UserRepGen-4B مقابل Qwen 3.8: نموذج 4B مضبوط بدقة عمره سبعة أشهر في مواجهة النموذج الرائد الحالي لدى Alibaba

ابدأ بالحقيقة التي تجعل هذا الاقتران غريبًا. microsoft/UserRepGen-4B، الذي رُفع في 14 أكتوبر 2026 دون أي إعلان، هو نسخة مضبوطة (fine-tune) من Qwen3.5-4B — نقطة التحقق (checkpoint) من فبراير 2026، أي بجيل كامل خلف النموذج الذي يُقارَن به هنا. Qwen 3.8 هو جيل علي بابا من أغسطس 2026، ومن أعضائه المتاحين للخدمة Qwen3.8-Max، الطراز الرائد بسعر 2.00 دولار لكل مليون رمز إدخال و6.00 دولار لكل مليون رمز إخراج ضمن سياق يبلغ مليون رمز، Qwen3.8-27B بسعر 0.33 و2.40 دولار على 262,144 موضعًا، وQwen3.8-Flash بسعر 0.15 و0.47 دولار. نظرت مايكروسوفت إلى تلك العائلة واختارت الرجوع جيلًا واحدًا إلى الوراء للحصول على قاعدة بحجم 4B. ثم نشرت جدولًا يُظهر أن النموذج الناتج يتفوق على GPT-5.5 في الشيء الوحيد الذي يتقنه. هذا المزيج هو المقال بأكمله: ما يمنحك إياه الضبط الموجَّه ولا يمنحك إياه طراز رائد أحدث، وما يكلفك الحصول عليه.

أولاً، ما الذي يُعد "Qwen 3.8" اسمًا له؟

يجدر تحديد ذلك بدقة قبل أي مقارنة، لأن اسم العائلة يغطي عدة عناصر مختلفة جدًا، وتتفاوت الأسعار بأكثر من ثلاثة عشر ضعفًا. الأعضاء الثلاثة المطروحة هي التي تهم لاتخاذ قرار:

• Qwen3.8-Max — الطراز الرائد، متعدد الوسائط أصليًا عبر النص والصورة والفيديو، بسياق يبلغ مليون رمز، ويُقدَّم بثلاث صيغ بروتوكولية، بما فيها صيغة متوافقة مع Anthropic. الفئة المتميزة، للحالات التي تتغلب فيها الدقة في المسائل الصعبة على التكلفة.

• Qwen3.8-27Bالنموذج الكثيف مفتوح الأوزان بموجب Apache 2.0، سياق من 262,144 رمزًا، يدعم إدخال النص والصورة والفيديو. بطاقة علي بابا الخاصة تذكر 90.3 على LiveCodeBench v6، و89.2 على GPQA Diamond، و84.3 على OSWorld-Verified و79.0 على QwenSWEBench — أرقام مذكورة من البائع، لم يتم إعادة إنتاجها بشكل مستقل.

• Qwen3.8-Flash — مسار الحجم الكبير، سياق بمليون توكن، وبسعر مناسب للمهمة القصيرة التي تُشغَّل مليون مرة. وهناك أيضًا Qwen3.8-Max (0902) نسخة مؤرّخة في الكتالوج بالأسعار نفسها، تثبّتها عندما تحتاج إلى سلوك قابل لإعادة الإنتاج بدلًا من الحافة المتحركة.

لا جديد في أي من ذلك، وليست هذه الصفحة تقريرًا عن إطلاق Qwen. فعمر هذا الجيل خمسة أشهر. وهو موجود هنا لأنه الجانب الأحدث والأكبر والأفضل في نتائج الاختبارات المعيارية في المقارنة، ولأن الادعاء المثير للاهتمام لا يكون منطقيًا إلا في مقابل شيء بهذه القوة.

الادعاء، بصياغة دقيقة

تُفيد بطاقة نموذج Microsoft بتقييم للوفاء على 700 محادثة محجوزة، مُقيَّمة من 1 إلى 10 بواسطة حَكَم LLM، حيث يُوصَل كل مولِّد تمثيلات في حلقة المحاكاة نفسها:

• Qwen3.5-4B، العمود الفقري غير المُعدَّل — 3.41 لأفضل نتيجة من 1، و4.42 لأفضل نتيجة من 3.

• GPT-5.5، عند توجيهه بمطالبة جاهزة لوصف المستخدم — 3.90 و4.90.

• UserRepGen-4B، بعد الضبط الدقيق الخاضع للإشراف عبر الإنترنت من خلال التقطير بالرؤية الخلفية — 4.95 و6.02.

