ZwZ2-9B مقابل LFM2.5 2.6B Base: خطأ تصنيفي يستحق الفهم

وضع ZwZ2-9B بجوار LFM2.5 2.6B Base يبدو وكأنه مقارنة حجم، وهو ليس كذلك. ZwZ2-9B هو نقطة حفظ للرؤية واللغة بـ9.41 مليار معلمة نشرتها inclusionAI في 16 أكتوبر 2026 دون بطاقة نموذج؛ أما LFM2.5 2.6B Base فهو نموذج مُدرَّب مسبقًا نصي فقط بـ2.697 مليار معلمة نشرته Liquid AI في 1 أغسطس 2026، مع بطاقة تقول بكلماتها الخاصة إنها نقطة الحفظ "المستخدمة لإنشاء جميع متغيرات LFM2.5-2.6B". أحدهما شيء تتبناه، والآخر شيء تبني عليه. الاختيار بينهما ليس كالاختيار بين سيارتين — بل كالاختيار بين سيارة وكتلة محرك، والسؤال المفيد الوحيد هو أيهما كنت تحتاجه فعلاً.

إذن، هذا المقال يفعل شيئين. يمنحك الأرقام الحقيقية لكليهما، لأنك جئت إلى هنا باحثًا عن مقارنة، والأرقام تستحق الاقتناء. ثم يشرح الفرق الذي تخفيه المقارنة، لأن الخطأ في ذلك هو ما يجعل الفرق تنتهي بعد ثلاثة أسابيع في ضبط دقيق لم تكن بحاجة إليه، أو تشغّل نموذج خادم بحجم 9.4B لمهمة كان نموذج حاسوب محمول بحجم 3B سيتولى التعامل معها.

ما هي حقيقة كل قطعة من هذه القطع الأثرية

LFM2.5 2.6B Base غير مكتمل عن قصد. إنه نقطة التفتيش المُدرَّبة مسبقًا عند جذر عائلة LFM2.5-2.6B من Liquid AI — 30 طبقة تتناوب بين كتل الالتفاف القصير مزدوجة البوابات وانتباه الاستعلامات المجمّعة، و34 تريليون رمز من التدريب المسبق، ومفردات من 128,000 رمز وسقف من 128,000 موضع. إنه نصي فقط. وهو مصمّم للنشر على الأجهزة، وهي العبارة التي تستخدمها Liquid AI في البطاقة، وجوهر لاحقة "Base" هو أن النسخة الحوارية المُدرَّبة لاحقًا والنسخة الوكيلية تنزيلان منفصلان مستمدان منه. المقصود أن تضبطه ضبطًا دقيقًا أو تُقطّر فيه. كما هو، ليس مساعدًا.

ZwZ2-9B هو نوع معاكس من الكائنات. إنه نقطة تفتيش مكتملة الشكل لم يُوصف بعد. يحمل إعداده برج رؤية من 27 طبقة، ومعرّفات رموز الصور والفيديو، ومعالج فيديو بحد أقصى 768 إطارًا، وقالب محادثة يتضمن موجه نظام افتراضي مدمج، و24 من طبقاته الـ32 تعمل بآلية الانتباه الخطي بدلًا من ذاكرة تخزين مفاتيح-قيم متنامية. هذا هدف نشر، وليس ركيزة تدريب. وما هو مفقود هو كل ما قد يسأل عنه المشتري: لا حقل ترخيص، ولا نتائج تقييم، ولا بيان لما دُرّب عليه، ولا إدراج في أي من مجموعات inclusionAI العامة العشر.

• المعاملات — ZwZ2-9B: 9,409,813,744. LFM2.5 2.6B Base: 2.697 مليار.

• الغرض — نقطة تحقق متعددة الوسائط مُشكَّلة للنشر مقابل أساس مُدرَّب مسبقًا للضبط الدقيق.

• الوسائط في — النص والصورة والفيديو مقابل النص فقط.

• الحدّ الأقصى للسياق — 262,144 موضعًا مقابل 128,000 (تُقرّب بطاقة Liquid AI هذا إلى 131,072).

• المفردات — 248,320 مقابل 128,000.

