OrcaCyber Nano 1.0: הראשון מתוך 21 על לוח שאין בו שופט

OrcaCyber Nano 1.0 — גרסת 27B Mix-13G, בנפח 13.0 GB בדיסק — נמצאת בראש טבלת דירוג של 21 מודלים עבור כרטיסי GPU עם 16 GB, עם ציון של 89.8 מתוך 100, בקצב של 60 אסימונים לשנייה על כרטיס Tesla V100 יחיד. את הטבלה מפעיל מאגר GitHub של צד שלישי, לא אנחנו. היא מדרגת כל תשובה באמצעות קוד ולא באמצעות שופט LLM. והדבר השני שכדאי לומר הוא זה שספק בדרך כלל משמיט: OrcaCyber Nano 1.0 אינו המודל המהיר ביותר בטבלה הזו. MiniCPM-V 4.7 פועל שם בקצב של 93.4 אסימונים לשנייה. ה-Nano מנצח בממוצע של שבע קטגוריות, לא במהירות, ושני המתחרים הקרובים ביותר — Qwen3.8-27B בשתי קוונטיזציות קהילתיות שונות — מפגרים אחריו ב-1.2 וב-1.4 נקודות.

להלן קריאה של אותה הערכה כפי שהמאגר מפרסם אותה בתאריך 2026-10-19, בתוספת המטא-נתונים המפורסמים של המודל עצמו מתאריך 2026-10-19. כאשר מספר מגיע מההכרזה של OrcaRouter עצמה ולא מלוח של צד שלישי, הדבר מצוין במשפט. שום דבר מהמובא להלן לא הורץ מחדש על ידינו.

הדירקטוריון, ומי שמנהל אותו

מאגר V100-LLM אורז ממשק גרפי, סט מנועי הסקה וחבילת ניקוד להרצת מודלים מקומיים על כרטיס NVIDIA Tesla V100 16 GB אחד תחת Windows. בחירת מודל, פריסט ומנוע, הורדת מה שחסר, שיחה עם תמונות וצפייה בקצב טוקנים לשנייה בזמן אמת — כל אלה מתרחשים בממשק הגרפי הזה. חבילת הניקוד היא החלק שהפיק את הדירוג, והמאגר מפרסם את מערך הבדיקות המלא לצד הציונים, דבר יוצא דופן מספיק כדי להצדיק את הפסקה.

חבילת המבחנים הראשונה של הלוח הייתה קלה מדי. המאגר אומר זאת במפורש: רוב המודלים קיבלו בין 90 ל-100 בגרסה הראשונה, מה שאומר שלא ניתן היה להבדיל ביניהם, והתוצאות הישנות האלה עדיין נמצאות במאגר לכל מי שרוצה לראות את הכישלון. גרסה שתיים — חבילת המבחנים הקשה — תוכננה כך שאף מודל ברמת 16 GB לא יצליח בכל המשימות. היא מכילה 72 משימות בשבע קטגוריות:

• קידוד, 16 משימות — מנתח ביטויים ללא eval, התאמת regex, דייקסטרה עם שבירת שוויון, מטמון LRU עם TTL, מיון טופולוגי, מרחק עריכה, ספרות רומיות, סודוקו, בעיית התרמיל, מטריצה ספירלית, ממזער JSON. נבדק על ידי בדיקות יחידה נסתרות למקרי קצה שמופעלות על הקוד שנוצר בארגז חול עם מגבלת זמן.

• חשיבה, 20 משימות — מתמטיקה רב-שלבית, לוגיקה, תאריכים, קומבינטוריקה ובעיות מילוליות. התשובה המדויקת חייבת להופיע בשורה האחרונה.

• הוראות, 12 משימות — שלושה עד חמישה כללים בבת אחת: ספירת מילים, אותיות אסורות, פורמטים מדויקים, סדר, מבנה JSON. כל כלל במשימה חייב להתקיים, ולא רובם.

