NVIDIA Nemotron Labs Dory 1.0 4B לעומת Qwen 3.8: ה-4B במשקולות פתוחות מול הקו התלת-שכבתי של Alibaba

השוואה בין N​VIDIA N​emotron Labs Dory 1.0 4B לבין "Qwen 3.8" אינה מפגש שקול — זהו אי-התאמה באופן ספציפי ומלמד. Qwen 3.8 אינו מודל אחד; בקצה המשקולות הפתוחות הוא Qwen3.8-27B, מודל דחוס מולטימודלי בגודל 27B תחת Apache 2.0 עם חלון של 256K, ומעליו נמצאים Qwen3.8-Flash וQwen3.8-Max, שניהם גדולים יותר, ושניהם מוגשים רק דרך ה-API של A​libaba. Dory הוא צ'קפוינט בודד בגודל 4B, טקסט בלבד, אנגלית בלבד, מבית N​VIDIA, שפורסם ל-Hugging Face בארבעה כימוסים תחת רישיון OpenMDW 1.1, כשעל הכרטיס שלו חתום "GA (10/16/2026)" ומאחוריו אין שום הכרזה. לפיכך השאלה האמיתית אינה אם 4B יכול לנצח 27B. היא אם 4B בעל עומק אלסטי שאתם מארחים בעצמכם הוא דרך זולה יותר להגיע לרמת המשימה שאחרת הייתם שוכרים מקו ה-Qwen3.8 — ושתי העובדות הרלוונטיות ביותר להחלטה הן ש-Qwen3.8-27B הוא במשקולות פתוחות, כך ששני המודלים רצים על החומרה שלכם, ושהכרטיס של Dory עצמו אינו נבחן כלל מול אף מודל Qwen3.8.

מה בעצם מושווה?

התחל בצד של Qwen, כי "Qwen 3.8" מאחד שלוש טענות שונות.

Qwen3.8-27B הוא מודל שפה-חזות צפוף במשקולות פתוחות של עליבאבא, ברישיון Apache 2.0, עם 27 מיליארד פרמטרים, 64 שכבות, מימד מוסתר של 5,120, והקשר מקורי של 262,144 טוקנים שכרטיס המודל מציין כניתן להרחבה לעבר מיליון. הוא מקבל טקסט, תמונות ווידאו ומחזיר טקסט, משתמש בפריסה היברידית של Gated DeltaNet ו-Gated Attention לאורך 16 בלוקים חוזרים, ומשוחרר בפורמט Transformers עם תמיכה ב-vLLM, ב-SGLang וב-TokenSpeed. הוא מדווח על 90.3 ב-LiveCodeBench v6, על 89.2 ב-GPQA Diamond, על 79.5 ב-IFBench ועל 73.0 ב-Terminal-Bench 2.1, בתוך רשימה ארוכה של תוצאות סוכניות וחזותיות. הוא זמין לציבור מאז אמצע אוגוסט 2026 ונורד כמה מיליוני פעמים.

Qwen3.8-Flash וQwen3.8-Max הם הדרגים המתארחים. Flash הוא המודל הרב-מודלי המותאם לעלות עם חלון הקשר של מיליון טוקנים; Max הוא הדגל של אליבאבא, גם הוא מיליון טוקנים, וממוצב מול המודלים הקנייניים החזקים ביותר. לאף אחד מהם אין משקולות פתוחות. מגיעים אליהם דרך API.

NVIDIA Nemotron Labs Dory 1.0 4B הוא ה-4B. צפוף, בלולאה, רקורנטי-סמוי — בלוק קלט בן 8 שכבות, בלוק רקורנטי בן 20 שכבות שמיושם מספר משתנה של פעמים, בלוק פלט בן 8 שכבות — עם קשב היברידי משולב של חלון הזזה וקשב מלא. טקסט נכנס, טקסט יוצא, אנגלית בלבד, הקשר של 256K. אומן מראש על 6 טריליון טוקנים, הראשון ~4.5 טריליון מהם באופן מקורי ב-NVFP4, בתוספת הרחבת הקשר של 300 מיליארד טוקנים, ואז SFT ו-GRPO רב-סביבתי. אין נקודת קצה מתארחת שקיימת עבורו שאנו יכולים לאמת.

נקודה אחת שכדאי להבין נכון, כי היא מבלבלת אנשים: N​VIDIA מספקת את Dory ב-BF16, MXFP8, NVFP4 ו-Q5_K_M GGUF. מזהה המאגר הקנוני הוא זה של MXFP8, אבל המדדים בכרטיס נמדדו על BF16. MXFP8 היא קוונטיזציה של אותם משקלים, לא מודל שונה.