• تصميم الانتباه — 24 طبقة خطية بالإضافة إلى 8 طبقات انتباه كامل مقابل 22 طبقة التفاف بالإضافة إلى 8 طبقات انتباه.

• ترخيص — لا شيء معلن مقابل رخصة LFM Open License v1.0، وهي رخصة مخصصة بدلًا من Apache-2.0.

• التوثيق — لا شيء مقابل بطاقة نموذج، وتقرير تقني، وميزانية تدريب معلنة.

هناك سطران أكثر إثارة للاهتمام مما يبدوان. يستقر كلا النموذجين عند 8 طبقات انتباه بالضبط، ويملأ كلاهما الباقي بشيء أرخص — ZwZ2-9B بالانتباه الخطي التكراري، وLFM2.5 2.6B Base بالتفافات قصيرة. هذا التقارب ليس مصادفة؛ فهو ما عنته «العمارة الفعّالة» خلال العامين الماضيين، وقد جرى التوصل إليه من اتجاهين متعاكسين وعلى مقياسين متعاكسين. وحدود السياق ليست منافسة: 262,144 مقابل 128,000 لا يقول شيئًا تقريبًا، لأن نموذج 2.7B صُمم ليجلس على حاسوب محمول حيث ذاكرة تخزين مؤقت بسعة ربع مليون رمز ليست مجموعة عمل واقعية.

كلمة "Base" هي القرار كله

إن كنت ستأخذ شيئًا واحدًا من هذه المزاوجة، فليكن هذا. نقطة التحقق الأساسية لا تملك اتباعًا للتعليمات، ولا تنسيق محادثة يستحق الاعتماد عليه، ولا ضبطًا للسلامة — وهذه ميزة إذا كنت تبني نموذجًا مجاليًا، لأنها تعني أنك لا تصارع محاذاة شخص آخر عندما تدرّب نموذجك. وهي عيب إذا كنت تريد مساعدًا، لأنك ستقضي أسبوعيك الأولين في إعادة اكتشاف أن النماذج المدرّبة مسبقًا تكمل النص بدلًا من أن تجيب عن الأسئلة.

ZwZ2-9B sits on the other side of that line. Its chat template injects a default system prompt when none is supplied, and it emits an empty <think></think> block unless you explicitly request reasoning — the opposite default from its Qwen3.5-9B parent. Somebody post-trained it for one-shot answering and then published it without saying so. That is a real signal, and it is the only signal in the repository that describes intent.

حسابات النشر، حيث يكمن الفرق الحقيقي

نموذج نصي بحجم 2.697B ونموذج رؤية بحجم 9.41B ليسا بديلين على العتاد نفسه. قاعدة LFM2.5 مصممة للهواتف والحواسيب المحمولة والأجهزة أحادية اللوحة؛ وتأطير Liquid AI يقوم على الاستدلال على الجهاز، ونقطة تحقق بحجم 2.7B مُكمَّمة إلى أربع بتات لا تتجاوز بضعة غيغابايت. أما ZwZ2-9B فيحتفظ ببرج رؤية من 27 طبقة إلى جانب 32 طبقة لغوية وحوالي 2 GB من مصفوفة التضمين في كل اتجاه — المفردات وحدها جدول بحجم 248,320×4,096 — لذا فهو ينتمي إلى خادم، أو على الأقل إلى حاسوب مكتبي بمسرّع حقيقي.

لهذا السبب، فإن المعمارية الصادقة لمعظم الفرق ليست «اختيار واحد». بل طبقتان. ضَع النموذج الصغير الموثّق حيث تكون زمن الاستجابة والخصوصية مهمين وتكون المهمة ضيقة النطاق، ووجّه الحالات الصعبة إلى نموذج مستضاف حيث لا تظهر التكلفة المتغيرة إلا عندما تظهر الحالة الصعبة. إن إتقان هذا التقسيم أكثر قيمة من أي اختيار فردي لنموذج في هذه الصفحة، وهو أيضًا الشيء الأصعب تغييره لاحقًا، لأنه الشيء الذي يلامس الكود الخاص بك.

