نماذج الذكاء الاصطناعي المفتوحة في 2026: شرح DeepSeek وQwen وKimi

ماذا تعني عبارة «نموذج ذكاء اصطناعي مفتوح»؟

كلمة «مفتوح» مجموعة من الأوصاف، لا ضمان. فالإصدار المفتوح الأوزان يشارك المعاملات النهائية المدرَّبة للنموذج، التي يستطيع الآخرون بعدئذ ضبطها ضبطاً دقيقاً أو تكييفها أو نشرها حين يسمح الترخيص بذلك. ^[4] أما نظام الذكاء الاصطناعي المفتوح المصدر فادعاء أقوى. فتعريف مبادرة المصدر المفتوح Open Source Initiative يشترط ثلاثة عناصر بشروط معتمدة من OSI: معلومات عن البيانات مفصّلة بما يكفي ليتمكن شخص ماهر من بناء نظام مكافئ إلى حد كبير، والشيفرة المصدرية الكاملة المستخدمة في تدريب النظام وتشغيله، ومعاملات النموذج. ^[1]

وهذا التمييز يؤثر في خيارات حقيقية. فقد تكون الأوزان متاحة في حين لا تكون بيانات التدريب وشيفرة التدريب متاحتين. ويقول الشرح الذي أعدّته مبادرة المصدر المفتوح عن الأوزان المفتوحة إنها تختلف عن الذكاء الاصطناعي المفتوح المصدر لأنها لا تتضمن شيفرة التدريب ولا مجموعة بيانات التدريب، ولا تفاصيل شاملة عن تلك المجموعة حيث لا يمكن مشاركتها قانونياً؛ ومن دون ذلك يصعب تكرار عملية التدريب أو تدقيقها. ^[4] ولذلك قد يكون النموذج قابلاً للنشر محلياً لكنه غير قابل لإعادة الإنتاج بالكامل، أو تكون أوزانه متاحة بشروط تقيّد استخدامات معينة.

قبل اختيار إصدار، اطرح أربعة أسئلة: هل يمكن الحصول على الأوزان نفسها بدقة؟ ما الترخيص المنطبق؟ أي بيئة تشغيل وأي عتاد يستطيعان تحميل الصيغة المختارة؟ ما الأدلة المتوافرة على المهمة التي تهمك؟ وعبارة «مفتوح المصدر» ليست درجة أداء، ولا ضمان خصوصية، ولا وعداً بأن النموذج سيتسع له حاسوب محمول.

تستخدم الأقسام التالية عبارة «مفتوح الأوزان» حين يكون الدليل متعلقاً بالأوزان، وتحتفظ بعبارة «ذكاء اصطناعي مفتوح المصدر» للمعنى الأقوى على مستوى النظام. وبذلك لا يتحول تمييز تقني مفيد إلى اختزال تسويقي.

ما المؤكد بشأن DeepSeek V4؟

يدرج مركز الشفافية Transparency Center لدى DeepSeek النموذج DeepSeek-V4 بتاريخ إصدار هو 24 أبريل 2026، مع روابط لبطاقة نموذج وتقرير تقني. ^[2] ويقول سجل التغييرات الرسمي إن API دعم V4-Pro وV4-Flash اعتباراً من 24 أبريل 2026. ويقول إدخال 10 سبتمبر 2026 إن V4 Flash أُحيل إلى التقاعد وإن اسمه في API يُوجَّه مؤقتاً إلى V4.1 Flash، وأحدث إدخال حتى 11 نوفمبر 2026، وهو مؤرخ في 17 أكتوبر 2026، يرقّي ذلك النموذج إلى V4.1-Flash-1017. ^[6] وهذه البيانات تثبت إصدارات عائلة النماذج وتطور API؛ ولا تعني أن كل نسخة من V4 لها الأوزان نفسها أو الترخيص نفسه أو السعر نفسه أو متطلبات النشر المحلي نفسها.

