
LingSante-Pulse-1.0 לעומת Qwen 3.8: האחד מקודד, השני עונה
- OrcaחדשOrcaCyber: Hy4 Flash Abliterated / Uncensored2026-11-18$0.07 / $0.28 לכל 1M טוקנים · 182 tok/s
- tencentחדשTencent: Hy4 Flash2026-11-16$0.02 / $0.07 לכל 1M טוקנים · 741 tok/s
- AlibabaחדשQwen: Qwen4 Max2026-11-16$1.50 / $4.50 לכל 1M טוקנים · 1902 tok/s
- GoogleחדשGoogle: Gemini 4 Carbon2026-11-10$2.00 / $10.00 לכל 1M טוקנים · 87 tok/s
- AnthropicחדשAnthropic: Claude Fable 5.22026-11-09$8.00 / $40.00 לכל 1M טוקנים · 149 tok/s
- OrcaOrcaCyber: GLM 5.3 Abliterated / Uncensored2026-11-04$3.00 / $5.00 לכל 1M טוקנים · 98 tok/s
- OrcaOrcaCyber: Hy4 Abliterated / Uncensored2026-11-04$0.80 / $1.60 לכל 1M טוקנים · 134 tok/s
- OrcaOrcaCyber: Kimi K3.1 Pro Abliterated / Uncensored2026-11-04$2.00 / $5.00 לכל 1M טוקנים · 83 tok/s
- tencentTencent: Hy42026-11-04$0.83 / $2.50 לכל 1M טוקנים · 119 tok/s
- OrcaOrcaCyber: MiniMax M3.1 Flash Abliterated / Uncensored2026-10-29$0.80 / $1.60 לכל 1M טוקנים · 109 tok/s
- OrcaOrcaCyber: GLM 5.3 Flash Abliterated / Uncensored2026-10-27$0.80 / $1.60 לכל 1M טוקנים · 67 tok/s
- OrcaOrcaCyber: Qwen3.8 Flash Next Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 90 tok/s
- OrcaOrcaCyber: MiMo V2.6 Flash Abliterated / Uncensored2026-10-26$0.80 / $1.60 לכל 1M טוקנים · 41 tok/s
- MoonshotMoonshotAI: Kimi K3.1 Pro2026-10-2447אינטליגנציה
- OrcaOrcaCyber: DeepSeek V4.1 Flash Abliterated / Uncensored2026-10-23$0.80 / $1.60 לכל 1M טוקנים · 211 tok/s
- minimaxMiniMax: M3.1 Flash2026-10-1929אינטליגנציה
- OrcaOrca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 לכל 1M טוקנים · 109 tok/s
- deepseekDeepSeek: DeepSeek V4.1 Flash 10172026-10-1733אינטליגנציה
- DeepSeekDeepSeek: DeepSeek V4.1 Flash 09102026-10-17$0.15 / $0.60 לכל 1M טוקנים · 160 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-10-1740אינטליגנציה
ההשוואה נראית לא מאוזנת עד שמבחינים ששני המודלים אינם מקבלים את אותו קלט. LingSante-Pulse-1.0 בעל 16.7 מיליון פרמטרים ואינו יכול להפיק משפט. Qwen3.8-27B בעל 27.78 מיליארד פרמטרים ואינו יכול לקבל צורת גל. האחד הופך הובלת ECG, תוואי זרימת אוויר או ערוץ EEG חזיתי לוקטור של 256 מספרים במרווחים של רבע שנייה; האחר קורא טקסט, תמונות ווידאו וכותב תשובה. במדד משותף אף אחד מהם לא גובר על האחר, כי אין משימה משותפת. בצינור אחד חלוקת העבודה מיידית.
LingSante-Pulse-1.0 הוא של inclusionAI, והוא הופיע ב-Hugging Face בשעה 08:39 UTC ב-20 בנובמבר 2026 בלי הודעה מוקדמת, בלי מאמר ובלי קוד אינפרנס. המעבדה לא פרסמה עליו דבר; המאגר הוא כל התיעוד הציבורי. זה מעצב מה שהעמוד הזה יכול לטעון. מה שמופיע בהמשך לגבי Pulse נקרא משבעה קבצים — כותרת ה-safetensors אינה דחוסה, כך שהארכיטקטורה קריאה — וכל דבר בנוגע לאופן שבו הוא מתנהג מחוץ להרנס של המחברים עצמם הוא, נכון לרגע זה, בלתי ידוע לכל מי שמחוץ ל-Ant Group. צד Qwen3.8 הוא ההפך: הופץ באוגוסט, מתומחר, מדורג על ידי צד שלישי, וכבר נושא תעבורה.
