على الرغم من أن النماذج الكبيرة للذكاء الاصطناعي الصينية تتفوق في كمية الاستخدام على نظيراتها الأمريكية بتسعة أسابيع، إلا أن تكلفتها الفعلية في سيناريوهات البرمجة المكثفة تتجاوز بكثير حزمة GPT Codex. سجل Zhipu خسارة تزيد عن 3 مليارات يوان في عام 2025، بينما تواجه حزم مثل Kimi قيودًا على الحصص وتقيدًا في أوقات الذروة. السبب الرئيسي هو نقص البنية التحتية للحوسبة في الصين (449 مركز بيانات مقابل 5427 في الولايات المتحدة)، مما يمنع إطلاق حزم عالية القيمة مثل Codex. حاليًا، يتعين على المطورين الموازنة بين الأداء والسعر والاستقرار، حيث تقترب النماذج الصينية فقط من مؤشرات الأداء الفردية للنماذج العالمية الرائدة، لكنها لا تزال تواجه صعوبات في تحقيق قبول واسع على الرغم من التقدير التقني.

كاتب المقال، المصدر: FunTalk

خلال الشهر الماضي، أطلقت دائرة الذكاء الاصطناعي في سيليكون فالي عدة تطويرات كبيرة، مثل GPT-5.6 وfable5 وGrok-4.5.

في لحظة واحدة، اشتعل مجتمع المطورين والمبرمجين المحليين، وازدهرت المناقشات والتقييمات المختلفة حول النماذج المتقدمة مثل GPT-5.6.

على الرغم من صدور نماذج محلية جديدة هذا الشهر مثل Kimi-K3، إلا أن النماذج الكبيرة المحلية تظل في حالة "مشهود لها بالجودة ولكنها غير مقبولة على نطاق واسع" بين المطورين الرائدين في الوقت الحالي.

وفقًا لأحدث البيانات، من حيث الاستخدام: أظهرت بيانات OpenRouter من 22 إلى 28 يونيو أن استخدام النماذج الصينية بلغ 20.39 تريليون رمز، بينما بلغ استخدام النماذج الأمريكية 4.25 تريليون رمز، حيث تصدر النموذج الصيني لمدة تسعة أسابيع متتالية.

لكن على النقيض من ذلك، فإن أداء الشركات السبع الكبرى في مجال الذكاء الاصطناعي المحلي من حيث الإيرادات لم يكن مرضيًا: تُظهر التقارير المالية المنشورة أن Zhipu حققت إيرادات قدرها 724 مليون يوان في عام 2025، لكن خسارتها وصلت إلى أكثر من 3 مليارات يوان، بينما بلغت إيرادات MiniMax 79 مليون دولار أمريكي (حوالي 570 مليون يوان)؛ ولم تُعلن الشركات الأربع الأخرى، مثل Yue Zhi An Mian، عن إيراداتها السنوية الكاملة بعد.

حتى الشركات الرائدة، لا تزال إيراداتها عند مستوى مئات الملايين من اليوان.

على النقيض، وصل ARR لشركة Anthropic الرائدة في مجال الذكاء الاصطناعي إلى حوالي 60-70 مليار دولار، بقيادة رئيسية من واجهات برمجة التطبيقات B2B وسيناريوهات البرمجة بالذكاء الاصطناعي.

هذا يثير سؤالاً حادًا:

لماذا لا تزال النماذج المحلية التي تُوصف بأنها "رخيصة" و"ذات حجم استخدام عالٍ" تحظى بإشادة ولكن لا تحقق انتشارًا واسعًا، ولا تزال غير قادرة على المنافسة المباشرة مع أبرز النماذج الأجنبية في السيناريوهات عالية القيمة مثل الذكاء الاصطناعي للبرمجة؟

في الآونة الأخيرة، بعد مناقشة عميقة مع العديد من المطورين الرائدين في هذا المجال، اكتشفت حقيقة غير بديهية للغاية:

النماذج الكبيرة المحلية، من حيث ما يعادلها، هي في الواقع "مكلفة" جدًا.