ניגוד המפרט

• פרמטרים — Dory 1.0 4B הוא 4B צפוף, עם בלוק רקורנטי שמופעל שוב ושוב כך שהחישוב האפקטיבי לכל טוקן בארבע לולאות עולה על מספר הפרמטרים. Qwen3.8-27B הוא 27B צפוף עם מגדל ראייה. הם לא באותה דרגת משקל ורק אחד מהם מתאים לפריסה בזיכרון קטן.

• מודאליות — Qwen3.8-27B מקבל תמונות ווידאו בנוסף לטקסט. Dory מקבל טקסט. כל עומס עבודה שכולל תמונה מסתיים כאן.

• הקשר — שניהם מפרסמים 256K. הכרטיס של Qwen3.8-27B אומר 262,144 פוזיציות נייטיביות הניתנות להרחבה לכמיליון בקירוב; זה של Dory אומר עד 256K, כאשר 262,144 אומתו ב-vLLM תחת פקודת ההשקה המצורפת. Qwen3.8-Flash ו-Max מגיעים שניהם למיליון טוקנים ישירות.

• רישיון — Apache 2.0 עבור Qwen3.8-27B, ‏OpenMDW 1.1 עבור Dory. שניהם ידידותיים לשימוש מסחרי; Apache 2.0 הוא הנוסח המוכר יותר.

• שפות — Qwen3.8-27B הוא רב-לשוני מלידה; Dory הוא אנגלי בלבד, עם 43 שפות תכנות בתערובת הפרה-אימון שלו.

• התנהגות חישוב — זו השורה היחידה שבה ל-Dory יש משהו ש-Qwen3.8-27B מבחינה מבנית אינו יכול להציע. העומק של Dory הוא פרמטר בזמן הגשה: לולאה אחת לשם השהיה, שתיים כברירת המחדל המומלצת של N​VIDIA, ארבע כאשר דיוק סוכני חשוב יותר, הכול מצ'קפוינט אחד, עם מצב מטמון KV של הלולאה האחרונה שנועד להחזיק את זיכרון המטמון בערך בגודל של לולאה אחת ללא תלות במספר הלולאות. ל-Qwen3.8-27B עומק קבוע; המנופים שלו הם קוונטיזציה וחומרה.

• פורמטים — Dory מספקת ארבע קוונטיזציות, כולל GGUF עבור llama.cpp. ל-Qwen3.8-27B יש מאגר FP8 נפרד ומערכת אקוסיסטם נגזרת עצומה של קוונטיזציות ופיין-טיונים — וזה מה שכמה מיליוני הורדות קונות לך.

שאלת הבנצ'מרק שהטבלה של N​VIDIA עצמה מתחמקת ממנה

הנה הפרט הלא נוח. טבלת הבנצ'מרק של NVIDIA עבור Dory משווה אותו מול Qwen3.5-4B, Qwen3.5-9B, Gemma 4 26B A4B ו-Qwen3.6-35B-A3B. היא משתמשת בשני הדורות הקודמים של Qwen ולעולם אינה נוגעת ב-Qwen3.8. זו בחירה מוצדקת עבור 4B — Qwen3.8-27B גדול ממנו כמעט פי שבעה — אבל המשמעות היא שליצרנית אין שום השוואה ראש-בראש שפורסמה מול הדור הנוכחי של Qwen, בשום כיוון. כרטיס Qwen3.8-27B של Alibaba, מצדו, משווה בנצ'מרקים מול חזית המודלים הקנייניים, ולא מול 4B.

מה שהכרטיס של Dory כן מפרסם, לעומת המשווים הוותיקים שלו, הוא כנה לגבי היכן שלופינג משתלם. עברו על שלוש הגדרות הלופ שלו מול Qwen3.5-4B ו-Qwen3.5-9B:

• SWE-bench Verified — 50.3 / 59.5 / 61.8 לעומת 54.7 ו-61.0. בארבע לולאות, Dory מנצחת באופן נומינלי את ה-Qwen בעל 9B בשורה הזו.

• Terminal-Bench 2.1 — 12.5 / 18.1 / 22.2 מול 15 ו-24. הוא מפסיד לשניהם, כולל ל-4B.

• τ³-bench (בנקאות) — 11.6 / 12.89 / 14.69 לעומת 5.03 ו-7.22. Dory מכפילה ביותר מפי שניים את Qwen 4B ומכפילה בערך את ה-9B.

• GPQA Diamond, ללא כלים — 69.19 / 72.41 / 72.16 מול 77.71 ו-80.93. הוא מפסיד לשניהם.

• IFBench — 74.29 / 77.94 / 79 לעומת 53.83 ו-59. ניצחון גדול בביצוע הוראות.

• AA-LCR — 63 / 71 / 73 לעומת 64.7 ו-68.4. אחזור בהקשר ארוך משתפר בחדות עם לולאות ומסיים ביתרון.