מה נמצא בפועל במאגר
שבעה קבצים: README, רישיון MIT, קובץ משקלים F32 בגודל 63.8 MiB, קובץ קונפיגורציה הנושא תמציות SHA-256 עבור שלושת קבצי הלוואי שלו, ושני קבצי ערוץ. זהו השחרור. אין בנצ'מרקים, אין תיאור של נתוני אימון, אין תוצאות downstream ואין קוד אינפרנס.
הכרטיס מפנה אותך לחבילת lingsante_pulse נפרדת. החבילה הזו אינה נמצאת ב-PyPI — לא תחת lingsante_pulse, לא תחת lingsante-pulse, ולא תחת lingsante. דוגמת השימוש עצמה אומרת שהמודל "מוריד את עצמו בשימוש הראשון", וזהו תיעוד שנכתב ליום שעדיין לא הגיע.

מה שכותר ה-tensor כן נותן לך הוא ארכיטקטורה שלמה, קטנה מספיק כדי לקרוא אותה אחר הצהריים:
• גודל — LingSante-Pulse-1.0: 16,708,352 פרמטרים ב-F32, שנים-עשר בלוקי טרנספורמר ברוחב 256, 203 טנסורים. Qwen3.8-27B: 27.78 מיליארד פרמטרים, מודל מולטימודלי צפוף בעל 64 שכבות.
• קלט — Pulse: מערכי דגימות בצורה [T], [C,T] או [B,C,T], שעוברים דגימה מחדש לקצב קבוע של 128 Hz, כאשר הזהות הפיזית של כל ערוץ מוצהרת לצדם. Qwen3.8-27B: טקסט, תמונות ווידאו. ללא מסלול אודיו, ללא מסלול נתוני סדרות זמן גולמיים.
• פלט — Pulse: CLS ו-PatchMean תקף-נצפה כ-[B, C*256], בתוספת תכונות אופציונליות לכל patch ומסכות תוקף במרווח של 0.25 שניות. Qwen3.8-27B: טקסט.
• היקף — Pulse מספקת ייצוגים בלבד. הכרטיס מפרט במפורש כי "ראשי חיזוי ייעודיים למשימה אינם כלולים". אתם מספקים את המסווג, את הגלאי, את ציון הסיכון.
• הקשר — ל-Pulse אין חלון טוקנים במובן של מודל שפה; יש לו רשת פאצ'ים בקצב של 0.25 שניות לפאצ'. Qwen3.8-27B מקבל 262,144 טוקנים.
• רישיון — Pulse: MIT. Qwen3.8-27B: Apache 2.0, משקולות ניתנות להורדה ולהרצה.
חמישים ושבעה ערוצים מתארים מעבדת שינה
הקבצים האינפורמטיביים ביותר אינם המשקלים. אלה הם channels.json, שמפרט ומתאר את כל חמישים ושבע זהויות האות שהמקודד מקבל, ו-channels.npz, שמחזיק וקטור בן 384 ממדים לכל ערוץ — 57 כאלה, שנבנו עם BAAI/bge-small-en-v1.5 באמצעות CLS pooling ונרמול L2. הרוחב הזה הוא בדיוק רוחב הקלט של היטל text_adapter בגודל [256, 384] בקובץ המשקלים, וזה הרמז החזק ביותר בפרסום לגבי אופן פעולת ההתניה: שם הערוץ מוטמע כטקסט, מוקרן מטה אל זרם השארית ברוחב 256 של המודל, ומוזן לשנים-עשר ה-film_heads — שכל אחד מהם הוא היטל [1024, 256] המפיק וקטור אפנון בעל 1,024 ערכים. שום דבר בכרטיס אינו מסביר מה מניע אותם, אז זו קריאה של הטנסורים, לא עובדה מתועדת.