كل رقم هو رقم Microsoft نفسه، بتقييم GPT-5.4 mini، ولم يُعَد إنتاج أي منه خارج المختبر. اقرأه كادعاء اتجاهي لا كنتيجة مستقرة. لكن الاتجاه لا لبس فيه، وهو لا يتعلق بعدد المعاملات: فقد حرّكت طريقة التدريب العمود الفقري 1.54 نقطة best-of-1، وتجاوزت في الطريق نموذجًا عامًا رائدًا. القراءة المقصودة ليست "النماذج الصغيرة تتغلب على النماذج الكبيرة" — بل إن أساسًا بحجم 4B من فبراير، مُدرَّبًا بضبط دقيق مكثف على سلوك ضيق واحد، يمكنه التغلب على نموذج أكبر بكثير لم يكن سوى أن يُطلب منه أن يؤدي ذلك السلوك.

Qwen3.8-Max ليس في ذلك الجدول. ومن المفترض أن يبلو بلاءً أفضل مما فعل GPT-5.5، لأنه نموذج عام أقوى. ومع ذلك سيبقى يخمّن السلوك، لأن لا شيء في تدريبه حُسِّن من أجله.

لماذا كانت قاعدة عمرها سبعة أشهر هي الخيار الصحيح

تبدو الفجوة بين الأجيال وكأنها خطأ حتى تكتشف ما يحتاجه الضبط الدقيق فعلاً من نموذجه الأساسي. إنه يحتاج إلى نموذج طليق تقريبًا، ورخيص التشغيل، ومستقر بما يكفي بحيث يمكن لـ LoRA برتبة 64 تحريكه دون تدميره. إنه لا يحتاج إلى استدلال متقدم، لأن المهمة ليست استدلالاً — إنها وصف محادثة تم تسليمها إليه.

تفصيلان في البطاقة يؤكدان هذه القراءة. الأول هو سقف المخرجات: 1,024 توكن للتمثيل، مقابل 8,192 للمحادثة. والثاني هو ميزانية التدريب — من يوليو إلى أغسطس 2026، أي شهرين — وأن الطريقتين الأثقل خسرتا كلتاهما. سجّل OPSD نتيجة 4.46/5.60 وسجّل GRPO نتيجة 3.57/4.59، وكلاهما أقل من الضبط الدقيق الإشرافي العادي عند 4.64/5.68. عندما يتفوق أسلوب رخيص على أسلوبين مكلفين، فلم تكن عنق الزجاجة يومًا قدرة العمود الفقري. كان الانتقال إلى أساس رائد لعام 2026 سيجلب نموذجًا يكلف أكثر في كل تمريرة لأداء المهمة نفسها بالسقف نفسه.

لهذا الاختيار ثمن، والبطاقة صريحة بشأنه بدلًا من إخفائه. ولأن برج الرؤية جاء مع نقطة التحقق الأم، يُحمَّل النموذج عبر AutoModelForImageTextToText ويحمل مسارات برمجية للصور والفيديو لا يستخدمها أبدًا — فإدخال الصور والفيديو غير مدعوم صراحةً في هذا الإصدار. أنت ترث أمتعة البنية المعمارية إلى جانب طلاقتها.

حساب التكلفة، الذي لا يسير على النحو الذي يتوقعه الناس

ردّ الفعل التلقائي هو أن الاستدلال المحلي أرخص. وعلى النطاق الذي صُمّم هذا النموذج من أجله، فهو عادةً ليس كذلك، وإجراء الحسابات بأمانة يغيّر القرار. خذ دفعة من 700 محادثة — بالحجم نفسه الذي اعتمدته مايكروسوفت في تقييمها — بنحو 2000 رمز إدخال و400 رمز إخراج لكل استدعاء.

• من خلال Qwen3.8-27B بسعر 0.33 دولار و2.40 دولار لكل مليون: حوالي 1.13 دولار من إجمالي إنفاق الرموز للدفعة بأكملها.

• من خلال Qwen3.8-Max بسعر 2.00 و6.00 دولار: حوالي 4.48 دولار.

في المقابل، يكلّف UserRepGen-4B تنزيلًا بحجم 9.1 GB، ووحدة معالجة رسوميات بذاكرة كافية لاحتضانه بصيغة bfloat16، وعملًا هندسيًا لربط صنف Python. وتفيد Microsoft بأنه خُدِم مع vLLM على عتاد H100 وA100 وRTX A6000 وB200، وتلاحظ أن الاستدلال على CPU يحتاج إلى float32 و«ذاكرة أكبر بكثير من ملف الأوزان البالغ نحو 9.1 GB». وإذا كان الاعتبار الوحيد هو الدولارات لكل توكن، فإن الوصول عبر API إلى نموذج أقوى يفوز عند هذا الحجم، وليس بفارق ضئيل.

