PAN 2 לעומת LFM2.5-2.6B-Base: שני סוגים של צ'ק פוינט שאתם אמורים לכוונן עדין

הדבר הראשון ששמים לב אליו ב-LFM2.5-2.6B-Base הוא המילה Base. הצ'קפוינט בעל 2.69 מיליארד הפרמטרים של Liquid AI אינו מודל שמשוחחים איתו; הוא המצע המאומן מראש שממנו נוצרים הווריאנטים של LFM2.5-2.6B לאחר אימון, ופורסם כדי שאנשים אחרים יוכלו ליצור משלהם. PAN 2 הוא אותו סוג של אובייקט בקנה מידה גדול פי שלושים: טרנספורמר דיפוזיה בעל 29 מיליארד פרמטרים מטעם Institute of Foundation Models של MBZUAI, שפורסם תחת Apache-2.0 עם קונפיגורציות אימון במאגר, ונועד להיות מותאם ולא רק לצריכה. בהשוואה זה לצד זה הם נראים אבסורדיים — האחד הוא מודל שפה שאפשר להריץ על מחשב נייד, והאחר הוא מודל עולם וידאו שדורש ארבעה B300. אבל שניהם ארטיפקטי בסיס עם רישיון מצורף, ולמי שעבודתו בפועל היא לקחת צ'קפוינט ולגרום לו לעשות משהו שהוא לא אומן עבורו, ההשוואה המעניינת אינה היכולת כלל. היא מה כל אחד מהם נותן לך לעבוד איתו, ומה העלות של להחזיק את הדבר בזמן שאתה מגלה.

נתחיל מהרישיון, כי זהו ההבדל הקשה היחיד.

הקוד והמשקלים של PAN 2 עצמו הם תחת Apache-2.0. הרכיבים של צד שלישי — Qwen3.5-9B כמקודד טקסט, Wan 2.2 כ-VAE, Diffusers — משמשים תחת התנאים שלהם ואינם מופצים מחדש על ידי MBZUAI; אתה מוריד אותם מהמחברים שלהם. זהו הסדר נקי, משעמם וידידותי מבחינה משפטית-תאגידית, וזו הסיבה העיקרית לכך שחברה עם תהליך בדיקה יכולה לאמץ את PAN 2 בכלל.

LFM2.5-2.6B-Base משוחרר תחת רישיון LFM1.0, שאותו Hugging Face רושם כאחר עם קישור לקובץ LICENSE ולא כמזהה SPDX. זו אינה ביקורת — הרישיון של Liquid מתיר שימוש מסחרי עד לסף הכנסות, וזה מבנה נפוץ וסביר לשחרור במשקלים פתוחים — אבל זה מבנה שונה מ־Apache-2.0, וההבדל אינו פרט שמגלים אחרי הכיוונון העדין. אם לצוות המשפטי שלך יש רשימת רישיונות מאושרים מראש, אחד משני המודלים האלה נמצא בה והשני דורש שיחה.

האסימטריה הזו פועלת בכיוון ההפוך ממספרי הפרמטרים, וכדאי לתת לזה מקום. המודל הזעיר הוא זה שכרוכים בו תנאים; העצום הוא זה שאפשר לשחרר בלי לבקש רשות מאף אחד.

מה ש-checkpoint בסיסי בעצם נותן לך

LFM2.5-2.6B-Base היא ארכיטקטורה היברידית: שלושים שכבות, מתוכן עשרים ושתיים הן בלוקי קונבולוציה קצרים עם שער כפול ושמונה הן קשב עם שאילתות מקובצות. השילוב הזה הוא כל הנקודה של סדרת LFM — בלוקי קונבולוציה זולים באורכי רצף ארוכים ובלוקי קשב שומרים על יכולת השליפה — ולכן המודל יכול לשאת הקשר של 131,072 טוקנים ב-2.69 מיליארד פרמטרים. האימון הגיע ל-34 טריליון טוקנים על אוצר מילים של 128,000 טוקנים, עם כיסוי לשש-עשרה שפות כולל ערבית, יפנית, קוריאנית, תאית ווייטנאמית.

מה שאין לו הוא אימון לאחר כלשהו. אין כוונון הוראות, אין תבנית צ'אט שווה את השם, אין יישור בטיחות. מודל בסיס חוזה את הטוקן הבא וזה כל מה שהוא עושה, מה שהופך אותו לדבר הלא נכון להעריך על מדד עמידה בהוראות ולדבר הנכון להעריך על כמה מהר LoRA מתכנס לתחום שלך. Liquid מפרסמת את האח שעבר אימון לאחר בנפרד, וקיומן של בניות GGUF ו-ONNX של אותו אח הוא הצהרת הכוונה הברורה ביותר: המשפחה הזו נועדה לרוץ על מכשירים שבבעלותך.

