بيرسيبترون Mk1.5 مقابل Qwen 3.8: يحتاج الروبوت إليهما معًا، ولا يُغني أحدهما عن الآخر

يحتاج الروبوت الذي عليه التقاط شيء ما إلى أمرين من نموذج، ولا يمنحك أي نموذج واحد في هذا الاقتران كليهما. يُعيد Perceptron Mk1.5 الهندسة: عند إعطائه إطارات فيديو، يمكنه إرجاع نقطة، أو صندوق، أو مضلع، أو عنصر <track> بطابع زمني، ونافذة سياقه 36,864 رمزًا. أما Qwen 3.8 — الاسم الذي يشير إلى نواة Qwen3.8-2.4T-A95B مفتوحة الأوزان لدى المورّد — فهو نموذج استدلال لمزيج خبراء بمعاملات تبلغ 2.4 تريليون، بنافذة أصلية تبلغ 262K وتمتد نحو المليون، وهو نصي فقط، لذا لا يستطيع النظر إلى الإطارات إطلاقًا. أحدهما طبقة إدراك تكلّف 0.15 دولار و1.50 دولار لكل مليون رمز؛ والآخر نواة استدلال تكلّف نحو ثلاثة عشر ضعفًا عند الإدخال وأربعة أضعاف عند الإخراج، ولديها درجة مستقلة قدرها 40 على مؤشر Artificial Analysis Intelligence Index بينما لا يمتلك نموذج الإدراك أي درجة مستقلة في أي مكان.

عند وضعهما جنبًا إلى جنب كمنتجين متنافسين، يخسر كل منهما أمام الآخر في اتجاهين متعاكسين، ولا تُسفر المقارنة عن أي شيء قابل للاستخدام. وعند وضعهما جنبًا إلى جنب كنصفَي خط معالجة واحد، فإنهما يفسّران تقريبًا كل قرار يتعلق بالتكلفة والموثوقية في مكدّس مجسَّد: أين تُفسَّر الإطارات، وأين تُصاغ الخطة، وما الذي يحدث لفاتورتك عندما يكتب نصف الاستدلال توكنات أكثر مما تحتاجه المهمة.

الانقسام الذي يجعل هذا الاقتران منطقيًا

صدر Perceptron Mk1.5 في 25 سبتمبر 2026 خلفًا لـ Perceptron Mk1، ووظيفته محددة النطاق. يقبل النصوص والصور والفيديو والصوت، ويعيد نصًا مع تعليقات توضيحية مهيكلة اختيارية — النقاط، والمربعات المحيطة، والمضلعات، والمقاطع، والمسارات. يحمل ناتج <track> كلاً من ملاحظة مكانية والطابع الزمني الذي تنتمي إليه، لذا يعود مقطع مدته 60 ثانية كمواضع عبر الزمن بدلًا من تخمين متوسط واحد. يتيح حقل asset_idx لطلب واحد التعامل مع عدة صور أو مقاطع فيديو بشكل منفصل، وهو ما تحتاجه مقارنة الإطار المرجعي بالإطار المباشر. تأتي الاستجابات المقيّدة بنوعين: JSON Schema وregex، والهدف الأساسي من كليهما هو أن الناتج مُنمّط.

Qwen 3.8 هو نوع معاكس من الأدوات. النواة البالغة 2.4 تريليون هي خليط خبراء (MoE) دقيق التجزئة — 92 طبقة، و512 خبيرًا في كل طبقة مع 10 خبراء موجهين بالإضافة إلى خبير مشترك واحد، و69 من تلك الطبقات الـ92 تعتمد على الانتباه الخطي — وهكذا تصل بنية بهذا الحجم إلى سياقها الطويل. يكمن موضع قوتها في الاستدلال عبر قدر كبير من النص: التحليل المعقد متعدد الخطوات، والاشتقاقات الطويلة، والتخطيط الوكيلي. أما موضع عجزها فهو جانب الإدخال. النواة المفتوحة نصية فقط، ولا يمكن إيقاف استدلالها: فكل استجابة تبدأ بكتلة تفكير سواء أردت ذلك أم لا.

