صلاحية "أقوى نموذج" تقلّ بشكل متزايد.

كاتب المقال، المصدر: دينغ جياو

خلال شهر واحد، تم إطلاق تسعة نماذج رائدة في وقت واحد، وهو أمر غير شائع في صناعة النماذج الكبيرة.

من إصدار الإصدار الرسمي وفتح مصدر تينسنت هونغ يوان Hy3 في بداية الشهر، إلى إصدار Anthropic لـ Claude Opus 5 في نهاية الشهر، ظهرت نماذج مثل Kimi K3 و Qwen3.8-Max الإصدار التجريبي و Grok 4.5 تباعًا. أصبح يوليو ذروة إصدارات نادرة خلال العام الماضي.

لا تختلف نقاط الوقت التي تختارها الشركات. بعض الشركات تتبع الإطلاق بعد تحديث المنافسين، وبعضها يظهر قبل أو بعد مؤتمر الذكاء الاصطناعي العالمي، بينما ترد شركات أخرى على المنافسة السوقية من خلال تعديل الأسعار.

لكن يوليو لم يكن فقط مميزًا بعدد النماذج المُعلنة، بل أيضًا بالتغيرين اللذين تُظهرهما هذه الدفعة من الإطلاقات.

أولاً، الفجوة في القدرات بين النماذج تتقلص. تُظهر مؤشر الذكاء الشامل الأحدث من Artificial Analysis أن الفروق بين النماذج الرائدة قد تقلصت بشكل ملحوظ. مع التحديثات السريعة للإصدارات، أصبح من الصعب الحفاظ على موقع "أقوى نموذج" على المدى الطويل، وبدأت الشركات في البحث عن ميزات في مهام مختلفة بدلاً من السعي لتحقيق تفوق مطلق في بعد واحد.

ثانيًا، تدخل النماذج المفتوحة المصدر الفئة الأولى. среди النماذج الجديدة التي تم إصدارها في يوليو، اختارت نماذج مثل Tencent HunYuan Hy3 وKimi K3 فتح الأوزان (فتح معلمات النموذج، مما يسمح للمطورين بتنزيلها ونشرها بأنفسهم). وتحتل Kimi K3 المرتبة الأولى في قائمة البرمجة الأمامية في Code Arena، متفوقة على GPT-5.6 Sol وClaude Fable 5. على مدار العامين الماضيين، كان يُنظر إلى النماذج المفتوحة المصدر بشكل أساسي على أنها متابعة للنماذج المغلقة المصدر، لكن هذه الدورة من المنافسة تُظهر أن النماذج المفتوحة المصدر بدأت الآن في المنافسة المباشرة مع النماذج المغلقة المصدر في بعض سيناريوهات التطوير.

So, what changes and implications have these intensive releases over the past month brought?

01. لم تعد تقارن فقط من هو أكثر ذكاءً

على مدار السنوات القليلة الماضية، كان قطاع النماذج الكبيرة يتنافس بشكل رئيسي على القدرات العامة، من لديه معرفة أوسع ومن تقدم إجابات أكثر دقة. لكن الآن، تغيرت معايير التنافس.

في هذه الجولة، أصبحت القدرة على البرمجة الاتجاه الأكثر وضوحًا في المنافسة.

تستمر OpenAI في تعزيز البرمجة والاستدلال المعقد، وتوسيع نظام Codex البيئي من خلال تطوير أدوات تربط مطوري البرمجيات. وتستثمر Anthropic في فهم الكود والمراجعة الأمنية، لمساعدة المطورين على معالجة المشكلات الهندسية المعقدة في المشاريع الكبيرة. بينما تركز Grok 4.5 على السرعة والتكلفة المنخفضة، وتربط نفسها بأدوات البرمجة بالذكاء الاصطناعي Cursor لتغطية سيناريوهات التطوير اليومية.

أخبر ياو يوهانغ، باحث النماذج الكبيرة، "دينج جياو ون" أن جميع الشركات تستثمر بشكل كبير في قدرات البرمجة، ويقلص الفرق بسرعة، على سبيل المثال، تحسنت قدرة Kimi K3 على البرمجة بشكل ملحوظ، وهي تقترب الآن من مستوى النماذج المغلقة الرائدة.

