ZoomGain-9B مقابل MathForm 8B: نقطتا حفظ بحجم 9B لا يستطيع كل منهما أداء عمل الآخر

يكمن سؤال محمّل خلف ZoomGain-9B وMathForm-8B: فكلاهما عمليات ضبط دقيق بنحو تسعة مليارات معامل نُشرت ضمن النافذة نفسها البالغة ثمانين يومًا، وكلاهما إصدارات بحثية قريبة من Apache-2.0 من مختبرات صينية مرفقة بورقة بحثية، وكلاهما دُرّب تدريبًا لاحقًا بالتعلم المعزز على بضعة آلاف من الأمثلة، وكلاهما يحمل درجة تقييم تبدو مستحيلة بالنسبة لحجمه. الإغراء هو ترتيبهما. المشكلة أن أحدهما لم يرَ صورة قط والآخر لم يرَ برهان Lean قط، لذا لا محور للترتيب.

ZoomGain-9B هي نقطة تحقق للرؤية واللغة من inclusionAI بتاريخ 10 نوفمبر 2026، دُرّبت باستخدام GRPO على 9,000 سؤال مستخرجة من تفاصيل صور مقصوصة، وأقوى نتيجة مُبلّغ عنها هي 90.25 على HR-Bench 4K. أما MathForm-8B فهي أداة الصياغة الرسمية التلقائية من OpenBMB بتاريخ 14 أغسطس 2026، دُرّبت بالضبط الدقيق المُوجّه ثم بالتعلم المعزز على نحو 367,000 مثال من Lean 4، وأقوى نتيجة مُبلّغ عنها هي متوسط 88.06% في pass@8 لفحص الصياغة عبر ستة معايير للصياغة الرسمية التلقائية. لا يقول أي من الرقمين شيئًا عن النموذج الآخر. ما يربطهما هو شيء أنفع من ترتيب: فالإصداران يقدّمان ادعاءات متشابهة على نحو غير معتاد حول كيف يمكن لضبط دقيق صغير أن يتفوق على نموذج عام أكبر بكثير، وتختلف طرق تبريرهما لهذه الادعاءات بما يكفي ليدلّك على أيّهما تثق به ولأي غرض.

الأعمدة الفارغة، المسماة

لا يتضمن ZoomGainBench أي نموذج نصي فقط. فهو مجموعة من الأسئلة حول الصور الفوتوغرافية — التعرف على السمات والعد والتعرف الضوئي على الحروف (OCR) — لذا لا يمكن إدخال نموذج بلا مُرمِّز رؤية، ولم يُدخَل MathForm-8B. في المقابل، فإن معايير التقييم الستة الخاصة بـ MathForm هي FormalMATH وProverBench وCombiBench وثلاثة تقسيمات FATE، وكلها مهام ترجمة من الرياضيات باللغة الطبيعية إلى Lean 4. لم يُشغَّل ZoomGain-9B قط على أيٍّ منها، ولا يوجد سبب للاعتقاد بأنه سيؤدي أداءً جيدًا، لأن لا شيء في تدريبه تضمَّن لغات صورية.

هذا ليس تفصيلًا تقنيًا بشأن معايير القياس، بل هو الشكل الكامل للقرار. إذا كانت مهمتك تُنتج صورة وتستهلك إجابة واقعية قصيرة، فإن MathForm-8B نموذج نصي لا يستطيع محاولة ذلك. وإذا كانت مهمتك تستهلك عبارة رياضية وتُنتج برهانًا بلغة Lean 4 قابلًا للتحقق آليًا، فإن ZoomGain-9B نموذج رؤية لم يُطلب منه ذلك قط. لا يوجد تداخل يمكن قياسه، وهو ما يعني أن المقارنة الصادقة تكون من حيث البنية والأدلة والتكلفة التشغيلية — وتبيّن أن هذه تختلف اختلافًا كبيرًا.