وصف إعلان DeepSeek بتاريخ 24 أبريل 2026 النسخة V4 Preview بأنها «فُتح مصدرها»، وأحال إلى أوزانها المفتوحة على Hugging Face، ووصف V4-Pro بأنه يضم 1.6T من المعاملات الإجمالية و49B من المعاملات النشطة، وV4-Flash بأنه يضم 284B من المعاملات الإجمالية و13B من المعاملات النشطة. ^[7] وعبارة «فُتح مصدرها» هي صياغة الشركة نفسها؛ أما هل يستوفي إصدار بعينه من V4 تعريف OSI فيتوقف على ما يوفّره مستودعه وترخيصه فعلاً. ولهذه الأحجام أهميتها: فقد تكون المعاملات النشطة لكل رمز في النموذج أقل من المعاملات الإجمالية، ومع ذلك يحتاج إلى بنية تحتية كبيرة وملفات نموذج ضخمة. لا تستنتج أن نموذجاً متاحاً عبر API يمكن تشغيله بأريحية على حاسوب شخصي.

على المطوّر أن يميّز اسم النموذج في API من نقطة حفظ منزَّلة. فوثائق DeepSeek تشرح أسماء API وتوجيه التوافق؛ ومركز الشفافية هو المكان المناسب لتأكيد إصدار رئيسي والعثور على بطاقته. ^[2][6] وللنشر المحلي، اعتمد على بطاقة النموذج المحددة ومصدر الأوزان والترخيص وبيئة التشغيل المدعومة بدلاً من التخمين انطلاقاً من اسم في API.

أما القارئ العام، فيفيده أن يفهم DeepSeek بوصفه عائلة: قد توجد خيارات كبيرة، وأخرى مستضافة، وأخرى للاستخدام المحلي تحت أسماء متقاربة. والاختيار العملي هو الإصدار المحدد بدقة وطريقة التسليم، لا الولاء لاسم علامة تجارية.

كيف يختلف Qwen3.8 عن Kimi K3.1 Pro؟

Qwen3.8-27B نموذج للرؤية واللغة تذكر بطاقته الرسمية 27B من معاملات النموذج اللغوي وترخيص Apache 2.0؛ ويُظهر ملخص الملفات الذي يعرضه Hugging Face للمستودع حجم نموذج يبلغ 28B من المعاملات. وتقول البطاقة إن المستودع يحتوي على الأوزان وملفات التهيئة للنموذج بعد التدريب اللاحق بصيغة Transformers، وصفحة Hugging Face تحيل إلى نسخ مكمَّمة لـllama.cpp أو Ollama أو LM Studio أو أي تطبيق متوافق. ^[3] وهذه النسخ المكمَّمة موجودة في مستودعات منفصلة، فتحقق من الجهة التي نشرت كل واحدة منها. وذلك يجعله مرشحاً معقولاً للتشغيل المحلي فقط حين يتلاءم التكميم المختار والسياق والعتاد.

أما Kimi K3.1 Pro فيختلف حجماً وموقفاً من حيث الترخيص. فبطاقة ناشره تصفه بأنه نموذج مفتوح الأوزان متعدد الوسائط من نوع خليط الخبراء، وتذكر 2.8T من المعاملات الإجمالية و104B من المعاملات المفعَّلة، وتسمّي ترخيصاً خاصاً بـKimi. ^[5] وقد يكون متاحاً من الناحية التقنية من دون أن يكون الخيار المحلي المناسب للعتاد العادي، ومن دون أن يكون مرخَّصاً على غرار نموذج مرخَّص بـApache.