• חיפוש ברשת, 8 משימות — שאלות רב-שלביות שבהן אתם מחפשים, קוראים את התוצאה, מחפשים שוב באמצעות מה שמצאתם, ולפעמים מחשבים עם מחשבון ככלי. הניקוד ניתן על התשובה הנכונה ועל המספר המינימלי של חיפושים נפרדים. ה"ווב" הוא אינדקס לא מקוון קבוע של 13 עמודים.

• סוכן, 6 משימות — פרויקט מדומה קטן עם כלי קבצים ו־run_tests: תיקון באג, הוספת פונקציה, שינוי שם חוצה קבצים, תיקון קונפיגורציה, בניית דוח CSV. הניקוד מבוסס על מצב הקבצים הסופי ועל הבדיקות של הפרויקט עצמו.

• ראייה, 8 משימות — תמונות שנוצרו: סכימת עמודה בטבלה, איתור שורה, קריאת תרשים עמודות, ספירת נקודות, קריאת טקסט קטן, יחסים מרחביים, שעון אנלוגי, קבלה.

• הקשר ארוך, 2 משימות — טקסט של כ-14,000 טוקנים עם שלוש עובדות מוסתרות הרחק זו מזו, אחת מהן קוד כספת המחולק לשלושה חלקים. תשובה מדויקת.

מה שווה "אין שופט"

רוב לוחות הדירוג בגודל הזה מדורגים על ידי מודל שפה שקורא את התשובה ומחליט אם היא טובה. זה זול, וזה הופך את הלוח לבלתי אפשרי לשחזור: השופט הוא מודל, למודל יש גרסה, ואותה תשובה יכולה לקבל ציון שונה ביום שלישי מזה שקיבלה ביום שני. המערך הקשה מסיר את השופט ומציג חמישה כללים שהופכים את הציון לניתן לשחזור.

• הכול נבדק על ידי קוד. אותה תשובה תמיד מקבלת את אותו ציון.

• דטרמיניסטי ולא מקוון. טמפרטורה אפס, חשיבה מושבתת, ללא גישה לאינטרנט — ה'ווב' של קטגוריית חיפוש האינטרנט הוא האינדקס הקבוע בן 13 העמודים.

• אותה הגדרה מוקדמת שמשתמש מקבל. כל מודל פועל עם ההגדרה המוקדמת שה-GUI ממליץ עליה, כך שהמהירות והציון הם אלה שאדם רואה לאחר ההתקנה, ולא תצורה מכווננת לניצחון.

• כל משימה מוכחת כניתנת לפתרון. המאגר מכיל פתרון ייחוס נכון עבור כל משימת קידוד ומשימת סוכן, ושני סקריפטי בדיקה עצמית בודקים שהפתרונות האלה עוברים את הבודקים. תשובות מחושבות — תאריכים, סכומים, קודים — מאומתות בקובץ המשימה.

• התשובה היא השורה האחרונה. מודל עשוי לחשוב בקול רם; הבודק קורא את השורה האחרונה. קריאות לכלים מתקבלות בפורמט OpenAI ובפורמטי הטקסט של Qwen XML tool_call.

החשבון של הניקוד גם הוא לא אופנתי באותה מידה. כל קטגוריה היא האחוז של המשימות שעברו. הציון הכולל הוא הממוצע של שבע הקטגוריות, כאשר כל קטגוריה מקבלת אותו משקל. המהירות היא קצב היצירה הממוצע עבור תגובות של 64 טוקנים או יותר במהלך הריצה. כל ריצה נשמרת כקובץ JSON לכל מודל, המתעד את התשובה לכל משימה ואם היא עברה, כך שאם יש מחלוקת לגבי ניקוד אפשר לפנות לתיעוד.

איפה OrcaCyber Nano 1.0 בעצם נוחת

שבעת ציוני הקטגוריות, מתוך 100: קידוד 88, הסקה 95, הוראות 58, חיפוש באינטרנט 100, סוכן 100, ראייה 88, הקשר ארוך 100. ממוצע: 89.8.

