WeVisOne-VL-4B مقابل LFM2.5-VL-3B: متخصص في إزالة الخلفية ضد سريع على الحافة

تنشر Liquid AI رقم سرعة لنموذج LFM2.5-VL-3B، بينما لا تنشر Tencent أي رقم لنموذج WeVisOne-VL-4B. هذا التفاوت، أكثر من أي صف في جدول مقارنة، هو جوهر المواجهة. فـ LFM2.5-VL-3B نموذج طرفي بمعاملات 3.1 مليار مُهيّأ ليجيب في تمريرة واحدة: 228 رمزًا في الثانية على Apple M5 Max، و20 رمزًا في الثانية على Galaxy S26 Ultra، بذاكرة أقل من 3.3 غيغابايت، وست عشرة لغة. أما WeVisOne-VL-4B فهو نموذج إدراكي بمعاملات 4.83 مليار يستهلك ما يصل إلى 1,960 رمزًا بصريًا وفكّاك ترميز بمعاملات 9.6 مليون ليعطيك قناع ألفا بالدقة الكاملة. أُحِدّ أحدهما ليكون سريعًا بما يكفي ليستقر داخل واجهة هاتف؛ وأُحِدّ الآخر لإخراج البكسلات. يتقاطعان عند كلمة «الرؤية» ولا يكادان يتقاطعان في أي شيء آخر.

وهذا ما يجعل هذه المقارنة جديرة بأن تُجرى بعناية، لأن نسختها البديهية — وضع جداول المعايير جنبًا إلى جنب ثم إعلان فائز — ستكون خاطئة على نحو محدد وذا دلالة تعليمية.

جداول المعايير لا تتواصل مع بعضها البعض

ينشر كلا الطرازين أرقام التعبيرات الإحالية، ويبدو الرقمان قابلين للمقارنة. لكنهما ليسا كذلك. يبلّغ LFM2.5-VL-3B عن P@1 بمتوسط RefCOCO قدره 87.9. ويبلّغ WeVisOne-VL-4B عن متوسط F1 لاختبار RefCOCOg قدره 81.8. تقسيم مختلف لمجموعة البيانات، ومقياس مختلف، ونمط فشل مختلف: يسأل P@1 عمّا إذا كان الصندوق الأعلى ترتيبًا صحيحًا، بينما يحسب متوسط F1 متوسط الدقة والاستدعاء عبر عتبات IoU من 0.5 إلى 0.95. يمكن لطراز أن يفوز في أحد هذين ويخسر في الآخر بفارق كبير دون أن تكون أي من النتيجتين مفاجئة.

الفخ نفسه موجود في كل صف آخر. الرقم 80.7 الذي تحققه Liquid على ScreenSpot-v2 يقيس تحديد مواضع عناصر واجهة المستخدم؛ ولا يملك Tencent أي رقم على ScreenSpot. معدل الرفض البالغ 96.4% لدى Tencent على WeRef-Bench يقيس ما إذا كان النموذج يرفض الإجابة عندما لا يكون الكائن موجودًا؛ ولا تنشر Liquid أي مقياس رفض على الإطلاق. لم يقيّم أي من الموردين نموذج الآخر، لذا لا يوجد صف في أي من الجدولين يمثل مقارنة مباشرة.

ما يمكن قوله بصدق هو اتجاهي. إن LFM2.5-VL-3B نموذج عام قوي بحجمه — بمتوسط 69.4 عبر 28 معيارًا بصريًا وفق حسابات Liquid الخاصة، ضمن 0.7 نقطة من Qwen3.5-4B — وقفزته في ScreenSpot-v2 من قرب الصفر في الجيل السابق إلى 80.7 هي أكبر تحسّن منفرد في جدوله. أما WeVisOne-VL-4B فلا ينافس على هذا المحور. فأقوى مزاعمه تتعلق بالكشف الكثيف عن الأجسام الصغيرة، والرفض، والإخراج على مستوى البكسل، ولا يحاول LFM2.5-VL-3B أيًا منها.