مصدر الصورة / pexels

الوكيل هو اتجاه آخر تتنافس عليه الشركات. يتعاون GPT-5.6 Sol مع Codex لاستكشاف البرمجة الآلية، ويركز Opus 5 على تنفيذ المهام الطويلة المدى، ويُظهر Kimi K3 قدرته على التشغيل المستمر لإكمال المهام المعقدة، بينما تحاول تينسنت هون يوان Hy3 دمج نظام ويكسي للبحث عن تطبيقات الوكلاء.

لكن الوكلاء لا يزالون غير ناضجين في العمل العملي. أشار المطور المستقل بيتشينغ إلى أن نقاط الضعف في بعض منتجات الوكلاء الحالية لا تكمن في القدرة على استخدام الأدوات، بل في قدرة جدولة المهام. على سبيل المثال، يُفعّل وضع Ultra في Codex العديد من الوكلاء الفرعيين، الذين يقرأون نفس الملف عدة مرات وينفذون تحليلات متشابهة، مما يؤدي إلى زيادة استهلاك الرموز، دون زيادة العمل الفعلي الفعّال. وفقًا له، لا يمكن تحسين قدرات الوكلاء فقط من خلال زيادة عدد الوكلاء الفرعيين، بل المفتاح هو القدرة على تحديد المهام التي تستحق التحليل والخطوات التي يمكن تخطيها.

يشارك ياو يوهانغ نفس الرأي. فهو يرى أن الوكلاء الذكية هي أبرز اتجاه يستحق الاهتمام حاليًا، لكنها لا تزال بعيدة عن النضج الكامل. وفقًا له، لا تزال هناك فرص كبيرة للوكلاء الذكية في المجالات الرأسية مثل الرعاية الصحية والتمويل؛ المفتاح الذي سيحدد الفرق في المرحلة القادمة ليس فقط قدرة النموذج نفسها، بل أيضًا مدى سهولة استخدام الوكلاء الذكية في السيناريوهات المحددة، وما إذا كان العملاء مستعدين للدفع مقابلها.

أما النماذج المحلية، فهي تبحث عن نقاط اختراق من خلال تعزيز قدرات مختلفة. اختار Kimi K3 تعزيز القدرة على معالجة السياقات الطويلة، وبرمجة الواجهة الأمامية، وتصميم المنتجات، ودخل المراكز الأولى في عدة اختبارات برمجية، حيث أصبحت قدراته قريبة من نماذج الرائدة المغلقة خارجية المصدر.

التنافس بين حجم المعلمة وكفاءة الاستدلال يصبح أيضًا خطًا رئيسيًا آخر.

دخلت عدة نماذج صدرت في يوليو منطقة المليارات وحتى تريليونات المعلمات، لكن حجم المعلمات لا يمكنه الآن أن يُعادل ببساطة مستوى الأداء. مع تطور بنية MoE، يمكن للنماذج أن تمتلك سعة معلمات أكبر، مع تفعيل جزء صغير فقط منها لإكمال الاستدلال، مما يقلل من تكلفة الحساب الفعلية.

تشكل الصناعة طريقين: الأول هو الاستمرار في التوسع، باستخدام معلمات أكبر للحصول على قدرات أقوى؛ والثاني هو التركيز على الكفاءة، باستخدام معلمات تنشيط أصغر لتحقيق نتائج قريبة من نماذج الرائدة.

السعر أصبح أيضًا المتغير الأكثر مباشرة في منافسة يوليو النموذجية.

تتخذ الشركات الخارجية استراتيجيات تسعير متميزة أكثر. فاختارت OpenAI تجزئة السوق بشكل أكبر، وتقسيم GPT-5.6 إلى إصدارات مختلفة، مما يسمح للمستخدمين باختيار النموذج المناسب حسب تعقيد المهمة؛ بينما استمرت Anthropic في اتباع مسار النماذج الرائدة عالية الأداء، من خلال سلسلة Opus لتغطية سيناريوهات التطوير عالية القيمة والشركات؛ أما Grok 4.5 فاتبعت استراتيجية تسعير منخفضة، حيث يبلغ سعر الإخراج ربع سعر سلسلة Opus فقط، وتجذب المطورين من خلال الربط مع Cursor.