58 הוא המספר המעניין, וזה המספר שדף שיווקי היה מעגל הרחק. הוראות היא הקטגוריה שבה מודל צריך להחזיק שלושה עד חמישה אילוצים בו-זמניים — מספר מילים, אות אסורה וצורת פלט מדויקת — ו-Nano מפסיד חמישה מתוך שנים-עשר משימות שם. כל השאר נמצא ב-88 ומעלה. שתי קטגוריות מושלמות.

המתחרה הקרוב ביותר הוא Qwen3.8-27B בכימות Aggressive IQ3_XS של HauhauCS עם 88.6 בסך הכול ו-42.2 אסימונים לשנייה; במקום השלישי נמצאת גרסת UD-IQ3_S של Unsloth של אותו מודל עם 88.4 ו-52.1 אסימונים לשנייה. שניהם מגיעים ל-94 עד 100 בקידוד ובחשיבה, ושניהם יורדים ל-50 בהוראות — כך שהחולשה בביצוע הוראות היא תכונה של מחלקת ה-27B ברמת הדחיסה הזו, ולא פגם ייחודי ל-Nano. מה שמפריד בין המקום הראשון לשלישי הוא 1.4 נקודות הפרוסות בדלילות: כמה משימות בקטגוריה, ולא דרגה אחרת של מודל.

שישים טוקנים בשנייה, ולמה המודל המהיר ביותר נמצא במקום אחר

מהירות הכותרת היא 60 טוקנים לשנייה בהקשר של 32k, והמאגר מקפיד לגבי מהו המספר הזה. זוהי המהירות של הפריסט fast-32k המכוונן של המודל עם חיזוי רב-טוקנים בעומק 3, שנמדדה כ-66.6 טוקנים לשנייה בקוד ו-54.0 בצ'אט, לממוצע של 60.3. הממוצע הפשוט על פני כל תגובת הערכה הוא 56.9. שני הנתונים מופיעים בהערת השוליים של הטבלה, ולא רק זה המשבח.

המהירות יורדת ככל שההקשר גדל, והמאגר מפרסם את הסולם: 57 אסימונים לשנייה ב-96k, 32 ב-160k ו-24 ב-262k לאחר שמולאו 20,000 אסימונים. עיבוד פרומפט בפרומפטים קצרים הוא 501 אסימונים לשנייה. עד 19,600 אסימונים, כל הפריסטים עוברים.

הדגם המהיר ביותר בלוח הוא דגם אחר. MiniCPM-V 4.7 בגרסת המיקס Q3 של 35B-A3B פועל בקצב של 93.4 אסימונים לשנייה בהקשר של 128k, והוא מגיע לכך על ידי העברת מקודד הראייה אל ה-CPU כך שכל המומחים שלו נשארים על הכרטיס. הוא מדורג רביעי בסך הכול עם 87.5. ההצגה של המאגר עצמו היא של פשרה, לא של ניצחון מוחלט: ה-Nano מתואר שם כדגם ה-27B הצפוף המהיר ביותר בטבלה, וזו טענה צרה יותר מזו של "הדגם המהיר ביותר", והיא נכונה.

סביבת המדידה מוצהרת פעם אחת וחלה על כל הטבלה: כרטיס Tesla V100-SXM2-16GB אחד, מעבד Xeon E5-2660 v4, זיכרון DDR4 בנפח 64 GB. המנועים הנבדקים הם PXA, llama.cpp עם טלאי ייעודי ל-V100, פורק של Prism ML ו-Strata, כל אחד תחת רישיון MIT; קובצי ה-DLL של CUDA כפופים ל-EULA של NVIDIA. משקלי המודלים אינם נכללים — כל אחד מהם מורד מהעמוד של המחבר שלו ב-Hugging Face.

