SingVL_S1_4B مقابل LFM2.5-VL-3B: احتمالات مقابل فقرات
- AnthropicجديدAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 لكل مليون رمز · 102 tok/s
- orcaجديدOrca: OrcaC2 1.02026-11-0732 tok/s
- OrcaجديدOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 لكل مليون رمز · 122 tok/s
- OrcaجديدOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 لكل مليون رمز · 229 tok/s
- OrcaجديدOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$4.00 / $20.00 لكل مليون رمز · 39 tok/s
- OrcaجديدOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 لكل مليون رمز · 129 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 لكل مليون رمز · 58 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 97 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 لكل مليون رمز · 40 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447الذكاء
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 لكل مليون رمز · 124 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929الذكاء
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 لكل مليون رمز · 105 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733الذكاء
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740الذكاء
- OrcaOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 لكل مليون رمز · 63 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2955الذكاء
- anthropicAnthropic: Claude Sonnet 5.52026-09-2855الذكاء
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 لكل مليون رمز · 418 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2228الذكاء
السؤال عما إذا كان SingVL_S1_4B يتفوق على LFM2.5-VL-3B سؤال مشوّه، وأسرع طريقة لإهدار أسبوع هي الإجابة عنه على أي حال. أحد هذين النموذجين يكتب فقرات عن الصور؛ والآخر يُرجع احتمالًا لكل خيار تُقدّمه له ولا يُصدر كلمة من عنده. هذا الفرق ليس فجوة جودة يُحسم أمرها على لوحة صدارة. إنه يحدد أي خطوط المعالجة لديك يمكنها استخدام أي نموذج، قبل الرجوع إلى أي معيار تقييم. لذا فإن المقارنة الصادقة تسير في الاتجاه المعاكس: ابدأ مما يحتاج كودك إلى استقباله، ثم انظر أي نموذج يستطيع إنتاجه.
نوعان مختلفان من أنواع الإرجاع
نموذج LFM2.5-VL-3B من Liquid AI هو نموذج لغوي بصري بالمعنى المعتاد. أعطِه صورة وسؤالًا فيولّد إجابة رمزًا تلو الآخر، ما يعني أنه يستطيع وصف مشهد، أو متابعة محادثة متعددة الأدوار، أو استدعاء دالة، أو نسخ صفحة من النص مع تعليقات التخطيط، أو إعادة مربعات إحاطة للأجسام التي تسمّيها. صدر في 12 أغسطس 2026، وهو مبني على العمود الفقري اللغوي LFM2.5-2.6B مع مُرمِّز رؤية SigLIP2 NaFlex، وموجّه صراحةً للنشر على الأجهزة — 228 رمزًا في الثانية على Apple M5 Max ضمن ذاكرة أقل من 3.3 غيغابايت، مع إصدارات GGUF وONNX وMLX منشورة إلى جانب نقطة التحقق الأصلية.
نموذج SingVL_S1_4B التابع لـ inclusionAI، الذي رُفع بهدوء في 11 نوفمبر 2026، يفعل شيئًا واحدًا وينجزه في تمريرة أمامية واحدة. تعطيه حالة — نصًا أو JSON أو ما يصل إلى أربع صور — وقاموسًا من الأسئلة المسمّاة، يُعلن كل منها نوعًا (اختيار، أو نعم/لا تحت التسمية "noul"، أو درجة ذات مستويات مرتبة من 2 إلى 10) وإجاباته المرشحة. ويعيد احتمالًا لكل مرشح. لا توجد خطوة لأخذ العينات، ولا درجة حرارة يلزم ضبطها، ولا مخرجات يلزم تحليلها. حتى بطاقة النموذج نفسها مكتوبة بتلك المفردات في كل مواضعها، وصولًا إلى أمثلة API.
إذا كانت نقطة النهاية لديك تحتاج إلى إرجاع "الفاتورة من Acme، مؤرخة في مارس، الإجمالي 1,240.00"، فإن LFM2.5-VL-3B يستطيع ذلك بينما SingVL_S1_4B لا يستطيع. إذا كانت نقطة النهاية لديك تحتاج إلى {"is_invoice": 0.97, "quality": {"1": 0.02, "2": 0.11, "3": 0.87}}، فإن العكس هو الصحيح. هذا هو القرار بأكمله، وكل ما أدناه يدور حول حدوده.
