SubQ Snap 1.1 مقابل Granite 4.2 3B: سعر الرمز الواحد هو الفاتورة الخاطئة

IBMGranite 4.2 3Bمدرج بسعر 0.03 دولار لكل مليون توكن إدخال. SubQ Snap 1.1مدرج بسعر 0.04 دولار. لو كان سعر التوكن الواحد هو الفاتورة، لتفوّق نموذج Apache-2.0 البالغ 3 مليارات معامل على نموذج القرار الذي تقاسم المركز الأول في Artificial Analysis Decision Index v1.0، ولكان هذا المقال قصيرًا. لكن السعر ليس هو الفاتورة. بمجرد أن تسعّر قرارًا بدلًا من توكن — بما في ذلك ما يتعين على كل نموذج إخراجه لإنتاج قرار واحد — ينقلب الترتيب، ثم ينقلب مرة أخرى اعتمادًا على إعداد تكوين واحد، وينتهي عند موضع لا يعلن عنه أي من الموردين.

غرانيت 4.2 3B هو نموذج الاستدلال الكثيف الصغير من IBM، صدر في 25 أغسطس 2026 إلى جانب شقيقيه 8B و30B بضجيج أقل من المعتاد بكثير — منشور تقني في مدونة بدلًا من حدث إطلاق. أما Snap 1.1 فهو نموذج القرار من Subquadratic، يعمل منذ 22 أكتوبر 2026، ويعيد اختيارًا من مجموعة إجابات ثابتة بدلًا من توليد نص. وهما يتقاطعان في عبء عمل واحد فقط: أخذ قطعة من النص وتحديد ماهيتها. وكل ما عداهما مختلف بينهما، بما في ذلك معنى «الرخيص».

أولاً، ما هما النموذجان في الواقع

غرانيت 4.2 3B هو مُفكِّك كثيف بثلاثة مليارات معامل، مبني على Granite-4.1-3B-Base. وهو نموذج استدلال بثلاثة أوضاع: وضع تفكير يُصدر سلسلة تفكير، ووضع جهد منخفض، ووضع غير تفكيري يجيب مباشرة. وتُبلغ IBM عن AIME 2025 بنتيجة 78.33، وGPQA بنتيجة 54.80، وLiveCodeBench v6 بنتيجة 69.71، وMMLU-Pro بنتيجة 67.84، وIFBench بنتيجة 74.3، وτ³-Bench بنتيجة 45.8 — وكلها أرقام الجهة المصنّعة، ولم يُعَد إنتاج أي منها بشكل مستقل. وفي السياق الطويل، تُبلغ عن RULER بنتيجة 67.52 عند 64K و55.30 عند 128K. وتضع Artificial Analysis مؤشر الذكاء الخاص به عند 9، وهو غير لافت بالقيم المطلقة وفوق الوسيط لفئته الحجمية.

قصة العتاد هي الجزء المثير للاهتمام. فهو يعمل بذاكرة تتراوح بين ستة وثمانية غيغابايتات بصيغة bf16، وأقل من غيغابايتين عند التكميم، مما يعني أنه يلائم حاسوبًا محمولًا، أو بطاقة رسوميات استهلاكية واحدة، أو معالجًا مركزيًا بذاكرة وصول عشوائي كافية. وهو نصي فقط، ويغطي اثنتي عشرة لغة، ويدعم استدعاء الأدوات المتوافق مع OpenAI، ويتوفر في vLLM وSGLang وTransformers وGGUF وllama.cpp وMLX وOllama. إذا كان قيدك هو «يجب أن يعمل في مكان أتحكم به»، فهذا النموذج يلبي ذلك.

SubQ Snap 1.1 هو نوع معاكس من المنتجات في كل بُعد تقريبًا. لا يمتلك أوزانًا. يعمل فقط عبر واجهة Subquadratic البرمجية (API). يستقبل حتى 384K رمزًا من النصوص والصور، إضافةً إلى مجموعة إجابات من بديلين إلى 255 بديلًا، ويعيد اختيارًا باحتمالية معايَرة. لا يستطيع كتابة جملة واحدة، وهذا هو المقصد: لا يوجد ناتج لتحليله ولا ناتج لدفع تكلفته.

فخّ رموز الإخراج

إليك الحساب الذي تخفيه المقارنة لكل رمز. خذ مليون قرار توجيه، يقرأ كل منها 6,000 رمز من نص التذكرة — وهو حجم شهري معقول لعملية دعم متوسطة الحجم، أو فترة بعد ظهر مزدحمة لعملية كبيرة. هذا يعني ستة مليارات رمز إدخال.

• Granite 4.2 3B في وضع عدم التفكير — 6 مليارات رمز إدخال بسعر $0.03/مليون تساوي $180، بالإضافة إلى نحو خمسة رموز إخراج لكل قرار، أو 5 ملايين رمز إخراج بسعر $0.12/مليون، أي $0.60. الإجمالي: نحو $180.60.