بالضبط بسبب هذا "الارتفاع في السعر"، فإن بعض النماذج المحلية التي حققت تقدمًا في الأداء تواجه صعوبة في إظهار نقاط قوتها الحقيقية.

01 وهم "السعر المنخفض"

عندما يُذكر النموذج الكبير المحلي، يفكر الكثيرون في ممثلين مثل DeepSeek و Kimi، وأحد أكثر العلامات ارتباطًا بها هو السعر المنخفض والرخيص؛

إذا نظرنا فقط إلى سعر التوكن الواحد، فإن النماذج المحلية تمتلك ميزة كبيرة مقارنة بالنماذج الرائدة مثل GPT-5.6 وfable5. على سبيل المثال، مع مقارنة GLM-5.2 وDeepSeek V4: سعر إدخال/إخراج مليون توكن لـ GLM-5.2 هو 1.4/4.4 دولارًا أمريكيًا، بينما سعر DeepSeek-V4-Pro هو 0.435/0.87 دولارًا أمريكيًا؛ أما GPT-5.6 Sol فهو 5/30 دولارًا أمريكيًا، وClaude Fable 5 فهو 10/50 دولارًا أمريكيًا.

لكن في الواقع، هذا الانطباع بـ"السعر المنخفض" هو خطأ شائع بين غير المطلعين لفترة طويلة.

في سيناريوهات البرمجة المكثفة، لا تتمتع النماذج الكبيرة المحلية بميزة سعرية، بل بلغت أسعارها عدة مرات أعلى من GPT وClaude مع الحزم.

لي غوانغ (اسم مستعار) هو باحث في مجال الذكاء الاصطناعي، ونظرًا لطبيعة عمله، فإنه يستهلك عشرات المليارات من الرموز يوميًا في سيناريوهات ترميز الذكاء الاصطناعي. وبهذا المستوى من الاستهلاك، ستكون التكلفة الإجمالية باستخدام النماذج الكبيرة المحلية، مثل GLM-5.2، مرتفعة بشكل مخيف.

فواتير التوكن التي نشرها لي غوانغ

في يوم المحادثة، بلغ عدد الرموز التي استهلكها لي غوانغ حوالي 4 مليارات. يمكن تحويل هذا تقريبًا على النحو التالي: إذا كان يستخدم GLM-5.2، فالتكلفة التقريبية هي: (86.39 مليون إدخال عادي × 1.4 دولار + 3.38 مليار إدخال مخزن مؤقت × 0.26 دولار + 19.06 مليون إخراج واستنتاج × 4.4 دولار) ≈ 1084 دولارًا أمريكيًا، وبافتراض سعر صرف 1 دولار أمريكي = 7.2 يوان صيني، فإن ذلك يعادل حوالي 7800 يوان صيني.

والسبب الذي جعل لي غوانغ يُحرّر يديه ليُحرق التوكنات هو أنه اشترى حزمة CodeX الخاصة بـ GPT،

هنا شرح مبسط لشكل باقة CodeX: باختصار، إنها باقة مصممة خصيصًا لسيناريوهات البرمجة: وبصيغة دقيقة، فهي ليست غير محدودة حقًا، بل تدمج Codex ضمن اشتراك ChatGPT: Plus بسعر 20 دولارًا شهريًا، وPro بدءًا من 100 دولار شهريًا، بسعة تقارب خمسة أو عشرين ضعف سعة Plus؛ وبعد استهلاك الحد، يمكن شراء Credits للاستمرار في الاستخدام.

وبالمثل، يمتلك Claude Code من Anthropic حزمة مشابهة، حيث يكون سعر Claude Pro 20 دولارًا شهريًا، وسعر Max 5x وMax 20x 100 و200 دولار شهريًا على التوالي؛ ويشارك واجهة الويب الخاصة بـ Claude وClaude Code في الحصص الأسبوعية وكل 5 ساعات، ويمكن الاستمرار في الاستخدام بعد استنفاد الحصة بسعر واجهة برمجة التطبيقات.