وصفتان للتعلم المعزز، كلتاهما صغيرتان، وما يختلف بينهما

تتألف مجموعة تدريب ZoomGain من 9,000 سجل على 7,713 صورة مصدر. حقبة واحدة، وحجم دفعة 64، وثماني محاولات لكل سؤال، وGRPO مع مكافأة تتحقق مما إذا كان الخيار المحدد يطابق الإجابة المرجعية. جرى توليد البيانات لا شرحها يدوياً: تحدد عدة نماذج منطقة ما، ثم تُوصف القصاصات وتُقارن بأوصاف المشهد الكامل، وتصبح التفاصيل التي تكشفها القصاصة أسئلة عن الصورة الكاملة. اقتصر تدخل البشر على الفرز فقط — وتوضح الورقة صراحةً أنه لم يجرِ أي تحرير يدوي للأسئلة والأجوبة.

مجموعة تدريب MathForm هي FormalVerse، نحو 367,000 مثال مُتحقق منه من Lean 4. الضبط الدقيق بإشراف أولاً، ثم التعلم المعزز مع تغذية راجعة من تجميع Lean وفحص للاتساق الدلالي. استخدم بناء البيانات استرجاع Mathlib قبل التوليد والتحسين التكراري بعده، مع توجيه تشخيصات المترجم للمراجعات.

• النموذج الأساسي — ZoomGain-9B مُدرَّب لاحقًا من Qwen3.5-9B (32 طبقة، الحجم المخفي 4,096، الحجم الوسيط 12,288، 262,144 موضعًا، جدول انتباه خطي إلى كامل بنسبة 3:1). MathForm-8B مُدرَّب لاحقًا من Qwen3-8B (36 طبقة، كلها انتباه كامل، الحجم المخفي 4,096، الحجم الوسيط 12,288، 40,960 موضعًا، 32 رأس استعلام مقابل 8 رؤوس KV عند بُعد الرأس 128، ثيتا rope 1e6).

• الأبعاد المشتركة — يرث كلاهما عرضًا مخفيًا قدره 4,096 وعرضًا وسيطًا قدره 12,288 من نموذجَي Q​wen الأصليين لهما، وهي المصادفة الأكثر لفتًا منفردة بينهما، وهي سمة خاصة بالعائلة لا بالضبط الدقيق.

• المفردات — 248,320 رمزًا لـ ZoomGain-9B مقابل 151,936 لـ MathForm-8B. ومفردات MathForm من جيل Qwen3، وهذا مهم: فشيفرة Lean 4 والرموز الرياضية في Unicode ورموز البرهان تُجزَّأ إلى رموز بشكل مختلف في كل منهما.

• السياق — لا تذكر بطاقة ZoomGain-9B شيئًا، ويصرّح ملف إعداداته بـ262,144؛ ويصرّح ملف إعدادات MathForm-8B بـ40,960، كما أن أمر الخدمة الموصى به محدود عند 16,384 مع حد أقصى max_new_tokens يبلغ 16,384 رمزًا. بالنسبة إلى الأتمتة الشكلية، فإن طول المخرجات هو القيد الحاكم، وليس طول المدخلات.

• النمط — إدخال صورة ونص وإخراج نص لأحدهما؛ إدخال نص وإخراج نص للآخر.

• الترخيص — ZoomGain-9B: الشيفرة بموجب Apache 2.0، وشروط نقاط التحقق مؤجلة، ولا يوجد وسم ترخيص في بيانات Hub الوصفية. MathForm-8B: Apache 2.0 مع ملف LICENSE في المستودع.

• التوزيع — يتوفر ZoomGain-9B بصيغة BF16 بالإضافة إلى GGUF بصيغ F16 وQ8_0 وQ4_K_M. ويتوفر MathForm-8B بصيغة BF16 safetensors موزعة على أربعة أجزاء بإجمالي يقارب 16.4 GB، بالإضافة إلى نسخ GGUF وMLX المجتمعية، لكن من دون تكميم خاص به يوفره المورّد.

أرقام MathForm-8B، ولماذا يسهل التحقق منها أكثر مما تبدو عليه

يذكر OpenBMB متوسط معدل نجاح قدره 88.06% في فحص الصياغة pass@8 و72.37% في فحص الاتساق pass@8 عبر معاييرها الستة. وفي الجدول نفسه، يبلغ ReForm-8B ‏81.76 و66.21، ويبلغ Goedel-Formalizer-V2-32B ‏78.28 و63.74، ويبلغ StepFun-Formalizer-32B ‏63.65 و44.47. وتُعدّ تقسيمات FATE الثلاثة هي الموضع الذي تنهار فيه النماذج المتخصصة بينما لا ينهار MathForm: إذ يسجل FATE-X ‏54.00 في الصياغة و37.00 في الاتساق، مقابل 45.00 و21.00 لدى ReForm-8B.