إن القيام بذلك خلف واجهة واحدة هو جوهر الراوتر. يعرض OrcaRouter أكثر من 200 نموذج من نقطة نهاية واحدة متوافقة مع OpenAI ومفتاح API واحد، مع تجاوز الفشل التلقائي، بحيث تكون الطبقة الرخيصة والطبقة المكلفة على بعد سلسلة نموذج واحدة بدلاً من تكاملين — و تمر أسعار القائمة من المزود بهامش ربح 0%، لذا فإن تشغيل الطبقة المكلفة يكلف نفس التكلفة كما لو كان في أي مكان آخر. نحن لا نستضيف LFM2.5 2.6B Base ولا نستضيف ZwZ2-9B، لذا لا يمكننا اتخاذ قرار بشأن أي منهما نيابة عنك — فشركة Liquid AI توزع أوزانها الخاصة عبر قنوات البائع الخاصة، ولم تنشر inclusionAI أي نقطة نهاية على الإطلاق. ما يمكننا وضعه على الجانب المستضاف من هذا الانقسام اليوم هو qwen/qwen3-vl-8b-instruct، نموذج رؤية ولغة بحجم 8B مع سياق 131K رمزًا بتكلفة 0.18 دولار لكل مليون رمز إدخال و0.70 دولار لكل مليون رمز إخراج، وهو أقرب بديل موثق للطبقة متعددة الوسائط الصغيرة.

الترخيص هو المجال الذي يتباعد فيه هذان الاثنان بشكل أكثر حدة.

لا أيّ من الترخيصين هو Apache-2.0، والسببان مختلفان على نحو مهم. يُطرح LFM2.5 2.6B Base بموجب LFM Open License v1.0، وهو ترخيص مخصص — منشور وقابل للقراءة، وهو الترخيص نفسه الذي تستخدمه بقية أفراد العائلة، ما يعني أن مراجعة قانونية تُجريها مرة واحدة تغطي كل طراز LFM2.5 تتعامل معه. أما ZwZ2-9B فلا يعلن شيئًا. غياب الترخيص ليس ترخيصًا متساهلًا؛ وفي غياب منح صريح، فإن القراءة المتحفظة هي أنه لم تُمنح أي حقوق، وهذا موقف أسوأ جوهريًا من ترخيص مخصص يمكنك قراءته وتقييمه.

بالنسبة إلى نقطة تحقق أساسية تعتزم ضبطها الدقيق وربما إعادة توزيعها، فهذه ليست حاشية. فشروط الأعمال المشتقة هي بالضبط البند الذي تميل الرخص المخصصة إلى أن يكون لها آراء بشأنه، وغياب أي بند على الإطلاق لا يُحسم لصالحك.

كيف تختار، بعبارة واضحة

اختر LFM2.5 2.6B Base إذا كانت لديك مهمة نصية ضيقة، وجهاز مستهدف، ورغبة في تشغيل تدريبك الخاص — واقبل أنك أنت من يوفّر اتباع التعليمات. ميزانيته التدريبية الموثّقة وترخيصه المعلن يعنيان أنك تعرف من أين تبدأ.

اختر ZwZ2-9B إذا كنت بحاجة إلى صور أو فيديو في المدخلات، ولديك وحدات GPU لتشغيل نموذج بحجم 9.4B، وكنت على استعداد لتكون أول مؤسسة على وجه الأرض تقيّمه. هذا الشرط الأخير ليس بلاغيًا. قبل الالتزام، الأسئلة التي يجب الإجابة عنها هي: هل يقبل صيغ الصور لديك، وهل يعيد شكل المخرجات الذي تحتاجه عند تعطيل التفكير، وتحت أي رخصة ستعمل فعليًا. اثنان من هذه الثلاثة لهما إجابات في المستودع. أما الثالث فلا.

تشيخ المعايير وتتحرك الأسعار؛ أما سجل الإخفاقات فلا: تُجمع حوادث الذكاء الاصطناعي الموثّقة وإخفاقات الوكلاء الكامنة خلف النماذج في هذه الفئة في the OrcaRouter AI Incident Archive، حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة كونه محل خلاف.