الشركات المحلية تركز أكثر على ميزة التكلفة. على مدار النصف العام الماضي، خفضت عدة شركات محلية لنموذج الذكاء الاصطناعي أسعار واجهات برمجة التطبيقات باستمرار، بهدف خفض عتبة الاستخدام من خلال التكلفة المنخفضة وتوسيع قاعدة المطورين والمستخدمين المؤسسيين.

في يوليو، امتدت المنافسة بين النماذج الكبيرة من مقارنة قدرات فردية إلى أبعاد متعددة تشمل البرمجة، والوكلاء، وكفاءة المعلمات، والسعر.

02. من تجاوز التوقعات؟ ومن حصل على تقييمات متفاوتة؟

بالمقارنة مع التغييرات مقارنة بالجيل السابق، وأداء القوائم، وتعليقات المطورين، يمكن تقسيم مستويات النماذج المنشورة في يوليو إلى ثلاث فئات.

أولاً، نلقي نظرة على الفئة التي تفوق التوقعات: Kimi K3 وGrok 4.5 وHunyuan Hy3.

الأكثر إثارةً للانتباه هو Kimi K3. يستخدم هذا النموذج بنية MoE، ويتضمن إجماليًا تريليونات المعلمات، مع تعزيز مركّز لقدرات السياق الطويل، وبرمجة الواجهة الأمامية، وتصميم المنتجات. وفي يوم الإطلاق، صعد Kimi K3 إلى المرتبة الأولى في قائمة برمجة الواجهة الأمامية على Code Arena بدرجة 1679، محققًا تحسنًا بـ17 مركزًا مقارنة بالمرتبة الثامنة عشرة التي شغلها النموذج السابق Kimi K2.6. وبعد أسبوع، دخل Kimi K3 لأول مرة ضمن أفضل 10 نماذج عالمية في القائمة الشاملة لـ Arena.

لكن Kimi K3 لديها حدود واضحة في القدرات. في اختبار موثوقية المعرفة لـ Artificial Analysis، ارتفع معدل الوهم من 39% في Kimi K2.6 إلى 51%، وسرعة الإخراج حوالي 33 رمزًا/ثانية، وهي أدنى بكثير من نماذج مماثلة.

تجربة المطورين العملية تؤكد هذا "الانحياز". يرى بيتشينغ أن Kimi K3 تحسّنت بشكل ملحوظ مقارنة بالجيل السابق، مع تفوق رئيسي في تطوير الواجهة الأمامية، وتصميم واجهات المستخدم، وتعبير المنتج. على سبيل المثال، في مهام تحسين واجهة المستخدم للموقع أو تصميم واجهات التطبيقات، يمكن لـ Kimi K3 إنتاج منتجات أفضل، لكنها تظهر استقرارًا أقل عند التعامل مع مهام هندسية معقدة.

مصدر الصورة / pexels

يُعتبر Grok 4.5 أيضًا موضوع اهتمام كبير. بعد إصداره في 9 يوليو، دخل قائمة المؤشر الذكي لتحليل الذكاء الاصطناعي، وأظهر أداءً متميزًا في بعض اختبارات استدعاء الأدوات، ويعتبره العديد من المطورين خيارًا عالي القيمة مقابل السعر.

يشعر Bei Cheng بنفس الإحساس، ويعتقد أن أكبر ميزة لـ Grok 4.5 هي السرعة؛ فقد يُنهي نفس المهمة في ثلاث إلى خمس دقائق باستخدامه، بينما قد تستغرق أحيانًا عشرين دقيقة أو حتى نصف ساعة باستخدام GPT-5.6، بالإضافة إلى سعره الأقل، مما يجعله مناسبًا للاستخدام عند وجود متطلبات تطوير سريعة. يرى ياو يوهانغ أن قدرات Grok 4.5 البرمجية تم تحسينها بشكل خاص، وأن التجربة العامة عند استخدامها مع Cursor ممتازة. خلفية لذلك هي أن SpaceX أعلنت سابقًا عن استحواذها على شركة Anysphere المالكة لـ Cursor، ومن المتوقع إتمام الصفقة في الربع الثالث؛ كما يُعتقد أن التعاون البياناتي بين xAI وCursor ساعد في تحسين تجربة البرمجة لـ Grok 4.5.