يُظهر الإصداران لماذا لا تجيب أعداد المعاملات وحدها عن سؤال «أيهما أفضل». فحجم Qwen البالغ 27B قد يكون أسهل في الاختبار محلياً بتكميم مناسب. أما حجم Kimi الأكبر بكثير فقد يكون موجَّهاً إلى بنية تحتية لديها ذاكرة وطاقة نشر أكبر بكثير. والمقارنة الصحيحة تتناول المهمة وجودة المخرجات وزمن الاستجابة والتكلفة والترخيص والعتاد—لا ادعاءً بأن عائلة بعينها تفوز في كل اختبار معياري.

البطاقتان كلتاهما معلومات صادرة عن الناشر. وينبغي التعامل مع ادعاءات الاختبارات المعيارية وأوصاف القدرات على أنها نقاط انطلاق للتقييم، لا بديلاً من اختبار مطالبات ولغات وحالات فشل تمثّل الاستخدام الفعلي. وفي الاستخدام الذي تترتب عليه عواقب، أبقِ على خطوة مراجعة بشرية وعلى إجراء مستقل للتحقق من المصادر.

أي نموذج مفتوح يصلح لأي غرض؟

لتعلّم النشر المحلي، اختر أصغر نموذج مدعوم يستطيع التعامل مع اللغة والمهمة المطلوبتين، ثم اختبره. وقد يكون تكميم متوافق مع Qwen يسهل التعامل معه تجربة أولى أكثر عملية من إصدار أكبر بكثير. ويوثّق Hugging Face مسارات التطبيقات المحلية لصيغ GGUF وMLX وغيرها، ومنها LM Studio وOllama وllama.cpp وMLX LM. ^[8]

في سير العمل المستضاف، يمكن أن يخفف API عبء تنزيل الأوزان واختيار بيئة تشغيل وصيانة العتاد. وهذا اختيار لخدمة، لا اختيار للخصوصية المحلية. وتُظهر وثائق API لدى DeepSeek تغييرات في أسماء النماذج وإصدارات API؛ وعلى المستخدمين مراجعة شروط الخدمة الحالية والتسعير وطريقة التعامل مع البيانات قبل إرسال مواد حساسة. ^[6]

أما فريق البحث أو البنية التحتية، فيمكن أن تدعم الإصدارات المفتوحة الأوزان الكبيرة جداً لديه استضافة ذاتية مضبوطة أو تقييماً متخصصاً أو تكييفاً. وهي تضيف أيضاً عملاً تشغيلياً: الحصول على الأوزان، وإدارة طاقة الاستدلال، وتطبيق التحديثات الأمنية، واحترام التراخيص، ومراقبة جودة المخرجات. وحجم Kimi K3.1 Pro يوضح أن توافر الأوزان لا يلغي هذه التكاليف. ^[5]

في العمل المتعدد الوسائط، تحقق من بطاقة النموذج المحددة بدلاً من افتراض أن كل نموذج يقبل الصور أو الفيديو أو المستندات. تصف Qwen النموذج Qwen3.8-27B بأنه للرؤية واللغة، في حين تصف بطاقة Kimi وسيطتي النص والصورة. ^[3][5] وهذا لا يقول شيئاً في حد ذاته عن الدقة في صورة أو مستند بعينه، وخصوصاً في مجال حساس.

وفي العمل الحساس من حيث الخصوصية، قد يقلّل التنفيذ المحلي مشاركة المطالبات مع مزوّد مستضيف، لكنه ليس خصوصية تلقائية. فتنزيلات النماذج والتحديثات والسجلات المحلية والنسخ الاحتياطية والإضافات والخوادم المكشوفة على الشبكة تبقى مخاطر منفصلة. راجع دليل الذكاء الاصطناعي المحلي في الموقع للاطلاع على الموازنات الكاملة بين العتاد والخصوصية.

