ZoomGain-9B مقابل Qwen 3.8 8B: لا يوجد Qwen3.8-8B، وهذا هو المقال

ابحث عن "Qwen 3.8 8B" وستجد صفحات مقارنة وروابط تنزيل ونصف دستة من المقالات تتعامل معه بوصفه نموذجًا مطروحًا. لكنه ليس كذلك. تحتوي جيل Qwen3.8 من Alibaba على أربع نقاط تحقق مفتوحة — Qwen3.8-27B، ونسخته FP8، وQwen3.8-2.4T-A95B، وQwen3.8-Flash-Next — ولا أحد منها بحجم 8B. تشغل خانة 8B في تشكيلة Qwen النموذج Qwen3-8B، وهو نموذج من جيل Qwen3 لعام 2025، ذو معمارية مختلفة ومُرمِّز رموز مختلف وحقبة مختلفة. لذا فإن النسخة الأمينة من هذه المواجهة هي بين ZoomGain-9B، نقطة التحقق البصرية-اللغوية بحجم 9B التي نشرتها inclusionAI في 10 نوفمبر 2026، ونموذجي Qwen اللذين يوجدان فعليًا بحجم مماثل: Qwen3.8-27B، أصغر عضو كثيف في جيل 3.8 بـ27 مليار معامل، وQwen3.5-9B، الجذع الذي جرى تدريب ZoomGain-9B لاحقًا انطلاقًا منه.

هذا التصحيح ليس تفصيلًا تقنيًا يُزاح عن الطريق قبل الجزء المثير. إنه يغيّر الإجابة. Qwen3.5-9B هو النموذج الأساسي الذي دُرّب عليه ZoomGain، لذا فهو أقرب شيء إلى تجربة مضبوطة في هذا الإصدار بأكمله: الأوزان نفسها، والبنية نفسها، والمُرمِّز نفسه، وفرق قدره 9,000 عينة من التعلم المعزز. Qwen3.8-27B أكبر بثلاثة أضعاف وأحدث بجيلين، وهو النموذج الذي كنت ستختاره فعليًا بدلًا من ZoomGain لو أردت نقطة نهاية Qwen اليوم. والمقارنة مع كليهما تخبرك بشيء لم يستطع phantom 8B قط أن يخبرك به.

لماذا يوجد الإدخال الوهمي أصلاً

التسمية ليست عشوائية. طرحت Qwen الطرازين 27B و2.4T-A95B في 5 و8 أغسطس 2026، ثم Flash-Next في 24 أغسطس. كان في الجيل السابق، Qwen3.5، طراز 9B وطراز 4B؛ وكان في Qwen3.6 طراز 27B و35B-A3B. كل جيل منذ Qwen3 ضمّ نموذجًا كثيفًا صغيرًا، والجيل 3.8 هو الأول الذي يتخطى واحدًا. أي شخص يبحث عن نمط في الإصدارات الثلاثة السابقة سيتوقع بشكل معقول Qwen3.8-9B، وQwen3.8-8B يبعد رقمًا واحدًا فقط عن ذلك التوقع.

ما يملأ الفجوة فعليًا هو التقطير المجتمعي. ظهرت نقاط تحقق Qwen3.8-9B-Distill على Hub من مختبرات مستقلة خلال أسبوع من إصدار 27B، ثم تبعتها مشتقات لتلك المشتقات. وهي نماذج صغيرة دُرّبت على مخرجات Qwen3.8، وليست نماذج Qwen3.8. وإذا كانت صفحة وجدتها تصف "Qwen 3.8 8B" بأرقام قياس أداء، فالشرح الأرجح أنها تصف أحد تلك النماذج، أو أنها لا تصف شيئًا.

النتيجة العملية: إذا كنت بحاجة إلى نموذج صغير من عائلة Qwen، فإن الخيارات الحقيقية المتاحة حاليًا هي Qwen3.5-9B بحجم 9B وQwen3.5-4B بحجم 4B، وكلاهما من فبراير 2026، وكلاهما بترخيص Apache 2.0، وكلاهما لا يزالان من بين النماذج الأكثر تنزيلًا على Hub. وقد بُني ZoomGain-9B على الأول منهما.