• AA-Omniscience — 10.03 / 10.08 / 10.03 לעומת 15.02 ו-18.05. הידע המאוחסן כמעט אינו משתנה עם מספר הלולאות, וזו בדיקת השפיות ששאר הטבלה עוברת.

כל אחד מהנתונים האלה הוא של N​VIDIA, נמדד על גבי מערכת הבדיקה של N​VIDIA, עם מספרי חזרות גלויים — SciCode שמונה ריצות, AA-LCR שש עשרה, כמה מבחני ביצועים בדיוק פעם אחת — והכרטיס מתייג את הציונים שלו שצורתם כ-Artificial-Analysis כ"הערכות פנימיות" שעשויות לסטות מאלה הרשמיים. שום דבר מזה אינו משוחזר.

עכשיו שימו את הכרטיס של Qwen3.8-27B לידו. הציונים המדווחים שלו — 89.2 ב-GPQA Diamond, 79.5 ב-IFBench ו-73.0 ב-Terminal-Bench 2.1 — כולם גבוהים מהמספרים הטובים ביותר של Dory באותם מבחנים, וזה בדיוק מה שהייתם מצפים ממודל גדול פי שבעה עם צינור אימון חדש בשני דורות. אין תרחיש שבו 4B מנצח 27B מבוצע היטב במבחן ידע או הסקה, ו-Dory לא טוענת לכך. מה ש-Dory כן טוענת הוא דבר אחר: שב-4B היא מגיעה להתנהגות אג'נטית בדרגת 9B בערך, ושאתם יכולים לבחור כמה מחשוב להשקיע בקנה המידה הזה.

פריסה: הפער אינו קרוב, וזה לא קשור לאיכות

Qwen3.8-27B הוא שחרור רגיל במשקולות פתוחות. פורמט Transformers, תמיכה מוצהרת ב-vLLM, ב-SGLang וב-TokenSpeed, גרסה אחות ב-FP8, ומערכת אקולוגית שהפיקה הרבה יותר מאלף כימותים ומאות כיוונונים עדינים מאז אוגוסט. אם הסטאק שלכם מריץ מודלים מודרניים במשקולות פתוחות, הוא יריץ גם את זה, והמגבלה האמיתית היחידה היא זיכרון — 27B צפוף ב-BF16 אינו מודל למכונות קטנות, אבל הגרסאות המכומתות קיימות בדיוק בשביל זה.

Dory הוא ההיפך. התמיכה ב-vLLM נמצאת בבדיקה בבקשת משיכה פתוחה; עד שהיא תמוזג, NVIDIA מורה לך להתקין את vLLM מאותו ענף עם דגל הגרעין המהודר מראש, ולאחר מכן להפעיל עם עקיפות שמגדירות את מספר הלולאות החוזרות ואת מצב ה-KV-cache. התמיכה ב-llama.cpp נמצאת בבקשת משיכה פתוחה שנייה עם קומיט מוצמד והוראות בנייה עבור macOS ARM64. אין נקודת קצה מתארחת עבור Dory בשום מקום שאנו יכולים לאמת, ומוני ההורדות בכל ארבעת המאגרים היו באפס בזמן כתיבת שורות אלה. נתוני המהירות שפורסמו מוגבלים להאצות כימות על DGX Spark — 1.69× ו-1.84× עבור MXFP8 לעומת BF16, 2.17× ו-2.44× עבור NVFP4, בהתאם לשילוב אורכי הקלט/הפלט — לא תפוקה.

מול זה, טענת הזיכרון בכרטיס של Dory היא הרכיב ההנדסי היחיד שיכול להצדיק את אי-הנוחות. לולאה רקורנטיבית סטנדרטית שומרת מטמון KV נפרד לכל לולאה, כך שהזיכרון גדל בכל מעבר. מצב שמירת ה-KV של הלולאה האחרונה של Dory שומר מטמון אחד לכל שכבת קשב רקורנטיבית ודורס אותו בכל מעבר, ומחזיק את טביעת הזיכרון בגודל של לולאה אחת בקירוב לכל מספר לולאות, עם דיוק שלדברי NVIDIA נשאר קרוב לזה של המצב שבו נשמר מטמון לכל לולאה. אם זה יחזיק מעמד במדידה של מישהו אחר, מודל 4B עם חלון של 256K וארבע לולאות נעשה מעשי על חומרה שאחרת לא הייתה יכולה להרשות אותו לעצמה. אף אחד מחוץ ל-NVIDIA לא בדק.