אין תיעוד לאף אחד מהחיווט הזה, ולכן יש להתייחס אליו כמסקנה מצורות הטנסורים ולא כמפרט. מה שכן מתועד הוא רשימת השמות, וכשקוראים אותה לפי הסדר היא מפסיקה להיות אוצר מילים גנרי של אותות ביולוגיים. שלוש אלקטרודות EEG על הקרקפת "במהלך שינה", שתי אלקטרודות EOG "במהלך שינה", EMG בסנטר ו-EMG ברגל "במהלך שינה", זרימת אוויר, מאמץ חזי ובטני, נחירה, SpO2. זהו מערך פוליסומנוגרפיה, לפי הסדר שטכנאי שינה היה מונה אותו. לאחר מכן אוצר המילים עובר לחדר אחר: לחץ בדרכי הנשימה "נמדד באמצעות מנשם הרדמה", CO2 בסוף הנשיפה, קצב נשימה הנגזר מ-Dräger Primus ומ-Solar8000 monitor, הספק EEG של BIS בדציבלים ממוניטור עומק הרדמה על המצח. שבע-עשרה נגזרות ECG כולל סט פרקורדיאלי מלא, ושש-עשרה הובלות EOG חד-קוטביות.
שתי סביבות קליניות, אוצר מילים אחד. ההסקה הניתנת להגנה — הסקה, משום שכרטיס המודל שותק — היא שהאנקודר אומן על פני בדיקות שינה וניטור פריאופרטיבי או טיפול נמרץ, ושמחבריו רצו מודל אחד שיחזיק מעמד בכל מונטאז' שבו כבר מצויד בית החולים. הרוחב הזה הוא הטענה ההנדסית האמיתית בשחרור הזה, וזו טענה שמודל בן 16 מיליון פרמטרים יכול להעלות, ומודל בן 27 מיליארד פרמטרים לא.
מדוע Qwen3.8-27B אינו יכול לקרוא את הקלט
זו העובדה שממסגרת מחדש את כל ההשוואה. Qwen3.8-27B הוא מולטימודלי, אך המודאליות שלו הן טקסט, תמונה ווידאו. אין קלט של צורת גל. אינך יכול להעביר לו 1,280 דגימות של הובלה II ב-128 הרץ ולשאול מהו הקצב; לטוקנייזר אין שום קשר למערך float. בקטלוג שלנו המודל מופיע עם טקסט, תמונה ווידאו בצד הקלט וטקסט בצד הפלט, וזה הכל.
אז התשובה הכנה לשאלה "האם אפשר פשוט להשתמש במודל גדול בשביל זה?" היא: לא על האות הגולמי. יש לך שני פתרונות עוקפים. חלץ תכונות תחילה — קצב לב, מרווחי RR, פסים ספקטרליים, תקציר שנבנה ביד — או המר את העקיבה לתמונה ותן למגדל הראייה להסתכל על תמונה שלה. השנייה לפעמים עובדת, אבל היא גובה ממך את מה שהאות מכיל: ECG משורטט מאבד את כיול המשרעת ואת התזמון התת-מילישני שמשך QRS תלוי בו, ואתה משלם בטוקני ראייה על הזכות הזו. הראשונה משמעה שכבר בנית את מחלץ התכונות, וזה התפקיד ש-Pulse מציעה לבצע על פני 57 סוגי ערוצים בבת אחת.
האריתמטיקה שקובעת את הארכיטקטורה
נניח שאתה מתעלם מזה ומנסה בכל זאת לבצע סריאליזציה של האות אל תוך ההקשר של Qwen3.8-27B. קח הקלטת פוליסומנוגרפיה לילית אחת: שמונה שעות, 57 ערוצים, 128 Hz. כלומר 28,800 שניות וכ-210 מיליון דגימות גולמיות.
• טלאים. בקצב של 0.25 שניות לכל טלאי, ערוץ אחד מפיק ארבעה טלאים בשנייה. חמישים ושבעה ערוצים מפיקים 228 בשנייה, ולילה שלם — כ-6.57 מיליון צמדי טלאי-ערוץ.
• לעומת החלון. Qwen3.8-27B מקבל 262,144 טוקנים. אפילו בטוקן אחד לכל פאץ׳ — דחיסה אובדנית מספיק כדי לסכל את התרגיל — הלילה הוא בערך פי 25 מהחלון.
• נגד החשבון. במחיר הקלט הרשום שלנו של 0.33 דולר למיליון טוקנים, טוקן אחד לכל תיקון עולה כ-2.17 דולר בקלט בלבד עבור לילה אחד, לפני הפלט, והעבודה צריכה להתחלק על פני 25 קריאות שאותן יש ליישב לאחר מכן.
פלט הסיכום של Pulse עבור אותה הקלטה הוא סוג שונה של דבר. בכל חלון של עשר שניות, CLS ו-PatchMean מוחזרים כ-57 × 256 = 14,592 ערכי float כל אחד, כ-58 KB ב-F32; 2,880 חלונות ללילה הם בקירוב 168 MB. שמירת זרם הטוקנים لكل patch במקום זה גדולה בהרבה — כ-6.7 GB ללילה ב-F32 — ולכן מסלול הסיכום, ולא מסלול הטוקנים, הוא זה שמתאים לפייפליין.