PAN 2 נותן לך תשתית הרבה יותר נרחבת, ופחות חופש בדרך אחת ספציפית. המאגר כולל קונפיגורציות אימון גם לקדם-אימון וגם לכיוונון עדין מפוקח — config/pretrain_29B_720p.yaml ו-config/sft_29B_720p.yaml — והתיעוד מורה לך להפנות את נתיבי הנתונים שלהן ל-latents שלך. כלומר, מסלול הכיוונון העדין קיים. אבל הנתונים שהוא מצפה להם אינם טקסט. אלה latents של וידאו המתויגים בפורמט תיאור מובנה ספציפי: אירועים לפי הסדר, פעולות המשויכות לשחקנים, תנועת מצלמה, בתוך תקציב של 1,536 טוקנים למקודד טקסט. אם ברצונך לכוונן את PAN 2 על התחום שלך, הפרויקט הראשון שלך אינו ריצת אימון. זהו צינור נתונים שהופך את הצילומים שלך לפורמט הזה, והמאגר נותן לך מאמת אבל לא את המתייג.

• חישוב לכיוונון עדין — LFM2.5-2.6B-Base: GPU יחיד, LoRA על תחנת עבודה, שעות ולא שבועות. PAN 2: טרנספורמר של 67.37 GB ב-BF16 לפני מצב אופטימיזר, בתוספת מקודד קפוא של 15.87 GB ו-VAE, על לטנטים של וידאו. ריבוי צמתים, ואף אחד לא פרסם מתכון.

• נתונים שעליך לספק — LFM2.5-2.6B-Base: טקסט, בכל פורמט שהמשימה שלך משתמשת בו. PAN 2: וידאו בתוספת כיתובים מובנים של מצב העולם לפי סכימת המאגר.

• מה שמתקבל בפלט — LFM2.5-2.6B-Base: מחולל טקסט, ולאחר אימון נוסף, עוזר או מדיניות סוכנית. PAN 2: סרטון של עד 20 שניות ב־704×1248 וב־24 fps, שמציג את ההשלכה של פעולה.

• רישיון — LFM2.5-2.6B-Base: LFM1.0, אחר, קראו אותו. PAN 2: Apache-2.0 על המשקלים של עצמו.

במדד היחיד שבו הם כמעט נפגשים

יש חפיפה אמיתית, והיא קטנה מספיק כדי להיות מעניינת. בדף הדגם של MiniCPM5-2B מבית OpenBMB מוצגים בנצ'מרקים של LFM2.5-2.6B מול דגם ה-2B שלה עצמה ומול קבוצה של דגמים אחרים, ואחד השורות הוא הקשר ארוך. ב-AA-LCR, OpenBMB מדווחת 5.3 עבור LFM2.5-2.6B לעומת 59.0 עבור MiniCPM5-2B. ב-NoLiMa, 0.7 לעומת 68.1. ב-LongBench v2, 30.3 לעומת 43.7.

אלה מספרים שדווחו על ידי מתחרים, על ה-harness של מתחרה, ולכרטיס המודל שמפרסם אותם יש אינטרס ברור בהשוואה. אך גודלו של הפער בשני מבחני ההקשר הארוך הקשים ביותר אינו מסוג הדברים שבחירת harness יכולה להסביר, וזהו תיקון מועיל לקריאה של "הקשר של 131,072 טוקנים" כטענת יכולת. חלון הקשר הוא קיבולת; שליפה באורך היא התנהגות. לצ'קפוינט Base יש את הראשון, ולפי עדויות צד שלישי, לא הרבה מהשני — וזו בדיוק הסיבה לכך שכיוונון עדין הוא השימוש המיועד, ולא עוזר למסמכים ארוכים ישר מהקופסה.

ל-PAN 2 אין בדיקה צולבת מקבילה. איש מחוץ ל-MBZUAI לא ערך לו בנצ'מרק, ורק המספרים של כרטיס המודל עצמו קיימים. זהו מצב ראיות חלש יותר מזה של LFM2.5-2.6B-Base, אף שהרצת המודל יקרה פי מאה — תזכורת לכך שהערכה עצמאית באה בעקבות אימוץ, ואימוץ בא בעקבות היכולת להריץ את הדבר בכלל.

העלות של החזקת כל צ'קפוינט

LFM2.5-2.6B-Base הוא בעל כ-2.7 מיליארד פרמטרים. ב-BF16 מדובר בנוחות בפחות מ-6 GB של משקולות, וגרסאות ה-GGUF של הגרסה התאומה שעברה אימון-המשך מורידות אותו הרבה מתחת לכך. אפשר להשאיר אותו טעון באותה מכונה כמו שאר הסטאק שלך, לכוונן אותו במהלך הלילה, ולשכוח שהוא שם.

PAN 2 תופס 86.17 GB על פני שישים קבצים, והמספר החשוב אינו הסך הכולל אלא הצורה. ה-transformer הוא 67.37 GB וכל worker inference מחזיק עותק מלא — סקריפט ה-inference של המאגר עצמו מריץ worker אחד לכל GPU, וכל אחד מהם מקבל כל prompt N-י, מפני שאין sharding tensor-parallel בנתיב הזה. מתכון vLLM הוא האפשרות המפוצלת, והכותרת שלו היא שלוש-עשרה שניות של וידאו ב-704×1248 בתוך כ-119 שניות על ארבעה B300 עם classifier-free-guidance parallelism על פני שני ranks ו-Ulysses sequence parallelism על פני שניים. ברירת המחדל היא שמונה H200. דוגם של חמישים צעדים עם guidance בכל צעד משמעו מאה forward passes לכל קליפ, וזו האריתמטיקה העומדת מאחורי כל בחירת תצורה במתכון.

