UserRepGen-4B مقابل Gemma 4 12B: متخصّص ضيّق بحجم 4B في مواجهة معمّم بحجم 12B، ولماذا تضلّل الأحجام
- OrcaجديدOrca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 لكل مليون رمز · 61 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952الذكاء
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856الذكاء
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 لكل مليون رمز · 775 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238الذكاء
- OpenAIOpenAI: GPT-6 Sol2026-09-2248الذكاء
- AnthropicAnthropic: Claude Opus 5.52026-09-2258الذكاء
- xAIGrok 4.72026-09-2146الذكاء
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 لكل مليون رمز · 41 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 لكل مليون رمز · 2230 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-09-1040الذكاء
- OpenAIOpenAI: GPT-6 Astra2026-09-0453الذكاء77البرمجة
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241الذكاء76البرمجة
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245الذكاء76البرمجة
- AnthropicAnthropic: Claude Fable 5.12026-09-0153الذكاء82البرمجة
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 لكل مليون رمز · 54 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 لكل مليون رمز · 120 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642الذكاء72البرمجة
- DeepSeekDeepSeek: DeepSeek V4 Flash Vision (Exp)2026-08-21$0.22 / $0.66 لكل مليون رمز · 205 tok/s
- z-aiZ.ai: GLM 5.32026-08-1845الذكاء75البرمجة
عند وضعهما جنبًا إلى جنب، microsoft/UserRepGen-4B و Gemma 4 12B يبدوان كعدم تطابق محسوم قبل أن يبدأ. نموذج Google ذو 11.95 مليار معامل يقرأ النصوص والصور والصوت، ويحتفظ بسياق من 256 ألف رمز، ويرافقه تقرير فني ومدونة إطلاق، وقد نُزّل نحو 79,000 مرة منذ مايو 2026. نموذج Microsoft هو LoRA برتبة 64 على Qwen3.5-4B، رُفع في 14 أكتوبر 2026 دون إعلان، وهو يفعل شيئًا واحدًا فقط: يقرأ محادثة منتهية بين مستخدم ومساعد ويكتب مقابلها وصفًا JSON من حقلين عن الشخص الموجود فيها. لا يستطيع إجراء محادثة، ولا الإجابة عن سؤال، ولا رؤية صورة. وزن هذين على أساس القدرة ليس مقارنة، بل خطأ فئوي — والخطأ الفئوي هو الجزء المثير للاهتمام، لأن النموذج الأصغر هو الذي يتفوق على نموذج عام متقدم في المهمة التي بُني من أجلها.
ما هو الغرض الفعلي من كل واحد منها
أوضح طريقة لاستيعاب كليهما في ذهنك هي أن Gemma 4 12B مساعد، بينما UserRepGen-4B أداة قياس.
• Gemma 4 12B — العضو متعدد الوسائط الخالي من المُرمِّزات في عائلة Gemma 4. يدخل النص والصورة والصوت؛ ويخرج النص. تصفه بطاقة Google الخاصة به بأنه "موحّد" لأنه يستغني عن مُرمِّزات الرؤية والصوت المخصصة التي تستخدمها بقية أفراد العائلة، فيُسقط رقع الصور الخام والموجات الصوتية مباشرةً في فضاء التضمين الخاص بالمُفكِّك عبر طبقات خطية خفيفة. 48 طبقة، ونافذة انزلاقية بسعة 1,024 رمزًا، ومفردات من 262K رمزًا، وسياق من 256K رمزًا. برخصة Apache 2.0، ونُسخ مضبوطة بالتعليمات منشورة إلى جانب النموذج الأساسي.
• UserRepGen-4B — مُولِّد تمثيلات. المُدخل: محادثة متعددة الأدوار مُصرَّح بها، حتى 8,192 رمزًا. المُخرج: كائن JSON يحتوي على حقل task وحقل user_behavior، بحد أقصى 1,024 رمزًا، تتم مراجعته بواسطة إنسان ثم يُسلَّم إلى نموذج لغوي كبير منفصل يؤدي دور المستخدم في محاكاة. رخصة MIT على مساهمة مايكروسوفت، ورخصة Apache 2.0 موروثة من البنية الأساسية Qwen. نصي فقط، على الرغم من أن نقطة التحقق تحتفظ ببرج رؤية لا يستخدمه أبدًا.