هناك أمران يجعلان تلك الأرقام أكثر مصداقية من جدول مورّد نمطي. أولًا، المهام ميكانيكية بطريقة لا تكون عليها مهام الإدراك — فعبارة Lean 4 إما تُجمَّع أو لا، وفحص الاتساق يقارن المعنى بالقضية المصدرية. ومن الصعب تسجيل نتيجة متفائلة لمعيار تقييم قابل للتحقق آليًا جزئيًا. ثانيًا، تذكر الورقة أن النموذج القائم على SFT فقط أسوأ: يحقق MathForm-8B-SFT 84.38 في الصياغة النحوية و66.53 في الاتساق، لذا فإن مرحلة RL تقوم بعمل قابل للقياس بدلًا من أن تكون مجرد تجميل لنموذج مكتمل.

وهناك أيضاً مقارنة جديرة بالاقتباس لأنها تتعارض مع طريقة تأطير النموذج لنفسه. فعلى اختبارات القياس الستة نفسها، تسجّل Qwen3.7-Plus — وهي نقطة نهاية تجارية عامة الأغراض — 86.33 في التركيب و83.38 في الاتساق. ويتفوق عليها MathForm-8B في التركيب بفارق 1.7 نقطة، ويخسر في الاتساق بفارق 11 نقطة. يفوز الضبط الدقيق المتخصص في مهمة المطابقة التامة، ويخسر في المهمة التي تتطلب أن تعني الصياغة الرسمية الشيء نفسه الذي يعنيه المصدر. إذا كانت خطوط معالجتك تحتاج إلى عبارة قابلة للترجمة إلى صيغة رسمية، فإن المتخصص الصغير صفقة رابحة. وإذا كانت تحتاج إلى عبارة أمينة، فقد يظل النموذج العام المزوّد بالاسترجاع متقدماً.

أرقام ZoomGain-9B، مع نفس المحاسبة

يُبلِغ المؤلفون عن 90.25 على HR-Bench 4K مقابل 82.13 للنموذج الأساسي، و93.19 على V*Bench مقابل 86.91، و56.31 على VisualProbe مقابل 44.66، و70.00 على MMVP مقابل 60.00، و68.12 على O3-Bench مقابل 56.52. ويبلغ متوسط الأداء على المعايير الثلاثة عشر المحجوزة 66.10 مقابل 59.75. وعلى ZoomGainBench — المعيار المبني بالخط نفسه المستخدم في بيانات التدريب — يسجل النموذج 55.48، وتسمّي الورقة ذلك العمود "Held-in" بدلًا من إخفاء هذا التمييز.

الفرق البنيوي عن أدلة MathForm هو أن معيار ZoomGain ليس قابلاً للتحقق آليًا بالطريقة نفسها. إجابات الاختيار من متعدد تُطابَق مطابقة تامة، والعدّ يُطابَق مطابقة تامة على عدد صحيح، وOCR يُقيَّم بـ ANLS — لكن الأسئلة نفسها مولَّدة، وفحص المؤلفين أنفسهم هو أن الإجابات يمكن التحقق منها على العرض المقتطع. السؤال المولَّد بإجابة مُتحقَّق منها يبقى سؤالاً مولَّدًا.

أُنتج كلا الإصدارين جزئيًا باستخدام نماذج بوصفها مُعلِّقة. يذكر ملحق ZoomGain الأدوار: Qwen3.5-397B-A17B لوصف المشاهد والإسناد المرجعي والتحقق النهائي من أسئلة الاختيار من متعدد؛ وQwen3-VL-235B-A22B-Instruct وKimi-K2.6 للتحقق القائم على الاقتصاص والإجابة العمياء؛ وDeepSeek-V4-Pro لتجميع المُشتِّتات. بُني FormalVerse التابع لـ MathForm عبر خط معالجة يسترجع من Mathlib ثم يدع المترجم يرفض التوليدات السيئة. خط معالجة واحد يعتمد على مُدقِّق لا يمكن استمالته إلى الموافقة؛ والآخر يعتمد على نماذج تفحص عمل نماذج أخرى، مع فحص بشري فقط.

