pplx-decider مقابل Decider: نموذج Perplexity الصامت بحجم 27B في مواجهة Open Ladder من Mapika

يوجد الآن على Hugging Face نموذجا قرار يجيبان عن الأسئلة بالطريقة نفسها ولا يتفقان تقريبًا على أي شيء آخر. pplx-decider هو نقطة تفتيش بحجم 27B من Perplexity ظهر في 2026-10-01 دون أي إعلان، ولا منشور مدونة، ولا صفحة تسعير، ولا مزوّد استدلال يحمله؛ تبعه إصدار منقّح، pplx-decider-v1.1، في 2026-10-05 على العمود الفقري نفسه. Decider هي عائلة Mapika من الفئة نفسها من النماذج — decider-0.8b حتى decider-35b-a3b، إعادة إنتاج مفتوحة في سلالة System One، نُشرت مع ملاحظات تدريب كاملة. كلاهما يأخذ كتلة من الأسئلة المسمّاة بالإضافة إلى مستند ويعيد احتمالًا معايرًا لكل إجابة في تمريرة أمامية واحدة. لا يكتب أي منهما جملة نثرية. ما يلي هو ما هو مسجّل فعليًا لكل منهما، وعلامة واضحة حيث يتوقف السجل.

أولاً، ما الذي يفعله "نموذج القرار" في تلك الجملة؟

لا يُعد أيٌّ من هذين نموذج محادثة طُلب منه أن يكون موجزًا. إنهما ليسا نموذجين لغويين على الإطلاق بالمعنى المعتاد — فلا توجد حلقة فك ترميز، ولا أخذ عينات، ولا أي شيء يجري رمزًا تلو الآخر. تمريرة أمامية واحدة على مستندك تُرجع احتمالًا لكل خيار قدّمته.

شكل الاستدعاء هو ما يجعل المقارنة تستحق الكتابة. أنت تسلّم حالة (تذكرة، سجل JSON، لقطة شاشة، عقد) وقائمة أسئلة مُسمّاة. يحدد كل سؤال نوع إجابته: اختيار من بين خيارين إلى 255 خيارًا موسومًا، أو قراءة نعم/لا/غير معروف، أو درجة على مقياس من 2 إلى 10 مستويات موصوفة. تعود الإجابات بالترتيب الذي طلبتها به، كأرقام بين 0 و1، ويُقصد بالرقم أن يُقرأ كاحتمال لا كتصنيف أنيق — 0.62 على «هل يُطلب استرداد؟» هو الناتج بأكمله، والمستدعي هو من يقرر العتبة.

هذا التصميم يقضي على زمن الاستجابة والتكلفة، لأن مستندًا يحتوي على ستين سؤالًا يكلّف تمريرة واحدة، لا ستين. وهو يعني أيضًا أن الطرق المعتادة لتقييم نموذج لغوي لا تنطبق: فلا يوجد أثر استدلالي لقراءته، ولا سلسلة تفكير للجدال معها، ولا طريقة لسؤاله أن يشرح نفسه. تحصل على كتلة احتمالية ولا شيء غير ذلك. وكلا المشروعين صريحان في أن هذه هي المقايضة.

ما الذي تم إطلاقه، وما لم يقله أحد

مستودع pplx-decider مكتمل على نحو غير معتاد بالنسبة إلى نموذج لا توجد خلفه تدوينة إطلاق. الأوزان بترخيص Apache-2.0. والأساس هو Qwen/Qwen3.8-27B، كما هو مذكور على البطاقة. وهناك رأس قراءة صادر بصيغة bf16 بالأبعاد [255, 5120]، وهو بالضبط الشكل الذي تتوقعه لـ255 خيارًا قابلًا للاختيار على حالة مخفية بعرض 5,120. وتوثّق البطاقة ميزانية الإدخال، والحد الأقصى للخيارات، وأنواع الأسئلة الثلاثة، وشكل نقطة النهاية — POST /v1/systemone.

ما ليس موجودًا هو الجملة التي كان سينشرها منشور إطلاق. لا يوجد تاريخ إصدار على البطاقة، ولا إعلان، ولا منشور قياس أداء من Perplexity، ولا سعر، ولا منصة طرف ثالث تقدّمه. أعداد التنزيلات من ذلك الحجم الذي تحصل عليه من مستودع عُثر عليه لا مستودع رُوّج له. اقرأ الاثنين معًا، فيكون الوصف الصادق هو: المُخرَج علني، أما النية الكامنة وراءه فليست كذلك. كل ما يلي عن pplx-decider يأتي من المستودع وبطاقاته. لم يُعَد إنتاج أي مما يلي بشكل مستقل، ولم ينشر أي شخص خارج المختبر تشغيلًا خاصًا به.