يُمثل HuanYuan Hy3 اختراقًا في مسار الكفاءة. يتمتع هذا النموذج بإجمالي 295 مليار معلمة، مع تفعيل فقط 21 مليار معلمة، وحقق نتائج قريبة من نماذج منافسة أكبر حجمًا على عدة معايير عامة، مع حجم معلمات أقل من خمسة أخماس نموذج الرائد. ومع ذلك، فإن درجة HuanYuan Hy3 البالغة 57.9 في SWE-Bench Pro تظل متفوقة بشكل واضح على درجة Claude Opus البالغة 69.2، مما يشير إلى أن قدرته على إصلاح الأكواد المعقدة لا تزال بحاجة إلى مزيد من التحسين.

يعتقد ياو يوهانغ أن هاي-3 تقدم مقارنةً بالنموذج السابق من تينسنت، بالإضافة إلى تصميمه المفتوح المصدر وصغره، فهو خيار جيد ضمن الفئة المتوسطة.

انظر مرة أخرى إلى الفئة التي تبقى ثابتة في الطائفة الأولى، لكن مفاجآتها محدودة: GPT-5.6 Sol وClaude Opus 5.

لا يزال GPT-5.6 Sol و Claude Opus 5 يحتفظان بموقعهما في الطبقات الأولى، لكنهما لم يجلبا تغييرات كبيرة. لقد عزز GPT-5.6 Sol قدراته في الاستدلال المعقد وبرمجة الوكلاء، وحقق 88.8% في اختبار Terminal-Bench 2.1 (المعيار الذي يختبر قدرة النموذج على إنجاز مهام فعلية في بيئة سطر الأوامر)، وارتفع هذا المعدل إلى 91.9% في وضع Ultra. أما Claude Opus 5، فقد حافظ على ميزته في المهام المعقدة، مع التركيز بشكل أكبر على موثوقية النموذج في سيناريوهات مثل الهندسة المعقدة، وفهم الكود، والتحليل الأمني. إن ميزة Opus 5 هي أداؤها القريب من Fable 5، مع سعر يبلغ نصف سعره فقط.

لا تزال نموذجان في الطليعة، لكنهما لم يحققا اختراقات كبيرة.

ذكر شمال المدينة أن GPT-5.6 قادر على تغطية معظم احتياجات التطوير اليومية الخاصة به، لكنه يلجأ إلى Opus 5 لحل المشكلات المعقدة بشكل خاص. ومع ذلك، فإن القدرة الأقوى تعني تكلفة أعلى. بالنسبة له، فإن موقع Opus 5 أقرب إلى "خبير" يُستعان به عند حل المشكلات الحرجة.

أخيرًا، فئة من التغذية الراجعة المتنوعة والتي لا تزال بحاجة إلى التحقق: Gemini 3.6 Flash و Qwen3.8-Max الإصدار التجريبي.

الأكثر وضوحًا هو Gemini 3.6 Flash، الذي حصل على درجة 50 في قائمة المؤشر الذكي Artificial Analysis، مساويًا لإصداره السابق 3.5 Flash. وقد كانت ملاحظات مجتمع المطورين متسقة إلى حد كبير بأن هذا الإصدار لا يُظهر تحسينات ملحوظة مقارنة بالإصدار السابق، كما أنه لا يُضاهي منافسيه في نفس الفترة. ومع ذلك، يرى البعض أن جودة إخراج Gemini 3.6 Flash، كنموذج خفيف، تفي بالحد الأدنى المقبول.

في رأي المطور المستقل كابديم، فإن تجربة استخدام Gemini 3.6 Flash اليومية جيدة، فعلى الرغم من أن قدراته البرمجية ليست بارزة، إلا أن فهمه متعدد الوسائط لا يزال متميزًا. فهو يدعم إدخال ملفات بأي تنسيق، كما أن أسلوب المحادثة اليومية وتجربة الاستخدام أفضل من العديد من المنافسين.