מהו המודל, לפי המטא-דאטה שלו עצמו

מאגר Hugging Face orcarouter/OrcaCyber-Nano-1.0 מדווח על חלון הקשר של 262,144 טוקנים, צינור image-text-to-text (הוא מקבל גם תמונות וגם טקסט), ספריית GGUF, והשפות אנגלית וסינית. הוא מוגבל בגישה: יש להתחבר כדי להוריד. שדה הרישיון מציין other עם שם הרישיון qwen. נכון ל-2026-10-19, המאגר הציג 18,606 הורדות ו-151 לייקים, ושדה מודל הבסיס שלו מציין OrcaCyber-Nano-1.0-AI-Defense עם היחס quantized — קובצי המשקולות הפתוחים הם כימותים של מודל אב מכוונן להגנה, וזו הדרך הכנה לקרוא את השדה הזה.

ישנם ארבעה קבצים, והגדלים שלהם מסבירים את רוב החלטות הפריסה בסעיף הבא:

• Mix-13G — 12,993,304,352 בייט, הבנייה של 13.0 GB שקיבלה ציון 89.8.

• Mix-15.7G — 15,695,148,832 בייט, הגרסה הגדולה יותר, שעדיין נכנסת לתקציב של כרטיס 16 GB.

• DFlash2 Q8_0 — 2,056,414,112 בתים, מודל הטיוטה לפענוח ספקולטיבי.

• mmproj F16 — 927,606,848 בייטים, מקרן הראייה, שהוא מה שמאפשר את שמונת משימות הראייה.

הוספת המנוע והתקנה עובדת תופסת כ-14 GB בדיסק: 13.0 GB של משקולות, כ-0.9 GB של מקרן, והסביבה הזמנית.

שלושה עשר גיגה-בייט נכנסים בכרטיס. מאתיים שישים ושניים אלף טוקנים לא.

אלו שתי טענות שונות, והסיקור העיתונאי נוטה לערבב ביניהן. קובץ המשקלים בגודל 13.0 GB נכנס בתוך 16 GB של VRAM, וזו הסיבה שהמודל רץ על V100 עם מקום למטמון KV של הקשר בגודל 32k. הקשר המקסימלי של 262,144 טוקנים לא נכנס בכרטיס; הוא זקוק למטמון ה-KV בזיכרון המערכת, והדרישות של המאגר מפרטות 64 GB של זיכרון RAM מערכת עבור פריסט 262k לעומת 32 GB לשימוש רגיל. אם דוחפים עד לתקרה הזו, המהירות היא 24 טוקנים לשנייה מהסולם שלמעלה.

שאר דרישות החומרה צנועות וספציפיות. כל כרטיס NVIDIA עם 16 GB החל מ-Volta ואילך יריץ את הסטאק; הדרייבר חייב להיות מסדרת R576 או חדש יותר; V100 שהושאר במצב TCC הוא בסדר. אין צורך להתקין WSL, Docker, ערכת כלים של CUDA, Visual Studio או Python, מפני שהתיקייה מגיעה עם המנועים שלה ועם Python נייד משלה. נדרשים כ-20 GB של שטח דיסק פנוי לכל מודל.

מספרי הספק, מתויגים

OrcaRouter הודיעה OrcaCyber Nano 1.0 ב-2026-10-18 כמהדורת חירום, עם משקולות פתוחות, והציבה אותה בסדרה של שלושה דגמים לצד OrcaCyber Zero 1.5 ו־OrcaCyber Ultra 1.0. באותו שבוע, החברה פתחה גישה מועדפת בחינם למודלי OrcaCyber שלה עבור צוותים המגיבים באופן פעיל לאירוע חדירה. הפוסט של יום למחרת פתח עם תוצאת טבלת הדירוג ותיאר את Nano, לפי ההערכות המוקדמות של הספק עצמו, כמודל המקומי היכול ביותר בקטגוריית מתחת ל-16GB.