هذا ليس قصورًا في نموذج استدلال؛ بل هو قصور في نموذج إدراك، وQwen 3.8 ليس نموذج إدراك. ضع الاثنين في تسلسل وستبدو الصورة واضحة — يجيب Mk1.5 عن سؤال «أين الرافعة الشوكية ومتى تحركت؟»، ويجيب Qwen 3.8 عن سؤال «بناءً على ذلك، ماذا ينبغي للذراع أن تفعل؟». ولا يمكن للنموذج الآخر الإجابة عن أي من السؤالين.

ما تكلفة كل نصف، وفق الأسعار التي تُحتسب فعليًا

• المُدخل — Perceptron Mk1.5 بسعر 0.15 دولار لكل مليون توكن. Qwen 3.8 بسعر 2.00 دولار لكل مليون على البناء المستضاف الذي تقيسه أداة الاختبار المستقلة، مع تطبيق خصم ذاكرة تخزين مؤقت بنسبة 88%، مما يجعل تكلفة إصابة الذاكرة المؤقتة تبلغ نحو 0.24 دولار.

• المخرجات — Mk1.5 ‏1.50 دولار لكل مليون. Qwen 3.8 ‏6.00 دولار لكل مليون.

• التخزين المؤقت — سعر الإدخال المخزّن مؤقتًا لدى Mk1.5 هو 0.0375 دولار لكل مليون، أي ربع ثابت من سعر الإدخال القياسي لديه. خصم Qwen 3.8 قائم على النسبة المئوية لكنه أعمق، عند 88%، لذا فإن سعره المخزّن مؤقتًا هو الأرخص بين الاثنين بالقيمة المطلقة، وسعره غير المخزّن يزيد عن عشرة أضعاف سعر Mk1.5.

• التكلفة لكل مهمة منتهية — هنا ينقلب الترتيب. تضع Artificial Analysis تكلفة Qwen 3.8 لكل مهمة في Intelligence Index عند 2.16 دولار، في المرتبة 32 من 115 في فئته، وحصل على تقييم أربع من أربع وحدات للتكلفة — رخيصة لكل مهمة مكتملة رغم الرموز المكلفة، لأن النموذج ولّد 170 مليون رمز إخراج عبر دورات المؤشر مقابل منافسين يثرثرون أكثر. ولا يوجد رقم مكافئ منشور من أي جهة لـ Mk1.5.

• السياق — 36,864 توكنًا لـ Mk1.5 مقابل 262K أصليًا لنواة Qwen، وقابل للتوسّع نحو مليون مع إعداد التقديم المناسب.

• التحكم في الاستدلال — يتيح Mk1.5 المعامل reasoning_effort بالقيم high أو medium أو low أو minimal أو none، وقيمته الافتراضية high. أما Qwen 3.8 فيُبقي التفكير مُفعَّلًا إلزاميًا، لذا تدفع ثمن رموز التفكير في كل استدعاء.

اقرأ تلك القائمة مرتين، لأن النموذجين ينقلبان من حيث التكلفة. لكل رمز، يكون Mk1.5 أرخص بشكل كبير. ولكل مهمة منجزة على معيار مستقل، يُقاس Qwen 3.8 بأنه رخيص، بينما Mk1.5 غير مُقاس. هذان القولان لا يتناقضان إلا إذا افترضت أنهما يشغّلان المهمة نفسها، وهما لا يفعلان ذلك.

الأدلة تشير إلى الاتجاه المعاكس هنا

في معظم مقارنات هذه الدفعة، يكون الجانب مفتوح الأوزان هو صاحب كومة الأرقام المُبلَّغ عنها من المورّد، بينما تكون واجهة برمجة التطبيقات المغلقة هي صاحبة صفحة طرف ثالث. هنا ينعكس الأمر، ويجدر ذكر هذا الانعكاس بدقة لأنه يغيّر ما يمكنك التحقق منه وما لا يمكنك التحقق منه.