بعد إطلاق النسخة التجريبية من Qwen3.8-Max في يوليو، كان أداء النموذج غير مستقر، وتنوعت ردود فعل السوق. كان أكبر انطباع لدى بيشينغ هو أن النسخة التجريبية من Qwen3.8-Max تتمتع بعمق تفكير عالٍ، لكنها أحيانًا تعلق في استدلالات طويلة، "كأنها تُحاط بنفسها"، لكنها في النهاية لم تقدم حلولًا فعالة. أما كابديم، فقد رأى أن النسخة التجريبية من Qwen3.8-Max أقل من التوقعات، حيث اكتشف أثناء اختبارها باستخدام مجموعة تقييم ذوقه الأمامي أن القدرات الفعلية تختلف بشكل واضح عن الترويج. كونها منتجًا تجريبيًا لا يزال قيد الضبط، فإن الأداء النهائي سيُثبت فقط بعد إصدار النسخة الرسمية.

لم يظهر نموذج واحد متفوق في جميع الأبعاد في يوليو، وبدأت النماذج المختلفة في تشكيل تخصصات حول سيناريوهات محددة.

على سبيل المثال، يختار بيكشينغ الأدوات حسب المهمة: GPT-5.6 للتطوير اليومي، وGrok 4.5 لإكمال المتطلبات بسرعة، وKimi K3 لمشاريع المنتجات والواجهات الأمامية، وClaude Opus 5 لحل المشكلات المعقدة. أما كابديم، فيستخدم نماذج Claude Fable 5 أو Opus 5 للتخطيط، ثم ينفذ عبر GPT-5.6 Sol.

03. تزداد سرعة النشر، وتشتد المنافسة بين المفتوح والمغلق

خلف هذه السلسلة من الإصدارات المكثفة، هناك عدة أسئلة تستحق التحليل: لماذا تتسارع تكرارات نماذج الذكاء الاصطناعي، ولماذا تتركز بشكل خاص في يوليو، ولماذا سيؤثر الفتح المفتوح على نماذج الأعمال الحالية.

أولاً، طريقة تكرار النماذج تتغير. في الماضي، كان تحسين قدرات النماذج الكبيرة يعتمد بشكل رئيسي على إعادة تدريب نماذج أكبر حجماً، وهي عملية طويلة ومكلفة. لكن مع نضج تقنيات التعلم المعزز والتدريب اللاحق (الذي يتم بعد تدريب النموذج الأساسي، من خلال الضبط الدقيق والتعلم المعزز لتحسين أداء النموذج)، أصبح ترقية النماذج تعتمد بشكل أكبر على التحسين بعد التدريب.

قال ياو يوهانغ لـ "دينج جياو ون": "في العامين الماضيين، تسارع بشكل ملحوظ معدل إصدار النماذج، ويعود السبب الرئيسي إلى أن الصناعة اكتسبت طرق تدريب لاحقة أكثر نضجًا. الآن، لا يتطلب تحسين العديد من النماذج تدريب نموذج جديد من الصفر، بل يكفي تحسين النموذج الأساسي القائم من خلال أساليب مثل التعلم المعزز والتحسين الذاتي."

هذا يعني أن دورة تنافس النماذج تصبح أقصر. في الماضي، كان من الممكن لنموذج رائد أن يحافظ على ميزة لعدة أشهر؛ أما الآن، فقد تصبح النافذة المتفوقة الناتجة عن تحديثات الإصدار مجرد بضعة أسابيع. إذا لم يُستطع مواكبة وتيرة الإصدار، فقد يتم تجاوز النموذج بسرعة من قبل إصدار جديد. بالنسبة للشركات، فإن إصدار النموذج ليس مجرد عرض تقني، بل يصبح وقت الإصدار نفسه جزءًا من المنافسة.

مصدر الصورة / pexels

ثانيًا، يوليو هو فترة تتزامن فيها عدة عوامل مهمة. بالنسبة للشركات المحلية، تُعقد مؤتمر الذكاء الاصطناعي العالمي (WAIC) في يوليو، حيث تُطلق الشركات نماذجها وتُظهر تقدمها التقني في هذا الوقت أو قربه. أما بالنسبة للشركات الأجنبية، فإن العديد من الشركات الرائدة تختار أيضًا تحديث نماذجها خلال هذه المرحلة، بهدف امتلاك زمام المبادرة في نظام المطورين والمنافسة التجارية.