تحت هذا الحزمة، تُمحى تكاليف الرموز الكبيرة.

بالنسبة للمطورين المحليين، فإن استهلاك عدة مليارات أو عشرات المليارات من الرموز يوميًا في سيناريوهات ترميز الذكاء الاصطناعي المكثفة هو أمر شائع جدًا.

تشاو لي هو أيضًا مطور متحمس لـ AI Coding، ونفقاته الفعلية على Codex خلال أسبوع تبلغ 300 يوان صيني، وهذا حتى دون تعويض من شركته.

لكن حتى هذا السعر، لا يزال "أرخص" بكثير مقارنةً بالنماذج المحلية، لأن نفس المبلغ البالغ 300 يوان لا يمكنه شراء عدد مكافئ من الرموز مثل GLM 5.2.

فاتورة رموز شياو ليو

من وجهة نظر المطورين المحليين، فإن حزمة Codex الخاصة بـ GPT هي أرخص وحدة token يمكن شراؤها حاليًا، وأرخص بعشرات المرات من Zhipu و Kimi. قد يبدو هذا غير بديهي، لكن الحقيقة هي أن النماذج الصينية لا تستطيع المنافسة من حيث القيمة مقابل السعر في سيناريوهات البرمجة المكثفة.

يجب التوضيح هنا أن Codex ليس باقة غير محدودة بالمعنى الحقيقي؛ فإذا اعتبرنا أعلى مستوى بقيمة 200 دولار، فسيكون المبلغ الإجمالي الأسبوعي حوالي 2 مليار.

لكن نظرًا لأن بعض المطورين يستخدمون النماذج عبر وسائل مثل "محطات وسيطة"، فإن التكلفة الفعلية لبعض النماذج تكون أقل بكثير من القنوات الرسمية، مما يؤدي أحيانًا إلى القدرة على شراء عدد أكبر من الرموز بسعر أقل، وبالتالي ظهور ظاهرة شراء 12 مليار رمز بـ 300 دولار.

في الواقع، لم تُطرح نماذج محلية حزمة مماثلة من حيث التسعير، ولكن إذا تم التحقق بدقة، فإن هذه الحزمة تواجه قيودًا كبيرة مقارنة بـ Codex من حيث الحدود.

02 ألم التسعير المحلي

حالة النماذج الكبيرة المحلية من حيث التسعير يمكن وصفها بجملة واحدة:

ظننت أنك دخلت إلى مكان طعام ذاتي الخدمة، لكنك اكتشفت في النهاية أن البائع لا يزال يحسب السعر بالكيلوغرام.

على سبيل المثال، من حيث الحزم، تتوفر Kimi و GLM-5.2 في الصين بمستويات أسعار 49 و 99 و 199 و 699 يوانًا، مع تحديث الحصص أسبوعيًا؛ بينما تقدم خطة GLM Coding Plan الإصدارات Lite و Pro و Max ما يقارب 80 و 400 و 1600 طلبًا كل 5 ساعات، أو حوالي 400 و 2000 و 8000 طلبًا أسبوعيًا، ويتم خصم ثلاث مرات الكمية أثناء فترات الذروة لـ GLM-5.2.

على سبيل المثال، مع qoder من علي بابا، وفقًا لصديق لي يعمل في دعم العملاء من قطاع B، وأسمه وهمي "أمي": "كان qoder في السابق أفضل بيئة تطوير ذكية اصطناعيًا في الصين، لكن سعره الجديد ألغى ميزاته."

بالنسبة للحزم: Qoder CN الفردي Pro و Pro+ بسعر 59 و169 يوان شهريًا، ويشملان 2000 و6000 رصيد على التوالي؛ إصدارات Teams وVPC بسعر 99 و199 يوان لكل مستخدم شهريًا، ويشملان 3000 رصيد لكل منهما، ويُباع إصدار VPC بحد أدنى 50 مستخدمًا.

بعد أن دمجوا Lingma وضبطوا التسعير هذا العام، على الأقل عشرون أو ثلاثين شركة توقفت عن تجديد اشتراكاتها، حسبما أوضح لي آمي لاحقًا.

