pplx-decider مقابل Kev: نظامان، نموذج واحد يمكنك سحبه بالفعل

المصادفة المفيدة في هذه المواجهة هي أنك تستطيع حسمها على عتادك الخاص بعد ظهر هذا اليوم. ظهر pplx-decider، نموذج القرار بحجم 27B الخاص بـ Perplexity، في 2026-10-01 دون أي إعلان مرفق، مع مراجعة v1.1 في 2026-10-05، وكلاهما متاح على مكتبة Ollama. أما Kev، خط إعادة الإنتاج الخاص بـ Jared Palmer، فهو موجود على Ollama منذ صدور v2 في 2026-09-30 ويغطي النطاق من 0.5B إلى 27B. كلاهما يستخدمان شكل الاستدعاء نفسه — حالة زائد قائمة أسئلة مسمّاة، تمريرة أمامية واحدة، احتمال يعود، بلا نص مولّد — ما يعني أن إطار التشغيل نفسه يمكنه تشغيل كليهما. ما يختلف هو كل ما تحت السطح: كيف يُنتَج الناتج، وما وثّقه المؤلفون، وكم يستهلك من GPU.

ابدأ بالشيء الذي يجعل إجراء مسابقة ممكنًا على الإطلاق. لا يكتب أي من النموذجين نصًا. أنت تسلّم مستندًا وتطرح أسئلة بالاسم، كل سؤال يعلن عن نوع إجابته — اختيار من 2 إلى 255 خيارًا مُسمّى، أو قراءة نعم/لا/غير معروف، أو درجة على مقياس من 2 إلى 10 مستويات موصوفة. تصل الإجابة كاحتمال، بالترتيب الذي سألت به. تذكرة تحتوي على ستين سؤالًا هي تمريرة واحدة على النموذج، وليس ستين استدعاءً.

ما مقدار ما يقوم به كل نموذج فعليًا من اتخاذ القرار؟

تتسم بطاقة Kev بالوضوح بشأن طريقة بنائها على نحو نادر خارج الكتابات الداخلية، ويستحق هذا التفصيل القراءة قبل أن تثق بأي رقم منها. نقطة التحقق 27B هي ضبط دقيق خاضع للإشراف بكامل الأوزان على Qwen/Qwen3.8-27B، ثم متوسط أوزان — 0.85 من النموذج الجديد ممزوجًا مع 0.15 من v1 بصيغة fp32. أما الأحجام الأصغر، من 0.8B إلى 9B، فتُتاح كمهايئات LoRA على قواعد Qwen3.5 بدلًا من نقاط تحقق كاملة.

الجزء الذي يحدد كيفية تشكّل الخرج منفصل عن العمود الفقري اللغوي. يحمل Kev رأس مؤشر — بنحو 2.6 مليون معامل في fp32، يجلس فوق عمود فقري بحجم 25.6B ليصبح 26B — وهو ما يحوّل الحالة المخفية إلى احتمال على خياراتك المسماة. يقوم pplx-decider بالمهمة نفسها عبر رأس قراءة منشور بأبعاد [255, 5120]: 255 خيارًا فوق حالة مخفية بعرض 5,120، بصيغة bf16.

معماريتان، وفكرة واحدة: النموذج اللغوي يقرأ، ورأس صغير يقرر. لهذا لا يولّد أيٌّ منهما نثرًا، ولهذا أيضًا لا تنتقل نتيجة اختبار قياسي من أحدهما إلى الآخر حتى عندما يُقاس كلاهما مقابل النموذج المرجعي نفسه.

المواجهة المباشرة الوحيدة في السجل، ولماذا لا يمكنك طرحها

كلا المشروعين يقدّمان تقاريرهما مقابل Jev، مما يغري بصفّهما جنبًا إلى جنب. لا تفعل ذلك.

تحمل بطاقة Kev الخاصة صفًا في Decision Index 0.2 يضع Kev-27B v2 عند 52.3 مقابل 50.2 للإصدار v1، وJev عند 54.0، وAutoJev-27B عند 50.0. هذه مقارنة نظيفة، بالحزمة نفسها والإصدار نفسه، وتقول إن Kev v2 تحسّن بنحو نقطتين ولا يزال متخلفًا عن Jev.

