Pipette: كيف تقيس أداء نماذج الذكاء الاصطناعي على هاتفك فعليًا؟

ما هي Pipette؟

Pipette هي حزمة اختبارات مجانية ومفتوحة المصدر طورتها Liquid AI لقياس أداء نماذج الذكاء الاصطناعي عند تشغيلها محليًا على الأجهزة، وأُطلقت في 24 أغسطس 2026 بالتعاون مع Artificial Analysis. الفكرة الأساسية هي اختبار عملية النشر كاملة، لا اختبار النموذج بمعزل عن بيئته.

لذلك تنظر Pipette إلى مجموعة مترابطة من العناصر: النموذج، وصيغة التكميم، وبيئة التشغيل، والجهاز، وعبء العمل. وتجمع المنصة بين قياسات Liquid AI لسرعة الاستدلال واستهلاك الذاكرة، وتقييم Artificial Analysis لقدرات النماذج على الأجهزة المحمولة. 119

ماذا تقيس المنصة؟

يتضمن الإصدار العام قاعدة بيانات تضم أكثر من 1,000 إعداد موثّقًا في المختبر، وتغطي خمسة مقاييس لأداء الذكاء الاصطناعي على الجهاز. كما تعرض لوحة الصدارة أكثر من 30 نموذجًا، وسبعة خيارات للتكميم، وأربعة أجهزة أولية. 114

وتشمل القياسات جوانب عدة، من بينها:

• أداء تجهيز المطالبة أو Prefill.
• سرعة توليد الرموز أو Decode.
• الزمن اللازم لإخراج أول رمز، المعروف باسم Time to First Token.
• الزمن الإجمالي للاستجابة.
• استهلاك الذاكرة. 411

وهذا مهم لأن ارتفاع سرعة التوليد وحده لا يعني بالضرورة أن التجربة أفضل؛ فقد يكون النموذج سريعًا في إنتاج الرموز لكنه يستهلك ذاكرة أكبر أو يتأخر كثيرًا قبل بدء الإجابة.

الأجهزة وأنظمة التشغيل وبيئات التشغيل

تتوفر لـPipette تطبيقات تعمل على iOS وAndroid، وتقوم بتشغيل النماذج بعد تنزيلها إلى الجهاز، بدل قياس سرعة الوصول إلى واجهة برمجة تطبيقات سحابية. وتشمل تغطية الإصدارات الأولى نماذج تعمل عبر إصدارات محددة من llama.cpp على macOS وiOS وWindows وAndroid. 1011

وتختلف خيارات التنفيذ بحسب المنصة. ففي iOS يمكن استخدام المعالجة عبر وحدة الرسوميات من خلال Metal وMLX، بينما كان عميل Android في الإطلاق الأول يعتمد على وحدة المعالجة المركزية فقط. 10

لهذا السبب لا ينبغي قراءة أرقام iPhone وAndroid الحالية باعتبارها مقارنة مباشرة بين الشرائح. فنتيجة iPhone قد تستفيد من تسريع GPU، في حين تعكس نتيجة Android في الإعداد الأول أداء المعالج المركزي وحده.

ما النماذج وصيغ التكميم المدعومة؟

تشمل مجموعة النماذج الأولية عائلة Liquid Foundation Models أو LFM من Liquid AI، إلى جانب نماذج صغيرة من جهات أخرى مثل Gemma وNanbeige. وتركز المقارنة المنشورة لقدرات الذكاء على النماذج التي يمكن أن تلائم ذاكرة قدرها 8 غيغابايت عند تكميمها إلى 4 بت. 108

التكميم هو تقليل دقة تمثيل أوزان النموذج بهدف خفض استهلاك الذاكرة وتسريع التشغيل، مع احتمال حدوث مقايضة محدودة في الجودة. وتضم لوحة Pipette سبعة خيارات للتكميم، لذلك فإن اسم النموذج وحده لا يكفي لفهم النتيجة؛ إذ يمكن أن يختلف الأداء بوضوح عند تغيير صيغة التكميم أو بيئة التشغيل.

وتشير وثائق Liquid AI إلى أن صيغًا مثل GGUF مناسبة للاستدلال المحلي على المعالج المركزي أو الرسوميات عبر أدوات مثل llama.cpp، في حين تستفيد صيغة MLX من الذاكرة الموحدة في أجهزة Apple Silicon. 2

حدود السياق: 16 ألف رمز أم أكثر؟

استخدمت اختبارات الذكاء المنشورة على الهواتف حدًا أقصى للسياق يبلغ 16 ألف رمز. وقد سجل نموذجا Nanbeige4.2-3B وLFM2.5-2.6B أعلى متوسط تقييم عند هذا الحد، بمعدل 63 لكل منهما. 98