خدمتهم، بالمصطلحات التي سيسأل عنها فريق العمليات لديك

يبلغ حجم ZoomGain-9B نحو 18.82 GB بصيغة BF16، ويعمل ضمن vLLM 0.19.1 مع transformers 5.7.0 — وهما النسختان الدقيقتان اللتان استخدمهما المؤلفون — أو ضمن إصدار llama.cpp يدعم الوسائط المتعددة في Qwen3.5 باستخدام ملفات GGUF إضافةً إلى مُسقِّط. ويُبقي جذعه الذي يغلب عليه الانتباه الخطي ذاكرة KV المؤقتة متواضعة عند أطوال التسلسلات الطويلة، وهي الخاصية المهمة عندما يحمل طلب واحد صورة عالية الدقة بدلًا من مستند طويل.

يبلغ حجم MathForm-8B نحو 16.4 GB بصيغة BF16، ويُقدَّم عبر vLLM بحد أقصى لطول النموذج قدره 16,384، أو عبر SGLang بالسياق نفسه، عند درجة حرارة 0.6 وtop-p 0.95 مع ميزانية إخراج قدرها 16,384 رمزًا. يتطلب تقييمه تشغيل Kimina Lean Server وLean 4.21.0، وهو الجزء الذي يقلّل الناس من تقديره: فأنت لا تنشر نموذجًا فحسب، بل تنشر سلسلة أدوات Lean إلى جانبه. إن التغذية الراجعة من التجميع هي إشارة المكافأة أثناء التدريب واختبار القبول أثناء التقييم، لذا لا يمكن لخط معالجة يفتقر إلى Lean أن يقيس ما إذا كان هذا النموذج يعمل.

لا يوجد أيٌّ منهما في كتالوج OrcaRouter اليوم، ولا يدّعي هذا المقال خلاف ذلك. ما يمكننا فعله هو توجيه العمل المحيط. إن خط أنابيب مستندات يقرأ صفحة ممسوحة ضوئيًا ثم يتحقق من الحسابات الرياضية الواردة فيها يتكوّن من نصفين: استدعاء الرؤية واستدعاء الاستدلال. مفتاح واحد عبر أكثر من 200 نموذج بسعر القائمة لدى المزوّد دون إضافة أي هامش ربح، قاعدة توجيه ترسل كل نصف إلى نقطة نهاية تستوفي معاييرك، وتحويل تلقائي عند الفشل إذا تعطّل أيّ منهما — تلك هي الطبقة الكامنة تحت كلا النصفين، وهي السبب في أن خط أنابيب من نموذجين لا يعني بالضرورة مورّدَين وعقدَين.

أي واحد يجب تنزيله؟

اختر MathForm-8B إذا كانت مشكلتك صورية وكانت سلسلة أدواتك هي Lean بالفعل. الأدلة أقوى، والترخيص لا لبس فيه، والمخرجات قابلة للتحقق آليًا، وعجز الاتساق البالغ 11 نقطة مقابل نموذج عام هو قيد حقيقي ينبغي أن تعرفه قبل أن تلتزم. اختره خصوصًا لتقسيمات FATE، حيث تنخفض خطوط الأساس المتخصصة إلى 21% من الاتساق ويحافظ هو على 37%.

اختر ZoomGain-9B إذا كانت مشكلتك تتمثل في تفصيل داخل صورة وكانت إجابتك قصيرة. مكاسبه على بيانات محجوزة قابلة للتصديق بالنسبة لـ9,000 عينة، ومقياس أدائه قابل للتنزيل كي تتحقق من الادعاء بنفسك، ورخصته هي الشيء الوحيد الذي يجب أن تقرأه قبل الشحن. لا تختره متوقعًا أن يكون مساعدًا بصريًا عامًا؛ لا شيء في الإصدار يختبر ذلك.

وإذا كنتَ تأمل في حُكمٍ يحدد أيُّ النموذجين أفضل بين نموذجَي التسعة مليارات معامل، فإن ملاحظات الإصدار تجيب عن ذلك على نحو أفضل مما يستطيع أي ترتيب أن يفعله: فقد بُنيا ليُتحقق منهما مقابل أنواع مختلفة من البيانات المرجعية، ولا تُترجَم إلى كود قابل للتنفيذ إلا واحدة من تلك البيانات المرجعية.