تُبلغ بطاقات pplx-decider عن إجمالي مرجح حسب المجموعة قدره 61.56 للإصدار v1.1، مقابل 56.4 للإصدار v1 و57.9 لـ Jev. ووفقًا لأرقامهم الخاصة، يمثل ذلك زيادة تزيد على خمس نقاط في مراجعة واحدة، وتقدمًا على Jev يزيد على ثلاث نقاط ونصف.

لا يمكن طرح هاتين الفقرتين إحداهما من الأخرى. مجموعات اختبار مختلفة، وخلائط مهام مختلفة، وترجيح مختلف — ولا ينشر أي من المشروعين الترجيح. ما يمكنك قوله أضيق نطاقًا ومع ذلك مفيد: كِلاهما تحرّك في الاتجاه نفسه ضمن النافذة نفسها، وكِلاهما فعل ذلك بتغيير طريقة تدريب طبقة القراءة بدلًا من استبدال العمود الفقري، والهامش المزعوم لـ pplx-decider على Jev أكبر من العجز المقاس لدى Kev. هذا سبب لاختبار pplx-decider، وليس سببًا للاعتقاد به.

واحد فقط من الاثنين لديه تكرار مستقل مرتبط بأي من أرقامه. تنشر وسوم Ollama الخاصة بـ Kev أعداد النجاح في JevBench لكل وسم — 205 من 231 لـ kev:27b-nvfp4، بما في ذلك 86 من 111 في التقسيم الصعب، وصولًا إلى 146 من 231 لـ kev:0.8b — مع ملاحظة صريحة بأن هذه تستثني 303 مهام مختومة أو مُقيَّمة من قاضٍ غير متاحة، وأنها ليست نتيجة رسمية في لوحة الصدارة. إنه تشغيل ذاتي، لكنه تشغيل ذاتي يمكنك تكراره. لا يوجد شيء مماثل لـ pplx-decider.

ما الذي يوثقه Kev ولا يوثقه pplx-decider؟

• درجة الحرارة — يأتي Kev بقيمة T = 1.32، بفاصل 90% من [1.20, 1.45]، يُطبَّق عند التحميل، لذا فإن الاحتمالات التي تحصل عليها تكون مُعايرة مسبقًا. بطاقات pplx-decider لا تنشر أي درجة حرارة على الإطلاق، مما يعني أن أي معايرة تحتاجها متروكة لك لتلائمها.

• سجل التدريب — Kev v2 هو 129 ساعة GPU على 8× H200، حقبة واحدة على 145,840 سجلاً و337,130 سؤالاً، والتسميات أنتجتها GLM-5.3 وDeepSeek-V4-Pro وInkling وMistral Large 3 وgpt-oss-120b وMiMo-V2.6-Pro دون استخدام أي مخرجات من Jev، وفحص تلوث أزال 6,388 سجلاً عبر 102 قسم تقييم. يوثّق pplx-decider خط أنابيب مبنيًا على Bespoke Nimble من Bespoke Labs مع مجموعات فرعية معيارية مثبّتة بمعرّف السجل والمجموع الاختباري، وينسب مكاسب v1.1 إلى إزالة القناع السببي بالإضافة إلى بيانات تدريب مضافة — لكنه لا ينشر عدد السجلات، ولا ساعات GPU، ولا قائمة الموسّمين.

• الإبلاغ الصادق عن الانحدارات — بطاقة Kev تسرد إخفاقاتها: transfer-v4 انخفض بمقدار 0.8 نقطة، CUAD انخفض 1.6، خطأ المعايرة المتوقع على breadth-v1 عند 0.015 مقابل 0.053 على CUAD، أسوأ بمرتين إلى أربع مرات من v1، وتذكر التفاؤل الانتقائي في تقييمها الخاص. يوضح جدول pplx-decider v1.1 انزلاق الأدوات من 79.3 إلى 78.88 بينما ترتفع كل فئة أخرى، ولا شيء في البطاقة يعلق على ذلك.