التجربة المضبوطة التي يوفّرها الإصدار عن غير قصد

إعداد Qwen3.5-9B وإعداد ZoomGain-9B بالشكل نفسه: 32 طبقة، وحجم مخفي 4,096، وحجم وسيط 12,288، و16 رأس استعلام مقابل 4 رؤوس KV عند بُعد رأس 256، و262,144 موضعًا أقصى، والجدول نفسه بنسبة 3:1 من DeltaNet الخطي إلى الانتباه الكامل. برج الرؤية هو برج النموذج الأساسي. لم يتغير شيء في البنية.

ما تغيّر هو التدريب اللاحق. طبّقت ZoomGain خوارزمية GRPO على 9,000 سؤال جرى توليدها عبر استخراج تفاصيل مقصوصة، لمدة حقبة واحدة، مع ثماني محاولات لكل سؤال. هذا هو التدخل بأكمله، وأثره المقاس على ZoomGainBench هو الانتقال من 32.13 إلى 55.48 — أي قفزة بمقدار 23.35 نقطة على معيار بُني من خط المعالجة نفسه المستخدم في بيانات التدريب، وهو ما يصفه البحث بأمانة بأنه "Held-in".

الرقم الذي يصمد أمام هذا التحفظ هو المتوسط المحتجز عبر ثلاثة عشر معيارًا لم يرها التدريب قط: 59.75 لـ Qwen3.5-9B، و66.10 لـ ZoomGain-9B. زيادة قدرها 6.35 نقطة من 9,000 عينة، على الأوزان نفسها. وفي العائلة المحددة التي يستهدفها الإصدار، تكون الفروق أكبر: HR-Bench 4K من 82.13 إلى 90.25، وV*Bench من 86.91 إلى 93.19، وVisualProbe من 44.66 إلى 56.31.

• النتيجة السلبية المثيرة للاهتمام — ينتقل MMStar من 71.73 إلى 73.87، وBabyVision من 15.98 إلى 17.53. الكفاءة العامة متعددة الوسائط بالكاد تتغير. لم يشترِ التدريب سوى التفاصيل الدقيقة ولم يشترِ الكثير غيرها، وهو ما ينبغي أن تفعله جولة RL مستهدفة من 9,000 عينة.

• التحفظ الصادق — كل ما سبق مُبلَّغ عنه من المؤلفين باستخدام إطار الاختبار الخاص بهم. لم يُعِد إنتاجه أحد خارج Ant Group. أداة التقييم والمعيار المرجعي متاحان للعموم، لذا يمكن التحقق منه، لكن لم يُجرِ التحقق منه.

Qwen3.8-27B، والصف الذي يضعه في الجدول نفسه

هنا تصبح المقارنة حقيقية، لأن ورقة ZoomGain قيّمت فعلاً Qwen3.8-27B على معيارها الخاص. يحصل طراز 27B على 44.81 في الإجمالي على ZoomGainBench — متأخراً عن Kimi-K3 البالغ 48.65، وعن Qwen3.8-Flash-Next البالغ 55.05، وعن كل نموذج مغلق المصدر من الطراز الأول في الجدول. وهو، بهذا المقياس، مُدرِكٌ للتفاصيل الدقيقة بمستوى جيد لكنه غير لافت.

ضع ذلك مقابل 55.48 لـ ZoomGain-9B في الاختبار نفسه، فستبدو الحسابات لافتة: نموذج بحجم 9B يسجّل أعلى بـ10.7 نقاط من نموذج بحجم 27B من العائلة نفسها، وذلك على معيار قياس لا تختاره التسويق لدى أي من البائعين. لكن هذه بالتحديد هي المقارنة التي يلزم إلحاق وسم "held-in" بها، والورقة البحثية تُلحقه. لقد بُنِيَ ZoomGainBench بواسطة خط المعالجة نفسه الذي بُنِيَت به بيانات تدريب ZoomGain. النموذج الذي دُرِّب على أسئلة من ذلك الخط قد رأى التوزيع؛ أما النموذج الذي يُقيَّم عليه فلم يره. إن الفارق البالغ 10.7 نقاط هو بيان عن مدى ملاءمة التوزيع، لا عن القدرة.

حيث يمكن مقارنة الاثنين دون ذلك التشويه، تنقلب الصورة. تُبلغ بطاقة Qwen3.8-27B الخاصة به عن Terminal Bench 2.1 عند 73.0، وSWE-bench Pro عند 61.7، وLiveCodeBench v6 عند 90.3، وGPQA Diamond عند 89.2، وHLE عند 30.8. لم يُقيَّم ZoomGain-9B على أيٍّ من هذه، ولن يُتوقع أن يبلي بلاءً حسنًا: فتدريبه لم يمس البرمجة أو مهام الطرفية أو العلوم على مستوى الدراسات العليا. كما يستقبل Qwen3.8-27B الصور والفيديو أصلاً، ويوفر سياقًا بطول 262,144 رمزًا قابلًا للتمديد إلى مليون، ويدعم التحكم في التفكير عبر `reasoning_effort` — وهي قدرة لا يملكها ZoomGain-9B إطلاقًا، لأن تقييمه يعمل مع تعطيل التفكير.