مما يعني أن الأسباب الحقيقية لتشغيل UserRepGen-4B بنفسك هي تلك التي لا تظهر في قائمة الأسعار: المحادثات التي تغذيها بها. تقول بطاقته الخاصة بمعالجة المحادثات التي لديك إذن بمعالجتها فقط، وتقليل المعلومات التي تحدد الهوية أولاً، وأن التمثيلات ليست بيانات مجهولة الهوية — فالأوصاف السلوكية للنموذج تحدد شخصاً من بين أربعة مرشحين بنسبة 51.02% من الوقت، أفضل من المحادثات الخام التي يلخصها بنسبة 44.22%. أحد المكونات التي تحول المحادثات إلى ملفات تعريف محمولة قابلة للقراءة البشرية هو مكون قد ترغب في الاحتفاظ به داخل شبكتك الخاصة بغض النظر عن تكلفة استدعاء API.

أين تندرج طبقة توجيه في خط أنابيب كهذا

غالبًا ما يكون هذا شكلًا بنموذجين أكثر من كونه شكلًا بنموذج واحد: مولّد التمثيلات على عتادك الخاص، ونموذج عام يتولى جانب المساعد، أو التحكيم، أو حلقة التقييم المحيطة به. النصف الثاني هو الجزء الذي يعمل عبر API.

جميع أعضاء Qwen 3.8 الثلاثة المخدومين موجودون على OrcaRouter بسعر القائمة لدى المزوّد دون أي إضافات — $2.00 و$6.00 لـ Max، و$0.33 و$2.40 لـ 27B، و$0.15 و$0.47 لـ Flash — على مفتاح واحد، مع تجاوز فشل تلقائي عبر المزوّدين بحيث لا يموت استدعاء المُحكِّم في حلقة تقييم بسبب مزوّد واحد. إذا كنت تمرّر دفعة من مئات المحادثات عبر عدة محاكيات ومُحكِّمين، فإن تجاوز الفشل هذا يهم أكثر من سعر الرمز الواحد، لأن تشغيلًا يموت عند المحادثة 400 يهدر الـ399 التي قبله. تتيح لك لغة توجيه DSL تركيب المساعد والمُحكِّم في استدعاء واحد بدلًا من تسلسل استدعاءين. ما لا نفعله هو تقديم UserRepGen-4B: لا يوجد في فهرسنا أي إدخال له، ولا ينبغي قراءة أي شيء هنا على أنه ادعاء توافر لنقطة تحقق Microsoft.

القرار، دون مواربة

إذا كنت تريد نموذجًا عامًا يستدل ويبرمج ويقرأ الصور ويستوعب مليون رمز، فلا شيء في هذه المقالة يجادل ضد Qwen3.8-Max — فـ UserRepGen-4B لا يستطيع فعل أيٍّ من ذلك، والمقارنة بنموذج رائد ليست مقارنةً خاضها. وإذا كنت تريد محاكيًا للمستخدم مشروطًا بسلوك محادثة واقعي، فلم يُدرَّب أيٌّ من أعضاء Qwen 3.8 على ذلك أيضًا، والخيار بين نموذج محلي صغير مُضبط ضبطًا دقيقًا له أفضلية مقيسة ونموذج API كبير لا يملك أي أفضلية.

السؤال المفتوح هو نفسه الذي يخيم على الإصدار بأكمله: لا توجد ورقة بحثية. تقول البطاقة إن الاستشهاد "بانتظار التأكيد"، ولا يزال سطر عن كون المستودع خاصًا موجودًا في قسم الاستخدام بعد أن أصبح المستودع عامًا، وكل رقم في جدول الأمانة يعود في أصله إلى حَكَم خاص بمختبر واحد. بنت مايكروسوفت نموذجًا يتفوق على أقوى خط أساس اختُبر ضده. أما ما إذا كان يتفوق على خط الأساس الخاص بك، فهذا أمر لا يمكن أن يجيب عنه إلا تقييم تشغله بنفسك.

يُعدّ نموذج مُحسَّن مضبوط عمره سبعة أشهر ويُقاس مقابل نموذج رائد حالي أيضًا مكانًا جيدًا للسؤال عمّا فشل سابقًا: فالحوادث الموثّقة للذكاء الاصطناعي وإخفاقات الوكلاء المرتبطة بنماذج في هذه الفئة مجموعة في the OrcaRouter AI Incident Archive، حيث يحمل كل مُدخَل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محل نزاع.