לכן ההשוואה אינה "איזה מודל טוב יותר". המקודד דוחס לילה של ניטור למשהו שמערכת יכולה לשאת; מודל השפה מבצע הסקה על תקצירים. ערבוב בין השניים הוא הדרך שבה פרויקטים של בינה מלאכותית קלינית מגיעים לשלם לפי טוקן על נתונים שהיה עליהם לדחוס פעם אחת.
במה Qwen3.8 באמת טוב יותר
כל מה שמורד הזרם מההטמעה. Qwen3.8-27B הוא מודל כללי חזק לפי מדידה של צד שלישי: 20.1 במדד האינטליגנציה Artificial Analysis Intelligence Index v5.0.1, 68.1 במדד הקידוד שלהם, ו-90.5 ב-GPQA Diamond. בכרטיס המידע של Qwen עצמה הוא מציג 90.3 ב-LiveCodeBench v6, 84.3 ב-OSWorld-Verified ו-79.0 ב-QwenSWEBench — כפי שדווח על ידי הספק, ולא שוחזר על ידינו.
המספרים האלה אינם הסיבה לדאוג. הסיבה היא שהשאלות הקליניות המעניינות הן טקסטואליות: בהינתן רשימת התרופות של המטופל הזה, סיכום ההטמעה הזה וערכי המעבדה האלה, האם זהו האינטראקציה שכדאי לסמן, ומהי הראיה? זו משימת שפה, וזו השכבה ש-Qwen3.8 תופס.
יש ראיות מובהקות לכך ש-inclusionAI מפרשת את הסטאק באותו אופן. הדוח הטכני של LingSante MedGuard, arXiv 2611.25509, מ-19 בנובמבר 2026, מתאר מעקה בטיחות רפואי שנבנה באמצעות זיקוק מודל מורה לתלמידים בגודל 4B, 9B ו-27B — ומציין את Qwen3.8-Max כמודל שמפעיל את צינור הסינתזה: התאמת כל רשומת מטופל לנוסחה רלוונטית, יצירת השאלה וגזירת הייחוס, אימות השלבים וסיווג כשלי התלמידים לאורך חמישה סבבי אימון מחדש. הדוח ההוא אינו מזכיר כלל את LingSante-Pulse-1.0, שאינה מופיעה באף מאמר. אך הוא כן קובע שבקו המוצרים LingSante של המעבדה הזו עצמה, שכבת החשיבה היא מודל Qwen3.8, כשסביבה מסודרות שכבות מתמחות. המקודד והמנמק הם רכישות נפרדות, שבוצעו על ידי אותו צוות.
מי צריך לבחור מה
אם יש לך נתוני צורת גל — פוליסומנוגרפיה, ניטור תוך-ניתוחי, טלמטריה, ECG לביש — ואין לך מחלץ תכונות שאתה סומך עליו, Pulse הוא הדבר שיש להעריך, עם הסתייגות קשה אחת: אינך יכול להריץ אותו היום. "להעריך" פירושו כיום לממש מחדש את המעבר הקדמי מתוך 203 שמות טנסורים: שנים-עשר בלוקים ברוחב 256, QKV מאוחד ב-[768, 256], MLP עם שער ב-[2048, 256] אל [256, 1024], הטלת patch של 32 דגימות, מתאם טקסט מ-384 ל-256, ושנים-עשר ראשי FiLM ב-[1024, 256]. עבור מישהו ששולט ב-PyTorch זו עבודה של יום. זה אינו אינטגרציה נתמכת, ויום שמושקע בכך הוא יום שלא מושקע בנקודת הקצה שלך.
אם הבעיה שלכם היא טקסט — הערות מיון, שליפת הנחיות, סקירת תרופות, סיכום תרשים — Qwen3.8-27B זמין כעת, במשקל פתוח, ובמחיר של $0.33 ו-$2.40 למיליון טוקנים בקלט ובפלט בקטלוג שלנו, עם p50 נמדד של כ-2.3 שניות וכ-76 טוקני פלט לשנייה לאורך שבעת הימים האחרונים של תעבורת ה-playground. בתוך המשפחה, Qwen3.8-Flash היא הבחירה הזולה יותר במחיר $0.15 ו-$0.47 עם חלון של 1M טוקנים, ו-Qwen3.8-Max הוא החזק יותר במחיר $2 ו-$6 עם מדד אינטליגנציה של 33.7.
