UserRepGen-4B مقابل LFM2.5 2.6B Base: المادة الخام والقطعة المصنّعة
- 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
أسرع طريقة لرؤية ما يفصل microsoft/UserRepGen-4B عن LFM2.5-2.6B-Base هي عد الصيغ. تأتي نقطة تحقق Liquid AI ذات 2.69 مليار معامل بأربع صيغ — أوزان Transformers الأصلية، وGGUF لـ llama.cpp، وONNX لبيئات تشغيل عابرة للمنصات، وMLX لشرائح Apple Silicon — لأنها وُجدت لتُكيَّف وتُنشَر بواسطة آخرين. وتشحن Microsoft UserRepGen-4B بطريقة واحدة: ملف safetensors واحد غير مُكمَّم بصيغة bfloat16 بحجم 9,078,620,536 بايت، مع بطاقة تنص صراحةً على أنه "لا توجد حاليًا صيغ محسَّنة أو خاصة بالأجهزة." أحدهما مادة خام. والآخر قطعة جاهزة. وهما ليسا متنافسين؛ بل مرحلتان متتاليتان من المهمة نفسها، ووضعهما جنبًا إلى جنب هو أوضح طريقة لرؤية ما يتغير فعليًا بين بدء ضبط دقيق وشحن واحد.
الموضعان في المكدس
LFM2.5-2.6B-Base هو نقطة التحقق المُدرَّبة مسبقًا تحت عائلة LFM2.5 التابعة لـ Liquid AI — تلك التي بُنيت منها جميع المتغيرات المُدرَّبة لاحقًا. لم يتم ضبطه وفق التعليمات عن قصد أبدًا. توصي بطاقته الخاصة باستخدامه فقط في "المهام التي تتطلب ضبطًا دقيقًا مكثفًا، مثل المساعدين الخاصين بلغة معينة (مثل اليابانية) أو مجال معين (مثل الطبي)، أو التدريب على بيانات مملوكة، أو تجربة مناهج جديدة لما بعد التدريب." اطرح عليه سؤالًا وسيُكمل نصك بدلًا من الإجابة عليه، لأن الإجابة لم تكن أبدًا جزءًا من تدريبه.
UserRepGen-4B هو ما تبدو عليه الخطوة التالية. أخذت مايكروسوفت Qwen3.5-4B، وأضافت إليه LoRA برتبة 64، ودرّبته عبر الضبط الدقيق الخاضع للإشراف عبر الإنترنت من خلال تقطير الرؤية الخلفية خلال شهري يوليو وأغسطس 2026، ونشرت النتيجة في 14 أكتوبر دون إعلان ودون ورقة بحثية. إنه يفعل شيئًا واحدًا بالضبط — يقرأ محادثة متعددة الأدوار ويكتب وصفًا بصيغة JSON مكوّنًا من حقلين عن المستخدم الوارد فيها — ولا يفعل أي شيء آخر.
إذن، الطرح الصادق ليس «أيهما أفضل». بل هو: أحد هذين هو الشيء الذي تضبطه ضبطًا دقيقًا، والآخر هو ما أنتجه مختبر عبر الضبط الدقيق لشيء آخر.
ما الذي يمنحك إياه التنزيل فعلياً
• المعاملات والبصمة — LFM2.5-2.6B-Base هو 2.69 مليار معامل بمعمارية هجينة؛ أما UserRepGen-4B فهو نموذج من فئة 4B يبلغ ملف أوزانه المنشور نحو 9.1 غيغابايت بصيغة bfloat16، ولا يتوفر منه إصدار أصغر.
• السياق — 131,072 رمزًا على نقطة تحقق Liquid، مقابل تسلسل تدريب يبلغ 9,216 رمزًا على نقطة تحقق Microsoft (8,192 للموجّه، 1,024 للإكمال)، مع عدم دعم الاستخدام الموسّع صراحةً.
• الصيغ — GGUF وONNX وMLX إلى جانب الأوزان الأصلية، مقابل ملف safetensors واحد.
• ترخيص — ترخيص LFM المفتوح (lfm1.0) من جهة، وMIT بالإضافة إلى Apache 2.0 الموروث من جهة أخرى. كلاهما متساهل بما يكفي للبناء عليه؛ وليس أي منهما المستند نفسه.
• اللغات — ست عشرة لغة مسمّاة على بطاقة Liquid، والإنجليزية فقط على بطاقة Microsoft.