הביטוי האחרון הוא טענה של ספק ולא שוחזר באופן עצמאי. כך גם המדד שההודעה חזרה עליו: 78.4% ב-SWE-bench Verified, לצד 79.0% כפי שדווח על ידי DeepSeek עבור DeepSeek V4 Flash. שני המספרים הללו מדווחים על ידי הספקים שלהם בהתאמה; אף אחד מהמספרים 78.4 או 79.0 לא הורץ על ידי פרסום זה, וההשוואה מעניינת בעיקר מפני שמודל של 27B מוצב במרחק של 0.6 נקודות ממודל מתארח גדול בהרבה, על גבי מערך הבדיקות של הספק עצמו. יש לקרוא זאת כהודעה, לא כתוצאה.

כרטיס הדגם עצמו ראוי לציון דווקא בשל מה שאין בו. התגיות שלו מזכירות סייבר, הנדסה לאחור, קריאה לפונקציות וראייה, אך הכרטיס אינו כולל נתוני בנצ'מרק ייעודיים לסייבר — אין ציון תגובה לאירועים, אין שיעור זיהוי פגיעויות, אין תוצאת CTF. אלה מופיעים במקום זאת בעמודי Zero. ונתון ה-CyberGym שמסתובב סביב קו הסייבר שלנו שייך להגדרה משולבת — Zero 1.0 יחד עם DeepSeek V4 Flash יחד עם ניתוב אדפטיבי — ולא להרצה עצמאית של דגם בודד כלשהו. אם אתם בוחרים בדגם הזה לעבודת הגנה, מצב הראיות הלא-מסולף הוא: חבילת בדיקות כללית שנבדקת בקוד דירגה אותו ראשון מתוך 21 על כרטיס של 16 GB, והראיות הייעודיות לסייבר נמצאות במקום אחר ושייכות לדגמים אחרים.

היכן הוא נמצא ביחס למודלי הסייבר המתארחים

OrcaCyber Nano 1.0 הוא מהדורת משקלים לחומרה מקומית. מורידים 13 GB, מריצים אותו בעצמכם, והציון שלמעלה הוא מה שהוא עושה בכרטיס שלכם. הוא אינו נקודת קצה בקטלוג שלנו היום, ואין לקרוא שום דבר במאמר הזה כאילו נאמר אחרת. מה שכן נמצא בקטלוג הוא שאר הסדרה — OrcaCyber Zero 1.5 ו־OrcaCyber Ultra 1.0 — תחת אותו מפתח ואותה נקודת קצה תואמת OpenAI כמו יותר מ-200 מודלים אחרים, כולל Claude Opus 5.5, GPT-6.1 Sol, Kimi K3, Qwen3.8-Max ו־DeepSeek V4 Flash, ללא תוספת מחיר לטוקנים מעל מחיר המחירון של הספק ומעבר אוטומטי בין ספקים בעת כשל.

החלוקה הזו היא זו שכדאי להחזיק בראש. Nano הוא המודל שבבעלותך ושאותו אתה מריץ באופן לא מקוון, בלי ששום נתון יוצא מהמחשב — וזו בדיוק הנקודה של מודל סייבר לתגובה לאירועים, משום שהמכונות שאתה הכי צריך לבדוק הן לעתים קרובות אלה שאינך יכול לשלוח ל-API. Zero 1.5 ו-Ultra 1.0 הם המודלים שאליהם אתה פונה. שכבה מקומית לעבודה בסביבה מנותקת, שכבה מתארחת לתפוקה, ואוצר מילים אחד של שמות מודלים בין השניים.

מה לעשות עם ה-89.8 תלוי למה היה לך צורך בו. אם חיכית להוכחה שמודל 27B בנפח 13 GB הוא תחרותי בכרטיס של 16 GB — לא רק ניתן להרצה, אלא תחרותי מול 21 חלופות במשימות שכולן מדורגות על ידי קוד הרצה — זוהי ההוכחה, כאשר פער ביצוע ההוראות שלו נראה ב-58 ותקרת המהירות שלו נראית ב-60 טוקנים לשנייה. אם היית צריך את הדבר המהיר ביותר על V100, זהו מודל אחר על אותה לוח ב-93.4, וזה שורה אחת למטה בטבלה.