אז השוואת העלויות הכנה אינה "6GB לעומת 86GB". היא "עלות שולית אפסית לכל הסקה לעומת צומת עם כמה GPUs לכל שתי דקות של פלט". מודל 2.6B מכוונן עדין שעונה לשאילתה לא עולה דבר שניתן למדוד. PAN 2 מכוונן עדין שמרנדר קליפ של עשרים שניות גובה צומת GPU למשך שלוש דקות, ותריץ אותו מאות פעמים לפני שתדע אם הכיונון העדין עבד.

במקום שבו נתב נוגע באחד מאלה

אף אחד מהמודלים אינו משהו ששכבת ניתוב יכולה לשרת. LFM2.5-2.6B-Base הוא צ׳קפוינט בסיס בלי נקודת קצה מתארחת ששווה לנתב אליה — זהו קובץ שמורידים. ל-PAN 2 אין כלל נקודת קצה מתארחת, לא מ-MBZUAI ולא מאף אחד אחר. אם התוכנית שלך כוללת אחד מהם, התוכנית שלך כוללת GPUs.

הסיבה להזכיר ניתוב בכל זאת היא שכמעט אף אחד לא פורס מודל בסיס בבידוד. LFM2.5 מכוונן הוא רכיב אחד באפליקציה שזקוקה גם למודל הסקה כללי, וסימולציית PAN 2 היא שלב אחד בצינור ששלבו הראשון הוא מודל שפה שכותב כיתובים מובנים. השכבה הסובבת הזו היא המקום שבו API יחיד עבור יותר מ-200 מודלים שווה שיהיה לך: אתה שומר את נקודת הבדיקה המכווננת על החומרה שלך, מנתב קריאות שגרתיות דרך OrcaRouter במחיר המחירון של הספק עם 0% תוספת מחיר מועברת הלאה, ומקבל מעבר אוטומטי לגיבוי כשספק חווה שעה רעה. עבור צינור PAN 2 בפרט, שלב הכיתוב הוא החלק האלסטי — הדוח מדרג את Claude Opus 5.5, GPT-6 Astra, Kimi K3 ו-Qwen3.8-Flash לפי השלמת תוכנית מלאה, וQwen3.8-Flash נמצא ב-OrcaRouter, כך שתוכל לבדוק איזה מתכנן באמת משלים את התוכניות שלך בלי להקצות ארבעה מודלים.

מה ש-OrcaRouter לא תעשה הוא לארח אף אחד משני ה-checkpoints. אמירה אחרת תהיה טענה מהסוג שנשמע כמו תכונה ומתנהג כמו באג.

מה שמסתיר המסגור של מודל הבסיס

שתי המהדורות האלה הן, במובן המחמיר, לא גמורות. ל-LFM2.5-2.6B-Base אין כיוונון הוראות מלכתחילה; ל-PAN 2 יש סעיף מגבלות שאומר שכשני שלישים מהתוכניות המדומות מכילות לפחות שלב אחד שאינו מבוצע. אף אחד מהם אינו מוצר. ההבדל הוא במה שמשמעות "לא גמור" בכל מקרה.

עבור LFM2.5-2.6B-Base, "לא גמור" הוא שלב בצינור עיבוד שהספק כבר השלים במורד הזרם — המודל שעבר אימון-המשך קיים, הגרסאות המקוונטנות קיימות, ונקודת הביקורת הבסיסית פורסמה עבור מי שרוצה לסטות מהמסלול. הפער הוא מכוון ומתועד.

עבור PAN 2, אי-השלמה היא מצבה של הגרסה כולה. המשקולות זמינות, התמיכה בפריימוורק נחתה ב-10 בנובמבר, והדבר היחיד שמישהו אמר עליה בפומבי הוא פוסט בן שתי פסקאות בחשבון ה-X של המעבדה עצמה באותו אחר הצהריים. המגבלות שלה אינן בחירת עיצוב שנמסרה למשתמשים במורד הזרם; הן בעיות פתוחות שהצוות מכנה בפומבי. אם תבצעו כיוונון עדין ל-PAN 2, תירשו את הבעיות האלה יחד עם המשקולות.

זו ההשוואה האמיתית, והיא אינה מתיישבת להמלצה בין שני המודלים, מפני שהם אינם תחליפים. היא מתיישבת לשאלה לגבי הפרויקט שלך: האם אתה מתאים רכיב מוכר כטוב, או שאתה בונה על תוצר מחקרי שאופני הכשל שלו עדיין נמדדים? LFM2.5-2.6B-Base הוא הראשון. PAN 2 הוא השני, ורישיון Apache-2.0 הוא הסיבה היחידה שהשני הוא בכלל אפשרות.