كيف ينبغي أن تقيّم نموذجاً مفتوح الأوزان؟

اقرأ بطاقة النموذج أولاً. تأكد من الناشر، ومراجعة النموذج، والترخيص، والمهمة المقصودة، والبنية، والوسائط، والقيود المعروفة، وصيغ النشر المدعومة. والبطاقة ليست شهادة على الدقة، لكنها المصدر الأكثر مباشرة لما يقول الناشر إنه أصدره. ^[2][3][5]

ثم اختر مجموعة اختبار واقعية واحدة. استخدم مجموعة صغيرة من المطالبات التمثيلية تتضمن حقائق متوقعة معروفة، وحالات حدّية صعبة، واللغة المقصودة. وقارن المخرجات من حيث الصحة والاكتمال والاتساق والثقة المفرطة المضرّة. لا تحكم على نموذج استناداً إلى رد أول مصقول فحسب أو إلى اختبار معياري علني واحد.

سجّل البيئة بدقة: مراجعة النموذج، والتكميم، وحدّ السياق، وبيئة التشغيل، والعتاد، وطريقة صياغة المطالبات، والوصول إلى الأدوات. فقد يحصل مستخدمان على نتائج مختلفة من النموذج المسمّى نفسه حين تختلف هذه المتغيرات. وهذا السجل يتيح أيضاً إعادة إنتاج تهيئة مفيدة أو التحقيق في إجابة سيئة.

تحقق من الترخيص قبل النشر خارج حدود التجربة الشخصية. فتعريف OSI يوضح أن الذكاء الاصطناعي المفتوح المصدر ينطوي على أكثر من الأوزان، ويقول شرح OSI عن الأوزان المفتوحة إن الأوزان وحدها لا تبلغ ما يلزم لاستخدام نظام ودراسته وتعديله ومشاركته بالكامل. ^[1][4] وقد تخضع الاستخدامات التجارية، وإعادة التوزيع، والضبط الدقيق، والاستخدام في خدمة مستضافة، ونسبة العمل إلى صاحبه لشروط مختلفة.

وأخيراً، طبّق حدّ المخرجات. يستطيع النموذج المفتوح أن يصوغ مسودات، أو يترجم، أو يصنّف، أو يساعد في استكشاف المعلومات. ولا ينبغي أن يكون المرجع النهائي في القرارات القانونية أو المالية أو الطبية أو المتعلقة بالسلامة أو الأمن من دون أدلة حديثة مستقلة وتقدير مهني مناسب.

كيف تشغّل نموذجاً مفتوحاً محلياً من دون التباس؟

اختر بيئة التشغيل قبل تنزيل ملف نموذج. يسرد Hugging Face التطبيقات المحلية والصيغ المتوافقة: فمثلاً، يدعم LM Studio نماذج GGUF وMLX، ويدعم Ollama صيغة GGUF، ويدعم MLX LM نماذج MLX لتوليد النصوص. ^[8] وملف النموذج بالصيغة الخطأ ليس تنزيلاً مفيداً.

ابدأ من صفحة رسمية للناشر أو من منصة استضافة نماذج راسخة، ثم اختر صيغة تناسب الحاسوب. فصفحة Hugging Face الخاصة بـQwen3.8-27B تحيل إلى نسخ مكمَّمة، في حين أن الإصدار الأساسي 27B ليس في حد ذاته ادعاءً بأن كل جهاز يستطيع تحميل كل نسخة. ^[3] اترك هامشاً من الذاكرة لنظام التشغيل وللسياق بدلاً من اعتبار حجم النموذج على القرص هو المتطلب الكامل.

أبقِ الخادم الأول محلياً على الحاسوب نفسه واختبره ببيانات غير ضارة. لا تكشف نقطة نهاية نموذج محلي على الإنترنت العام لمجرد استخدامها من جهاز آخر. وإذا احتجت لاحقاً إلى خدمة شبكية، فاستخدم المصادقة، وحدّث بيئة التشغيل بالإصلاحات، وافهم من يستطيع إرسال المطالبات إليها.

