أعلنت Liquid AI إصدار نموذج مسوّدة (Draft Model) تجريبي من نوع DSpark لنموذجها البصري اللغوي (VLM) LFM2.5-VL-3B. يضيف النموذج مسارًا للفك التخميني (Speculative Decoding) يستبدل زيادة صغيرة في استهلاك الذاكرة بتسريع أكبر، دون تغيير جودة المخرجات، كما فعلت الشركة مع مسوّدات LFM2.5-DSpark النصّية التي أصدرتها سابقًا.
الأرقام المعلنة
- تسريع فك الترميز حتى 3.13 ضعفًا على الجهاز، وحتى 2.66 ضعفًا على بطاقة H100. والتحسّن من طرف إلى طرف حتى 2.62 و2.27 ضعفًا على الترتيب.
- تكلفة الذاكرة صغيرة: تضيف المسوّدة 280 مليون معامل، أي 8.9% فوق النموذج الأساسي (3 مليارات معامل).
- دعم من اليوم الأول لـllama.cpp وMLX-VLM وSGLang.
وبحسب القياسات على ستّ مهامّ بصرية (منها الإجابة عن أسئلة الصور وقراءة النصوص فيها ووصف الصور والمخطّطات والاستدلال المعقّد والمحادثة متعدّدة الأدوار): على شريحة M5 Max مع MLX يتسارع فك الترميز من 2.30 إلى 3.13 ضعفًا بحسب المهمّة، ويتحسّن الزمن من طرف إلى طرف من 1.56 إلى 2.62 ضعفًا. وعلى M3 Ultra مع llama.cpp يبلغ التسارع 1.57 إلى 2.14 ضعفًا ومن طرف إلى طرف من 1.30 إلى 1.77 ضعفًا. وعلى H100 يتراوح التحسّن من طرف إلى طرف بين 1.64 و2.27 ضعفًا.
كيف تعمل المسوّدة؟
تستخدم مسوّدة الرؤية البنية نفسها لمسوّدات النصوص: تلتقط الحالات المخفية (hidden states) للنموذج المستهدف من طبقات محدّدة وتبني عليها كتلة من k رمزًا مرشّحًا. تُحوَّل رقع الصورة والنص إلى تمثيل مشترك قبل تلك الطبقات، فتعمل المسوّدة على متّجهات بالأبعاد نفسها بغضّ النظر عن نوع المدخل، وتبقى خوارزمية الاستدلال كما هي. المسوّدة ذات انتباه فقط، بأربع طبقات وحجم كتلة 9، وتوصي Liquid AI بحجم كتلة 8 أو 9 حسب العتاد. والفك التخميني «دقيق»: يتحقّق النموذج المستهدف من كل رمز مقترح، فيكون الناتج في حالة الفك الجشع مطابقًا لناتج النموذج وحده.
القيود
الفك التخميني يسرّع مرحلة الفك فقط، لا ترميز الصورة ولا معالجة المدخل الأوّلي (prefill). وفي نماذج الرؤية يستهلك هذان الجزآن حصّة كبيرة من الزمن، خصوصًا على أجهزة الحواف الأضعف حوسبةً من وحدات مراكز البيانات، فيصبح التحسّن الكلّي محدودًا رغم تسارع الفك. تصف Liquid AI ذلك بقانون أمدال (Amdahl’s law): التسارع الكلّي محدود بالجزء الذي لا يتسارع.
ليه ده مهم؟
للمطوّرين الذين يشغّلون نماذج رؤية صغيرة على أجهزتهم، تعطي المسوّدة طريقة لرفع السرعة بتكلفة ذاكرة ضئيلة. وهي مفتوحة الأوزان وتُتاح على Hugging Face بصيغتي Safetensors وGGUF. لكنها ما زالت تجريبية، وتشغيلها يتطلّب حاليًا إصدارات (builds) من llama.cpp وMLX-VLM وSGLang تتضمّن طلبات دمج محدّدة ذكرتها Liquid AI في مقالها.
المصادر: Hugging Face — Liquid AI — 2026-09-24