ورقة المواصفات، جنبًا إلى جنب دون جدول
• المعاملات — يبلغ SingVL_S1_4B حوالي 4.54B بتنسيق BF16 عبر شريحتين بإجمالي 9.1 GB؛ أما LFM2.5-VL-3B فهو 3.1B، مع عمود فقري لغوي بحجم 2.6B.
• المخرجات — يُرجع SingVL_S1_4B احتمالات لكل خيار من تمريرة أمامية واحدة؛ بينما يُرجع LFM2.5-VL-3B نصًا مُولَّدًا، أو استدعاءات أدوات، أو توصيفًا مُهيكلًا للتخطيط.
• السياق — يقبل SingVL_S1_4B عدد 65,536 رمز إدخال للنص فقط، وينخفض إلى 10,000 بمجرد إرفاق الصور؛ بينما يعلن LFM2.5-VL-3B عن 32,768 رمزًا من طرف إلى طرف.
• الصور لكل طلب — يحدّ SingVL_S1_4B من أربع صور كحد أقصى، بحد أقصى للمعالج يبلغ 1,806,336 بكسل لكل صورة؛ ويقبل LFM2.5-VL-3B إدخال صورة واحدة أو عدة صور، ويقسّم الصور الكبيرة إلى رقع 512×512 بالإضافة إلى صورة مصغّرة.
• اللغات — تُدرج LFM2.5-VL-3B خمس عشرة لغة، من العربية إلى الفيتنامية؛ ولا تقدّم بطاقة SingVL_S1_4B أي ادعاء لغوي على الإطلاق.
• الترخيص — يُشحن LFM2.5-VL-3B بموجب ترخيص LFM Open License v1.0 مع مشتقات مُكمَّاة متداولة بالفعل؛ ويُشحن SingVL_S1_4B دون حقل ترخيص ودون ملف LICENSE.
• النشر — يمتلك LFM2.5-VL-3B إصدارات أصلية وGGUF وONNX وMLX، بالإضافة إلى عرض WebGPU تجريبي ومسارات vLLM وSGLang وllama.cpp؛ يعني SingVL_S1_4B استنساخ المستودع وتشغيل خادم FastAPI الخاص به على المنفذ 8173.
• المنظومة — يتواجد LFM2.5-VL-3B على Hub منذ أغسطس، وقد حظي بكميّات (quantisations) ومنافذ (ports) من المجتمع؛ أما SingVL_S1_4B فكان عمره يومًا واحدًا وقت كتابة هذا النص، دون أي تنزيلات.
سطران من تلك الأسطر أكثر حسمًا مما يبدوان. سطر الترخيص هو الأول: فالمستودع الذي لا ترخيص له لا يمنح أحدًا الحق في إعادة التوزيع أو الشحن، وعبارة "لم يقل البائع" ليست إذنًا يمكنك وضعه في مراجعة امتثال. وسطر النشر هو الثاني: فبناء ONNX يعمل على هاتف وخادم Python يتوقع جهاز CUDA ليسا متنافسين على الخانة نفسها في معماريتك، مهما قال عدد المعاملات.
لماذا لا يمكن طرح أرقام الاختبار القياسي
تعرض كلتا البطاقتين درجات على مجموعات بيانات تتقاطع أسماؤها، والتقاطع فخ. تسجّل SingVL_S1_4B 82.17 على RealWorldQA، و72.11 على BLINK، و50.17 على MMMU-Pro vision، و96.31 على InfographicVQA. وتسجّل LFM2.5-VL-3B 73.1 على RealWorldQA، و61.5 على BLINK، و30.5 على MMMU Pro، و81.3 على ChartQA. عند صفّها في صف واحد، يبدو ذلك وكأنه اكتساح. غير أنها ليست مقارنةً بأي شيء.
السبب الأول هو نمط الإجابة. فكل نتيجة في SingVL_S1_4B تُنتَج عبر تقييم مجموعة من الخيارات المقدَّمة واختيار الخيار الأعلى احتمالًا، وهي مهمة أسهل جوهريًا من توليد إجابة حرة الصياغة يتعين على مُقيّم بعد ذلك مطابقتها. ويقيس Decision Index هذا بالضبط ويصرّح بذلك: فدرجاته مصححة حسب الصدفة، لذا لا يُمنح التخمين أي رصيد، لكن النموذج لا يزال غير مضطر إلى إنتاج السلسلة النصية — بل فقط ترتيب مرشحين كتبهم شخص آخر. أما النموذج التوليدي الذي يجيب عن السؤال نفسه من الصفر فهو يبذل عملًا أكبر مقابل النقطة نفسها على الرسم البياني.