إن مدخل مكتبة Ollama يجعل تلك الفجوة ظاهرة بدرجة صغيرة. فصفحته تُدرج الوسم على أنه 27b بحجم 17 GB مع نافذة سياق 256K — وهي نسخة مُكمّمة، أقل بكثير من نحو 49 GiB التي تشغلها أوزان bf16 — بينما يوثّق المستودع ميزانية إدخال نصية وصورية أصغر بكثير، ويقول إن المدخلات المفرطة الحجم تُرفض بدل أن تُقتطع. هذان القولان لا يصفان بوضوح الحد نفسه، ولا شيء منشور يوفّق بينهما. تعامل مع رقم وقت التشغيل بوصفه ادعاء وقت التشغيل.

الجزء المثير للاهتمام: شخصان غريبان، واجهة واحدة

طُوّرت عائلة Decider الخاصة بـ Mapika وpplx-decider بشكل مستقل، ومن أسس مختلفة، ولأسباب مختلفة، ثم التقتا عند تنسيق الإرسال نفسه. تستخدم نماذج Decider أيضاً شكل استدعاء System One — أسئلة مُسمّاة، واختيار من 2 إلى 255 خياراً، دون توليد نص، وحالات مقبولة تصل إلى نحو 32k. والعميل المكتوب ليعمل مع أحدهما هو، عملياً، عميل للآخر.

هذا التقارب هو الحقيقة المفيدة في هذه المقارنة. أيّهما تختار ليس إعادة كتابة؛ بل هو تبديل لعنوان URL أساسي وسلسلة نموذج. لم يعد السؤال المثير للاهتمام «أي API أدمج»، بل يصبح «أي قراءة أثق بها في مستنداتي» — والمشروعان يجيبان عن ذلك السؤال بطريقتين مختلفتين جدًا.

نقطة تفتيش واحدة مقابل سلّم

الفرق الهيكلي هو الأسهل ملاحظةً. طرحت Perplexity مقاسًا واحدًا. وطرحت Mapika مجموعة من المقاسات ونشرت جدول المقاسات:

• الكتالوج — pplx-decider: نقطة تحقق واحدة بحجم 27B، بالإضافة إلى مراجعة v1.1 على العمود الفقري نفسه. Decider: أكثر من سبعة أحجام منشورة، من decider-0.8b عند 1.4 GB وصولاً إلى decider-2b، وdecider-2b-vision، وdecider-4b، وdecider-12b، وdecider-35b-a3b عند 65 GB بصيغة bf16 أو 19.6 GB بصيغة nvfp4.

• الأساسات — pplx-decider: Qwen/Qwen3.8-27B، سلالة واحدة. المُقرِّر: مزيج — Qwen3.5-0.8B وQwen3.5-2B وQwen3.5-4B للأحجام الصغيرة، وQwen3.5-35B-A3B للحجم الكبير، وgemma-4-12B-it وgemma-4-31B-it ضمن متغيّرات الدردشة.

• التنشيط — pplx-decider: كثيف 27B، لذا تعمل كل معلمة عند كل استدعاء. Decider: decider-35b-a3b هو خليط — إجمالي 34.7B مع نحو 3B نشطة موزعة عبر 256 خبيرًا موجَّهًا، 8 منها تعمل لكل توكن.

• الرؤية — pplx-decider: متعدد الوسائط، والمستودع يقول ذلك؛ نص وJSON وصور تشمل لقطات الشاشة والإيصالات والنماذج، حيث تكلّف رموز الرؤية تقريبًا العرض × الارتفاع / 1024. المقرّر: نقطة تحقق منفصلة decider-2b-vision بدلًا من علامة على الخط الرئيسي، لذا فإن العمل على الصور خيار نموذج مختلف، وليس وسيطًا مختلفًا.

• الترخيص — Apache-2.0 على كلا الجانبين، وهو الموضع الوحيد الذي تصبح فيه هذه المقارنة مملة.

• إفصاح عن التدريب — pplx-decider: خط أنابيب بيانات يبني على Bespoke Nimble من Bespoke Labs، مع مجموعات فرعية مرجعية مثبتة بمعرّف السجل والمجموع الاختباري، ومكاسب v1.1 تُعزى إلى إزالة القناع السببي وإضافة بيانات تشمل tasksource. Decider: ملاحظات لكل إصدار تتضمن أعداد العناصر، والعتاد، والزمن الفعلي — دُرّب decider-35b-a3b على 4× B300 لمدة 394 دقيقة على 1,543,567 عنصرًا — إضافةً إلى أنماط فشل مُسمّاة ونسبة المعاملات التي دُرّبت فعليًا، 2.45B من 34.7B.

