بترخيص Apache-2.0، والقرار هنا قرار توجيه. أما إذا كانت خطّتك التشغيلية تحتاج إلى رؤية ما يفعله إجراء ما قبل تنفيذه، فإن PAN 2 واحد من نماذج قليلة جدًا مفتوحة الأوزان تحاول ذلك، وسيعمل على مكوّنات Qwen سواء لاحظت ذلك أم لا، والخلاصة الصادقة لقدرته هي الجملة الواردة في قسم القيود الخاص به: نحو اثنين من كل ثلاثة من خطط المحاكاة تحتوي على خطوة واحدة على الأقل لا تُنفَّذ. هذا هو الرقم الذي ينبغي التخطيط على أساسه، وهو الرقم الوحيد في هذه المقارنة كلها الذي لا يمكن لأي مُرمِّز أو مُقيِّم أو مُوجِّه أن يحسّنه لك.