• أنماط الفشل — تسرد بطاقة Kev نطاق فحص التلوث والظروف التي أُنتجت فيها أرقامها المنشورة. عائلة Decider، خط Mapika، تذهب إلى أبعد من ذلك وتسمّي أشكال مدخلات محددة تكسره؛ أما pplx-decider فلا يبدي أي تعليق على هذه المسألة.

لا شيء من هذا يقول إن pplx-decider أسوأ. التوثيق ليس قدرة — فالمختبر الذي لديه منشور إطلاق في المسودة له حوافز مختلفة عن فرد ينشر ملاحظات على Hugging Face. لكن عندما يدّعي نموذجان النتيجة نفسها من الفئة ذاتها، ولا يخبرك سوى واحد منهما بدرجة حرارته، فالذي يخبرك هو الذي يمكنك وضعه في الإنتاج هذا الشهر.

محاسبة السياق، وهو الموضع الذي يتباعد فيه الاثنان على أشدّ وجه

• Kev — 65,536 توكنًا من الحالة، بالإضافة إلى 8,192 توكنًا على الأقل لكل سؤال، مع التدريب عند ما يصل إلى 32,768. عند حالة 64k يبلغ حجم الذاكرة المقيمة عند الذروة نحو 87.1 غيغابايت، وزمن النموذج 9.4 ثانية، و733 مللي ثانية عند إصابة ذاكرة التخزين المؤقت، و21.1 طلبًا في الثانية عند عميل واحد مقابل 36.4 عند أربعة وستين.

• pplx-decider — 8,192 رمزًا للنص والصور مجتمعة، مع رفض المدخلات المفرطة الحجم بدلًا من اقتطاعها. تُدرج نسخة Ollama نافذة سياق بسعة 256 ألفًا، وهو أمر لا يوضحه أي شيء في المستودع ولا يتوافق مع الحدّ الخاص بالبطاقة نفسها.

تمثل تلك الفجوة الفرق الأكثر تأثيرًا منفردًا بين الاثنين في أعباء العمل الحقيقية. صُمم Kev للحالات الطويلة وطرح أسئلة كثيرة عليها. أما pplx-decider فهو نموذج كثيف بحجم 27B وبميزانية إدخال صغيرة نسبيًا، ما يدفعه نحو المستندات القصيرة والصور والطلبات التي تتسع داخل بضعة آلاف من الرموز.

• اللغة — الإنجليزية فقط في كليهما، مع ذكر ذلك كقيد في كليهما.

• الرؤية — يستقبل pplx-decider النصوص وJSON والصور، حيث تكلّف رموز الرؤية نحو العرض × الارتفاع / 1024، مع إعداد تقييم بسقف 512×512. ولا يمتلك Kev أي رؤية في سلسلة 27B.

• الحد الأدنى للتشغيل — يحتاج Kev-27B إلى وحدة معالجة رسومات من فئة 80 غيغابايت: 51.3 غيغابايت من أوزان bf16، ونحو 65.5 غيغابايت مقيمة في الذاكرة، و87.1 غيغابايت عند حالة 64k، ويستمع خادمه بشكل مفتوح ما لم يتم تعيين KEV_API_KEY. أوزان bf16 الخاصة بـ pplx-decider تبلغ نحو 49 GiB، لذا فالحد الأدنى مشابه؛ أما بناء Ollama المكمّم فيبلغ 17 غيغابايت، وهو جهاز مختلف تمامًا.

• درجات — يغطي Kev الأحجام 0.5B و0.6B و0.8B و4B و8B و9B و27B، مع الأحجام الصغيرة كمحولات LoRA. pplx-decider حجم واحد، جرى تنقيحه مرتين.

إجراء المنافسة دون المراهنة عليها

كلا النموذجين متاحان كأوزان محلية، وهي بالضبط الحالة التي تُبرر فيها طبقة التوجيه وجودها. لا يقدّم OrcaRouter النموذج pplx-decider ولا يقدّم Kev — فلا أحدهما في الكتالوج، ولا ينبغي قراءة أي شيء هنا على أنه ادعاء بأننا نستضيفهما. ما نحملّه فعلاً في هذه الفئة هو typesafe/jev-1.13، مكشوفًا عبر نفس شكل الاستدعاء POST /v1/systemone بسعر $0.042 لكل مليون رمز إدخال، وهو ذراع التحكم الطبيعية: نفس الواجهة، نفس أنواع الأسئلة، دون GPU خاص بك.

