Gemma 4 31B IT: خيار الجودة المحلية عندما تتحمل الذاكرة

القرار ليس سباقاً بين رقمين. السؤال العملي: هل يخفض 31B أخطاء المستندات أو البرمجة أو خطوات الوكيل بما يكفي لتعويض ذاكرته وحسابه؟ نتائج Google تقترح أماكن للبدء، لكن عينة حقيقية من مهامك هي الحكم.

البنية الكثيفة تجعل كل طبقة جزءاً من الكلفة

يتكون 31B من 30.7B بارامتر موزعة على 60 طبقة. لا يختار في كل توكن مجموعة خبراء صغيرة مثل 26B A4B؛ لذلك يكون مساره أبسط مفهوماً، لكنه لا يمنحك وفورات المسار المتناثر. والتكميم يخفض حجم الأوزان، لا ذاكرة KV cache ولا برنامج التشغيل ولا كلفة الجلسات المتزامنة.

مبرر 31B الأقوى يظهر في المهام الممتدة

لا تحول نتائج المزود إلى ترتيب مطلق. استخدمها لتحديد الاختبارات التي تستحق وقتك. الفارق محدود في المعرفة العامة والاستدلال، أكبر في مهام الأدوات، وأوضح في استرجاع عدة مواضع من سياق طويل. فإذا كان تطبيقك يقرأ نصوصاً قصيرة فقط، قد لا تسترد كلفة الذاكرة. أما إذا كان يجمع مستندات طويلة وخطوات أدوات وقراراً متعدد المراحل، فابدأ باختبار 31B.

نتائج مختارة نشرتها Google؛ الأعلى أفضل ما عدا OmniDocBench

الاختبار	31B كثيف	26B A4B	ما الذي يقيسه للقرار؟
MMLU Pro	85.2	82.6	معرفة عامة
LiveCodeBench v6	80.0	77.1	توليد الشفرة
متوسط Tau2	76.9	68.2	مهام الوكلاء والأدوات
MRCR v2، ثماني إبر عند 128K	66.4	44.1	الاسترجاع من سياق طويل
OmniDocBench ↓	0.131	0.149	تحليل المستند؛ الأقل أفضل

ابدأ بالقيد الذي لا تستطيع توسيعه

مصفوفة قرار بحسب القيد الفعلي

الحالة	ابدأ بـ	السبب	اختبر قبل الاعتماد
خادم واحد لمهمة حساسة للجودة	31B Q4_0	أصغر بصمة رسمية للنموذج الكثيف	أثر التكميم وذروة الذاكرة مع طولك الحقيقي
مستندات طويلة مع استدعاء أدوات	31B	يتقدم في صفّي السياق الطويل وTau2 المنشورين	أخطاء الاسترجاع والأدوات وزمن المهمة كاملاً
طلبات كثيرة على عتاد ثابت	26B A4B	ذاكرة أوزان أقل ومسار نشط متناثر	الطلبات في الثانية عند بوابة جودة واحدة
فهم صوت أو محادثات مسجلة	نموذج آخر	بطاقة Google تذكر النص والصورة، لا الصوت	نموذج صوت أصلي أو مسار تحويل كلام إلى نص

اختبر السياق الطويل كاسترجاع أدلة لا كحشو مستندات

اجعل حزمة الاختبار موزعة على أقسام مختلفة، وضع مشتتات معقولة وتعارضاً واحداً يحتاج ترجيح مصدر. اطلب من النموذج تحديد المقطع الداعم والامتناع عند نقص الدليل. قيّم استرجاع الدليل منفصلاً عن صياغة الجواب حتى لا تخفي البلاغة خطأ البحث.

شغّل الحزمة عند طول عادي ثم مرتفع. إذا ظهر الفشل مع زيادة النص فقط، فقد يكون القيد في الاسترجاع أو بناء التعليمات لا في القدرة العامة. قارن منحنى الفشل مع 26B قبل شراء ذاكرة إضافية.

اختبار الذاكرة يبدأ بالطلب الحقيقي لا بالنموذج الفارغ

لا تجعل أقصى سياق معيار القبول إن لم يحتجه عملك. ثبّت بوابة الجودة أولاً، ثم قارن ذروة الذاكرة وزمن أول توكن والزمن الكامل والمهام الناجحة في الساعة. عندها تعرف إن كانت جودة 31B الإضافية قابلة للدفع تشغيلياً.

اختره عندما تكون الجودة نادرة، وتجاوزه عندما تكون السعة نادرة