لا يُعدّ أيٌّ من هذين ميزةً حاسمة. فنقطة تفتيش واحدة أبسط في التفكير فيها، وأسهل في الخدمة، ويستحيل تصغير حجمها. أما السلم فيتيح لك وضع decider-0.8b خلف مرشّح مسبق رخيص، وإنفاق الـ35B فقط على العناصر التي تحتاج إليه — لكن فقط إذا كنت على استعداد للحفاظ على منطق التوجيه الذي يحدّد أيّهما أيّ.

الأرقام، ومن أنتجها

كلا مجموعتي الأرقام الرئيسية مُبلَّغ عنهما من المورّد، ولا يوجد لأيٍّ منهما تكرار مستقل مرفق. وهذا يهم هنا أكثر مما يهم عادةً، لأنه لا توجد لوحة صدارة لنماذج القرار من طرف ثالث تحظى بمكانة ساحات الصور أو اللغة.

تُقدِّر أرقام Perplexity الخاصة بـ pplx-decider نسبته بـ 85.7% عبر 11 معيارًا عامًّا، مقابل 84.5% لـ Jev و74.8% لقاعدة Qwen3.8-27B التي دُرِّب منها. وتشمل الصفوف الفردية المُبلَّغ عنها RAGTruth 88.8، وFinancialPhraseBank 84.2، وTabFact 90.6، وJudgeBench 78.3، وWinoGrande 83.3، مع امتداد المجموعة الأوسع لتشمل Circa وBelebele وTruthfulQA binary وBBH وContractNLI وتقسيمًا عامًّا صعبًا من JevBench. وتُبلِّغ المراجعة v1.1 عن إجمالي مرجَّح حسب المجموعة قدره 61.56 مقابل 56.4 للإصدار v1 و57.9 لـ Jev، مع أكبر مكسب لفئة واحدة في مهام اللغة. والمقارنة مع Jev هي مقارنة المورّد، محسوبة على مجموعة المورّد نفسه، ولا يُنشر نظام الترجيح.

لتقرير Mapika نسيج مختلف: تصل الأرقام مرفقة بتحفظات تقوّضها. يبلّغ decider-35b-a3b عن 0.855 داخل المهمة و0.810 خارج العينة مقابل أساس بلا أمثلة قدره 0.732، وعن 0.676 على التقسيم الصعب العام لـ JevBench — دون 0.730 الخاص بـ Jev 1.13.0. تذكر البطاقة أيضًا أنه لا توجد مرحلة تعزيز، لذا يستقر اللعب بالعينات عند 86.4% مقابل 93.2% لدى decider-2b v10، وأن النموذج مفرط الثقة في أصعب العناصر، مع خطأ معايرة متوقع قدره 0.15 على الطبقة الصعبة. ويُبلّغ عن decider-2b v11 عند 0.802 داخل المهمة و0.752 خارج العينة مع ECE قدره 0.156 مقابل إرشاد إصدار معلن قدره 0.08 — وهو إخفاق طبعه المؤلفون.

هناك نمطان موثّقان للفشل يستحقان أن يُنقلا إلى أي تقييم تجريه. إن اختيار سجل حسب موضعه في مصفوفة JSON طويلة يُوصف بأنه أقل أشكال الإدخال دقةً التي تتعامل معها العائلة، كما أن تجميع عدة أسئلة مستقلة في نداء واحد قد يقلب ما يصل إلى 12% من الإجابات عندما تكون علامة independent معطّلة. كلاهما من النوع الذي تخفيه ورقة المواصفات وتذكره البطاقة مرة واحدة.

ما تكلفة تشغيل أيٍّ منهما

• أصغر Decider صالح للعمل — decider-0.8b حجمه 1.4 غيغابايت. لا تتوفر لـ pplx-decider نسخة صغيرة، لذا فإن حدّه الأدنى هو النسخة الكاملة 27B.

• أكبر Decider — decider-35b-a3b عند 65 GB bf16 أو 19.6 GB nvfp4، مع حوالي 3 مليارات معامل نشطة فقط لكل توكن.

• زمن الاستجابة، جانب المُقرِّر — يعمل decider-2b بزمن 4 مللي ثانية لكل طلب باستخدام CUDA graphs على B300، بانخفاض من 18.9 مللي ثانية في التنفيذ الفوري، ونحو 2,700 قرار في الثانية عند دفعة بحجم 32. أما 35B فهو عالم مختلف: نحو 47 مللي ثانية لتذكرة من 92 رمزًا مع ثلاثة أسئلة، و368 مللي ثانية لـ64 تذكرة.