• الحجم والشكل — Qwen3.8-27B نموذج كثيف بحجم 27B و64 طبقة، وحجم مخفي 5,120، وحجم وسيط 17,408، ورأس تنبؤ متعدد الرموز بطبقة واحدة. أما ZoomGain-9B فحجمه نحو 9.4B مع 32 طبقة وحجم مخفي 4,096.

• التوفر — تمتلك Qwen3.8-27B 7.4 ملايين تنزيل، وترخيص Apache 2.0، وإصدارات FP8 وGGUF، ونقطة نهاية مستضافة. أما ZoomGain-9B فلا تمتلك نقطة نهاية مستضافة، ولديها تعيين مزوّد فارغ على Hub، وترخيص مُحال إلى بطاقة بلا وسم ترخيص، وإصدارات GGUF بتاريخ 11 نوفمبر باعتبارها توزيعها الوحيد بخلاف BF16.

• تواريخ الإصدار — Qwen3.8-27B: 5 أغسطس 2026، إطلاق كامل مع منشور مدونة وتقرير تقني. ZoomGain-9B: 10 نوفمبر 2026، ورقة بحثية ومستودع ولا شيء آخر. الفجوة البالغة ثلاثة أشهر أقل أهمية من كون أحدِهما في أيدي الإنتاج منذ أغسطس.

سعر كل مسار، والمسار الذي يمكننا بيعك إياه فعليًا

Qwen3.8-27B موجود في كتالوج OrcaRouter بسعر 0.33 دولار لكل مليون رمز إدخال و2.40 دولار لكل مليون رمز إخراج، مع سياق 262K، وإدخال نصي وصوري وفيديو، ودون أي هامش ربح بنسبة 0% على سعر القائمة لدى المزوّد — فالرقم المعروض في صفحة الطراز لدينا هو الرقم الذي يتقاضاه Q​wen، ويُمرَّر كما هو، لذا يصبح تغيير سعر المورّد ساريًا هنا في اليوم نفسه بدلاً من بعد دورة إعادة تسعير. كما يصل المفتاح نفسه إلى Qwen3.8-Flash وQwen3.8-Max إذا تبيّن أن 27B غير مناسب الحجم، ويعني تجاوز الفشل أن نقطة نهاية متعطلة تُعاد المحاولة مع مزوّد قبل بدء الاستجابة بدلاً من بعد انتهاء مهلة طلبك.

ZoomGain-9B ليس في الكتالوج ولا يمكن استدعاؤه من خلالنا. حجمه 18.82 GB بصيغة BF16، أو 5.63 GB عند Q4_K_M بالإضافة إلى مُسقِط mmproj بحجم 0.52 GB، ويُقدَّم ضمن vLLM 0.19.1 مع transformers 5.7.0 أو ضمن بناء llama.cpp يدعم Qwen3.5 متعدد الوسائط. Qwen3.5-9B نفسه أيضًا ليس في الكتالوج، وهذا جدير بالقول صراحةً: النسخة المستضافة الرخيصة من هذه المقارنة غير موجودة لدينا نحن أيضًا.

إذا كان سؤالك الحقيقي هو "هل أشغّل ZoomGain-9B بدلًا من الدفع مقابل نقطة نهاية Q​wen"، فإن مقارنة التكلفة ليست متقاربة في أيٍّ من الاتجاهين، ولا حاجة لأن تكون كذلك. فطراز كثيف بحجم 27B بتكلفة 0.33 دولار لكل مليون رمز إدخال أرخص من امتلاك وحدة معالجة رسومات لأي حجم استخدام يمكنك وصفه بالعرضي تقريبًا. ولا يتفوق الاستضافة الذاتية لطراز 9B إلا عندما يكون حجم الاستخدام مرتفعًا، أو عندما يتعذر خروج البيانات من شبكتك، أو عندما تكون المهمة هي الشيء الضيق الواحد الذي دُرِّب عليه الطراز 9B.