يمكن مطالبة Gemma 4 12B بأن يفعل ما يفعله UserRepGen-4B — قراءة محادثة ووصف المستخدم الوارد فيها. وهذا على وجه التحديد هو المدخل الأمين إلى هذه المواجهة، لأن بطاقة Microsoft تقيس نموذجًا عامًا يفعل ذلك بالضبط، وهو يخسر.
العدد الحقيقي الوحيد الذي يربط بينهما
لا توجد مقارنة مباشرة منشورة بين هذين الاثنين، واختلاق واحدة سيكون الفشل السهل لصفحة كهذه. ما تنشره بطاقة UserRepGen-4B فعلاً هو تقييم وفاء لمحادثة من 700 محادثة على مقياس من 1 إلى 10، حيث يُحكم على كل مولّد عبر استدعاءات متطابقة. في ذلك الجدول، GPT-5.5 عند استخدامه جاهزاً كمولّد تمثيلات يسجّل 3.90 لأفضل-من-1 و4.90 لأفضل-من-3. ويسجّل UserRepGen-4B 4.95 و6.02. المتخصص المدرّب بحجم 4B يتفوق على معمّم حدودي أكبر منه بمراتب عدة في هذه المهمة تحديداً.
Gemma 4 12B ليس في ذلك الجدول، لذا لا أحد يعرف أين سينتهي به المطاف. لكن خط الأساس الذي سيُقاس عليه يجعل شكل الإجابة واضحًا: النموذج العام الذي يُطلب منه وصف مستخدم ينتج شيئًا معقولًا وعامًا، وطريقة التدريب في UserRepGen-4B موجودة تحديدًا لتجاوز ذلك. ومن المرجح جدًا أن يتفوق 12B على 4B في الاستدلال العام، وأن يتفوق 4B عليه في هذه المهمة الضيقة.
وهذا يطرح السؤال البديهي عن سبب عدم قيامك ببساطة بتوجيه Gemma 4 12B لفعل الشيء نفسه والاحتفاظ بنموذج واحد على قرصك. هناك سببان، والثاني هو الأهم.
الأول هو التكلفة عند الحجم الكبير. إن توليد تمثيل لكل محادثة مهمة دفعية، وتكلّف المعاملات البالغ عددها 12B نحو ثلاثة أضعاف ما تكلّفه المعاملات البالغ عددها 4B في التمريرة نفسها. والثاني أن فجوة الدقة ليست مشكلة ضبط — فعمليات الاستئصال الخاصة بالبطاقة نفسها تُظهر أن الضبط الدقيق الخاضع للإشراف العادي يسجّل 4.64/5.68، بينما يقع كل من OPSD وGRPO، وهما طريقا التعلم المعزز اللذان سيلجأ إليهما فريق كفء أولًا، أدنى منه عند 4.46/5.60 و3.57/4.59. إن إيصال نموذج عام إلى هذا السلوك ليس مسألة مطالبة أفضل أو تشغيل تعلم معزز أثقل. إنه ما صُممت حلقة التدريب من أجله.
كلاهما قابلان للتنزيل، وواحد منهما فقط قابل للنشر.
هنا ينهار تمامًا إطار المقارنة بين 4B و12B، لأن الإصدارين يقعان على طرفين متقابلين من طيف التغليف.
• Gemma 4 12B — منتج تم إصداره مع منظومة عمل فعّالة. دعم Transformers، ونسخة مضبوطة بالتعليمات، وصيغ مُكمَّمة وموجّهة للأجهزة الطرفية منشورة عبر العائلة، ومقال إطلاق، وتقرير تقني على arXiv، ومسار موثّق من التنزيل إلى التشغيل.