• الاعتماد — أصبح LFM2.5-2.6B-Base متاحًا للعموم منذ 1 أغسطس 2026، وقد وصل إلى نحو 6,282 تنزيلًا و51 إعجابًا. أما UserRepGen-4B، الذي رُفع في 14 أكتوبر، فقد كان عند صفر من كليهما حين كُتب هذا.
واحد فقط من تلك الصفوف يتعلق بالجودة. أما الباقي فيتعلق بما إذا كان الشيء يمر عبر الباب الذي لديك.
معماريتان بُنيتا لغرفتين متعاكستين
تصف Liquid نموذج LFM2.5 بأنه «عائلة جديدة من النماذج الهجينة المصممة للنشر على الأجهزة»، وشكل نقطة التفتيش الأساسية ينبع من ذلك. ثلاثون طبقة، اثنتان وعشرون منها كتل التفاف قصيرة مزدوجة البوابات وثماني طبقات انتباه بالاستعلامات المجمّعة، ومفردات من 128,000 رمز وميزانية تدريب تبلغ 34 تريليون رمز. كتل الالتفاف رخيصة في الذاكرة ويمكن التنبؤ بزمن الاستجابة فيها؛ التصميم بأكمله موجّه للهواتف والحواسيب المحمولة وأجهزة الحوسبة الطرفية.
UserRepGen-4B يتبنّى الافتراض المعاكس. عموده الفقري هو حزمة توليد شرطي قياسية من Qwen3.5 — 32 طبقة، وحجم مخفي 2,560، و16 رأس انتباه مع 4 رؤوس مفتاح-قيمة، ومفردات من 248,320 رمزًا، وبرج رؤية منقول كما هو دون تغيير من نقطة التحقق الأصلية رغم أن النموذج نصي فقط والصور غير مدعومة صراحةً. وتفيد Microsoft أنها تستضيفه باستخدام vLLM على وحدات معالجة الرسومات H100 وA100 وRTX A6000 وB200. تلك قائمة مكوّنات لخادم، لا للحوسبة الطرفية.
الفريق الذي يختار بينهما إنما يختار القيد الذي سيقبله: ذاكرة على الجهاز وبيئة تشغيل عليك صقلها حتى تستقيم، أو عتاد مركز بيانات ونموذج يؤدي بالفعل مهمته الوحيدة.
حيث حرّك الضبط الدقيق الرقم فعليًا
هذا هو الجزء من المقارنة الذي لا يستطيع نموذج أساسي الإجابة عنه، بحكم التعريف. لا ينشر LFM2.5-2.6B-Base أي معيار مهام، لأن نقطة الحفظ الأساسية لا تملك مهمة — فأرقام الجودة الخاصة بالعائلة تنتمي إلى النموذج الشقيق الخاضع للتدريب اللاحق.
ينشر UserRepGen-4B واحدًا، وهو أقوى دليل في الإصدار بأكمله. في تقييم وفاء يضم 700 محادثة، يُقيَّم على مقياس من 1 إلى 10:
• Qwen3.5-4B base، النموذج الأساسي غير المُكيَّف — 3.41 في best-of-1، و4.42 في best-of-3.
• GPT-5.5 عند مطالبتـه بأداء المهمة نفسها بشكل جاهز — 3.90 و4.90.
• UserRepGen-4B — 4.95 و6.02.
كل رقم هو رقم مايكروسوفت نفسها، أُنتج في حلقة أدّى فيها GPT-5.4 mini دور المحاكي والمساعد والحكم في آنٍ واحد. ولم يُعَد إنتاج أي شيء بشكل مستقل. لكن شكل النتيجة هو بيت القصيد: فالضبط الدقيق لنموذج أساسي بحجم 4 مليارات معلمة ليتجاوز نموذجًا عامًا رائدًا في مهمة ضيقة هو نتيجة حقيقية قابلة للقياس، وهي بالتحديد النتيجة التي وُجد LFM2.5-2.6B-Base ليجعلها ممكنة في مهمة شخص آخر. وتُظهر بطاقة مايكروسوفت أيضًا أن البديلين الواضحين للتعلم المعزز — OPSD عند 4.46/5.60 وGRPO عند 3.57/4.59 — خسرا كلاهما أمام الضبط الدقيق الخاضع للإشراف العادي، وهو تحذير من افتراض أن الطريقة الأثقل تفوز.