علاوة على ذلك، تتغير قواعد المنافسة في الصناعة. لم يعد امتلاك قدرات نموذجية قوية هو الهدف الوحيد، بل امتدت المنافسة إلى كيفية استخدام النموذج وكيفية تحويله إلى إيرادات.

وهذا هو السبب في أن الجدل بين النماذج المفتوحة المصدر والمغلقة المصدر اشتد مجددًا في يوليو. لفترة طويلة، كان هناك فرق في القدرة بين النماذج المفتوحة المصدر والنماذج المغلقة المصدر. لكن مع دخول بعض النماذج المفتوحة المصدر إلى الطائفة الأولى، ظهر سؤال أكثر واقعية: عندما يمكن الحصول على نماذج عالية الأداء مجانًا، هل سيُنقل جزء من إيرادات استدعاء واجهات برمجة التطبيقات والاشتراكات الخاصة بالشركات المطورة للنماذج؟

يعتقد أنصار مفتوح المصدر أن فتح الأوزان يقلل من الحواجز التقنية، ويشجع مزيدًا من الشركات والمطورين على المشاركة في الابتكار في مجال الذكاء الاصطناعي. يعني مفتوح المصدر أن مزودي التقنية يتنازلون طوعًا عن جزء من مصالحهم لدفع تطور النظام البيئي؛ بينما يخشى أنصار المغلق المصدر أن يُستقطب مستخدموهم نحو النماذج مفتوحة المصدر. ترى شركات مثل Anthropic أنه مع تحسن قدرات النماذج، قد يُشكل فتح الأوزان مخاطر أمنية، ويتطلب حوكمة أكثر صرامة.

خلف هذا الجدل، تكمن في الواقع مصالح مختلفة للشركات. بالنسبة للشركات البنية التحتية مثل نيفيديا، فإن فتح النموذج يعني مزيدًا من متطلبات النشر، وأيضًا سوقًا أكبر للحوسبة. أما بالنسبة للشركات النموذجية مثل OpenAI وAnthropic، فإن نموذج المصدر المغلق يحافظ على إيرادات استدعاء واجهة برمجة التطبيقات والاشتراكات. لكن يجب أيضًا النظر إلى الجانب الآخر: فالفتح المفتوح يوسع بالفعل متطلبات النشر، لكن مع تحسين كفاءة المعلمات، قد يتم توزيع استهلاك الحوسبة لكل مهمة، وبالتالي فإن الزيادة في سوق الحوسبة لا تتسق بالضرورة مع درجة فتح النموذج. بالنسبة للشركات المحلية، فإن فتح الأوزان ليس مجرد اختيار مسار تقني، بل هو أيضًا محاولة لكسب نظام بيئي للمطورين وخدمات السحابة ودخول التسويق المستقبلي.

بعد يوليو، سيستمر التنافس على النماذج الكبيرة. يتوقع مجتمع المطورين على نطاق واسع أن تُصدر النماذج الجديدة مثل DeepSeek V4 الإصدار الرسمي وFable 5.1 وGPT-6 تباعًا في أغسطس.

الفجوة في قدرات النماذج تقلصت، وأصبح من الصعب越来越 بناء ميزة طويلة الأجل من خلال إطلاق نموذج أقوى فقط. ما يلي يستحق المراقبة من حيث مؤشرات محددة: أين سيصل النموذج DeepSeek V4 الرسمي بحد أقصى قدرات النماذج المفتوحة المصدر، وهل ستستمر أسعار واجهة برمجة التطبيقات في الانخفاض، وهل ستظهر سيناريوهات دفع مستقرة للوكلاء، وهل ستتمكن النماذج المفتوحة المصدر من الدخول إلى المزيد من عمليات النشر الخاصة للشركات. إجابات هذه الأسئلة ستكون أكثر دلالة على ما غيّرته هذه المعركة الحقيقية مقارنة بترتيبات القوائم.

صورة الغلاف مأخوذة من Pexels.