حين كان النموذج الوهمي سيُحدث فرقًا

ثمة فجوة حقيقية في تشكيلة Q​wen، ويجدر بنا تسميتها لأنها تفسّر سبب بحث كثير من الناس عن هذه المواجهة. نموذج كثيف بحجم 9B ونافذة سياق تبلغ 262K ومفردات من جيل Qwen3.8، يُباع بسعر قريب من سعر Qwen3.5-9B، سيكون الخيار الاقتصادي البديهي لمسارات العمل الكثيفة الصور — أرخص من 27B، وأقدر من 4B، وصغير بما يكفي لاستضافته ذاتيًا على بطاقة واحدة. لم تُطلق Q​wen نموذجًا كهذا، لذا تشغل هذه الخانة حاليًا إما نسخة Qwen3.5-9B الأقدم أو نموذج تقطير مجتمعي لا تقف خلفه أي جهة بائعة.

ZoomGain-9B ليس ذلك النموذج أيضًا، والفرق مهم. فهو متخصص في الإدراك، ولديه مسألة ترخيص بحثي ولا مسار مستضاف له، وليس Q​wen صغيرًا عام الغرض. إن كان ما أردته من «Q​wen 3.8 8B» هو نموذج عام رخيص، فسيخيب ZoomGain-9B ظنك في كل شيء باستثناء التفاصيل الدقيقة. وإن كان ما أردته نموذجًا يستطيع العثور على الرقم التسلسلي في صورة بدقة 4K، فهو واحد من نقاط الحفظ الصغيرة القليلة المبنية خصيصًا لذلك.

في الحالة العامة، البدائل الواقعية هي سلسلة Qwen3.5 المستضافة — 35B-A3B بسعر 0.057 دولار لكل مليون رمز إدخال، و27B بسعر 0.086 دولار — وهي تشغل خانة الميزانية التي كان سيشغلها طراز 8B المفقود، ببصمة أكبر ونقطة نهاية حقيقية. أما في حالة الإدراك، فلا يوجد بديل مستضاف يمكننا تقديمه: Qwen3-VL-8B-Instruct بسعر 0.18 دولار للإدخال و0.70 دولار للإخراج لكل مليون رمز يستقبل الصور ويعمل كبديل لاختبار ما إذا كانت أخطاؤك أخطاء تفاصيل، لكنه لم يُدرَّب بالطريقة التي دُرِّب بها ZoomGain ولن يضاهيه في الاقتصاصات.

ماذا نفعل بهذا، بشكل ملموس؟

إذا جئت إلى هنا بحثًا عن حكم قاطع بين ZoomGain-9B وQwen3.8-8B، فالحكم هو أن المنافس غير موجود أصلًا، وأي صفحة قدّمت لك حكمًا من هذا النوع فقد اختلقت نصف المقارنة. أما السؤالان الحقيقيان فهما أضيق نطاقًا، ويمكن الإجابة عنهما اليوم.

السؤال الأول: هل نموذج 9B مضبوط بدقة من Qwen3.5-9B أفضل من Qwen3.5-9B في الإدراك الدقيق؟ وفقًا لأرقام المؤلفين، نعم بفارق 6.35 نقطة على مجموعة الاختبار المحجوزة، وبفارق أكبر بكثير على معايير الأداء التي استهدفها التدريب. هذه نتيجة قوية لـ 9,000 عينة، وهي الشيء الأكثر إثارة للاهتمام في الإصدار.

السؤال الثاني: هل يتفوق ZoomGain-9B على Qwen3.8-27B في أي شيء يهمك؟ من حيث القدرة العامة، لا — فطراز 27B أحدث وأكبر وأفضل توثيقًا، ومرخّص ومستضاف، ومُقيَّم على محاور أكثر بكثير. أما في اختبار معياري مبني على توزيع التدريب الخاص بـ ZoomGain نفسه، فإنه يسجل أعلى بـ10.7 نقاط، وهذا يخبرك أن التدريب نجح، ولا يخبرك شيئًا عن النموذج الذي ينبغي شراؤه.

القرار التالي غير مبهر. استخدم نموذج Qwen المستضاف للأعمال العامة، لأنه يكلّف 0.33 دولار لكل مليون رمز إدخال ويصل باستدعاء API واحد. لا تنزّل ZoomGain-9B إلا إذا كانت لديك مهمة محددة تتطلب تفاصيل دقيقة، ووحدة GPU، ومحامٍ قرأ ملف ترخيص لم ينشره المورّد.