هذا يجعل إعداد اختبار مقارن ثلاثي رخيصًا. ضع pplx-decider محليًا وKev محليًا خلف منصة الاختبار نفسها في مواجهة typesafe/jev-1.13 الموجّه، وقيّم الثلاثة جميعًا على مستنداتك الخاصة، ودع الاختلاف بينها يخبرك أين تقع عتباتك فعليًا. يكتسب التحويل التلقائي عند الفشل أهمية أكبر من المعتاد في هذا الترتيب، لأن نموذجًا محليًا بحجم 27B على بطاقة واحدة هو المكوّن الأقل موثوقية في السلسلة؛ وتوجيه خيار الاحتياط عبر واجهة API واحدة لأكثر من 200 نموذج — بسعر قائمة المزوّد كما هو مع هامش ربح 0% — يمنع التجربة من التحول إلى انقطاع. وعندما يصل نموذج مثل pplx-decider في النهاية إلى نقطة نهاية مستضافة، فالمفتاح نفسه الذي يشغّل الذراع الضابطة يشغّله، دون عقد ثانٍ ودون تغيير في الشيفرة.

ما الذي سيغيّر الإجابة؟

أربعة أمور، وكلها قابلة للتحقق وليست مسألة ذوق.

إذا وصل pplx-decider إلى مزوّد استدلال، يصبح جدول المعايير غير المُتحقَّق منه مسألة سعر مقابل زمن استجابة، وتكفّ فجوة التوثيق عن الأهمية — فستكون تدفع مقابل قراءة مُستضافة، لا أن تتولى صيانتها. وإذا أعاد طرف مستقل إنتاج أرقام JevBench الخاصة بأيٍّ من النموذجين على أداة اختبار منشورة، فإن المقارنة بأكملها تضيق لتصبح مجموعة واحدة بدلًا من مجموعتين غير متوافقتين.

إذا تبيّن أنّ ضعف ECE الموثّق لدى Kev على CUAD قابل للإصلاح بإعادة ملاءمة بدل إعادة تدريب، فإنّ حجة المعايرة ضدّه تختفي إلى حد كبير، لأنّ Kev يتضمّن بالفعل درجة حرارته، ولأنّ أنماط فشله معروفة سلفًا. وإذا كنت بحاجة إلى نموذج قرار على بطاقة واحدة بدلًا من بطاقتين، فإنّ نسخة pplx-decider المكمّمة بسعة 17 GB هي الخيار الوحيد هنا — لا لأنها أفضل، بل لأنها تتّسع حيث لا يتّسع نموذج 27B بصيغة bf16.

إلى أن يحدث أحد هذين الأمرين، تبقى القراءة العملية غير مبهرة. Kev هو من يمكنك تكرار أرقامه اليوم، ويمكنك الوثوق في أن معايرته موثّقة؛ أما pplx-decider فهو صاحب السقف المُدّعى الأفضل والأثر الورقي الأضعف. اختر الأول إذا كنت تطلق هذا الشهر. أدخِل الثاني إلى نفس إطار الاختبار إذا كنتم من نوع الفرق التي تفضّل قياس إصدار هادئ على انتظار منشور إطلاق.

توجيه المسار الاحتياطي عبر سعر قائمة المزوّد المُمرَّر بهامش ربح 0%يمنع مقارنةً ثلاثيةً من التحوّل إلى انقطاع في الخدمة عندما تكون نقطة التحقق المحلية أقل مكوّن موثوقيةً في السلسلة.

يُعدّ اختبار المقارنة الثلاثي الأطراف أيضًا لحظة معقولة لطرح السؤال عمّا فشل بالفعل في هذه الفئة: فقد جُمعت حوادث الذكاء الاصطناعي وإخفاقات الوكلاء الموثّقة والمتعلقة بنماذج القرار في أرشيف OrcaRouter لحوادث الذكاء الاصطناعي، حيث يحمل كل مُدخل مصادره الخاصة، ودرجة خطورته، ودرجة ثقته، وعلامة كونه متنازعًا عليه.