لدى Qwen 3.8 قياس مستقل. يضع مؤشر Artificial Analysis Intelligence Index النواة 2.4T عند 40، في المرتبة الخامسة من 115 نموذجًا في فئتها وقت كتابة هذه الأسطر، بسرعة إخراج تبلغ 39.6 توكن في الثانية — المرتبة 56 من 115، وهو منتصف الترتيب ويجدر معرفته قبل أن يخطط أي شخص لحلقة تفاعلية حوله. تتغيّر تنقيحات المؤشر بين لقطة وأخرى، والطريقة الأمينة لقراءة أي من هذه الأرقام هي اعتبارها اتجاهية، لكن النقطة تظل قائمة: شخص من خارج Alibaba شغّل هذا النموذج ونشر رقمًا.

لا يوجد لدى Perceptron Mk1.5 شيء من هذا القبيل. فلا يوجد مُدخَل في Artificial Analysis ولا نتيجة في الـ arena لـ Mk1.5 أو لسابقه، لذا فإن كل رقم لقدرة في الوجود قد أنتجته Perceptron عن نموذج Perceptron نفسه. تلك المجموعة محدَّدة بشكل غير معتاد، وهذه نقطة لصالحها — 0.9433 على egocentric hand_box مقابل 0.4467 لـ Gemini 3.1 Pro في تشغيل البائع نفسه؛ وEgoSchema 80.40 مقابل 81.20 للمنافس نفسه، وهي خسارة ضيقة في معيار الفهم العام إلى جانب تفوّق مزعوم بنسبة 12% على المجموعة الفرعية الأصعب من EgoSchema عند 63.75؛ و0.647 centre-F1 و0.628 point-HOTA على Molmo2-Track — لكن أن يكون الشيء محدَّدًا وأن يكون مُتحقَّقًا منه بشكل مستقل صفتان مختلفتان، وثانيهما فقط هو ما يخبرك بما سيحدث في لقطاتك.

تحذيران بشأن قراءة جدول Perceptron، وكلاهما ينطبق على أي اقتباس منه. رقم LiveVQA-W البالغ 56.0 مع تمكين الأدوات يأتي من تصويت أغلبية على أربع عينات، بينما الرقم 53.2 الذي يُقارَن به لـ Gemini 3.8 Flash مع الاستناد إلى Google Search ليس تصويت أغلبية؛ فالتقنية مشروعة، وهي تجعل النتيجة تبدو أفضل مقارنةً بتمريرة جشعة واحدة. كما يُدرج صف التتبع Qwen3-VL-8B عند 0.180 centre-F1 مأخوذًا من ورقة ذلك النموذج، في العمود نفسه الذي توجد فيه أرقام مقيسة لعائلة نقاط تحقق مختلفة. إن رقمًا من ورقة بحثية في عمود مقيس ليس صفًا قابلًا للمقارنة المباشرة، وهو بالضبط نوع السطر الذي يُقتبس دون ذكر مصدره.

النواة 2.4T ليست شيئًا يمكنك استدعاؤه منا — لكن هندستها المعمارية كذلك.

هذا هو الجزء من المقارنة حيث تختلف الإجابة الصادقة عمّا توحي به شهرة النموذج. فاسم Qwen 3.8 يُستخدم على نطاق واسع للدلالة على النواة المفتوحة، والنواة المفتوحة ملفٌّ قابل للتنزيل، وليست نقطة وصول: 2.4TB من أوزان BF16 بموجب رخصة Qwen3.8-Max المخصّصة لدى علي بابا، المنشورة في أغسطس 2026. نحن لا نقدّمها، ولا يوجد مزوّد يقدّمها في جانبنا من السياج اليوم — فمدخل الكتالوج موجود كصفحة تتبّع معلَنة وغير متاحة بعد، لا كمسار فعّال.

ما نقدّمه فعلاً هو واجهة API الرائدة المبنية على نفس معمارية 2.4T. وهي متاحة الآن باسم qwen/qwen3.8-max بسعر 2.00 و6.00 دولار لكل مليون رمز، وهو سعر Alibaba نفسه مُمرَّر مباشرة مع دون أي إضافة لكل رمز، حاملةً نافذة متعددة الوسائط بسعة مليون رمز — إدخال نص وصورة وفيديو — ونفس تصميم الانتباه الهجين الموجود في النواة المفتوحة. إذا كان نصفك الخاص بالاستدلال يحتاج إلى رؤية أي شيء، فهذا هو المسار، وهو أيضاً المسار الذي يصل فيه تغيير سعر المورّد إلى جانبنا في اليوم نفسه بدلاً من دورة الفوترة التالية لديك. وإلى جانبه نقدّم الشقيق الكثيف من Alibaba qwen/qwen3.8-27b على بنيتنا التحتية الخاصة بسعر 0.33 و2.40 دولار لكل مليون، مع نافذة سعة 262,144 رمزاً وإدخال نص وصورة وفيديو، للحالات التي يكون فيها مُستدِلّ بسعة 27B كافياً ويكون مؤشر 2.4T البالغ 40 أكثر مما تحتاجه المهمة.