היכן ש-OrcaRouter ממוקם בפועל בהשוואה הזו

זו ההשוואה הנדירה שבה אנחנו יכולים להיות ספציפיים, מפני ששני הצדדים עומדים כאן על בסיס שונה. הצד של Qwen נמצא בקטלוג שלנו: qwen/qwen3.8-27b מתארח באירוח עצמי על התשתית של OrcaRouter עצמה, וכן qwen/qwen3.8-flash ו-qwen/qwen3.8-max נגישים כנקודות קצה מתארחות, הכול דרך מפתח API אחד במחיר המחירון של הספק עם 0% תוספת. הצד של NVIDIA אינו כזה — NVIDIA Nemotron Labs Dory 1.0 4B אינו בקטלוג ואין לו נקודת קצה מתארחת בשום מקום שאנחנו יכולים לאשר.

האסימטריה הזו באמת מועילה ולא מגושמת. הטיעון בעד מודל קטן המתארח בעצמך הוא טיעון של עלות, וטיעון של עלות זקוק למחיר השכירות שהוא יוצא נגדו. שלוש דרגות ה-Qwen3.8 מתומחרות באופן שונה מאוד — 27B ב-0.33 דולר למיליון טוקני קלט ו-2.40 דולר למיליון פלט, Flash ב-0.15 ו-0.47, Max ב-2.00 ו-6.00 — ולכן לגרסה הישרה של "האם 4B יכול להחליף את זה" יש שלוש תשובות שונות, בהתאם לדרגה שבה אתם משתמשים בפועל היום. מפתח OrcaRouter בודד מגיע לשלושתן, כך שתמחור השאלה הזו לא דורש שלושה חשבונות. מכיוון שאנחנו מעבירים את מחיר המחירון של הספק הלאה ללא תוספת, שינוי מחיר של Qwen מגיע לכאן באותו יום. וכשאתם כן בוחרים דרגה, מעבר אוטומטי בין ספקים (failover) וה-DSL לניתוב — שמאפשר לכם להרכיב מודלים מאחורי קריאה אחת — הופכים את המעבר מ-Qwen מתארח ל-Dory עצמאי, או בחזרה, לשינוי קונפיגורציה בנקודת קריאה אחת ולא לריפקטור. אנחנו לא מגישים את Dory; אנחנו הדרך הזולה למדוד את מה שהוא יחליף.

פסק הדין

אם עומס העבודה שלך הוא מולטימודלי, רב-לשוני או עתיר ידע — כל דבר שבו המודל צריך לדעת דברים ולא לעשות דברים — Qwen3.8-27B הוא התשובה במשקל פתוח, וההשוואה כלל אינה תחרותית. הוא גדול פי שבעה, חדש בשני דורות, נתמך בידי אקוסיסטם נגזרים גדול, רץ על מנועים שכבר תומכים בו, והכרטיס שלו עצמו מצהיר על מספרים ש-Dory אינו מתקרב אליהם ב-GPQA או בבנצ'מרקים של הוראות. שכור במקום זאת את Flash או Max אם אתה מעדיף בכלל לא לארח 27B.

Dory 1.0 4B הוא הימור על ציר אחר. הוא שווה את החיכוך של בנייה מתוך ענף רק אם שלושה דברים נכונים עבורך: המשימה היא טקסטואלית בלבד ובאנגלית בלבד, היא סוכנית ולא מונחית ידע, והיית באמת משתמש בחוגת מחשוב — להריץ לופ אחד תחת עומס וארבעה כשהדיוק חשוב, מאותה נקודת ביקורת, בלי הורדה שנייה. הכרטיס שלו טוען שההימור משתלם ב-τ³-Bench ובביצוע הוראות ב-4B, והוא חושף מספיק על האופן שבו הופקו המספרים האלה כדי לאפשר לך להפחית מהם כראוי.

מה שיכריע את הסוגיה הוא המבחן שאיש לא הריץ: Dory 1.0 4B מול Qwen3.8-27B על תשתית בדיקה משותפת, באותה קוונטיזציה, על מערך משימות סוכני. הטבלה של NVIDIA מדלגת לחלוטין על הדור הנוכחי של Qwen, והטבלה של Alibaba אינה מתייחסת לדרגת משקל נמוכה יותר. עד שמישהו יפרסם את ההשוואה הזו, העמדה המדויקת היא שאחד מהמודלים האלה הוא מודל 27B מוכח, נתמך ונפרס באופן נרחב, והאחר הוא מאגר 4B שהופיע בין לילה עם רעיון מעניין בתוכו — והאדם היחיד שיכול לומר אם הרעיון שווה את הבנייה הוא אתה, על מערך המשימות שלך.

שום דבר מזה אינו היפותטי: כשלי ה-AI המתועדים ותקריות הסוכנים העומדים מאחורי מהדורות כמו זו מרוכזים בארכיון תקריות ה-AI של OrcaRouter, שבו כל רשומה כוללת מקורות משלה, חומרה, דירוג מהימנות וסימון שנוי במחלוקת.