استخدم نظاماً لإدارة الإصدارات لملفات التهيئة واحتفظ بسجل لترخيص النموذج. فقد يكون النموذج المحلي سهل التشغيل تقنياً لكنه غير مناسب قانونياً لخدمة مخطط لها، أو العكس. والتجربة المنظمة أسلم وأنفع من تكرار تنزيل ملفات ضخمة غير واضحة المنشأ.

حين يخفق نموذج في تقديم إجابة جيدة، غيّر متغيراً واحداً في كل مرة: سياقاً أصغر، أو تكميماً مختلفاً، أو بيئة تشغيل مختلفة، أو نموذجاً أكثر ملاءمة للمهمة. فعدد المعاملات الأكبر ليس العلاج الوحيد.

ما الذي ينبغي أن يتابعه القراء في النماذج المفتوحة خلال 2026؟

تابع هوية الإصدار بعناية. فالصفحات الرسمية لدى DeepSeek تميّز بين V4 وV4-Pro وV4-Flash وتغييرات API الخاصة بـV4.1-Flash. ^[2][6] والعنوان الذي يقول «DeepSeek V4» قد يشير إلى نموذج محدد أو مسار تسليم مختلف عن ذلك الذي ينوي القارئ استخدامه.

تابع التراخيص وتفاصيل النشر بالدقة نفسها التي تتابع بها القدرات. فالصفحة العلنية لـQwen3.8-27B تحدد Apache 2.0، في حين يحدد Kimi K3.1 Pro ترخيصاً خاصاً بـKimi. ^[3][5] وينبغي قراءة هذه التسميات في المستودعات الفعلية، لأن النموذج الأساسي والتكميم الذي يعدّه المجتمع والنموذج المشتق قد تكون لها وثائق مختلفة.

تابع الأدلة التي تطابق المهمة. فاختبار معياري للبرمجة لا يحسم مسألة فهم المستندات، وادعاء السياق الطويل لا يحسم الدقة الوقائعية، ودعم النموذج للصور لا يحسم موثوقيته في الصور. والإصدارات المفتوحة تجعل الاختبار والتكييف أسهل، لكنها لا تلغي الحاجة إلى التقييم.

تابع التغيّر التشغيلي كما تتابع ملاحظات الإصدار. فواجهات API المستضافة قد تعيد تسمية نقاط النهاية أو تعيد توجيهها أو تحيلها إلى التقاعد، كما يوضح سجل تغييرات V4 لدى DeepSeek. ^[6] والفريق الذي يعتمد على API ينبغي أن يختبر أي بديل قبل استخدامه في بيئة الإنتاج وأن يحتفظ بإجراء احتياطي. أما الفريق الذي يستضيف ذاتياً فعليه أن يخطط لسلامة التنزيل، وترقيات بيئة التشغيل، والتخزين، والطاقة الاستيعابية. وليس أي من المسارين خالياً من الصيانة إلى الأبد. خطّط للتراجع عن التغيير، وخصّص ميزانية للمراقبة، ووثّق من يتولى كل واجب تشغيلي قبل الإطلاق.

احتفظ بملف أدلة يتضمن مراجعة بطاقة النموذج، ونص الترخيص الذي جرى الرجوع إليه، وإصدار بيئة التشغيل، ومطالبات التقييم، وأنماط الفشل المرصودة. وهذا عمل متواضع في مشروع شخصي وضروري في الاستخدام المؤسسي. فهو يحوّل ادعاءً جذاباً عن إصدار مفتوح إلى قرار قابل للتكرار. ويساعد أيضاً على تمييز قصور في النموذج من خطأ في التكميم أو في تصميم المطالبة أو في التهيئة المحلية.

الاختيار الباقي ليس DeepSeek مقابل Qwen مقابل Kimi على نحو مجرد. بل هو أصغر نموذج محدد بدقة، يكون ترخيصه الأوضح وقدرته قابلة للتحقق، ويلبّي المهمة ضمن ترتيب نشر يستطيع المستخدم صيانته.