ربط الجزأين دون عقد ثانٍ

السبب العملي الذي يجعل هذا الاقتران أهم من حجة المعيار المرجعي هو أن المنظومة المُجسّدة تتكوّن بالفعل من نموذجين، وتكلفة دمج نموذج ثالث هي ما يقتل التصميم بهدوء. Mk1.5 ليس في كتالوجنا، لذا فالوصول إليه يعني استخدام واجهة برمجة التطبيقات الخاصة بالمورّد — pip install "perceptron>=0.4.0"، والمفتاح في PERCEPTRON_API_KEY، ونقطة النهاية api.perceptron.inc. أما جزء Qwen فلا يفصله سوى مفتاح واحد.

حيث تكسب البوابة مكانتها هو عند نقطة الالتحام. فقاعدة توجيه ترسل كل إطار مصحوب بسؤال إلى نموذج الإدراك، وكل خطة نصية بحتة إلى نموذج الاستدلال، ليست سوى سطر إعداد واحد عندما يقع كلاهما خلف نقطة نهاية واحدة متوافقة مع OpenAI، كما أن التجاوز التلقائي عند الفشل يعني أن أي عطل لدى أحد المزوّدين على أي من الجانبين يتدهور إلى مسار احتياطي بدلاً من روبوت متعطل. وواجهة برمجية واحدة تغطي أكثر من 200 نموذج بأسعار مدرجة تُمرَّر بهامش ربح نسبته 0% هي أيضاً أرخص طريقة للإجابة عن السؤال الذي لا تستطيع هذه المقالة الإجابة عنه: هل تحتاج مهمة تتبع الأجسام لديك إلى إحداثيات Mk1.5 أصلاً، أم كان يكفي نموذج رؤية عام بنافذة أكبر بكثير ودرجة مستقلة. إن توجيه حصة من حركة المرور الحقيقية بين المرشحين والقياس على إطاراتك الخاصة يكلّف أقل من أي دراسة معيارية يمكنك تكليف أحد بإجرائها.

ماذا نفعل بهذا، بشكل ملموس؟

إذا كنت تبني الإدراك في نظام فيزيائي، فإن Perceptron Mk1.5 هو النموذج الوحيد في هذه الثنائية الذي يجيب بإحداثيات، وهذه قدرة وليست درجة — اختبر ادعاء hand-box على الفيديو الخاص بك، واضبط reasoning_effort عن قصد بدلًا من قبول القيمة الافتراضية المرتفعة، واحسب في ميزانيتك نافذة الـ 36,864 توكن كقيد صارم لا كقيد مرن. وإذا كنت تبني طبقة الاستدلال فوقه، فإن Qwen 3.8 يُقاس حيث لا يُقاس Mk1.5، وتكلفته لكل مهمة مكتملة هي الرقم الذي ينبغي التخطيط على أساسه، لا رقم 2.00 دولار المعلن — مع التحفظ بأن تفكيره لا يمكن إيقافه، لذا فالمهمة التي لا تحتاج إلى سلسلة تفكير تدفع مقابل واحدة على أي حال.

الفرق التي تخطئ في هذا هي تلك التي تحاول أن تجعل نموذجًا واحدًا يؤدي المهمتين معًا. فالمتخصّص في الإدراك بسعة 36,864 رمزًا لن يستوعب التاريخ التشغيلي، والمُستدِلّ النصي البحت البالغ 2.4 تريليون لن يرى الإطار أبدًا. هذا الاقتران ليس تسويةً بين منتجين. إنه تقسيم العمل الفعلي، والسؤال المفيد هو فقط: على أي جانب منه يقع كل استدعاء من استدعاءاتك.