אם אתה בונה את כל הפייפליין אתה צריך את שניהם, והסדר הפרגמטי הוא לגרום לשכבת ההסקה לעבוד קודם מול אמבדינגים שאתה כבר מייצר, ואז להתייחס ל-Pulse כשדרוג שמחליפים בו כשהוא פועל. סדר כזה גם אומר שההגעה של המקודד אינה הגירה: הממשק שאותו הוא מזין יציב בכל מקרה.
היכן OrcaRouter מתאים, והיכן לא
חצי החשיבה של הפייפליין הזה הוא מה שאנחנו מספקים. Qwen3.8-27B, Qwen3.8-Flash ו-Qwen3.8-Max נמצאים מאחורי מפתח API אחד במחיר המחירון של הספק, ללא תוספת רווח, כך ששינוי מחיר מצד הספק נכנס לתוקף באותו יום ולא במחזור החיוב הבא שלך. אם אתה עדיין מתלבט איזה גודל של Qwen3.8 נושא את סיכום התרשימים, ה-DSL לניתוב מאפשר לך לשלוח תעבורה בכמות גדולה ל-Flash ולהסלים ל-Max לפי כלל במקום לבצע שכתוב, ומעבר אוטומטי לגיבוי מונע מספק אחד במצב ירוד להפיל את כל הנתיב — וזה חשוב יותר מהרגיל כאשר בקשה תקועה היא החלטה קלינית תקועה.
חצי המקודד אינו שלנו ולא יכול להיות. LingSante-Pulse-1.0 היא קבוצה של משקלים באחסון עצמי ללא קוד הסקה וללא נקודת קצה מתארחת בשום מקום, כך שאין דבר שנתב יוכל לנתב, ואין מחיר להעביר הלאה. טענה אחרת תתאר לא נכון את מה שמקבלים. מה שכן נכון הוא שהגבול בין שני החצאים הוא מערך פשוט של מספרים, וזהו הממשק הקל ביותר לשמירה על יציבות במערכת הזו.
מה היה משנה את פסק הדין הזה?
ארבעה דברים, בסדר עולה של כמות המידע שהם היו מספקים לך.
פרסום PyPI של lingsante_pulse יהפוך את המודל לניתן לקריאה ויהפוך את הדוגמה בכרטיס מתיעוד לבדיקה. זהו הצעד הבא הקטן והסביר ביותר, וזה שהופך את Pulse מארטיפקט לתלות.
פרוב לינארי על תכונות קפואות בשני מערכי נתונים ציבוריים — אחד בתחום השינה ואחד בתחום הלב — יענה על השאלה שהמאגר אינו יכול: האם 256 המספרים האלה נושאים מידע קליני או רק שונות. איש לא פרסם פרוב כזה, ופרוב זול מספיק עד כדי כך שסטודנט לתואר שני אחד יכול להכריע בשאלה בתוך שבוע.
הצהרה על מאגרי האימון תאפשר לך להעריך את התאמת התחום לפני שתבזבז זמן על אינטגרציה. רשימת הערוצים מרמזת על נתוני שינה והרדמה; הכרטיס אינו מאשר זאת, ו"עובד על המונטאז' שאותו ראה" היא טענה חלשה בהרבה מ"עובד על המונטאז' שבבניין שלך".
והשוואה ישירה ובלתי תלויה תעזור — אבל לא מול Qwen3.8. ההשוואה שבאמת תסייע בקבלת החלטת רכישה היא בין Pulse לבין בסיס מונחה שאומן על הנתונים שלך. זה המבחן שצריך קונה, וזה המבחן שאף עמוד לא יכול להריץ עבורך.
לעת עתה החלוקה נקייה. LingSante-Pulse-1.0 הוא הבטחה בגודל 67 MB עם ארכיטקטורה קריאה ובלי שום דרך להריץ אותה. Qwen3.8-27B הוא מודל עובד עם מחיר מפורסם וציון ציבורי. כל מי שבוחר ביניהם היום לא בוחר מודל — הוא בוחר איזו חצי של צינור עיבוד לבנות קודם, והתשובה היא החצי שהוא באמת יכול לקרוא לו.

השוואות במאמר הזה1
זוהה מתוך המאמר הזה · בנצ'מרקים: Artificial Analysis · מתעדכן יומית