وفقًا لاختبار أمي، فإن خطة Qoder Enterprise Edition 199 تنفذ خلال 3 أيام وفقًا لاستخدامه، وإذا استُخدمت من قبل مطور مكثف، فربما تنفذ خلال يوم واحد.

وبالمثل، من حيث الحزم، فإن GLM-5.2 تثير مشاعر مختلطة لدى المستخدمين المحليين.

وفقًا للمطور وِي: "حزم GLM-5.2 تكافئ تقريبًا عدم وجود حزم، حتى مع وجود الحزم، لا يزال هناك تقييد للتدفق أثناء أوقات الذروة، كما أن هناك ظاهرة 'خيانة' المستخدمين."

وفقًا لتقرير من 36氪: كانت باقات GLM-5.2 أصعب من تذاكر الحفلات الموسيقية في الحصول عليها، وكانت تُعاد تجديدها بدقة في العاشرة صباحًا كل يوم، وكان النجاح في شرائها يعتمد تمامًا على سرعة ردك.

في يناير 2026، أصدر Zhipu إعلانًا يفيد بأنه نظرًا لضيق القدرة الحسابية، تم خفض الكمية اليومية المتوفرة للبيع إلى 20% فقط من المعدل السابق، حيث يتم إطلاق كمية محدودة كل صباح في الساعة 10:00، وتُباع تمامًا خلال بضع دقائق.

في النهاية، بخل النماذج المحلية من حيث الحزم والأسعار هو في جوهره نتيجة لضعف قوة الحوسبة.

وفقًا لبيانات معهد اتصالات الصين ووزارة الصناعة وتكنولوجيا المعلومات الصينية لعام 2025، فإن عدد مراكز البيانات الحالية في الصين هو 449، بينما في الولايات المتحدة هو 5427، وفيما يتعلق بالقدرة الحسابية الإجمالية، فإن الصين تبلغ 1053 EFLOPS، بينما تبلغ الولايات المتحدة 2400.

لكن النقطة الأساسية هنا هي أن نسبة وحدات GPU عالية الأداء في تلك الـ 2,400 EFLOPS الأمريكية مرتفعة جدًا؛ بينما تحتوي قوة الحوسبة الصينية على كميات كبيرة من الرقائق المحلية مثل Huawei Ascend و Cambricon، والتي لا تزال تتمتع بفجوة جيلية في الأداء مقارنة بـ H100.

للاستجابة لزيادة الطلب المتزايد على قوة الحوسبة، بدأت Zhipu وAlibaba Cloud وTencent Cloud وBaidu في رفع أسعار الرموز في مارس 2026، بزيادات تتراوح بين 5% و460%.

ببساطة، أصبحت "الأسعار المنخفضة" و"حرب الأسعار" للنماذج المحلية من الماضي.

ليس لأن النماذج المحلية لا تريد تطبيق نموذج البوفيه، بل لأن الحسابات أظهرت: مع تكلفة قوة الحوسبة الحالية وحالة الخسارة، فإن تقديم خطة الاشتراك الشهري يعني المقامرة بأن المستخدمين لن يستهلكوا الموارد بشكل مفرط. ومع طريقة استخدام المطورين والمبرمجين المحليين، الذين ينفقون عشرات المليارات أو حتى مئات المليارات من الرموز يوميًا، فهذا النموذج التجاري سيُخترق بسرعة خط التكلفة.

أما حزم البرمجة من OpenAI وAnthropic، فهي تستهدف عملاء الشركات ذوي الدخل العالي — حيث يمكن لعملاء كبار مثل Cursor وGitHub Copilot أن يوفروا لـAnthropic إيرادات تصل إلى 14 مليار دولار سنويًا.

بفضل القدرة الحسابية العالية، فإن هذا النموذج التجاري يُحوّل "الرسوم الشهرية الثابتة" إلى "الاحتفاظ بالعملاء على المدى الطويل"، مع جودة عالية للعملاء وARPU أعلى نسبيًا، مما يوزّع التكاليف بشكل متساوٍ.