• UserRepGen-4B — ملف safetensors واحد بصيغة bfloat16 بحجم 9,078,620,536 بايت. لا يوجد GGUF، ولا ONNX، ولا MLX، ولا أي تكميم من أي نوع. تذكر البطاقة ذلك مباشرةً: "لا تتوفر حاليًا أي صيغ مُحسّنة أو خاصة بالأجهزة."
هذه الفجوة ليست عابرة. بُني Gemma 4 12B ليشغّله آخرون، ويُطرح بأحد عشر مليارًا ونصف من المعاملات كمنتج. أما UserRepGen-4B فقد بُني لإنتاج نتيجة لورقة بحثية، ولا تزال بطاقته تقول إن الاستشهاد «بانتظار التأكيد» وتشير إلى المصادقة «بينما يكون المستودع خاصًا» — سطر متبقٍّ من رفعٍ مُجهَّز لم يُحدَّث. أحدهما مكتمل؛ والآخر مكتمل بما يكفي.
إذا كان ما أردته فعليًا هو Gemma 4 عبر API
يجدر قول هذا بصراحة، لأنه حيث يوجد فعليًا معظم قراء مقارنة Gemma: لا يقدّم OrcaRouter نموذج Gemma 4 12B — فلا توجد صفحة نموذج له في كتالوجنا — ولا يقدّم UserRepGen-4B أيضًا. ومع ذلك، يوجد عضوان آخران من عائلة Gemma 4 نفسها في الكتالوج، وكلاهما يعرض سعر القائمة لدى المزوّد دون أي إضافة: Gemma 4 26B A4B، بنية خليط الخبراء بحجم 25.2B مع 3.8B معلمات نشطة على سياق من 262,144 رمزًا، بسعر $0.06 لكل مليون رمز إدخال و$0.33 لكل مليون رمز إخراج؛ وGemma 4 31B، البنية الكثيفة متعددة الوسائط بحجم 30.7B، بسعر $0.13 و$0.38. إذا كنت تريد 12B تحديدًا للعمل المحلي، فالتنزيل هو الحل ولا يغيّر أي API ذلك.
فيما يخص جانب المحاكاة، فإن الموقف الصادق هو نفسه. إن UserRepGen-4B عبارة عن نقطة تحقق وملف أوامر — تشغّله بنفسك، في بيئتك الخاصة، على محادثات مصرّح لك بمعالجتها. كان سيكون مريحًا لو كان ذلك استدعاءً لنقطة نهاية مستضافة. لكنه ليس كذلك، اليوم، لا عندنا ولا في أي مكان آخر.
أي واحد يجب تنزيله؟
إذا كنت بحاجة إلى مساعد صغير متعدد الوسائط يقرأ المستندات، ويسمع الصوت، ويجيب عن الأسئلة على حاسوب محمول، فإن Gemma 4 12B هو الخيار، ومقارنته بـ UserRepGen-4B ليست حتى قريبة بما يكفي لتكون ذات صلة. وإذا كنت تبني محاكيًا للمستخدمين ونهجك الحالي هو تحفيز نموذج عام ليصف المستخدم، فإن UserRepGen-4B هو الشيء الوحيد هنا الذي دُرّب على ذلك، والأدلة — المبلَّغ عنها من البائع، ومن مختبر واحد، والمُحكَّمة بواسطة GPT-5.4 mini طوال الوقت — تقول إن التدريب يتفوق على التحفيز. ما الذي سيغير الصورة هو الورقة البحثية، أو تقييم مستقل واحد لذلك الرقم 4.95 من خارج Microsoft. لا وجود لأي منهما بعد، وكلاهما يستحق الانتظار قبل أن يستبدل أي شخص خط معالجة فعّالًا به.
المقارنات مثل هذه هي أيضًا حيث تظهر أنماط الفشل: تُجمَع الحوادث الموثقة للذكاء الاصطناعي وإخفاقات الوكلاء الكامنة خلف النماذج في هذه الفئة في OrcaRouter AI Incident Archive، حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته وتصنيف ثقته وعلامة كونه محل خلاف.