لكن هذا الرقم لا يمثل بالضرورة الحد الأقصى لكل نموذج. فكتالوج LFM يذكر دعم سياق يبلغ 32 ألف رمز للعديد من النماذج، و128 ألف رمز لنموذج LFM2.5-8B-A1B. وهذه قدرات للنماذج نفسها، وليست بالضرورة جزءًا من عبء العمل الموحّد في الإصدار الأول من اختبار Pipette. 82

أما قاعدة نتائج الأداء العامة، فتغطي أطوال سياق من 256 إلى 8,192 رمزًا ضمن الإعدادات المنشورة. 11

لماذا تعد قابلية إعادة الاختبار مهمة؟

تتمثل قيمة Pipette الرئيسية في المنهجية. فالنتيجة ترتبط بإعداد كامل ومحدد، وتأتي من تشغيل مختبري موثّق، مع بروتوكولات منشورة لإعادة الاختبار. كما تثبت المنصة بعض تبعيات البرمجيات؛ فنتائج الأداء العامة الحالية تتطلب إصدارات محددة من llama.cpp، مثل b10216 وb10516. 4116

هذا أفضل بكثير من مقارنة رقم منفرد تعلنه شركة حول «الرموز في الثانية». لكنه لا يلغي جميع مصادر التفاوت. فالحرارة، وحالة نظام التشغيل، وطراز الجهاز وسعة ذاكرته، واختيار الواجهة البرمجية، كلها عوامل قد تغيّر النتيجة. لذلك يجب تطابق هذه الحقول قبل اعتبار نتيجتين قابلتين للمقارنة فعليًا.

أبرز النتائج والتحفظ المهم عند مقارنة iPhone وAndroid

بلغت نتيجة منشورة لهاتف iPhone 17 Pro نحو 48.37 رمزًا في الثانية عند تشغيل Gemma 4 E2B بتكميم 4 بت عبر Apple MLX. وهي نتيجة قوية لهذا الإعداد المحدد، لكن قراءتها الصحيحة هي: Gemma 4 E2B مع تكميم 4 بت وبيئة MLX/Metal على iPhone 17 Pro، وليست تقييمًا عامًا للنموذج أو لكل الهواتف. 45

وفي تقييم الذكاء باستخدام سياق 16 ألف رمز، تصدر Nanbeige4.2-3B وLFM2.5-2.6B بمتوسط 63، بينما حصل LFM2.5-2.6B على نتيجته بزمن وذاكرة أقل في أحد القياسات المنشورة: فقد أجاب عن مطالبة معيارية من 1,024 رمزًا خلال 8.0 ثوانٍ باستخدام 2.3 غيغابايت من الذاكرة على iPhone 17 Pro. 9

لكن هذه الأرقام لا تثبت أن هاتفًا بعينه يمتلك عتادًا أسرع للذكاء الاصطناعي بصورة مطلقة. فالمقارنة الحالية تتأثر بكون iOS قادرًا على استخدام GPU عبر Metal وMLX، مقابل اعتماد عميل Android الأولي على CPU فقط. وستكون إضافة مسارات Android المعتمدة على GPU أو NPU خطوة ضرورية لإجراء مقارنة أكثر عدلًا بين المنصتين. 104

ما علاقتها بسباق شرائح الهواتف؟

تأتي Pipette في وقت يركز فيه مصنعو الشرائح على تسريع أعباء الذكاء الاصطناعي المحلي والمهام الوكيلة. وتقول Qualcomm إن معالج Oryon من منصة Snapdragon 8 Elite Gen 5 يصل إلى تردد 4.74 غيغاهرتز، مع تحسن معلن قدره 20% في أداء المعالج المركزي و35% في كفاءة استهلاكه للطاقة. 14

كما استعرضت Qualcomm لاحقًا منصة Snapdragon رائدة بمعالج Oryon يستهدف تردد 5 غيغاهرتز، إلى جانب تصميم FlexCache الذي يتيح مشاركة الذاكرة المخبئية ديناميكيًا بين الأنوية. وتعكس هذه الإعلانات سباقًا نحو استجابة أسرع للمهام المحلية، لكن تردد الساعة وحده لا يتنبأ بأداء نماذج اللغة؛ فسرعة الذاكرة، وسلوك الذاكرة المخبئية، والتكميم، وبيئة التشغيل، ومسار GPU أو NPU، والحرارة، وحدود الطاقة المستمرة، كلها عوامل مؤثرة. 913

الخلاصة

أفضل طريقة لفهم Pipette هي أنها اختبار شفاف لنشر الذكاء الاصطناعي على جهاز محدد، وليست ترتيبًا نهائيًا لقوة عتاد الهواتف. وعندما توسع Liquid AI تغطية الأجهزة وتضيف اختبارات تعتمد على NPU، يمكن للمنصة أن تميز بصورة أوضح بين مكاسب المعالج المركزي ومكاسب GPU وNPU ضمن أعباء عمل موحدة. وحتى ذلك الحين، ينبغي التعامل مع كل نتيجة بوصفها أداءً لإعداد محدد، لا حكمًا عامًا على نموذج أو هاتف كامل. 64