ما هو كل طراز ماديًا

• المعاملات — WeVisOne-VL-4B كثيف 4.83B (نقطة تحقق F32) مقابل LFM2.5-VL-3B كثيف 3.12B (BF16)

• مسار الرؤية — عمود فقري Qwen3-VL مع مُفكِّك بكسل بسعة 9.6M مقابل قاعدة نصية هجينة LFM2.5-2.6B تجمع بين الالتفاف والانتباه مع مُرمِّز SigLIP2 NaFlex 400M

• الذاكرة — نحو 19 غيغابايت على القرص لنقطة حفظ F32 4B مقابل أقل من 3.3 غيغابايت إجمالي البصمة لطراز 3B

• السياق — لا يوجد رقم منشور لـ WeVisOne-VL-4B مقابل 32,768 رمزًا لـ LFM2.5-VL-3B

• اللغات — غير محددة لـ WeVisOne-VL-4B مقابل 16 لـ LFM2.5-VL-3B، مع مفردات بحجم 128K مبنية للنصوص غير اللاتينية

• أنواع المخرجات — صناديق ونقاط وأقنعة وalpha mattes مقابل صناديق ونص فقط

• الترخيص — Apache 2.0 للشيفرة التي ألّفها Tencent مقابل LFM Open License v1.0

• السرعة — غير منشورة مقابل 228 tok/s على M5 Max، و116 tok/s على Ryzen AI Max+ 395، و20 tok/s على Galaxy S26 Ultra

فجوة القدرات التي تحسم الأمر فعليًا

يمكن لـ LFM2.5-VL-3B أن يخبرك بمكان وجود شخص في صورة. ويمكن لـ WeVisOne-VL-4B أن يخبرك بمكان وجود شخص، وأن يُعيد قناعًا ثنائيًا لذلك المثيل، وأن يُعيد مات ألفا متصلًا بحواف ناعمة — الشعر، والفراء، والأقمشة الشفافة، وضبابية الحركة — بالدقة الكاملة. هذا فرق من حيث النوع، وليس فرقًا في الجودة. إذا كان منتجك يحتاج إلى تركيب شخص على خلفية جديدة، أو قص صورة منتج، أو تشغيل استبدال خلفية مكالمة فيديو، فإن LFM2.5-VL-3B لا يقدّم لك شيئًا، ولا يغيّر أي قدر من هندسة التوجيهات ذلك.

أجرِ المقارنة في الاتجاه المعاكس وستحدث النتيجة نفسها. إذا كان منتجك يحتاج إلى العثور على زر على شاشة هاتف خلال 40 مللي ثانية، فإن WeVisOne-VL-4B هو الشكل الخاطئ تمامًا: فهو نموذج بحجم 4.83B بلا رقم كمون منشور، ولا إصدارات حافة مُكمَّمة، ومُفكِّك ترميز يفترض صورة واحدة في كل دور. توفّر Liquid إصدارات GGUF وMLX وONNX وإصدارات أصلية، إضافة إلى سياق 32K واختبارات أداء لاستدعاء الأدوات. وتوفّر Tencent حزمة استدلال بحثية وخدمة vLLM/SGLang.

الرفض هو العمود الذي لا يُقدَّر حق قدره.

ثمة قدرة واحدة في جدول Tencent تستحق الانتباه حتى لو لم تتعامل مع matting قط. في WeRef-Bench، يرفض WeVisOne-VL-4B بشكل صحيح 96.4% من الاستعلامات عن كائنات غير موجودة في الصورة، مقابل 73.0% لأفضل خط أساس يذكره المؤلفون؛ وفي PR-Bench تبلغ نسبة الرفض 52.6% مقابل 10.8% لـ Qwen3-VL-4B. يعيد النموذج None بدلاً من اختراع مربع. إن كاشفًا يهلوس أسوأ من عدم وجود كاشف، لأن الفشل صامت والكود اللاحق يثق به.

لا توثّق وثائق LFM2.5-VL-3B أي رقم لمعدل الرفض، لذا لا يوجد ما يمكن المقارنة به — وهذه النقطة في حد ذاتها هي المقصودة. غياب الدليل ليس فشلًا، لكن إذا كنت تبني وكيلًا يقرر ما إذا كان سينقر على شيء ما، فإن وجود معدل رفض مقاس يُعدّ سببًا حقيقيًا للنظر إلى نموذج Tencent أولًا.