• زمن الاستجابة، من جانب pplx-decider — لم يُنشر أي منها. لا تُقدّم البطاقات أي رقم للإنتاجية أو زمن الاستجابة على الإطلاق، وهذا طبيعي بالنسبة لمستودع لم يُطلَق.

• التكلفة لكل قرار — هنا يُثبت التصميم جدواه على الجانبين. طرح ستين سؤالًا على مستند واحد هو تمريرة أمامية واحدة في كلتا الحالتين، لذا تتهاوى التكلفة لكل قرار كلما طرحت المزيد من الأسئلة على المستند نفسه.

إليك الصورة الصادقة للتوجيه. لا يقدّم OrcaRouter النموذج pplx-decider، ولا يقدّم عائلة Decider الخاصة بـ Mapika — فلا يظهر أيٌّ منهما في الكتالوج، ولا ينبغي قراءة أي شيء في هذا المقال على أنه ادعاء بخلاف ذلك. ما يحتويه الكتالوج فعلًا في هذه الفئة اليوم هو typesafe/jev-1.13، وهو نموذج قرار بالبنية نفسها المميزة لـ System One مع نافذة من 65,536 رمزًا تُتاح عبر نقطة النهاية نفسها POST /v1/systemone بسعر 0.042 دولار لكل مليون رمز إدخال، وهو نقطة استناد مفيدة لما تكلّفه نماذج القرار الموجَّهة. وإذا كنت تقيّم نقطة تحقق غير معلَنة مثل pplx-decider، فإن الطريقة لفعل ذلك دون المراهنة بمسار إنتاجي عليه هي تشغيله بنفسك إلى جانب نموذج موجَّه خلف واجهة برمجية واحدة لأكثر من 200 نموذج — سعر القائمة الخاص بالمزوّد يُمرَّر كما هو دون أي هامش ربح، لذا عندما تصل هذه المشاريع فعلًا إلى مزوّد استدلال، يكون سعر القائمة هو السعر هنا في اليوم نفسه. وإلى أن يحدث ذلك، فإن تشغيل pplx-decider مستضافًا ذاتيًا إلى جانب typesafe/jev-1.13 موجَّه هو المقارنة التي ستخبرك بشيء فعليًا.

أي واحد تختار؟

إذا كنت بحاجة إلى نموذج قرار اليوم، على عتادك الخاص، وبالحجم الذي تختاره، مع ملاحظات تدريب يمكنك تدقيقها وترخيص لا يطلب منك شيئًا، فالإجابة هي نقطة تفتيش Decider، والسؤال الحقيقي الوحيد هو أي مستوى. ابدأ من decider-2b؛ تُظهر أرقام v11 أن العائلة تتحسن مقابل v10 الخاص بها على التقسيم الصعب تحديدًا الذي ستهتم به، وتخبرك فجوة ECE الموثقة أن تعيد ملاءمة معامل الحرارة قبل أن تثق بالاحتمالات في الإنتاج.

اتجه إلى pplx-decider إذا كنت تريد الواجهة نفسها مع نموذج كثيف خلفها، وإذا كانت المدخلات الصورية مهمة وكنت تفضّل ألّا تشغّل نقطة تحقق ثانية، أو إذا كنت من نوع الفرق التي تفضّل تقييم رأس القراءة لمختبر رائد بنفسها بدل انتظار منشور إطلاق قد لا يأتي أبدًا. مزاياه حقيقية لكنها غير موثّقة: نموذج أكبر، وجدول قياس أداء يحابيه، وخط أنابيب تدريب موثّق وصولًا إلى مجاميع تحقق على مستوى السجلات.

ما يجب مراقبته ليس معيار قياس. بل ما إذا كان pplx-decider يصل إلى مزوّد استدلال على الإطلاق. مستودع يحتوي على أوزان دون إعلان هو إشارة، لا منتج؛ فبمجرد ظهوره على نقطة نهاية مستضافة، تصبح مسألة السعر مقابل زمن الاستجابة التي تجيب عنها بطاقات Decider بالفعل مقارنة حقيقية بدلًا من طموح.

شغِّل pplx-decider مستضافًا ذاتيًا بجانب نموذج قرار موجَّه خلف سعر قائمة المزوِّد الممرَّر بهامش ربح 0% ، لذا عندما يصل أي من المشروعين إلى مزوِّد استدلال يكون السعر المعلن هو السعر هنا في اليوم نفسه.

تُعد نقطة تحقق جديدة تُقاس مقابل سلّم منشور أيضًا مكانًا جيدًا للتحقق من السجل: فالحوادث الموثّقة للذكاء الاصطناعي وإخفاقات الوكلاء حول النماذج في هذه الفئة تُجمع في أرشيف OrcaRouter لحوادث الذكاء الاصطناعي، حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة الثقة وعلامة النزاع.