السبب الثاني هو مَن قام بتشغيله. كلتا المجموعتين مُبلَّغ عنهما من المورّد، على أداة التقييم الخاصة بكل مورّد. ولم يُعِد إنتاج أيٍّ منهما مختبر محايد. كما أن SingVL_S1_4B عمره يوم واحد فقط، دون أي إرسال إلى عدّة إعادة الإنتاج العامة التابعة لـ Decision Index — وتتضمن البطاقة تعليمات إعداد واحدة، مما يدل على النية ولا يثبت شيئًا. أما LFM2.5-VL-3B فقد مضت ثلاثة أشهر على قيام أشخاص بتشغيله، وهذا ليس مماثلًا لرقم خاضع للتدقيق، لكنه يعني أن أرقامه قد نظر إليها غرباء على الأقل.
الثالث هو اختلاف الإصدار. تُشير بطاقة LFM2.5-VL-3B الخاصة إلى رقم OCRBench v2 الخاص بها على أنه المجموعة الفرعية الخاصة باللغة الإنجليزية فقط. ويُبلَّغ عن صف InfographicVQA الخاص بـ SingVL_S1_4B ضمن مجموعة اختبار لها تطبيعها الخاص. الرقمان اللذان يحملان اسم مجموعة البيانات نفسه لكن لمجموعتين فرعيتين مختلفتين ليسا الرقم نفسه، والتصرف الأمين هو التوقف عن طرح أحدهما من الآخر.
يعود ادعاء الكفاءة إلى طرف واحد فقط
عنوان LFM2.5-VL-3B ليس الدقة، بل الإنتاجية ضمن حدود ذاكرة: أقل من 3.3 GB، و228 رمزًا في الثانية على M5 Max، و116 على Ryzen AI Max+ 395، و20 على Galaxy S26 Ultra. هذا الرقم الأخير هو المهم في تصميم المنتجات، لأنه الفرق بين ميزة تعمل على الجهاز وميزة تحتاج إلى رحلة ذهاب وإياب. لا شيء في مستودع SingVL_S1_4B يقدّم ادعاءً مماثلًا، ولا توجد نسخة مُكمَّمة لتقديم ادعاء بها — ما تحصل عليه هو أجزاء BF16 وسكربت خادم.
الوجه الآخر هو أن التمريرة الأمامية الواحدة لها بصمة تكلفة لا يستطيع نموذج توليدي مضاهاتها. فتقييم أربعة خيارات لسؤال واحد يتم في تمريرة واحدة؛ أما توليد وصف من 200 رمز فيتطلب 200 تمريرة متتابعة. وإذا كانت مهمتك تصنيفًا حقيقيًا — هل هذه الوثيقة إيصال، وهل يحتوي هذا الإطار على شخص، وهل هذا الإدراج متوافق — فينبغي أن يكون تصميم SingVL_S1_4B أرخص لكل قرار، وهو يُرجع رقمًا معايرًا يمكن لعتبة أن تعمل عليه، بدلًا من جملة يجب على محلل أن يتعامل معها. هذه الميزة بنيوية ولا تعتمد على صحة معيار البائع. كما أنها لم يقسها أحد خارج المختبر، لذا تعامل معها كتوقع لا كحقيقة.
ما تكلفة معرفة ذلك
يمكن تقييم LFM2.5-VL-3B على حاسوب محمول بعد ظهر اليوم. تعمل نسخة MLX على شرائح Apple silicon، وتعمل نسخة GGUF على وحدة المعالجة المركزية عبر llama.cpp، وهناك بيئة تجريبية مستضافة إن أردت إلقاء نظرة قبل تنزيل أي شيء. كلفة التبديل هي معرّف النموذج في ملف إعدادات، والمخاطرة محدودة لأن الأوزان مرخّصة والصيغة قياسية.
يتطلب SingVL_S1_4B وحدة GPU وبعد ظهر كامل من الإعداد. تحتاج إلى Python 3.12، ونسخة PyTorch متوافقة مع بطاقتك، ومتطلبات المستودع الخاصة، ومنفذ حر. يقدّم الخادم مسارًا واحدًا فقط — POST /v1/systemone — بجسم JSON مسطح، وهو أمر سهل على نحو غير معتاد لربطه بأثر بحثي، وتوفّر البطاقة أمثلة curl عاملة لطلبات النص والصور معًا. ما لا يمكنك فعله هو توجيه عميل موجود على شكل OpenAI إليه، لأنه ليس على هذا الشكل. صُممت نقطة النهاية من أجل عدّة تقييم Decision Index، وصُممت العدّة من أجلها.