على النقيض من ذلك، على الرغم من وجود عملاق سحابي مثل علي بابا في الداخل، فإن المشكلة هي: هامش EBITA المعدل لعلي سحابة في السنة المالية 2026 لا يزيد سوى عن 7.5٪، وعلى الرغم من أن مجموعة الذكاء السحابي تشهد نموًا سريعًا في الإيرادات، إلا أن أرباحها ليست كبيرة.

بالإضافة إلى ذلك، فإن مزودي السحابة التقليديين يجرؤون على بيع "خوادم سحابية غير محدودة" لأن المستخدمين لا يستخدمونها بحمولة كاملة على مدار 24 ساعة. قد تكون كفاءة CPU لخادم ECS فعليًا فقط 10٪، ويمكن لمزود السحابة أن يبيع بشكل مفرط خادمًا فيزيائيًا لعشرة أشخاص.

لكن استنتاج النماذج الكبيرة مختلف: كلما تم إدخال رمز، يجب أن يُستهلك فعليًا قدرة معالجة GPU. إذا قام المستخدم بالاستخدام المستمر على مدار 24 ساعة، فإن ذاكرة HBM الخاصة بمزود السحابة، ووحدات معالجة GPU، وتكاليف الكهرباء كلها نفقات ثابتة، ولا توجد أي مساحة للبيع الزائد.

03 "المثلث الذهبي" للنموذج

بالإضافة إلى العوامل المتعلقة بالسعر، فإن السبب الواضح لاختيار المطورين المحليين لـ Codex و Claude Code هو أداؤهما البرمجي القوي.

ومع ذلك، من حيث الأداء، فإن النماذج المحلية ليست كما يتصوره بعض المفاهيم النمطية.

بعد التحدث مع عدة مطورين، لاحظ الكاتب رأيًا شائعًا نسبيًا: أن النماذج الكبيرة الصينية، خاصةً النماذج الأحدث مثل GLM-5.2، يمكنها الآن تحمل بعض المهام المساعدة الثانوية، مثل إجراء الاختبارات وتصحيح الأخطاء.

لكن في المهام غير المزامنة المعقدة والطويلة الأمد، لا يزال النموذج المحلي يواجه فجوة كبيرة مقارنةً بالنماذج الرائدة مثل GPT وClaude.

المطور شياو زhang، استخدم نموذجًا محليًا للبرمجة مرة واحدة في مارس هذا العام، وقارن بين GLM وqwen وGPT لمهمة واحدة مماثلة؛ فقط GPT أكمل المهمة وحقق متطلبات الصفحة، وكانت هذه مهمة متعددة المستويات ومتعددة الأعمدة للمقارنة وإنشاء النتائج.

أما المطور الآخر شياو وي، فذكرت أنه وفقًا لتجربتها، فإن أداء Kimi 2.7 و DouBao 2.1 Pro جيد أيضًا، لكنه بشكل عام أضعف بدرجة واحدة (ينتمي إلى المجموعة الثانية)، ومع ذلك فإنه يتفوق بشكل عام على Claude Sonnet 4.6.

حاليًا، هناك إجماع عام بين مجتمع المطورين على أن GLM-5.2 هو أول نموذج محلي يصل إلى مستوى Opus.

إنها متاحة وذات مكانة في تنفيذ المهام غير المتزامنة الحقيقية والمعقدة والطويلة الأمد.

على الرغم من أن هناك فجوة كبيرة لا تزال قائمة بينه وبين النموذج Opus الحقيقي من حيث العديد من الجوانب، مثل المعرفة العالمية، إلا أن هذا لا يمنعه من أن يصبح قمة جديدة للنماذج المحلية.

لكن الواقع هو: لقد ظهر هذا للتو بين عدد قليل من "الطلاب المتفوقين"، لكنه تأثر بعوامل أخرى غير الأداء.

على وجه التحديد، تشمل مثل هذه العوامل كفاءة تخزين مؤقت منخفضة وتطبيق قيود على الحركة حتى خلال فترات الذروة، مما يجعل تجربة المطورين فعليًا سيئة.