أحد هذه لديه صفحة خصوصية، وهو ليس الأساس.
لا يحتوي النموذج الأساسي المدرب مسبقًا على قسم خصوصية لأنه لا يقدم أي ادعاءات عن الأشخاص. لدى UserRepGen-4B قسم واحد لأنه يقدم ادعاءات عن الأشخاص. تفيد بطاقته أنه على أكثر من 147 مستخدمًا، يحقق مُحدد يختار أي من أربع محادثات جاءت من نفس الشخص 51.02% باستخدام أوصاف سلوك النموذج، مقابل 44.22% على المحادثات الخام و25% عشوائيًا — الملخص يحدد الشخص بشكل أفضل من المصدر. تصنفه Microsoft كخطر قابلية الربط وتذكر أن التمثيلات ليست بيانات مجهولة الهوية.
هذا التباين بنيوي، وليس عيبًا في أيٍّ من الإصدارين. فبمجرد أن يصبح ناتج النموذج وصفًا لإنسان، تتغير المساحة الأخلاقية، ويتعين على البطاقة أن تحمله. وينبغي لأي شخص يضبط LFM2.5-2.6B-Base ضبطًا دقيقًا نحو هدف مشابه أن يتوقع كتابة القسم نفسه بنفسه.
ما الذي يحدده اختيار الأساس لاحقًا
هناك نتيجة من الدرجة الثانية لاستعارة قاعدة نادرًا ما تُؤخذ في الاعتبار وقت الضبط الدقيق: فهي تحدد ما ستتمكن من استدعائه بعد ستة أشهر. بنت Microsoft على Qwen3.5-4B، وتُقدَّم تلك العائلة تجاريًا — Qwen3.5-Flash عبر سياق يتجاوز المليون توكن، بسعر 0.10 دولار لكل مليون توكن إدخال و0.40 دولار لكل مليون توكن إخراج، Qwen3.5-27B بسعر 0.086 دولار و0.688 دولار، Qwen3.5-35B-A3B بسعر 0.057 دولار و0.459 دولار، وكلها يمكن الوصول إليها عبر مفتاح OrcaRouter واحد بسعر قائمة المزوّد دون أي إضافات، وكلها قادرة على الوقوف خلف تجاوز الفشل التلقائي حتى لا تصبح نقطة تحقق بحثية لا توجد إلا على قرصك نقطة فشل واحدة في مسار المعالجة. نحن لا نوفر UserRepGen-4B، ولا نوفر LFM2.5-2.6B-Base أيضًا — فكلاهما من التنزيلات، وسيكون الضبط الدقيق للنموذج الصغير الذي تنتجه من نقطة تحقق Liquid ملكًا لك لتستضيفه. لكن الجانب المساعد من الحلقة، أو المُحكِّم، أو مسار الاحتياط، يمكن أن يكون استدعاء API على مفتاح تملكه بالفعل. هذا قرار تصميمي تتخذه في البداية، عندما تختار القاعدة التي ستكيّفها.
أيّ واحد تريده فعلاً؟
إذا كانت لديك مهمة ولا يوجد نموذج لها، فإن LFM2.5-2.6B-Base هو نقطة البداية الصحيحة: صغير بما يكفي لضبطه الدقيق على عتاد متواضع، وهجين بما يكفي ليعمل على جهاز، ويُشحن بكل صيغة ستحتاجها بعد انتهاء التدريب. وإذا كانت لديك منظومة محاكاة مستخدمين وتحتاج إلى مكوّن يحوّل محادثة منتهية إلى وصف سلوكي قابل للنقل، فإن UserRepGen-4B موجود بالفعل، وكونه ملفًا واحدًا بصيغة واحدة يعد قيدًا لا سببًا لإعادة العمل. والشيء الذي يجب مراقبته هو ما إذا كانت Microsoft تتبعه بالورقة البحثية التي لا تزال بطاقته تَعِد بها. أما بالنسبة إلى Liquid فالسؤال المفتوح مختلف وأقدم: أي الفرق ستتبنى النموذج الأساسي وماذا ستصنع منه.
النماذج الأساسية وُجدت لتُكيَّف، والتكييف هو حيث تحدث الأعطال: الحوادث الموثقة للذكاء الاصطناعي وإخفاقات الوكلاء المتعلقة بالنماذج في هذه الفئة تُجمع في OrcaRouter AI Incident Archive، حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة النزاع.