• Granite 4.2 3B في وضع التفكير — 6 مليارات توكن إدخال مقابل 180 دولارًا، وربما 800 توكن استدلال لكل قرار، أو 800 مليون توكن إخراج بمعدل 0.12 دولار لكل مليون، أي 96 دولارًا. الإجمالي: نحو 276 دولارًا.

• SubQ Snap 1.1 — 6 مليارات رمز إدخال بسعر 0.04 دولار/مليون تساوي 240 دولارًا، ولا يوجد بند مخرجات على الإطلاق.

الإجابة الصادقة هي ثلاث إجابات مختلفة. فعند ضبطه للإجابة مباشرةً، يكون Granite أرخص بنسبة 25% من Snap، وكان المقال سينتهي حقًا عند هذا الحد. وعند ضبطه على التفكير، يكون Granite أغلى بنسبة 15% من Snap، لأن رموز الاستدلال هي أغلى شيء في خط المعالجة ولا أحد يخصص ميزانية لها. لم تكن ميزة Snap يومًا في معدل الإدخال لديها — فهو أعلى بنسبة 33% من معدل Granite — بل في أن البنية المعمارية لا تملك وسيلة لإنفاق الرموز على التفكير المتأني.

هذا ليس خطرًا نظريًا. يصف الملف المستقل الذي أعدّته Artificial Analysis لنموذج Granite 4.2 3B النموذج بأنه «شديد الإسهاب»، ويسجّل أنه ولّد 92 مليون رمز إخراج أثناء تقييمه على Intelligence Index، مقابل وسيط قدره 67 مليون للنماذج المماثلة. إن الإسهاب خاصية مقيسة للنموذج في وضع الاستدلال، وهي الخاصية التي تحدّد ما إذا كانت ميزة السعر لكل رمز تصمد عند التعامل مع عبء عمل للتوجيه.

وهذا يفسّر أيضًا رقمًا يبدو خاطئًا للوهلة الأولى. تضع Artificial Analysis تقدير Snap 1.1 عند نحو 30 دولارًا لكل مليون مهمة، مقابل 8.4 دولارات لـ Elephant 9B. ويعني ثلاثون دولارًا لكل مليون مهمة متوسط مهمة قصير جدًا، في حدود بضعة آلاف من الرموز. ومزيج المعايير في Decision Index قصير. أما تذاكرك وعقودك وسجلاتك فليست كذلك، وتتنامى التكلفة خطيًا مع طول الإدخال انطلاقًا من ذلك. تعامل مع الأرقام لكل مهمة كخاصية للمعيار، لا كعرض سعر.

حيث يتفوق 3B فعليًا

الرموز الأرخص ليست سوى أقل ما في الأمر. يمكن استضافة Granite 4.2 3B ذاتيًا بموجب Apache 2.0، مما يعني عدم وجود تكلفة لكل استدعاء على الإطلاق بمجرد دفع ثمن العتاد، ولا خروج للبيانات من شبكتك، ولا حد لمعدل الطلبات، ولا مورّد يمكنه تغيير السعر أو النموذج من تحتك. وبالنسبة لسير عمل مقيد بالامتثال، فهذا ليس تفضيلًا بل متطلب، وSnap 1.1 ببساطة لا يمكنه دخول هذا النطاق.

وهو يفعل أكثر من ذلك أيضًا. فهو يكتب الملخص بعد قرار التوجيه. ويتعامل مع استدعاءات الأدوات عبر مخطط. ويدعم امتداد سياق اختياريًا حتى 512K، أُضيف في مرحلة خامسة من التدريب المسبق، وهو أطول من 384K لدى Snap على الورق — غير أن انخفاض درجة RULER لديه من 67.52 عند 64K إلى 55.30 عند 128K تحذير وجيه بشأن مقدار ما يمكن استخدامه من تلك النافذة. وهو صغير بما يكفي ليعمل على الحافة، داخل حاوية بجوار تطبيقك، دون أي قفزة شبكة بين القرار والإجراء.

أين يتفوق Snap 1.1 حقًا

ثلاثة أشياء يكون فيها النموذج التوليدي بحجم 3B سيئًا بحكم تكوينه.

المعايرة هي الأولى. يُبلّغ Snap 1.1 عن خطأ معايرة متوقع قدره 0.014، منخفضًا من 0.108 في الإصدار التجريبي، وعن معدل امتناع 86% عن الأسئلة التي لا يستطيع الإجابة عنها — مقابل درجة عدم هلوسة 0.7% لإصداره 1.0 على مؤشر البائع البديل. هذه أرقام البائع وينبغي قراءتها على هذا النحو، لكنها تصف نموذجًا دُرّب على الامتناع كهدف صريح. نموذج استدلال بحجم 3B لا يملك هدفًا كهذا. اسأله عما إذا كانت التذكرة قابلة للإجابة وسينتج جملة معقولة في كلتا الحالتين.