هذا التفاوت هو الإجابة العملية على سؤال "أيّهما ينبغي أن أجرّبه أولًا". إذا لم تثبت بعد أن نموذجًا يعيد الاحتمالات يفيد خط معالجتك، فإن التجربة الرخيصة هي تشغيل النمط على شيء مُخدَّم بالفعل. يحمل OrcaRouter النموذج TypeSafe Jev 1.14 بسعر 0.042 دولار لكل مليون رمز إدخال ضمن مفتاح واحد، وهو نقطة نهاية قرار عاملة يمكنك قياس مهمتك الخاصة مقابلها خلال ساعة، من دون نقطة تفتيش تستضيفها ولا مسألة ترخيص تحتاج إلى تصعيد. لا يتوفر SingVL_S1_4B هناك — فليس له مزوّد مستضيف على الإطلاق — لذا فالمقارنة التي يمكنك إجراؤها اليوم فعليًا هي "هل يتفوّق تقييم القرار المحدد النوع على التوليد في بياناتي"، وليس "هل يفوز نقطة التفتيش الجديدة هذه تحديدًا؟". احصل على الإجابة الأولى قبل أن تنفق على الثانية.
حيث ينتمي كل واحد
• مستندات يجب أن تقرأها وتقتبس منها — LFM2.5-VL-3B. فهو يُنتج النص المنسوخ، مع تسميات التخطيط، وسطر التعرّف الضوئي على الحروف (OCR) لديه قدرة حقيقية وليس مجرد نتيجة تقييم.
• الشاشات والنماذج وواجهات المستخدم الرسومية — LFM2.5-VL-3B. نتيجة ScreenSpot-v2 البالغة 80.7 وتحسينات الإرساء مقارنةً بالجيل السابق هي جوهر هذا الإصدار.
• أي شيء يعمل على هاتف أو حاسوب محمول — LFM2.5-VL-3B، ولا مجال للمنافسة، لأن البديل يحتاج إلى خادم.
• بوابة أمام استدعاء مكلف — أيًّا كان، وشكل SingVL_S1_4B هو الأنسب إذا كان بإمكانك استضافته، لأن الاحتمال هو ما تحتاجه البوابة.
• فرز متعدد التسميات على تصنيف ثابت — SingVL_S1_4B، من حيث المبدأ. تتوافق أنواع أسئلة الاختيار والدرجة لديه مباشرةً مع التصنيفات، بينما يتعين تقييد نموذج توليدي ليعود إلى أحدها عبر المطالبات والمعالجة اللاحقة.
• الإشراف — لا يتحقق دون عمل. تُظهر بطاقة SingVL_S1_4B الخاصة به أن صف ميمات الكراهية فيها ينهار من 71.64 إلى 43.28 عند تطبيق موجه المهارة، وهو تحذير بشأن حساسية الموجه في المجال نفسه الذي تكون فيه النتائج السلبية الخاطئة مكلفة.
• النشر التجاري خلال هذا الربع — LFM2.5-VL-3B، استنادًا إلى أسباب الترخيص وحدها.
الجزء الذي لم يُقَس بعد
السؤال المثير للاهتمام ليس أي نموذج أفضل، لأنهما ليسا في المنافسة نفسها. بل هو ما إذا كان مصنّف بـ4.5 مليار معامل، مدرَّب فوق عمود فقري للرؤية، يستطيع مجاراة نموذج رؤية عام الأغراض في الشريحة الضيقة من المهام التي تحتاج فيها فقط إلى تصنيف وثقة. وإذا استطاع، فسيغيّر ذلك تكلفة كثير من خطوط المعالجة، لأن تمريرة أمامية واحدة تختلف بدرجة كبيرة في التكلفة عن فقرة مولّدة. لا أحد خارج inclusionAI يعرف ذلك بعد — فالمستودع عمره يوم واحد، والترخيص فارغ، والاختبار المعياري هو اختبار المختبر نفسه.
في المقابل، النموذج متعدد الأغراض متاح، ومرخّص، ومكمّم، وموثّق، وسريع بما يكفي للتشغيل على هاتف. وعندما يسأل فريقٌ أيّ هذه النماذج ينبغي وضعه في الإنتاج، فإن الجواب في الوقت الحالي هو الخيار الممل، أما الخيار المثير للاهتمام فهو فرضية ملحق بها مستودع.