هذا يطرح بعدًا آخر في مقارنة النماذج الحالية: الاستقرار.

في تجربة المطورين والمبرمجين على الخط الأمامي، لم يعد اختيار النموذج مقارنة بسيطة للأداء، بل —

المثلث الذهبي للأداء والسعر والاستقرار.

في هذه الأبعاد الثلاثة، لم تحقق النماذج المحلية سوى مؤشرات جزئية في البعد الأول.

في الآونة الأخيرة، أطلقت Kimi الصينية نموذجها الرائد الجديد K3: وهو نموذج رائد بوزن مفتوح يمتلك 2.8 تريليون معلمة، ويدعم متعدد الوسائط أصليًا، ويوفر سياقًا بـ 1,000,000 رمز، ويستهدف البرمجة الطويلة، وعمل المعرفة، والاستدلال العميق.

في العديد من التقييمات، حصل على مؤشر ذكاء قدره 57 نقطة على Artificial Analysis، مما يجعله في المركز الثالث عالميًا؛ وتصدر قائمة البرمجة الأمامية في Arena بدرجة 1679، وهناك شائعات تفيد أن أدائه أصبح قادرًا على مجاراة Claude Fable 5.

ومع ذلك، فإن الكلمة التي تثير أكبر قلق للمطورين خلف الدرجات والتصنيفات الساطعة هي كلمة واحدة: القيمة مقابل السعر.

بعد إصدار K3، أشار العديد من المطورين إلى أن Kimi لا تزال مكلفة للغاية، ولا توفر قيمة مقابل السعر مقارنة بـ Codex، كما أن الحصص غير كافية. من حيث سعر واجهة برمجة التطبيقات وحدها، لا يمكن اعتبار K3 "بسعر زهيد": تبلغ تكلفة كل مليون رمز مخزن مؤقتًا/مدخلًا/مخرجًا 2/20/100 يوان؛ بينما تبلغ تكلفة GPT-5.6 Sol 0.5/5/30 دولارًا أمريكيًا، وهي أقل من Sol ولكنها أعلى بكثير من 0.1/1/6 دولارات أمريكية لـ GPT-5.6 Luna.

وأثناء استخدام K3، أشار المطورون إلى حدوث انقطاع في واجهة برمجة التطبيقات، بل وانقطاع كامل طوال الصباح.

حاليًا، لا يرفض المطورون المحليون دفع ثمن النماذج المحلية، بل إن النماذج المحلية حاليًا بسبب نقص قوة الحوسبة وارتفاع التكلفة، لا تستطيع تفعيل باقات مثل Codex ذات القيمة الممتازة، بل تضطر إلى تفعيل باقة "مطابقة دايزهونغ" التي تبدو كمطعم بوفيه لكنها في الواقع محدودة الكمية (مشابهة لخطة الترميز من Zhipu).

وإن عدم استقرار تجربة الحزمة ووضوح قيمة السعر مقابل الأداء يؤديان إلى صعوبة الاحتفاظ بالمستخدمين بعد استخدامهم. وهذا في جوهره، اختيار عقلاني من قبل المستخدمين في ظل ارتفاع تكلفة قاعدة القوة الحاسوبية الحالية.

هذه الأمور ليست مقصودًا بها تعزيز ثقة الآخرين أو إضعاف ثقتنا بأنفسنا، بل نريد فقط تذكيركم بخطر معين.

حاليًا، أثناء مسيرة النماذج المحلية في محاولة اللحاق بـ GPT وClaude، يُركزون كثيرًا على الأداء، لكن النماذج الكبيرة المحلية تحتاج إلى تجاوز أبعد من مجرد تحسين الأداء من مرحلة التطوير إلى التطبيق.

ما نحتاجه هو الانتظار حتى يتم الإنتاج الضخم لقاعدة الحوسبة المحلية، حيث تتحد التكنولوجيا والسعر والاستقرار لتشكيل قوة مشتركة، وعندها فقط يمكن لمنتجنا تلبية توقعات المستخدمين.