السلوك أحادي التمرير للسياق الطويل هو الثاني. تعالج Snap 384 ألف رمز في تمريرة أمامية واحدة بحساب ثابت لكل رمز، وهذا هو المبرر الكامل لـ Subquadratic Sparse Attention. اضمحلال RULER لدى Granite هو السلوك الطبيعي لنموذج كثيف عند عشرة أضعاف طوله المريح. وإذا كان قرارك يعتمد على شيء مدفون عند الموضع 200,000 في حزمة سجلات، فإن الفرق المعماري ليس أكاديميًا.

حتمية شكل المخرجات هي الثالثة، وهي أمر لا يُقدَّر حق قدره. يعيد Snap رقمًا من قائمة خياراتك. أما Granite فيعيد نصًا تقوم بتحليله لاحقًا، وكل محلل هو موضع تتحول فيه إجابة مشوّهة إلى انقطاع في الخدمة. يسدّ فك الترميز المقيّد معظم هذه الفجوة، وهذا جدير بالذكر — فهو ليس ميزة جوهرية، بل اختلاف في مقدار الهيكل المساعد الذي تكتبه.

سؤال الإعداد الذي لا يطرحه أحد

إذا كنت تشغّل Granite 4.2 3B كموجّه، فإن التغيير الأكثر قيمة الذي يمكنك إجراؤه هو إيقاف التفكير. تُوفّر IBM هذا الوضع لهذا السبب تحديدًا، ويُظهر الحساب أعلاه السبب: نموذج استدلال يُطلب منه اختيار واحد من خمسة تصنيفات سينفق غالبًا ثمانمائة توكن في تبرير قرار تتوصّل إليه تمريرة بدون تفكير على نحو صحيح. قِس أداء الوضعين على بياناتك قبل افتراض أن وضع التفكير أفضل. في مهمة ذات مجموعة إجابات ثابتة، غالبًا ما لا يكون كذلك.

الرافعة المكافئة لدى Snap هي العكس: فأنت تمنحها خيارات أقل وأكثر حدة. تحدّ واجهة برمجة التطبيقات الخاصة بها الأسئلة عند ستة عشر والبدائل عند 255 لكل سؤال، ودقتها على مؤشر القرار هي 20% — أقل من 32% لدى d1-ultra — مع حمل درجة المؤشر عبر الامتناع. قلّل مجموعة الإجابات تتقلص مشكلة الدقة؛ وسلّمها حكمًا مفتوحًا فسترفض، عن صواب، وغالبًا.

ما الذي سأبنيه فعليًا

بالنسبة لخط دعم أو خط أنابيب مستندات بحجم معتبر، فإن التصميم الأرخص القابل للدفاع هو تصميم من مرحلتين. يعمل Granite 4.2 3B في وضع عدم التفكير كمصنّف المرحلة الأولى على الأغلبية السهلة — التذاكر التي تكون بوضوح طلبات استرداد، أو بوضوح أعطالًا، أو بوضوح بريدًا مزعجًا — حيث يكون نموذج بحجم 3B دقيقًا ولا يكلّف شيئًا على الهامش. يتولى Snap 1.1 معالجة المتبقي: المحادثات الطويلة، والحالات الملتبسة، وتلك التي قد يكون الجواب الصحيح فيها هو "التصعيد" ويكون التخمين الواثق أسوأ من الرفض. تدفع 0.04 دولار لكل مليون رمز فقط على النسبة التي تحتاج إلى ذلك، وتحصل على احتمال معاير بشأن القرارات التي تهم فيها المعايرة تحديدًا.

لا يبيع أيٌّ من المورّدين ذلك التصميم، لأن كلًّا منهما يريد أن يكون الطبقة بأكملها. لا يرد Granite 4.2 3B في كتالوج OrcaRouter — فهو بترخيص Apache 2.0، لذا فإن الاستضافة الذاتية هي المسار المعتاد، كما توفّره أيضًا عدد من مزوّدي الاستدلال. وSnap 1.1 ليس لنا نحن أيضًا؛ بل يعمل عبر واجهة برمجة التطبيقات الخاصة بـ Subquadratic. ما يقدّمه OrcaRouter لتصميم كهذا هو طبقة التوليد الكامنة خلفه: أكثر من 200 نموذج خلف مفتاح واحد، وسعر قائمة المورّد يُمرَّر بهامش ربح 0%، وتبديل تلقائي عند التعطّل، بحيث لا يكون النموذج الذي يكتب ملخّص التصعيد هو التبعية نفسها التي يعتمد عليها النموذج الذي يقرّر التصعيد.

ما ينبغي مراقبته هو ما إذا كانت معايرة Snap 1.1 تصمد عندما يشغّلها شخص آخر. إن دقة 20% هي أضعف رقم في مواد إطلاقه الخاصة، وهي الرقم الذي يحدد ما إذا كان التصميم ثنائي المراحل أعلاه أقل كلفة مما يبدو — فكلما زاد تكرار امتناع Snap عن الإجابة، زاد العمل الذي يعود إلى المرحلة التي يتعين عليها الإجابة فعليًا.