الترخيص هو الفارق الصامت

هنا يفترق الاثنان على نحو يهمّ أي شخص يطرح منتجاته تجاريًا. أوزان WeVisOne-VL-4B مرخّصة بموجب Apache 2.0 للشيفرة التي ألفتها Tencent، مع احتفاظ المكوّنات الخارجية بشروطها الخاصة. وتُطرح LFM2.5-VL-3B بموجب LFM Open License v1.0، وهي مجانية للاستخدام التجاري دون حدّ إيرادات معيّن وتتطلب اتفاقية تجارية إذا تجاوزته. إذا كنتم فريقًا صغيرًا، فالفارق نظري. وإذا لم تكونوا كذلك، فأحدهما يستدعي مراجعة قانونية والآخر مجرد سطر في ملف تبعيات.

لا يمنحك أي من الترخيصين خدمة مستضافة. لا يملك WeVisOne-VL-4B أي واجهة برمجة تطبيقات على الإطلاق؛ أما LFM2.5-VL-3B فهو إصدار أوزان، وأي استضافة من طرف ثالث تُعد ترتيبًا منفصلًا. إن قول ذلك بصراحة بات أهم مما كان عليه في السابق، لأن النموذج الذي لا يملك نقطة نهاية هو التزام بامتلاك حزمة الاستدلال.

أين يتلاءم OrcaRouter، وأين لا يتلاءم

لا يوجد أي من هذين النموذجين في كتالوج OrcaRouter اليوم، لذا لا يمثّل أي شيء هنا مسارًا لاستدعائهما. ما تقدّمه المنصة هو القرار المحيط بذلك. معظم الفرق التي تقيّم نموذج VLM طرفيًا بحجم 3B لا تستبدل نموذجًا بآخر — بل تضيف نموذجًا ثانيًا إلى جانب النموذج متعدد الأغراض الموجود بالفعل في الإنتاج، وعادةً ما تقضي التكلفة التشغيلية لعقد مورّد ثانٍ ومفتاح ثانٍ ونمط فشل ثانٍ على التجربة قبل أن يفعل النموذج ذلك.

توجيه كلا النيّتين عبر نقطة نهاية واحدة، مع أكثر من 200 نموذج خلف مفتاح واحد بهامش 0% فوق سعر قائمة المزوّد، يعني أن نموذج الإدراك يمكن أن يكون قرار توجيه بدلًا من مشروع تكامل. وإذا كان نموذج الحافة غير متاح، فإن التحويل التلقائي عند الفشل يرسل الطلب إلى مكان آخر بدلًا من إرجاع 503. هذا هو الجزء الذي يحلّه OrcaRouter فعليًا هنا؛ أما الأوزان ووحدة معالجة الرسوميات فما زالت ملكك.

أيّ واحد تختار

اختر LFM2.5-VL-3B إذا كانت المهمة مقيّدة بالكمون وذات طابع نصي: فهم الشاشة، ووكلاء واجهات المستخدم، والتعرف الضوئي على المستندات مع التخطيط، والترجمة على الجهاز، واستدعاء الأدوات. فهو أسرع من أي شيء تقريبًا في حجمه، ويعمل ضمن ميزانية ذاكرة الهاتف، وقد نشرت Liquid أرقامًا كافية لتتحقق بها سريعًا من الادعاءات مقابل عبء العمل الخاص بك.

اختر WeVisOne-VL-4B إذا كانت المهمة تنتهي بالبكسلات. التقسيم، وإزالة الخلفية (matting)، والكشف الكثيف عن الأجسام الصغيرة، أو أي خط معالجة يحتاج فيه «قال النموذج لا» إلى أن يكون إجابة موثوقة. تقبّل أنك من المتبنّين الأوائل: لا توجد نتيجة تقييم مستقلة، ولا نقطة نهاية مستضافة، ولا يزال كود الضبط الدقيق على قائمة TODO، والورقة البحثية عمرها يومان.

الشيء الوحيد الذي لا ينبغي فعله هو المفاضلة بينهما استنادًا إلى نتيجة معيار واحدة. فلم يقم أي شخص بقياس أحدهما مقابل الآخر على البيانات نفسها.